07.04.2022

Silana: Wiener Startup möchte Textil-Produktion nachhaltig automatisieren

Das Silana Gründer-Trio möchte mit einer vollautomatisierten Maschine die lokale Textil-Produktion in Europa ermöglichen. Im Fokus stehen die Verkürzung der Vorlaufzeiten um 90 Prozent sowie die Reduktion des Umwelteinflusses der Industrie.
/artikel/silana-wiener-startup-moechte-textil-produktion-nachhaltig-automatisieren
Silana Gründer
Die Silana Gründer Michael Mayr, Anton Wohlgemuth und Michael Hofmannrichter (v.l.n.r.). | © Silana

Prekäre Arbeitsbedingungen und lange Transportwege prägen das Bild der Modeindustrie. Grund dafür sei die fehlende Innovation im Bereich der Textilherstellung. Zudem wird die Vorhersage von Trends, bedingt durch kürzere Modezyklen, immer mehr zur Herausforderung. Genau dieses Problem möchten die Silana-Gründer Michael Hofmannrichter, Anton Wohlgemuth und Michael Mayr nun lösen. Ihr Ziel ist es, eine Billionen-Dollar schwere Industrie langfristig und nachhaltig zu transformieren. Den Fokus setzen die Co-Founder dabei auf die Vollautomatisierung der Modeherstellung. Zwischenhändler und teure Transport- und Zollkosten werden dadurch überflüssig und eine europäische Produktion auf dem Preisniveau der fernöstlichen Hersteller ermöglicht. All das bei kürzeren Vorlaufzeiten und verbesserter Nachhaltigkeit.

Silana macht Vollautomatisierung zur nachhaltigen Alternative

Von Stoffherstellung über den Schnittprozess bis hin zur Distribution, sind viele Schritte bereits automatisiert. Dennoch sei die Fixierung und Positionierung der Stoffe bisher immer die größte Herausforderung gewesen und man sei immer wieder am Nähprozess gescheitert, so das Trio. “Zur Vollautomatisierung gibt es nur ein bis zwei Mitbewerber:innen. Jedoch verhärten sie die Stoffe mittels Chemikalien, damit sie einfacher vernäht werden können”, sagt Wohlgemuth. Das sei aber problematisch, erklärt er weiter, denn “diese Chemikalien müssen wieder ausgewaschen werden, was wiederum für die Umwelt schädlich ist und dermatologische Unverträglichkeiten bei Endkonsument:innen auslösen kann”. 

Mit ihrem Schwerpunkt auf den Nähprozess gesetzt, möchten die Jungunternehmer den wichtigsten und kostenintensivsten Schritt, der bisher unter prekären Arbeitsbedingungen in südostasiatischen Ländern durchgeführt wurde, vollständig automatisieren. “Wir haben in Abstimmung mit der Industrie und vielen Automatisierungs-Experten ein funktionierendes und patentierbares Konzept entwickelt, das nur mehr praktisch umgesetzt werden muss”, sagt Mayr, COO von Silana. 

Gründer-Team mit umfassendem Skillset

Die Idee zu Silana war im Sommer 2020 geboren, als das Gründer-Trio im Rahmen eines anderen Projektes an einem Toolkit tüftelte. Ziel war es, den Design-Prozess von Mode zum Endkonsumenten zu verlagern. Bis Mayr, dessen Vater Eigentümer der Fussl Modestraße ist, seine Projektpartner auf die wahren Probleme der Modebranche aufmerksam machte. 

“Wir komplettieren uns vollständig”, sagt Hofmannrichter, der aktuell noch Strategy, Innovation und Management Control an der WU Wien studiert und gleichzeitig bei der B&C Holding für die Lenzing AG arbeitet. Auch Mayr geht noch seinem Wirtschaftsrecht-Master nach. Erst als das Team davon erfuhr, dass Wohlgemuth ein ausgebildeter Automatisierungs-Ingenieur und Software-Experte ist und zudem noch Data Science im Master studiert, wussten die Projektpartner, dass sie die wichtigsten Skills für die Umsetzung ihrer Idee mitbringen. “Vom vorgelagerten Prozess über den Modemarkt bis hin zur technischen Expertise, wir bringen eine umfassende Expertise mit, was aber nie geplant war”, erklärt Hofmannrichter weiter. 

Vollautomatisierung als Chance für junge Designer:innen 

Mit der Automatisierung des Schnitt- und Nähprozesses sowie der damit hervorgehenden Verlagerung der Kleidungsproduktion nach Europa möchten die Co-Founder auch jungen Mode-Designer:innen die Chance geben, sich kreativ zu verwirklichen. “Kleinere Mode-Schöpfer:innen stoßen vor allem am Anfang auf viele Probleme. Dadurch, dass sie die Mindestbestellmengen nicht erfüllen können, müssen die meisten ihre Designs selbst nähen”, sagt Mayr. 

Um die angestrebte Transformation der Modeindustrie zu verwirklichen, möchten die Jungunternehmer vollautomatisierte Nähroboter bauen und diese Maschinen auch verleasen und verkaufen. Bisher hat Silana finanzielle Unterstützung für die Entwicklung ihres MVPs vom High-Tech Inkubator INiTS zugesichert bekommen. Die Gründer befinden sich zudem in Gesprächen mit externen Investor:innen sowie strategischen Partner:innen. “Bis wir die Serienreife erreichen und in größeren Mengen produzieren können, werden wir eine Investitionssumme von rund10 Mio. Euro benötigen”, so das Trio. 

Deine ungelesenen Artikel:
10.11.2026

KI-Agenten gezielt steuern: Warum klare Grenzen im Kundenservice entscheidend sind

KI-Agenten können im Kundenservice viel leisten, solange sie wissen, wo ihre Grenzen liegen. Ein Gastbeitrag über die gezielte Steuerung von KI im Kundenkontakt.
/artikel/ki-agenten-gezielt-steuern-warum-klare-grenzen-im-kundenservice-entscheidend-sind
10.11.2026

KI-Agenten gezielt steuern: Warum klare Grenzen im Kundenservice entscheidend sind

KI-Agenten können im Kundenservice viel leisten, solange sie wissen, wo ihre Grenzen liegen. Ein Gastbeitrag über die gezielte Steuerung von KI im Kundenkontakt.
/artikel/ki-agenten-gezielt-steuern-warum-klare-grenzen-im-kundenservice-entscheidend-sind

Ein Kunde fragt nach dem Lieferstatus seiner Bestellung. Ein anderer benötigt eine Produktempfehlung. Ein dritter möchte wissen, welche Bedingungen für eine Reklamation gelten. Obwohl alle drei Anfragen im Kundenservice eingehen, stellen sie unterschiedliche Anforderungen an den Einsatz künstlicher Intelligenz. Denn während eine Produktberatung individuell formuliert werden kann, müssen Auskünfte zu Vertragsbedingungen auf verbindlichen Informationen beruhen.

Für mittelständische Unternehmen stellt sich deshalb eine zentrale Frage: Wie lässt sich genau festlegen, welche Informationen KI-Agenten nutzen und welche Aufgaben sie eigenständig übernehmen dürfen?

Unternehmen müssen bestimmen, worauf die KI zugreifen darf

Moderne Sprachmodelle können Informationen verarbeiten, Zusammenhänge erkennen und Antworten formulieren. Im Kundenservice reicht diese Fähigkeit allein jedoch nicht aus. Entscheidend ist, dass die KI ausschließlich auf Informationen und Funktionen zugreift, die für das jeweilige Anliegen freigegeben sind.

Bei Fragen zu Lieferbedingungen sollte sie beispielsweise nur die aktuellen Unternehmensrichtlinien berücksichtigen. Bei einer allgemeinen Produktberatung kann es dagegen sinnvoll sein, verschiedene Wissensquellen miteinander zu verknüpfen. Für eine Bestellstatusabfrage wiederum benötigt der Agent Zugriff auf aktuelle Daten aus einem angebundenen System.

Was in der Praxis häufig unterschätzt wird: KI muss im Unternehmen nicht als frei agierendes System eingesetzt werden. Durch gezielte Konfiguration lassen sich Informationsquellen, Antwortvorgaben und Handlungsmöglichkeiten so eingrenzen, dass KI-Agenten innerhalb klar definierter Regeln arbeiten. Damit können Unternehmen KI auch dort einsetzen, wo Verlässlichkeit und Kontrolle besonders wichtig sind.

Dabei lässt sich nicht nur festlegen, welche internen Dokumente, Datenbanken oder externen Quellen verwendet werden dürfen. Auch der Zugriff auf eine Websuche oder die Ausführung bestimmter Aktionen kann eingeschränkt werden.

Restriktiv, generativ oder agentisch: Der Anwendungsfall entscheidet

Je nach Aufgabe können unterschiedliche KI-Ansätze zum Einsatz kommen. Diese schließen sich nicht gegenseitig aus, sondern lassen sich innerhalb einer Kundenservice-Lösung miteinander kombinieren.

Restriktive KI: Antworten innerhalb klarer Vorgaben

Bei verbindlichen Auskünften sind enge Grenzen notwendig. Ein restriktiv konfigurierter KI-Agent greift ausschließlich auf freigegebene Informationen zurück und darf definierte Antwortvorgaben nicht verlassen.

Fehlen die erforderlichen Informationen, sollte das System keine Aussagen ergänzen oder Vermutungen anstellen. Stattdessen kann es die Anfrage an einen Mitarbeitenden weiterleiten.

Dieser Ansatz eignet sich beispielsweise für Garantiebedingungen, Vertragsinformationen oder sensible Serviceprozesse.

Generative KI: Individuelle Antworten auf kontrollierter Wissensbasis

Andere Anliegen erfordern eine flexiblere Kommunikation. Möchte ein Kunde mehrere Produkte vergleichen oder technische Zusammenhänge verstehen, kann generative KI Informationen aus hinterlegten Wissensquellen zusammenführen und verständlich aufbereiten.

Dabei muss die KI nicht auf ihr allgemeines Trainingswissen zurückgreifen. Sie kann so konfiguriert werden, dass ihre Antworten ausschließlich auf ausgewählten Unternehmensinformationen basieren. Die Formulierung bleibt flexibel, während die zugelassenen Informationsquellen klar definiert sind.

Agentische KI: Aufgaben innerhalb festgelegter Berechtigungen ausführen

Agentische KI geht über die reine Beantwortung von Fragen hinaus. Sie kann verfügbare Werkzeuge auswählen, Schnittstellen nutzen und mehrstufige Aufgaben bearbeiten.

Beispielsweise kann ein KI-Agent eine Bestellnummer entgegennehmen, den zugehörigen Status über eine Schnittstelle abfragen und die Information anschließend verständlich ausgeben.

Welche Aktionen er ausführen darf, legt das Unternehmen fest. Ein Agent kann somit berechtigt sein, Bestelldaten abzurufen, ohne gleichzeitig Änderungen oder Stornierungen vornehmen zu dürfen.

Die Steuerung erfolgt auf Ebene einzelner Anliegen

Für mittelständische Unternehmen ist es häufig sinnvoll, nicht sämtliche Kundenanfragen nach denselben Regeln bearbeiten zu lassen.

So lässt sich beispielsweise festlegen, dass ein Agent bei Fragen zu Unternehmensrichtlinien ausschließlich interne Dokumente verwendet. Bei allgemeinen Fachfragen kann eine ergänzende Websuche erlaubt sein. Geht es hingegen um kundenspezifische Informationen, erfolgt der Zugriff über eine autorisierte Schnittstelle.

Auch die Grenzen der Automatisierung können individuell definiert werden. Während ein Agent den Bearbeitungsstand einer Reklamation selbstständig mitteilen darf, kann eine Erstattungsentscheidung weiterhin einem Mitarbeitenden vorbehalten bleiben.

Entsprechende Möglichkeiten zur Verknüpfung von Wissensquellen, KI-Funktionen und bestehenden Systemen bieten Plattformen wie DialogBits für den KI-gestützten Kundenservice.

Praxisbeispiel: KI-Agent beim HERDT-Verlag

Wie sich die Bearbeitung unterschiedlicher Kundenanliegen mit kontrollierten Systemzugriffen verbinden lässt, zeigt der HERDT-Verlag für Bildungsmedien.

Dort unterstützt der KI-Agent „Berti“ Kunden im Online-Shop. Über angebundene Werkzeuge kann er unter anderem Bestellinformationen abrufen und verschiedene Anliegen innerhalb eines Gesprächs bearbeiten.

Die verfügbaren Funktionen und ihre Einsatzmöglichkeiten werden dabei konfiguriert. Anhand der jeweiligen Kundenanfrage wählt der Agent ein geeignetes Werkzeug aus, ohne uneingeschränkten Zugriff auf sämtliche Systeme zu erhalten.

In den ersten zwei Wochen nach der Umstellung beantwortete Berti bereits 76 Kundenanfragen eigenständig. Die Success Story des HERDT-Verlags zeigt, wie dieser Ansatz in der Praxis umgesetzt wurde.

Fazit: Kontrolle ist die Grundlage sinnvoller Automatisierung

Der Einsatz von KI-Agenten im Kundenservice bedeutet nicht, künstlicher Intelligenz möglichst viele Freiheiten einzuräumen. Vielmehr müssen Unternehmen bestimmen können, welche Informationen genutzt, welche Antworten formuliert und welche Aktionen ausgeführt werden dürfen.

Gerade für mittelständische Betriebe liegt darin ein wesentlicher Vorteil: Unterschiedliche Serviceprozesse lassen sich automatisieren, ohne für jede Anfrage denselben Handlungsspielraum zuzulassen. Entscheidend ist nicht, wie viel ein KI-Agent grundsätzlich kann, sondern was er im jeweiligen Kontext tatsächlich darf.

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

Silana: Wiener Startup möchte Textil-Produktion nachhaltig automatisieren

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Silana: Wiener Startup möchte Textil-Produktion nachhaltig automatisieren

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Silana: Wiener Startup möchte Textil-Produktion nachhaltig automatisieren

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Silana: Wiener Startup möchte Textil-Produktion nachhaltig automatisieren

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Silana: Wiener Startup möchte Textil-Produktion nachhaltig automatisieren

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Silana: Wiener Startup möchte Textil-Produktion nachhaltig automatisieren

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Silana: Wiener Startup möchte Textil-Produktion nachhaltig automatisieren

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Silana: Wiener Startup möchte Textil-Produktion nachhaltig automatisieren

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Silana: Wiener Startup möchte Textil-Produktion nachhaltig automatisieren