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:
20.08.2026

Deepentix: sechsstellige Pre-Seed-Runde für NÖ-Deep-Tech-Startup – Kambis Kohansal Vajargah mit dabei

Mit einem SAFE (Simple Agreement for Future Equity) treibt das niederösterreichische Deep-Tech-Startup Deepentix seine nächsten Wachstumsschritte voran. An der Finanzierung beteiligen sich tecnet equity, der internationale Frühphaseninvestor Rockstart sowie der Business Angel Kambis Kohansal Vajargah.
/artikel/deepentix-sechsstellige-pre-seed-runde-fuer-noe-deep-tech-startup-kambis-kohansal-vajargah-mit-dabei
20.08.2026

Deepentix: sechsstellige Pre-Seed-Runde für NÖ-Deep-Tech-Startup – Kambis Kohansal Vajargah mit dabei

Mit einem SAFE (Simple Agreement for Future Equity) treibt das niederösterreichische Deep-Tech-Startup Deepentix seine nächsten Wachstumsschritte voran. An der Finanzierung beteiligen sich tecnet equity, der internationale Frühphaseninvestor Rockstart sowie der Business Angel Kambis Kohansal Vajargah.
/artikel/deepentix-sechsstellige-pre-seed-runde-fuer-noe-deep-tech-startup-kambis-kohansal-vajargah-mit-dabei
Deepentix
© tecnet equity - (v.l.) Investor Kambis Kohansal Vajargah, Endri Deliu, Morteza Amini und Altan Nar (alle Deepentix) sowie Peter Buchinger (tecnet equity).

Das NÖ-Startup Deepentix hat eine Enterprise-KI-Plattform entwickelt, die Unternehmen dabei unterstützen soll, aus Dokumenten wie Studien, Patenten oder internen Berichten einen sogenannten Wissensgraphen aufzubauen – ein Netzwerk aus Fakten und ihren Beziehungen. Dadurch lassen sich Antworten einer Künstlichen Intelligenz bis zum exakten Satz im Ursprungsdokument zurückverfolgen. Gerade in stark regulierten Branchen sei dies entscheidend, weil Aussagen jederzeit belegt und geprüft werden müssen.

Deepentix: Unternehmensdaten in Graphen überführen

Zielgruppe sind etwa Unternehmen in Branchen wie Pharma, Medizintechnik, Versicherungen oder Banken, die täglich mit großen Mengen an Studien, Patenten, Normen und internen Berichten arbeiten. Klassische generative KI liefere dazu zwar schnelle Antworten, könne deren Herkunft jedoch oft nicht lückenlos belegen. Genau hier möchte Deepentix ansetzen und unstrukturierte Unternehmensdaten in einen Wissensgraphen überführen – im Sinn einer nachvollziehbaren Wissensbasis für KI-Anwendungen.

„Wenn Mitarbeitende einer KI blind vertrauen müssen, weil sie deren Antworten nicht überprüfen können, ist das gerade in sensiblen Bereichen ein echtes Risiko. Genau dieses Vertrauensproblem lösen wir, indem wir jede Antwort bis zu ihrem Ursprung im Dokument sichtbar machen“, erklärt Morteza Amini, Mitgründer und CEO von Deepentix.

Mehrere Sprachmodelle

Der Aufbau von Wissensgraphen erfolge Deepentix nach häufig im Rahmen aufwendiger Beratungsprojekte oder über standardisierte Lösungen, die sich nur begrenzt auf einzelne Fachbereiche zuschneiden lassen. Bei Unternehmen, die ihre sensiblen Daten selbst kontrollieren und gleichzeitig präzise Ergebnisse benötigen, stoße dieser Ansatz oft an seine Grenzen. Aus diesem Grund entwickelte das Startup kein Beratungsprojekt für einzelne Kunden, sondern ein Werkzeug, mit dem Unternehmen Wissensgraphen selbst erstellen, betreiben und an ihre Anforderungen anpassen können.

Dabei setzt die Plattform nicht auf ein einziges großes KI-Modell aus der Cloud, sondern auf mehrere kleine, spezialisierte Sprachmodelle, die gezielt auf einzelne Fachbereiche wie Pharma oder Banken trainiert werden. Dadurch sollen die Ergebnisse präziser werden, während die Modelle bei Bedarf direkt auf den eigenen Servern der Unternehmen betrieben werden können.

Dafür gab es nun eine Pre-Seed-Finanzierung in sechsstelliger Höhe, an der sich tecnet equity, der internationale Frühphaseninvestor Rockstart sowie der Business Angel Kambis Kohansal Vajargah beteiligt haben. Das frische Kapital soll vor allem in Forschung und Entwicklung sowie in den Ausbau erster Pilotprojekte in regulierten Branchen fließen.

Deepentix baut Wissensnetz

„Wir verstehen uns nicht als Berater, die für einzelne Kunden ein Wissensnetz bauen, sondern als Technologieanbieter, der Unternehmen die volle Kontrolle über ihre eigenen Daten und Modelle gibt“, so Amini weiter. „Mit tecnet equity, Rockstart und Business Angel Kambis Kohansal Vajargah haben wir Partner an Bord, die den Weg von Deep-Tech-Startups aus erster Hand kennen. Das gibt uns nicht nur Kapital, sondern auch Zugang zu Netzwerk und Erfahrung, um in dieser Phase die richtigen Schritte zu setzen.“

Peter Buchinger, Investment Associate bei tecnet equity, ergänzt: „Uns hat neben der Technologie vor allem das stark aufgestellte Gründerteam von Deepentix überzeugt. Die Kombination aus wissenschaftlichem Hintergrund und Erfahrung in internationalen Unternehmen war ausschlaggebend, in dieser frühen Phase zu investieren.“

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