02.06.2021

Buchroithner nach Swelly-Aus: „Highlight waren tausende Stunden harter Arbeit“

Das einstige Wiener Vorzeige-Startup Swelly gab kürzlich bekannt, nach sechs Jahren aufzuhören. Co-Founder Peter Buchroithner spricht im Interview über seine Highlights, Lowlights und Learnings.
/artikel/swelly-aus-interview-buchroithner
Founder Peter Buchroithner
Peter Buchroithner | beigestellt

Sechs Jahre, Büros in zwei Kontinenten, knapp zehn Millionen Nutzer und insgesamt rund 1,5 Millionen Euro Funding – das ist ein kurzer Auszug aus der Bilanz des 2015 in Wien als dvel gegründeten Startups Swelly. Gründer Peter Buchroithner gab kürzlich das endgültige Aus für Swelly bekannt – der brutkasten berichtete. Wir haben ihn im Interview zu den Hintergründen befragt.

Ihr habt kürzlich bekanntgegeben, mit Swelly aufzuhören. Was war der ausschlaggebende Grund für das Aus?

Wir haben als Team entschieden, dass wir etwas Neues brauchen. Wir wollen an Lösungen arbeiten, die wir in zehn Jahren brauchen. Und unser Fokus liegt in den Bereichen Nachhaltigkeit, Gesundheit und Bildung – drei Bereiche in denen sich sehr viel tun muss, damit wir als Menschheit weiterkommen. Swelly war als Produkt ein Soziales Netzwerk und wenn du es noch weiter herunter brechen willst, war Swelly eine Photo-App. Das besondere bei uns war immer die Community. Zehn Millionen Menschen aus der ganzen Welt, die ihre Meinung teilen konnten, gemeinsam Entscheidungen getroffen haben und dabei viel Spaß hatten. In den nächsten zehn Jahren wollen wir noch größere Communities aufbauen und dabei nachhaltig die Welt etwas besser machen.

Was passiert jetzt mit der Software – ihr hattet ja ziemlich viele aktive User…

Genau, knapp zehn Million Nutzer haben wir, und zu Peak-Zeiten waren über 2,5 Millionen davon monatlich aktiv. Wir suchen nach einem neuen Zuhause für Swelly und dazu gibt es auch Gespräche.

Du hast geschrieben, dass am Ende alle Investoren noch ausbezahlt wurden. Wie habt ihr das in den letzten Monaten gemacht?

Wir haben seit dem Fast-Aus im August 2018, als wir unsere Zelte in LA abbrechen mussten und durch eine schwierige Zeit mussten, hart daran gearbeitet, das Unternehmen so aufzustellen, dass für Alle etwas übrig bleibt. Mit einer sehr schlanken Unternehmens-Struktur und guten Kunden haben wir es geschafft Assets aufzubauen und damit Investoren auszuzahlen.

Ihr habt mit Swelly – anfangs noch Dvel – seit 2015 eine Startup-Story hingelegt, wie sie im Buche steht. Was waren aus deiner Sicht die Highlights?

Danke dir für diese Frage, das ist spannend. Vor einigen Jahren hätte ich noch gesagt, dass es ein Highlight war auf der Facebook F8-Konferenz als Facebook-Partner präsentiert zu werden oder mit Sheryl Sandberg beim VIP Breakfast zu sitzen. Mark Zuckerberg überzeugen, unser Produkt zu präsentieren war schon ganz cool. Oder Leute wie David Marcus oder Phil Libin kennen zu lernen. Oder bei der Puls4 Startup-Show (Anm. 2 Minuten 2 Millionen) aufzutreten, was sicher ein Highlight für meine Eltern war. Aber die wirklichen Highlights waren die tausenden Stunden an harter Arbeit mit Phil (Anm. Co-Founder Philipp Holly), Fred (Anm. Co-Founder Manfred Strasser) und unserem Team. Gemeinsam einfach nur was geiles bauen wollen, das viele Menschen gerne verwenden. Und natürlich ab und zu surfen mit den Jungs war auch fein. Weitere Highlights waren auch jede Verhandlung mit Hansi (Anm. Hansmann), auch wenn sich das währenddessen nicht immer so angefühlt hat, haben wir uns wahnsinnig weiterentwickelt und sehr viel von ihm und unseren Business-Angels gelernt.

Und was waren die Tiefschläge? Gab es eine Art Wendepunkt?

Tiefschläge gab es sehr viele. Ein Lowlight war, als wir uns 2018 von allen unseren Mitarbeitern in Wien trennen mussten. Zu der Zeit konnte ich nicht einmal persönlich nach Wien kommen, weil ich mit Fundraising- und M&A-Gesprächen in Kalifornien eingedeckt war. Fred hat das damals übernommen. Ein Wendepunkt nach unten war sicherlich, dass sich Chatbots bisher noch nicht so durchgesetzt haben, wie viele dachten. Das war unsere große Wette.

Kannst du daraus Learnings ableiten, die generell gelten?

Learnings… Ich versuch’s. Solange man etwas macht, das einem Spaß macht und man es macht, um für seine User ein tolles Produkt zu bauen, ist alles andere egal. In unserem Fall kann man im Nachhinein sagen, dass wir früher, schneller und noch radikaler unseren Kurs ändern hätten können. Also wenn etwas nicht funktioniert, was Neues machen. Und das viel öfter. Das bedeutet nicht, seine Firma zu zusperren oder ein anderes Problem zu lösen, aber auf eine andere Art, als man es bisher versucht hat. Ein anderes Key-Learning für mich: Leute reden immer von „Passion“ und davon, dass man etwas machen sollte, was man extrem gern macht. Was viele dabei vergessen ist: Was man gut kann, macht man auch gern, vor Allem, wenn man ständig besser wird.

Swelly war nicht dein erstes Unternehmen und du hattest schon in den vergangenen Jahren mehrere Projekte parallel. Worauf liegt jetzt dein Fokus? Du hast ja auch schon was ganz neues angedeutet…

Da muss ich erst drüber schlafen und wir unterhalten uns im Juli mal, ok?

(Anm. d. Red.: Buchroithner beschäftigte sich auf Social Media und in seinem Blog in den vergangenen Monaten intensiv mit dem Thema Verbesserung des Schlafs)

Abschließend: Wärst du auch mit deinem nächsten Business bereit, ans andere Ende der Welt zu ziehen?

Hah, klar, ich geh dort hin wo es am meisten Sinn macht und wo ich die Erfolgs-Chancen von dem was ich tue am höchsten einschätze.

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

Buchroithner nach Swelly-Aus: „Highlight waren tausende Stunden harter Arbeit“

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Buchroithner nach Swelly-Aus: „Highlight waren tausende Stunden harter Arbeit“

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Buchroithner nach Swelly-Aus: „Highlight waren tausende Stunden harter Arbeit“

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 …

Buchroithner nach Swelly-Aus: „Highlight waren tausende Stunden harter Arbeit“

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 …

Buchroithner nach Swelly-Aus: „Highlight waren tausende Stunden harter Arbeit“

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 …

Buchroithner nach Swelly-Aus: „Highlight waren tausende Stunden harter Arbeit“

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 …

Buchroithner nach Swelly-Aus: „Highlight waren tausende Stunden harter Arbeit“

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Buchroithner nach Swelly-Aus: „Highlight waren tausende Stunden harter Arbeit“

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Buchroithner nach Swelly-Aus: „Highlight waren tausende Stunden harter Arbeit“