23.12.2025
KI-LEKTORAT

Textshine: Wie ein Wiener Startup das Korrektorat neu denkt

Was als Nebenprojekt eines Wiener Verlagssohns begann, ist heute ein KI-gestütztes Korrektoratstool für Redaktionen und Verlage im gesamten deutschsprachigen Raum. Textshine automatisiert professionelles Korrektorat, erkennt Grammatik-, Rechtschreib- und Zeichensetzungsfehler sowie einfache sachliche Inkonsistenzen und verzichtet bewusst auf Textproduktion.
/artikel/textshine-wie-ein-wiener-startup-das-korrektorat-neu-denkt
Das Team von Textshine wächst weiter. (c) Textshine

Was einst als Nebenprojekt begann, ist laut Gründer heute ein Werkzeug, das in Redaktionen und Verlagen im gesamten deutschsprachigen Raum eingesetzt wird. Textshine automatisiert professionelles Korrektorat und will dort ansetzen, wo klassische Rechtschreibprogramme an ihre Grenzen stoßen.

Hinter dem Startup stehen Alexander Seifert, seine Frau Anna Bozecski und ein sechsköpfiges Team. Gemeinsam wollen sie mit Textshine ein sehr spezifisches Problem lösen, das Seifert aus eigener Erfahrung kennt. Seine Mutter gründete einen Verlag und er selbst arbeitete bereits während der Matura im Familienbetrieb mit. Dabei setzte er Bücher, kümmerte sich um IT-Themen und half dort aus, wo es notwendig war.

Seifert studierte Informatik, Linguistik und Philosophie. Seit 2015 beschäftigt er sich intensiv mit KI-Entwicklung. Ziel war zunächst, seine Mutter im Verlag zu entlasten. Ihn störte vor allem eines am klassischen Korrektorat: dass immer wieder dieselben Fehler durchrutschen, für den Massenmarkt seien einfache Rechtschreibkorrekturen ausreichend, für den professionellen Einsatz aber nicht. Dort werde nach wie vor externes Korrektorat eingekauft.

Korrektorat als Übersetzungsproblem

2019 begann Seifert, sich systematisch mit der Automatisierung von Korrektorat zu beschäftigen. Parallel betreute er beruflich zahlreiche KI-Projekte, in einer Phase, in der die ersten großen Sprachmodelle und Transformer-Architekturen publiziert wurden. Viele dieser Modelle waren auf Übersetzung ausgelegt. „Ich habe mir gedacht, man kann Korrektorat im Grunde wie eine Übersetzung betrachten“, sagt Seifert im Gespräch mit brutkasten.

Er trainierte auf Basis verlagsinterner Daten ein eigenes Sprachmodell. Der erste Prototyp war ein Proof of Concept, funktionierte überraschend gut und blieb zunächst ein Nebenprojekt. 2022 kam der Wendepunkt. Seine Mutter stellte fest, dass sie sich pro Buch ein bis zwei komplette Korrekturdurchgänge sparen konnte. Ein Buch werde bis zum Druck fünf- bis sechsmal gelesen. Textshine reduzierte diesen Aufwand deutlich.

Seifert bot das Tool daraufhin auch anderen Verlagen an. Zu diesem Zeitpunkt war er noch angestellt, hatte ein kleines Kind und kaum finanzielle Rücklagen für einen derartigen Versuch. Eine AWS-KI-Förderung ermöglichte es ihm schließlich, ein Jahr lang ausschließlich an Textshine zu arbeiten. „Meine größte Sorge war, dass der Bedarf irgendwo dazwischen liegt und es zu wenig zum Leben, aber zu viel zum Sterben wäre“, sagt er. Die Einnahmen reichten damals noch nicht zum Leben, das Feedback aus der Branche war jedoch durchgehend positiv und Seifert vertiefte das Projekt.

Vom Einzelkämpfer zum Team

Ende 2024 folgte ein AWS-Deeptech-Seed-Financing, später auch Unterstützung im Zuge des Fellowship Programmes der Mediengruppe Wiener Zeitung. Heute besteht das gesamte Team aus acht Personen. Vor einem Jahr waren es rechnerisch eineinhalb. Textshine sei inzwischen „in aller Munde“, sagt Seifert, und das tägliche Feedback bestätige den starken Product-Market-Fit.

Zu den Kund:innen zählen Buchverlage, Tageszeitungen, Magazine, Selfpublisher:innen und vereinzelt auch Wissenschaftler:innen. Besonders bei Buchverlagen sei die Kaufentscheidung vergleichsweise einfach, da Korrektorat dort ohnehin extern vergeben werde. Bei Tageszeitungen sei der Einstieg komplexer, da viele Korrekturschritte direkt in den Redaktionen stattfinden. Textshine wird derzeit von mehreren Hundert Kund:innen genutzt. Diese sind vor allem im deutschsprachigen Raum angesiedelt, also in Österreich, Deutschland und der Schweiz. Aber auch in New York soll das Wiener KI-Korrektorat laufen.

Warum Textshine teurer ist und trotzdem günstiger

Im Marktvergleich positioniert sich Textshine bewusst oberhalb einfacher Tools wie beispielsweise “Language Tool”. Das Startup ist teurer, reduziert nach eigenen Angaben aber den Nachbearbeitungsaufwand deutlich. Während andere Systeme bei längeren Texten an Qualität verlieren, bleibt Textshine stabil, sagt Seifert. Eigennamen werden erkannt und nicht fälschlich korrigiert, einfache fachliche Fehler wie Verwechslungen sollen ebenfalls erkannt werden.

Das Tool korrigiert Grammatik, Orthografie, Zeichensetzung und einfache sachliche Fehler in einem Durchgang. Es greift nicht stilistisch ein und schreibt keine neuen Texte. Genau das sei entscheidend. Viele hätten versucht, ähnliche Ergebnisse mit generativen KI-Modellen zu erzielen, scheiterten aber daran, dass diese zu stark eingreifen oder Änderungen nicht sauber nachvollziehbar machen.


Nutzer:innen können ein Word-Dokument hochladen und erhalten innerhalb weniger Sekunden bis Minuten eine automatisch korrigierte Version per E-Mail zurück. Textshine lässt sich aber auch über eine Browser-Extension in die meisten Redaktionssysteme integrieren und funktioniert auch in Layout- und Printsystemen wie InDesign. Gerade für Buchverlage, die oft keine geeigneten digitalen Korrekturwerkzeuge haben, sei das ein entscheidender Vorteil.

Dass das Tool besonders anwenderfreundlich ist und sich gut integrieren lasse, bestätigen auch diverse Referenzkunden wie etwa die Salzburger Nachrichten oder der Falter-Verlag.

Selfservice und Redaktionstarife

Ein Alleinstellungsmerkmal ist das Selfservice-Angebot auf der Website. Ein klassisches Buchkorrektorat herkömmlich rund 1000 Euro pro Durchgang, bei Textshine zahlt man dafür nur einen Bruchteil. Mit Textshine lassen sich Texte deutlich günstiger prüfen. Eine Bachelorarbeit kostet im Selfservice etwa 30 bis 40 Euro, ohne Abo, rein zeichenbasiert.

Für Redaktionen gibt es Vertragsmodell. Die Flatfee liegt bei rund 500 Euro, darüber hinaus wird nach Umfang abgerechnet. In einer Redaktion mit rund 100 Personen sollen sich die monatlichen Kosten im mittleren vierstelligen Bereich bewegen. Ursprünglich setzte Textshine auf Pro-Kopf-Lizenzen, ist davon aber abgegangen. Redaktionen seien zu unterschiedlich strukturiert, sagt Seifert.

Das Startup ist aktuell in der glücklichen Lage, sowohl solide finanziert zu sein als auch laufend Umsätze zu erzielen. Textshine unterstützt derzeit Deutsch und Englisch.

Qualitätssicherung statt Textproduktion

Für die Zukunft verfolgt Textshine eine klare Linie. Das Tool soll weiterhin keine eigenen Texte schreiben: „Das sollen Menschen machen“, sagt Seifert. Stattdessen will das Startup den Bereich der Qualitätssicherung weiter ausbauen. In der Buchproduktion gebe es zahlreiche manuelle, repetitive Schritte, vom Prüfen gesetzter Texte bis zur Kontrolle von Basisinformationen wie Öffnungszeiten oder Points of Interest. Vieles davon lasse sich automatisieren.

Auch innerhalb eines Textes erkennt Textshine bereits heute Inkonsistenzen zwischen unterschiedlichen Passagen. Anfragen für weitere Sprachen, etwa Französisch, gebe es regelmäßig, sie stehen aktuell aber nicht auf der Agenda.

Deine ungelesenen Artikel:
05.08.2026

„Der Transfer ist das Schwierigste“: Ex-BMW Tech-Scouting-Leiter Frank Möbius über Technologie-Früherkennung

Technologie-Trends zu erkennen ist heute einfach, sie ins Kerngeschäft zu übersetzen bleibt die eigentliche Hürde. Frank Möbius hat BMWs Tech-Früherkennung sechs Jahre verantwortet und erklärt im brutkasten-Gespräch, woran der Transfer scheitert und wie er gelingt.
/artikel/der-transfer-ist-das-schwierigste-ex-bmw-tech-scouting-leiter-frank-moebius-ueber-technologie-frueherkennung
05.08.2026

„Der Transfer ist das Schwierigste“: Ex-BMW Tech-Scouting-Leiter Frank Möbius über Technologie-Früherkennung

Technologie-Trends zu erkennen ist heute einfach, sie ins Kerngeschäft zu übersetzen bleibt die eigentliche Hürde. Frank Möbius hat BMWs Tech-Früherkennung sechs Jahre verantwortet und erklärt im brutkasten-Gespräch, woran der Transfer scheitert und wie er gelingt.
/artikel/der-transfer-ist-das-schwierigste-ex-bmw-tech-scouting-leiter-frank-moebius-ueber-technologie-frueherkennung
Frank Möbius (links) | (c) BMW Group

Knapp 30 Jahre war Frank Möbius bei BMW. Zuletzt leitete er in der Konzernforschung den Bereich Technologiemanagement und -prognose und koordinierte das weltweite Netzwerk der BMW Technology Offices vom Silicon Valley bis Tokio. Seit 2023 gibt er seine Erfahrung als Senior Innovation Advisor bei der UnternehmerTUM GmbH in München, Europas größtem Gründerzentrum, weiter. Im Interview erklärt er, wie systematische Technologie-Früherkennung funktioniert, warum die meisten Unternehmen am Transfer der daraus gewonnenen Erkenntnisse scheitern und wie KI die Tech-Trenderkennung vereinfacht hat.


brutkasten: Sie waren fast 30 Jahre bei BMW. Wie sind Sie dort zum Thema Innovation gekommen?

Frank Möbius: Ich habe an der Uni Stuttgart Maschinenbau, Fachrichtung Fahrzeugtechnik studiert und nach dem Diplom Anfang 1990 meinen ersten Job bei der Lufthansa Technik in Frankfurt gefunden. Dort durfte ich die damals neuartigen stangenlosen Flugzeugschlepper mitentwickeln und 1992 den neuen Flughafen München damit ausrüsten – meine erste Berührung mit Innovationen und ihrer Einführung im Massengeschäft. Ich verließ die Lufthansa nach ein paar Jahren, um an der Uni Kaiserslautern über Robotik zu promovieren. Nach der Promotion kam ich 1996 zu BMW, meiner Wunschfirma in meiner Wunschstadt. Dort konnte ich viele unterschiedliche Funktionen übernehmen: erst arbeitete ich vier Jahre im Versuchsfahrzeugbau, dann vier Jahre im Personalwesen, ein lehrreicher “Side Step” für einen Ingenieur!

(c) BMW Group

Mitte 2004 durfte ich eine Abteilung für Vorentwicklung und Innovationsmanagement im Bereich Antriebsproduktion übernehmen. Daraus entstand meine Rolle im damals neuen elektrifizierten Antrieb für BMW – von der strategischen Inhouse-Entscheidung und fachlichen Befähigung der Firma bis zur Großserie: über zehn Jahre lang war ich für die Industrialisierung und später Entwicklung von Hochvoltbatterien verantwortlich, vom ersten A-Muster mit einem sehr kleinen Team bis zu 100 Mitarbeitenden. 2017 bin ich schließlich in die Forschung gewechselt und habe dort das Team “Technologiemanagement und -prognose” übernommen, das später in die Einheit “Open Innovation” integriert wurde.

Was macht so eine Open-Innovation-Einheit in einem Konzern konkret?

Mit Open Innovation Methoden erkennt und verwertet man frühzeitig innovative Signale und Trends, die außerhalb der eigenen Unternehmensgrenzen stattfinden. Wir schauen bewusst in Branchen jenseits des Automobilbaus: Consumer Electronics, Luft- und Raumfahrt, Medizin, Computing, Biomaterialien, etc. Immer mit der Frage im Hinterkopf: Was können wir davon für das eigene Kerngeschäft nutzen? Konkret: Technologische Trends aus der Cross-Industrie frühzeitig erkennen, verstehen, bewerten, ein Proof-of-Concept-Projekt durchführen, z. B. mit einem Startup, einer Uni, einem Fraunhofer-Institut, etc. und diese Ergebnisse dann in die Firma für die eigenen Produkte, Services und Prozesse transferieren.

(c) BMW Group

BMW hat dafür eine eigene Abteilung aufgebaut. Wie hängen die einzelnen Bausteine zusammen?

2015 wurde die Technologie-Früherkennung mit dem Technologie-Trendradar ins Leben gerufen, fast gleichzeitig wurde die BMW Startup Garage gegründet. Das Radar ist zunächst ein Visualisierungs- und Kommunikationstool: wir platzieren die erkannten Technologien nach Kategorien und Reifegraden, um frühzeitig aufzeigen zu können, was sich technologisch weltweit tut. Aber diese Erkenntnisse stehen erstmal nur auf dem Papier. Entscheidend ist nach Bewertung und Priorisierung die Verwertung dieser Erkenntnisse, der sogenannte Transfer. Dieser erfolgt dann oft mit Startups.

Hier kommt die BMW Startup Garage zum Einsatz. Sie betreibt Venture Clienting, d. h. sie investiert nicht, sondern scoutet im Netzwerk der internationalen BMW Tech Offices die besten Startups und koordiniert Innovationsprojekte mit den betroffenen BMW-Fachbereichen, die meist das Budget dafür stellen. Diese Startups müssen schon reifer sein, also ein stabiles Team, eine robuste Finanzierung, ein fertiges Produkt – ggf in anderen Branchen – und am besten schon erste Kunden haben. Das Ziel dabei ist immer, dass das Startup ein regulärer Lieferant für BMW werden kann, wir nennen das  “startup as a supplier”. Erst wenn die Lösung des Startups wirklich bei BMW zum Einsatz kommt – in Produkt, Service oder Prozess -, entsteht Impact!

Daneben gibt es das Team BMW iVentures als klassischer Risikokapital-Investor, der ebenfalls über das BMW Tech Office Netzwerk auch in ganz frühphasige Startups investiert. Außerdem gehört dazu ein BMW-interner Incubator und eine Crowd Innovation Plattform.

Wie läuft systematische Tech-Trenderkennung bzw. Tech-Scouting im Alltag ab?

Es gibt vier Prozessschritte: Scouten und Strukturieren, Diskutieren und Bewerten, Visualisieren und Vorbereiten und dann der Transfer in die passenden BMW-Fachbereiche und die dortige Umsetzung. Den ersten Schritt haben früher Mitarbeitende und Werkstudierende gemacht, heute erledigen das maßgeschneiderte KI-Agenten. Für den zweiten Schritt braucht man die Experten: Fachleute von intern und extern. Ggf wird zu einem bestimmten Tech-Trend eine Studie erstellt. Für den dritten Schritt sitzt man in Workshops zusammen und erarbeitet einen Vorschlag für das nächste Trendradar und mögliche Scouting- oder Prototypen-Projekte. Von einer Liste mit über hundert Themen bleiben dann vielleicht vierzig übrig, die auf das Trendradar kommen und fünf, die dann tiefergelegt werden.

(c) BMW Group

Und dann kommt der Teil, an dem viele scheitern.

So ist es! Die ganzen modernen Technologien und Trends kann man heute recht einfach im Netz recherchieren, Generative AI hilft dabei. Das Entscheidende aber ist am Ende: Was leitet das Unternehmen daraus ab? Nur neues Wissen, eine Produktverbesserung oder gleich ein neues Geschäftsmodell? Einfacher gesagt: was mache ich damit morgen besser als heute? Das ist das Schwierige, der Transferprozess. Dieser hat inhaltliche, strukturelle, finanzielle aber auch menschliche Aspekte. Der Transfer einer neuen, erstmal riskanten Technologie aus einer anderen Branche in die eigene Firma ist oft schwierig. Auch bei BMW hat es ein paar Jahre gedauert, bis erste Erfolge kamen und das Vorgehen akzeptiert war.

Was ist das Rezept, damit es funktioniert?

Man holt die Personen, die später die Erkenntnisse umsetzen sollen, frühzeitig in den Prozess mit hinein. Sie dürfen die Startups mit bewerten, sie erfahren sofort, wenn eine neue Technologie für ihren Fachbereich tiefergelegt werden soll, diese wird dann gemeinsam bewertet. Dafür gibt es in der BMW Startup Garage für jedes Ressort einen konkreten Schnittstellenpartner. Dann geht man gemeinsam in den betroffenen Fachbereich, organisiert die Ressourcen und plant das Projekt, damit das Startup den Prototypen bauen kann. Wichtig: für das Startup-Projekt wird oft das Geld des späteren Fachbereichs verwendet. Das erzeugt zusätzliches Commitment! Und das Zweite ist die Hierarchie: Wenn Du einen Bereichsleiter oder Geschäftsführer hast, der voll hinter Open Innovation steht und auch mal in oberen Etagen politisch unterstützt, dann funktioniert es deutlich besser, auch in Krisenzeiten mit Budgetknappheit.

(c) BMW Group

Was raten Sie einem Unternehmen, das ohne viel Budget mit Technologiemanagement starten will?

Man muss nicht gleich zehn Leute einstellen. Oft genügt erstmal eine Person mit den nötigen Ressourcen und Befugnissen, dazu evtl. einen Studierenden und ein paar Teilkapazitäten in den relevanten Fachbereichen als Unterstützung. Ggf hilft am Anfang auch eine externe Trendagentur oder ein passender Toolanbieter. KI-Kenntnisse sind wichtig, um einen KI-Agenten nutzen oder einen eigenen aufbauen zu können. Ein gutes, internationales Netzwerk in alle relevanten Industrien ist ebenso wichtig, denn inzwischen betreiben die meisten großen Firmen Technologie-Früherkennung im Rahmen von Corporate Foresight, man kann von ihnen lernen und Best Practices übernehmen. Ich habe aus meinen über 6 Jahren in dieser Rolle eine Liste mit den zehn wichtigsten Lessons Learned zusammengeschrieben. Da steht alles drin, was man braucht, man muss es halt nur noch machen.

Was machen Sie heute bei UnternehmerTUM?

UnternehmerTUM hat drei Zielgruppen: Talente, Startups und Unternehmen – vom großen  Corporate und Mittelstand bis zum Familienunternehmen. Meine Hauptarbeit liegt in der Innovationsberatung, wo ich meine BMW-Erfahrung einbringen kann. Daneben bin ich Startup-Mentor, halte Vorlesungen, unterstütze die Internationalisierung der UnternehmerTUM und betreue Delegationen. Und ich baue gerade einen KI-gestützten Technologie-Trendradar-Prozess für die UnternehmerTUM, die TUM Venture Labs und ihre Partner und Kunden auf. Der ist nochmal deutlich umfangreicher als ein Radar für die Automobilindustrie. Wir haben dafür einen KI-Agenten gebaut, der weltweit schwache Tech-Signale erkennt, also Technologien, die noch kein messbarer Trend sind. Diesen KI-Agenten trainiere ich täglich. Gerade für Mittelständler und Familienunternehmen ist das sehr hilfreich, weil sie in der Regel nicht das Netzwerk und die Möglichkeiten großer Firmen haben.

(c) BMW Group

Gibt es ein Beispiel aus Ihrer BMW-Zeit, das zeigt, was Open Innovation bewirken kann?

Aus der Tech-Trenderkennung und der Startup-Arbeit wurden in den letzten Jahren schon viele Projekte zu Quantum Computing, Fahrzeug-Satelliten-Kommunikation, Gesundheitsdaten-Monitoring im Fahrzeug, Panorama-Displays, In-Car-Gaming u.v.m. erfolgreich transferiert. Einiges davon ist schon im Auto zu erleben, manches wird noch kommen. Mein Lieblingsbeispiel ist das farbwechselnde Auto: keine klassische Trenderkennung, aber ein erfolgreicher Cross-Industry-Transfer und vielleicht sogar ein Trendsetter! Eine Mitarbeiterin von mir hatte vor vielen Jahren die mutige Idee, die Display-Funktionen eines E-Readers aufs Auto zu übertragen. Sie hat sich die E-Ink-Panels besorgt, einen Prototypen entwickelt und damit nach vielen Experimenten mit einigen Helfern den BMW iX Flow aufgebaut – übrigens anfangs im MakerSpace der UnternehmerTUM. Mit diesem Auto war sie mit BMW 2022 in der Schwarz-Weiß-Version und ein Jahr später mit dem BMW i VISION Dee in der Farbversion mit großem Erfolg auf der CES in Las Vegas: The Color-Changing Car! Das ist für mich der perfekte Cross-Industry-Transfer: Ich übertrage eine erfolgreiche Technologie aus einer Industrie in eine völlig andere und habe einen Nutzen daraus. Ob das in irgendeiner Form mal in Serie kommt? Wer weiß …

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

Textshine: Wie ein Wiener Startup das Korrektorat neu denkt

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Textshine: Wie ein Wiener Startup das Korrektorat neu denkt

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Textshine: Wie ein Wiener Startup das Korrektorat neu denkt

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 …

Textshine: Wie ein Wiener Startup das Korrektorat neu denkt

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 …

Textshine: Wie ein Wiener Startup das Korrektorat neu denkt

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 …

Textshine: Wie ein Wiener Startup das Korrektorat neu denkt

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 …

Textshine: Wie ein Wiener Startup das Korrektorat neu denkt

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Textshine: Wie ein Wiener Startup das Korrektorat neu denkt

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Textshine: Wie ein Wiener Startup das Korrektorat neu denkt