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:
15.09.2026

Ablatic AI: Linzer LLM Talos spielt ohne VC-Kapital in einer Liga mit internationalen KI-Playern

Das nun gelaunchte Large Language Model (LLM) Talos des Linzer Startups Ablatic AI kann sich in mehreren Benchmarks mit den internationalen KI-Giganten messen. Co-Founder und CEO Florian Zimmermann erklärte uns, wie das ohne VC-Kapital möglich ist und wie man nun den Markt erobern will.
/artikel/ablatic-ai-linzer-llm-talos-spielt-ohne-vc-kapital-in-einer-liga-mit-internationalen-ki-playern
15.09.2026

Ablatic AI: Linzer LLM Talos spielt ohne VC-Kapital in einer Liga mit internationalen KI-Playern

Das nun gelaunchte Large Language Model (LLM) Talos des Linzer Startups Ablatic AI kann sich in mehreren Benchmarks mit den internationalen KI-Giganten messen. Co-Founder und CEO Florian Zimmermann erklärte uns, wie das ohne VC-Kapital möglich ist und wie man nun den Markt erobern will.
/artikel/ablatic-ai-linzer-llm-talos-spielt-ohne-vc-kapital-in-einer-liga-mit-internationalen-ki-playern
Die Ablatic-AI-Gründer vl. Florian Zimmermann (CEO) und Julian Mauerkirchner (CTO) | (c) Ablatic AI
Die Ablatic-AI-Gründer vl. Florian Zimmermann (CEO) und Julian Mauerkirchner (CTO) | (c) Ablatic AI

Wieder einmal ist es Linz. Die Stahlstadt mausert sich immer mehr zu Österreichs KI-Hauptstadt und auch eines der bislang sicher ambitioniertesten Startups in dem Bereich kommt von dort: Ablatic AI. Mit Talos wagt es sich über die Herausforderung schlechthin in der KI-Welt: ein eigenes Large Language Model (LLM) – brutkasten berichtete bereits.

Bei einer Benchmark vor Sol von OpenAI

Nun erfolgte der offizielle Launch und Ablatic gab erste Benchmark-Vergleiche aus (siehe Tabelle unten). An Claude Opus 5 kommt man demnach noch in keiner Kategorie ganz heran, in mehreren aber ziemlich nahe. DeepSeek V4 kann man dagegen gleich bei drei Werten schlagen, Qwen3.8 von Alibaba bei zwei und OpenAIs Flagship-Modell GPT-5.6 Sol immerhin bei einem, konkret der exakten Befolgung schriftlicher Anweisungen (IFBench). Unterm Strich spielt das Linzer LLM also in den vorgelegten Benchmarks in der internationalen Top-Liga mit.

„Es kann ja nicht sein, dass es in Europa nur Mistral gibt“

Aber warum überhaupt noch ein weiteres LLM? „Julian [Anm. Mauerkirchner] und ich kennen uns schon seit der Schule. Später haben wir als Unternehmer damit gestartet, Legacy-ERP-Systeme zu erneuern. Dabei sind wir auf ein Problem gestoßen: Wir konnten dafür aus Daten-Gründen keine US-KI-Systeme nutzen“, erzählt CEO Florian Zimmermann, der Ablatic AI gemeinsam mit Julian Mauerkirchner (CTO) gegründet hat, im Gespräch mit brutkasten. Man habe nur Mistral aus Frankreich oder Open-Source-Modelle verwenden können. „Mistral war für den Zweck aber nicht passend und unser Business Case bald tot“.

Mit dem Entschluss, eine neue Idee zu verfolgen, sei daher auch eine neue Motivation einher gegangen: „Es kann ja nicht sein, dass es in Europa nur Mistral gibt“, so Zimmermann. Man habe sich danach mit der Johannes Kepler Universität Linz (JKU) kurzgeschlossen und sei darüber auch zur AI Factory Austria AI:AT gekommen, wo man wiederum im Rahmen des EuroHPC-Programms europäische Hochleistungsrechenressourcen nutzt, um das Modell zu trainieren. „Ohne diese EU-Ressourcen würde es kostentechnisch überhaupt nicht gehen“, sagt Zimmermann.

Öffentliche Forschungsergebnisse statt eigenes Riesen-Research-Team

Doch auch mit diesen Ressourcen – wie lässt sich ein konkurrenzfähiges LLM mit einem kleinen Team und bislang gänzlich ohne VC-Kapital umsetzen? Schließlich beschäftigen die globalen KI-Player, mit denen sich Ablatic misst, riesige Teams. Mistral etwa ist mit seiner kürzlich kommuniziert Drei-Milliarden-Euro-Finanzierungsrunde im Vergleich zu Anthropic und OpenAI nach wie vor ein kleiner Fisch (brutkasten analysierte).

„Wir können kein 200-köpfiges Research-Team finanzieren und gleich von 0 auf 100 gehen, also greifen wir auf Bestehendes zurück“, erklärt der Gründer. Konkret verwende man einerseits Open-Source-Layer und code sie auf die eigenen Bedürfnisse um. Andererseits nutze man die neuesten Forschungsergebnisse von Universitäten wie dem MIT oder Stanford, die laufend über die Plattform arXiv veröffentlicht werden. „Wir orientieren uns an der Frontier-Forschung. Wir analysieren die Paper, legen die Erkenntnisse auf unsere Architektur um und testen es durch. Vieles davon funktioniert nicht, aber alles was funktioniert, bringt uns weiter“, so Zimmermann.

Mehr als 100 B2B-Testkunden – viele konvertieren gleich zum Launch

Die Beta-Version wurde nun bereits seit einiger Zeit mit mehr als 100 Unternehmen getestet – Ablatic konzentriert sich nämlich vorerst klar auf den B2B-Markt. Man habe für diese Tests schnell auch größere Unternehmen und Konzerne gewonnen. „Ich bin dafür wochenlang gesessen, habe Leute angeschrieben und einen Call nach dem anderen gemacht“, räumt Zimmermann ein. Dass man ein eigenes LLM und nicht nur eine Oberfläche baue, sei dabei zum entscheidenden Bonus geworden. „Und dass wir von der JKU kommen und im EuroHPC-Programm sind, hat unsere Glaubwürdigkeit enorm gesteigert“, sagt der Gründer.

Jetzt zum Launch würden viele der Testkunden bereits zu regulären Nutzern konvertieren, viele weitere noch die Testphase abschließen, mit dem Vorhaben, das dann auch zu tun, verrät Zimmermann. „Wir werden nicht 100 Prozent, aber einen Großteil konvertieren können“, ist er sicher. Punkten will Ablatic dabei nicht nur mit der europäischen Herkunft – Stichwort: Digitale Souveränität – sondern auch mit dem Pricing. „Wir haben eine relativ effiziente Architektur. Wir können kostengünstig hosten und das an die Kunden weitergeben“, so der CEO. Dass der offizielle Launch genau jetzt erfolgt, hat vor allem mit dem Gründungsprozess zu tun, der länger dauerte, als erhofft. „Ich gründe nie wieder im Sommer ein Unternehmen“, sagt der Gründer lachend.

Investment geplant: „Das Ziel ist definitiv, keine kleine Bude zu bleiben“

Und wie geht es weiter? „Wir wollen zuerst im DACH-Raum Fuß fassen und ohne große weitere Standorte skalieren. Dann wollen wir es auf Europa hochziehen“, erläutert Zimmermann. Auf Dauer werde dabei auch die Aufnahme von VC-Kapital relevant, vor allem wenn es darum gehe, die nächste Modell-Version herauszubringen. „Dann ist es wichtig, dass man schnell skaliert und iteriert. Wir sind stolz darauf, dass wir ein Modell ohne VC-Kapital trainiert haben. Wir haben gezeigt, dass auch so Großes möglich ist. Aber langfristig ist es völlig logisch, dass wir Kapital aufnehmen müssen“, sagt der Gründer.

Und es seien bereits mehrere Investoren aktiv auf das Team zugekommen, mit einigen befinde man sich schon in Gesprächen. „Das Ziel ist definitiv, keine kleine Bude zu bleiben, sondern eine größere Firma zu werden. Wir wollen jedenfalls nicht in Vergessenheit geraten“, so Zimmermann. Und der Zeitpunkt sei angesichts der Souveränitätsdebatte gut.


Benchmark-Vergleichstabelle

Anmerkungen zur Tabelle:

  • Fette Zahlen: Höchster Wert in der jeweiligen Zeile unter den Vergleichsmodellen.
  • „text-only“: Das Modell verarbeitet keine Bilder/visuellen Dokumente, weshalb OmniDocBench nicht anwendbar ist.
  • „–“: Kein veröffentlichter Wert vorhanden.

Kurzerklärungen der Benchmarks

  • Agents‘ Last Exam (UC Berkeley): Prüft langwierige, echte Arbeitsaufgaben an einem Computer (Terminal und Bildschirm zusammen), bewertet anhand des fertigen Gesamtergebnisses.
  • AutomationBench (Zapier): Testet 600 Business-Workflows über 47 simulierte Unternehmens-Softwaretools hinweg, die vollständig durchgehend ausgeführt werden müssen.
  • Toolathlon: Bewertet das Erledigen von Aufgaben in echter Büro-Software (z. B. E-Mail, Kalender, Tabellenkalkulationen und GitHub) über deren direkte Schnittstellen.
  • BrowseComp (OpenAI): Stellt schwierige Fragen, deren Antworten über das gesamte Internet verstreut liegen und durch selbstständiges Surfen recherchiert werden müssen.
  • DeepSWE v1.1 (Datacurve): Misst das eigenständige Beheben echter Softwareprobleme (Bugs) in bestehenden Quellcode-Sammlungen. Hinweis: Talos-1 wurde hierfür nicht optimiert und liegt 22 Punkte hinter der Spitze zurück.
  • OmniDocBench: Bewertet das fehlerfreie Lesen und Verstehen echter Dokumente inklusive visueller Layouts, Tabellen und mathematischer Formeln.
  • IFBench: Prüft die exakte Einhaltung von schriftlich vorgegebenen Anweisungen und Formatierungsregeln.
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