12.10.2018

Timebite: Einfach schneller studieren

Vier Tiroler helfen Studierenden dabei effizient zu lernen. Seit kurzem ist ihre Plattform auf sieben österreichischen Unis verfügbar und die Monetarisierung durch Employer Branding in Kraft getreten.
/artikel/timebite-einfach-schneller-studieren
Die in Wien basierten Founder Adrian Sauerwein, Christoph Sprenger und Emir Selimovic (v.l.n.r). & Beispiel für die Seite einer Lehrveranstaltung in Timebite. (C) Timebite

Wie lange muss man für die nächste Prüfung lernen und mit welchen Unterlagen? Eine wiederkehrende Frage für alle Studierende. Vier Tiroler wollen sie dabei unterstützen: Sie haben die Plattform „Timebite“ gegründet, um anderen dabei zu helfen, effizient zu lernen und von den Erfahrungen ihrer Mitstudierenden zu profitieren. Auf die Idee sind sie gekommen, als sie selbst im Studium vor dem Problem standen, nicht zu wissen, wie sie sich am besten auf eine Prüfung vorbereiten sollten, erzählt Founder Emir Selimovic. Da es nirgendwo eine Plattform gab, in der Informationen über Prüfungen gesammelt waren, übernahmen es Selimovic und seine drei Co-Founder einfach selbst.

+++ Timebite beim Pitch am brutkasten Meetup #3 +++

Das Studium auf einen Blick

Das Herzstück der Plattform: Studierende können auf einen Blick alles finden, was sie für die nächste Prüfung brauchen. Etwa wie lange sie lernen sollen, welche Lernunterlagen brauchbar sind, wie relevant die Lehrveranstaltung ist und dazu individuelle Tipps zu jedem Fach. Eine Leistungsdokumentation, die auch den Kommilitonen weiterhilft. Anfang Oktober wurde die Plattform auf zwei weiteren Universitäten gelauncht, damit können nun die Studierenden von sieben Unis darauf zugreifen: der TU Wien, der TU Graz, der technischen Fakultäten der Universität Innsbruck, des Juridicums, der WU Wien, der JKU Linz und der Universität Salzburg. Derzeit sind knapp 4600 Studierende angemeldet.

Finanzierung durch Employer Branding

Gleichzeitig trat mit Oktober auch die Monetarisierung in Kraft. Das Finanzierungsmodell basiert auf Employer Branding. Timebite bietet Kunden eine Unternehmenspräsentation auf den Userprofilen der Studierenden an. Interessierte Studierende können sich damit Unternehmen ansehen, die zu ihrem Studium passen. Mit nur wenigen Klicks gelangen sie außerdem auf die unternehmensinternen Jobplattformen und können somit ausgeschriebene Jobs entdecken. Ein Win-Win, wie Selimovic erklärt, denn so könnten sich Studierende ein Bild von ihren Jobmöglichkeiten machen und Unternehmen sich österreichweit vor den Studierenden der gewünschten Branche präsentieren. Gestartet ist die Monetarisierung nun schon mit einigen Kunden, man wolle das Angebot aber freilich verbreitern, um den Nutzern so viele Alternativen wie möglich zu bieten.

+++ Unternehmerfamilien: Warum auch die nächste Generation oft gründet +++

Studium auf Eis

Drei der vier Gründer haben ihr Maschinenbau Studium an der TU Wien nun auf Eis gelegt, um sich voll auf den Aufbau des Start-Ups zu kümmern. „Unsere Leidenschaft hat sich ganz woanders hinbewegt, genauso unsere Prioritäten. Wir wollten all-in gehen“, erzählt Selimovic. Bisher haben die vier klassisch gebootstrapped und in ihrer gemeinsamen WG in Wien das strategische und operative Geschäft geleitet. Der Vierte im Bunde, Paul Rangger, studiert in München weiterhin Informatik und programmiert die Website von dort aus. Zurzeit nehmen die Tiroler am INiTS Start-Up Camp teil, absolvieren Coachings und führen regelmäßig Interviews mit ihrer Zielgruppe, um ihre Idee weiterzuentwickeln. Bereits im März gab es einige Neuerungen: seither gibt es LV-Manager, wo Studierende ihr Semester planen können sowie den Prüfungskalender, der berechnet, wie viel Tage sie zum Lernen einplanen müssen.

Jetzt wollen sich die Timebite Gründer vorerst auf den Usergrowth konzentrieren. Die nächsten Wunschuniversitäten sind die Universität Wien und die TU München, um auch in Deutschland Fuß zu fassen. Die langfristige Vision ist es aber, Timebite als eine Schnittstelle für das ganze Studentenleben zu etablieren – und das in der gesamten DACH-Region.

Timebite am Pitch beim brutkasten Meetup #3

Pitch Session – Brutkasten Meetup #3

Live vom Brutkasten Meetup #3, die Pitch Session mit Timebite, Janu, und Reji. In der Jury die Experten: von AWS gründerfonds, Speedinvest, IP Österreich, Florian Kandler von GetFunding.how und Venionaire Capital.

Gepostet von DerBrutkasten am Dienstag, 10. April 2018


⇒ Zur Homepage des Startups

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

Timebite: Einfach schneller studieren

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Timebite: Einfach schneller studieren

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Timebite: Einfach schneller studieren

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 …

Timebite: Einfach schneller studieren

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 …

Timebite: Einfach schneller studieren

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 …

Timebite: Einfach schneller studieren

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 …

Timebite: Einfach schneller studieren

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Timebite: Einfach schneller studieren

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Timebite: Einfach schneller studieren