Waffle: Bekannte Serial-Founder starten in Wien neue Social-Media-App
Bestehende soziale Netzwerke erfüllen nicht den Zweck, einen mit seinen besten Freunden zu verbinden, meinen die Gründer:innen von Rakun - und starten mit Waffle von Wien aus eine neue Social-Media-App, die auf Audio setzt.
Viele haben es versucht und nur die Allerwenigsten haben es geschafft: Ein neues soziales Medium zu etablieren ist wohl so etwas wie die Königsklasse im Startup-Bereich. Und das, obwohl das Lamento über die Riesen am Markt allgegenwärtig ist. Auch Peter Buchroithner, Thomas Schranz, David Pflügl und Verena Handler-Kunze sind mit dem bestehenden Angebot nicht zufrieden. Mit Rakun, das eine App für neurodivergente Menschen betreibt, haben die vier erst dieses Jahr ein neues Startup gegründet, wie brutkasten berichtete. Nun kommt mit Waffle ein weiteres dazu.
Waffle: “Back to the roots der sozialen Medien”
“Bei Waffle geht es sozusagen back to the roots der sozialen Medien. In den letzten Jahren habe ich das Gefühl, dass die Verbindung zu den Menschen, mit denen ich eigentlich Kontakt haben will, bei den gängigen Social-Media-Plattformen verloren gegangen ist. Facebook ist voller Werbung und Memes, auf Instagram sieht man Gelegentlich eine Hochzeit, aber es ist dominiert von Influencern, die dir etwas verkaufen wollen, und auf TikTok sind Leute, die tanzen und dich unterhalten”, sagt Peter Buchroithner im Gespräch mit brutkasten.
Auch auf Messaging-Apps wie WhatsApp und Telegram sei man zusehends mit Werbung konfrontiert und private und berufliche Kontakte würden sich mischen. “Jeder, der irgendwann einmal deine Nummer gehabt hat, kann dir einfach schreiben”, sagt Buchroithner. Das Team habe aber einen Ort schaffen wollen, wo man wirklich nur mit seinen besten Freund:innen kommuniziert.
Kein “Geschwafel” bei Waffle
Beziehungsweise “von ihnen hört”. Denn Waffle setzt auf Voice-Messages. “Man hat nicht immer Zeit, mit seinen Freunden zu telefonieren, aber es ist schön und man fühlt sich mehr verbunden, wenn man ihre Stimme hört. So sind wir auf das Thema Voicenotes gekommen”, sagt Buchroithner. Nicht nur im Namen setzt das Startup beim Social-Media-Trend “Wednesday Waffle” an, bei dem User:innen einer ausgewählten Gruppe an Leuten einmal in der Woche ein Update über sich geben.
(c) Waffle
Wer bei der Kombination aus “Social” und “Audio” also an die ebenso schnell aufgestiegene wie untergegangene “Social-Audio-App” Clubhouse gedacht hat, kann beruhigt sein – das Konzept ist ein völlig anderes. Bei Waffle sind die Voice-Messages auf eine Minute beschränkt und User:innen sind dazu aufgefordert, dazu jeweils ein Bild hochzuladen. Maximal drei dieser Nachrichten können pro Tag gesendet werden, um “Geschwafel” zu verhindern, wie man es aus überlangen WhatsApp-Voice-Messages kennt. Und nach 24 Stunden verschwinden diese wieder von selbst.
Ungefilterte Kommunikation mit Filtern
Doch das ist nicht die einzige bewusste Einschränkung. Wer sich bei der App, die aktuell nur für iOS verfügbar ist, registriert, kann genau acht Kontakte auswählen, um seine Messages mit diesen zu teilen. Weil man auch von anderen Menschen ausgewählt werden kann, kann man dennoch in mehreren solchen Neun-Personen-Kreisen sein. “Es geht darum, nur den Leuten Updates zu geben, denen man wirklich alles erzählen kann. Es geht um ungefilterte Kommunikation”, so Peter Buchroithner.
(c) Waffle
Wobei: Filter sind bei Waffle durchaus geplant, erzählt der Gründer. “So, wie man bei Snapchat Filter über Fotos und Videos legen kann, wird man das bei uns mit dem Ton machen können – also etwa mit Darth-Vader-Stimme sprechen.” Generell wolle man im Thema Voice noch “sehr, sehr vieles dazubauen”.
“Ich denke, das Produkt hat das Potenzial, dass es von 100 Millionen Menschen verwendet wird”
Neben der Produktentwicklung geht es in den kommenden Monaten aber natürlich vor allem auch darum, viele User:innen in die App zu bekommen. Eine Android-Version soll daher bald folgen und die Plattform Product Hunt soll für Aufmerksamkeit sorgen. Firmenseitig befindet sich Waffle gerade als GmbH in Wien in Gründung. “Und wir planen auch eine Investment-Runde”, verrät Buchroithner.
In Sachen Monetarisierung werde man, wie andere soziale Medien, auf Werbung setzen. “Das ist in diesem Fall natürlich ein sehr sensibles Thema. Die Leute werden bei Waffle wohl nicht so tolerant sein wie etwa auf Facebook. Wir werden also mit ausgewählten Marken über eine Zusammenarbeit sprechen”, räumt der Gründer ein. Das sei aber “aktuell nicht wirklich hoch in der Priorität”. Denn zuerst gelte es, viele User:innen zu bekommen. “Ich denke, das Produkt hat das Potenzial, dass es von 100 Millionen Menschen verwendet wird. Und wenn man sowas schafft, dann ist die Monetarisierung nie ein Problem.”
Open Source und KI: “Es geht nicht darum, zu den Guten zu gehören”
Nachlese. Die Nutzung von Open-Source-Modellen eröffnet Unternehmen auch im KI-Bereich weitreichende Möglichkeiten. Es gibt dabei aber auch einiges zu bedenken. Darüber und mehr diskutierten in Folge 5 von "No Hype KI" Stephan Kraft von Red Hat, Florian Böttcher von CANCOM Austria, Natalie Ségur-Cabanac von Women in AI und Patrick Ratheiser von Leftshift.One.
Open Source und KI: “Es geht nicht darum, zu den Guten zu gehören”
Nachlese. Die Nutzung von Open-Source-Modellen eröffnet Unternehmen auch im KI-Bereich weitreichende Möglichkeiten. Es gibt dabei aber auch einiges zu bedenken. Darüber und mehr diskutierten in Folge 5 von "No Hype KI" Stephan Kraft von Red Hat, Florian Böttcher von CANCOM Austria, Natalie Ségur-Cabanac von Women in AI und Patrick Ratheiser von Leftshift.One.
Kollaborativ, transparent, frei zugänglich und nicht profit-orientiert – mit Open-Source-Software wird eine Reihe von Eigenschaften assoziiert. Und oftmals stehen bei der Nutzung ethische Überlegungen im Zentrum. Dabei gibt es auch ganz praktische Gründe, die für eine Verwendung durch Unternehmen sprechen – auch bei der Implementierung von KI-Anwendungen, ist Stephan Kraft, Community Advocate & Business Development OpenShift & Application Services bei Red Hat, überzeugt. In Folge fünf der Serie “No Hype KI” diskutierte er dieses und weitere Themen mit Florian Böttcher, Solution Architect bei CANCOM Austria, Natalie Ségur-Cabanac, Policy Lead bei Women in AI und Patrick Ratheiser, Gründer & CEO von Leftshift.One.
“Thema ein Stück weit aus dieser emotionalen, moralisierenden Ecke herausholen”
“Ich will das Thema ein Stück weit aus dieser emotionalen, moralisierenden Ecke herausholen”, sagt Stephan Kraft. Für Red Hat als weltweit führenden Anbieter für Open-Source-Lösungen für Unternehmen gehen die Argumente für eine Nutzung nämlich weit darüber hinaus. “Es geht nicht darum, Open Source als Selbstzweck zu sehen, um zu den Guten zu gehören”, so der Experte. Tatsächlich sei die Verwendung von Open Source gerade bei der Etablierung von KI im Unternehmen für Startups und KMU eine wichtige Weichenstellung.
Offenheit, um Diskriminierung entgegenzuwirken
Auch Natalie Ségur-Cabanac sieht Open Source als “Key Technology” im KI-Bereich. Für “Women in AI” spiele die Offenheit eine zentrale Rolle: “Diese Offenheit braucht es, um Diskriminierung entgegenzuwirken.” Open Source verbessere den Zugang für Frauen zur Technologie, die Abbildung von Frauen in den Daten und es vergrößere die Möglichkeiten in der Forschung. Man müsse aber auch aufpassen, ob Software wirklich so offen sei, wie behauptet, sagt sie bezogen auf die aktuellen Diskussionen rund um OpenAI, das sich – ursprünglich als offenes Projekt gestartet – zum profitorientierten Unternehmen entwickelte. Es brauche auch eine klare Definition, was “open” sei.
Masse an Möglichkeiten
Leftshift.One-Gründer Patrick Ratheiser betont auch die schiere Masse an Möglichkeiten, die Open Source bietet. “2021 hatten wir weltweit Zugriff auf circa 5.000 Open-Source-Modelle. Jetzt sind es bereits mehr als eine Million.” Die Nutzbarkeit sei also klar gegeben, zudem biete die Technologie eine gewisse Unabhängigkeit und werde über ihre Vielfalt zum Innovationstreiber.
Ist Open Source immer die beste Lösung?
Doch bedeutet das, dass Open Source immer die optimale Lösung ist? Ratheiser sieht das differenziert: “Es ist ganz wichtig zu erkennen, was der Kunde braucht und was in dem Fall gerade notwendig ist. Egal, ob es nun On-Premise, in der Cloud, Open Source oder Closed Source ist.” Florian Böttcher von CANCOM Austria pflichtet hier bei: “Wir setzen genau so auf hybrid.”
Datenstruktur im Hintergrund ist entscheidend
Ein Thema, bei dem bei Open Source Vorsicht geboten ist, spricht Natalie Ségur-Cabanac an. Besonders wichtig sei es bei KI-Anwendungen, eine gute Datenstruktur im Hintergrund zu haben. “Die Verantwortung, dass ein Modell mit sauberen Daten trainiert worden ist, liegt bei den Anbietern. Bei Open Source verschwimmt das ein bisschen. Wer ist wofür zuständig? Das ist eine Herausforderung für die Compliance zu schauen, wo man selbst verantwortlich ist und wo man sich auf einen Anbieter verlassen kann.”
Compliance: Großes Thema – mehr Sichereheit mit professioneller Unterstützung
Stephan Kraft hakt hier ein. Genau aus solchen Gründen gebe es Unternehmen wie Red Hat, die mit ihrem Enterprise-Support für Open-Source-Lösungen die Qualitätssicherung auch im rechtlichen Bereich übernehmen. “Das ist ein ganz wichtiger Teil unseres Versprechens gegenüber Kunden”, so Kraft. Unbedacht im Unternehmen mit Open Source zu arbeiten, könne dagegen in “Compliance-Fallen” führen, pflichtet er Ségur-Cabanac bei.
Das sieht auch Patrick Ratheiser als Thema bei Leftshift.One: “Unsere Lösung ist Closed Source, wir setzen aber im Hintergrund Open Source ein. Wichtig ist, dass wir dem Kunden Compliance garantieren können.” Stephan Kraft empfiehlt Unternehmen bei der Open-Source-Nutzung: “Man kann nicht immer gleich die neueste ‘bleeding edge’-Lösung nehmen sondern sollte etwas konservativer herangehen.”
Infrastruktur: Gut planen, was man wirklich braucht
Unabhängig davon, ob man nun Open Source oder Closed Source nutzt, braucht es für die Nutzung von KI die richtige Infrastruktur. “Es kommt natürlich auf den Use Case an, den ein Unternehmen umsetzen will. Da sind die Anforderungen an die Infrastruktur sehr unterschiedlich”, grenzt Florian Böttcher ein. CANCOM Austria unterstützt seine Kunden in genau der Frage. Anwendungen wie das Training von KI-Modellen würde aus gutem Grund kaum in Österreich umgesetzt. “KI ist sehr stromhungrig und entwickelt viel Hitze. Das ist schwierig für ein eigenes Data-Center im Unternehmen, gerade wenn man die Strompreise in Österreich ansieht”, so Böttcher.
“Rechenleistungs-Hunger” von KI könnte sich in Zukunft verringern
Wichtig sei es letztlich, sich als Unternehmen sehr klar darüber zu sein, was man umsetzen wolle. “Danach, welche Software-Lösung man für seinen Use Case einsetzen muss, richtet sich auch die Infrastruktur”, so Böttcher. Er erwarte aber auch, dass die KI-Modelle im nächsten Entwicklungsschritt effizienter werden und der “Rechenleistungs-Hunger” sich verringere.
Patrick Ratheiser ergänzt: “Es ist grundsätzlich eine Kostenfrage.” Unternehmen müssten sich sehr gut überlegen, ob sie ein eigenes LLM (Large Language Model) betreiben und dieses sogar selbst trainieren wollen, oder lieber doch eine Usage-basierte Lösung wählen. Er sehe bei österreichischen Unternehmen – auch bei größeren – eine klare Tendenz zur zweiten Variante. “Es lässt sich deutlich schneller einrichten, ist kalkulierbarer und auch viel schneller skalierbar”, erklärt Ratheiser.
Etwa im Forschungsbereich sei es jedoch wichtig und notwendig, auch eigene LLMs und die damit verbundene Infrastruktur zu betreiben. Doch auch die Möglichkeit von hybriden Lösungen biete sich an. “Man kann mittlerweile auch Teile in der Cloud lassen und Teile On-Premise. Man kann etwa nur ein datenschutzsicheres LLM selbst betreiben”, erklärt der Experte, der auch bei der Wahl der genutzten Modelle einen hybriden Ansatz empfiehlt: “Man braucht nicht für alle Use Cases das neueste Modell. Manchmal braucht man überhaupt kein LLM.”
Datenschutz: Einige Herausforderungen bei LLMs
Stichwort: Datenschutz. Hier schafft die europäische Datenschutzgrundverordnung (DSGVO) im KI-Bereich besondere Herausforderungen, weiß Natalie Ségur-Cabanac, die vorab betont: “Ich persönlich halte die DSGVO für ein gutes Regulierungswerk, weil sie sehr viel Spielraum gibt. Ich sage immer: Datenschutz ist sehr komplex, aber nicht kompliziert.” Konkret seien etwa der Grundsatz der Zweckbezogenheit, also dass man Daten nur für konkrete Zwecke einsetzen darf, und dass man sie minimierend einsetzen muss, relevant für den KI-Bereich. “Da haben wir schon einen Konflikt, weil man ja [bei LLMs] erst einmal schaut, was man aus möglichst vielen Daten machen kann”, so die Expertin.
Ist KI rechtlich innerhalb der EU sogar per se in einem Graubereich?
Auch Transparenzbestimmungen – sowohl in der DSGVO als auch im AI-Act der EU – seien zu beachten. “Wenn ich KI verwende, muss ich auch wissen, was drinnen ist”, fasst Ségur-Cabanac zusammen. Ist KI also rechtlich innerhalb der EU sogar per se in einem Graubereich? “Nein, das glaube ich nicht. Aber man muss seine Hausaufgaben schon gut machen”, sagt die Expertin. Wichtig sei daher auch die im Rahmen des EU-AI-Acts eingeforderte KI-Kompetenz in Unternehmen – im technischen und rechtlichen Bereich.
KI-Kompetenz als zentrales Thema
Patrick Ratheiser stimmt zu: “Neben der Technologie selber sind bei unseren Kunden die Mitarbeiter ein Riesen-Thema. Man muss sie nicht nur wegen dem AI-Act fit bekommen, sondern es geht darum, sie wirklich auf die Anwendungen einzuschulen.” Wichtig seien dabei auch die Kolleg:innen, die sich bereits mit dem Thema auskennen – die “Pioniere” im Unternehmen. “AI Literacy ist sicherlich das Thema 2025 und in nächster Zeit. So, wie wir gelernt haben, mit dem Smartphone umzugehen, werden wir es auch mit generativer KI lernen”, so Ratheiser.
“Einfach einmal ausprobieren”
Stephan Kraft ergänzt: Neben einer soliden Datenbasis und der notwendigen Kompetenz brauche es bei KI – gerade auch im Bereich Open Source – noch etwas: “Einfach einmal ausprobieren. Es braucht auch Trial and Error. Das ist vielleicht oft das Schwierigste für CFOs und Geschäftsführer.” Dieses Ausprobieren sollte aber innerhalb eines festgelegten Rahmens passieren, damit die KI-Implementierung gelingt, meint Natalie Ségur-Cabanac: “Unternehmen brauchen eine KI-Strategie und müssen wissen, was sie mit der Technologie erreichen wollen.” Auch sich mit den zuvor angesprochenen rechtlichen Anforderungen – Stichwort Compliance – zu beschäftigen, komme zeitlich erst nach der Festlegung der Strategie.
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.