27.04.2026
HERZENSPROJEKT

Wunschlist: Über 2500 User:innen, aber keine Absicht zur Monetarisierung

Um dem wiederkehrenden Geschenkechaos in der Familie entgegenzuwirken, hat der Softwareentwickler Hermann Rauschmayr die App „Wunschlist“ entwickelt. Er stellt dabei nicht den Profit, sondern einen vertrauensvollen und transparenten Umgang mit Nutzerdaten ins Zentrum seines Projekts.
/artikel/wunschlist-ueber-2500-userinnen-aber-keine-absicht-zur-monetarisierung
Hermann Rauschmayr und seine Familie sitzen im Garten. Er hält das Handy mit der Wunschlist App in die Kamera
Hermann Rauschmayr und seine Familie präsentieren Wunschlist (c) Peter Schlögl

Mit der App „Wunschlist“ bietet der Familienvater Hermann Rauschmayr eine Lösung für das klassische Geschenkechaos an Feier- oder Geburtstagen. Da reine Absprachen im Verwandtenkreis oft nicht zielführend waren, entschied sich der Niederösterreicher rund eineinhalb Monate vor Weihnachten dazu, das Problem technisch zu lösen. „Doppelkäufe, unzählige Abstimmungen und fehlende Übersicht bei Geschenken innerhalb der Familie führten zur Entwicklung einer zentralen Wunschlisten-Lösung“, fasst Rauschmayr zusammen.

Das Ziel der Anwendung sei laut dem Gründer, in erster Linie die tatsächlichen Wünsche der Kinder zu erfüllen. Wer nach einer Geschenkidee sucht, kann in der App nachsehen und findet dort Vorschläge & Ideen. Neben der simplen Anwendung setzt der Entwickler auf einen vertrauensvollen Umgang mit Daten und verzichtet dabei bewusst auf gängige Monetarisierungsmodelle. Obwohl Rauschmayr durch freiwillig aktivierbare Amazon-Affiliate-Links innerhalb der App Einnahmen generieren könnte, steht die Monetarisierung für ihn nicht im Fokus. Der Entwickler betrachtet die Anwendung vielmehr als Herzensprojekt, bei dem möglicher finanzieller Profit zweitrangig bleibt. Laut Rauschmayr stößt die Plattform auf überraschend starke Resonanz und verzeichnet mittlerweile rund 2.500 User:innen.

Datensparsamkeit im Fokus

Ein zentraler Aspekt von Wunschlist ist die technische Umsetzung im Bereich Datensparsamkeit und Sicherheit. Laut Entwickler Rauschmayr verzichtet die Anwendung vollständig auf klassische Registrierungsprozesse: Es werden weder Benutzernamen noch E-Mail-Adressen oder Passwörter abgefragt. Auf den Einsatz von Analyse-Tools, Drittanbieter-Schnittstellen (APIs) oder SDKs wird bewusst verzichtet, um die Erfassung von Nutzerdaten technisch auszuschließen. „Wir sind einfach in einer Zeit, wo jede App gratis ist, aber in Wahrheit ist sie nicht gratis. Wir verkaufen Benutzerdaten, wir verkaufen private Daten. Wenn ich einen Datenstamm von 20.000 Usern hätte, könnte ich rausfiltern, welche Produkte gerade populär sind. Hier werden sehr viele Daten gesammelt“, so Rauschmayr.

Alternatives App-Modell

Der sehr reduzierte Aufbau der App ist für den Solo-Founder auch eine Reaktion auf den aktuellen Markt: Aus seiner Sicht führen komplexe Datenschutz- und Cookie-Einstellungen bei vielen User:innen mittlerweile eher zu Frustration und Überforderung als zu einem tatsächlichen Schutz. „Die hohe Nachfrage bestätigt, dass viele Menschen nach Alternativen suchen – nach digitalen Tools, die funktionieren, ohne persönliche Daten auszuwerten“, so das Fazit aus dem Umfeld des Projekts.

Die Wunschlist App funktioniert ohne Registrierungsprozesse (c) Peter Schlögl

Die App als Herzensprojekt

Ein weiterer prägender Aspekt von Wunschlist ist die bewusste Entscheidung gegen klassische Monetarisierungsstrategien. Rauschmayr verzichtet nach eigenen Angaben vollständig auf Paywalls, Abonnements oder den branchenüblichen Verkauf von Nutzer- und Verhaltensdaten. Im Vordergrund steht für den Entwickler stattdessen die Lösung eines alltäglichen Problems: Er möchte Familien dabei helfen, ungewollte Geschenke zu vermeiden und gezieltere, nachhaltigere Kaufentscheidungen – wie etwa den Wunsch nach Holz- statt Plastikspielzeug – in der Familie durchzusetzen.

Zwar bietet die App theoretisch Einnahmemöglichkeiten über Amazon-Affiliate-Links, diese sind jedoch transparent gekennzeichnet und lassen sich von den Nutzer: innen bei Bedarf vollständig deaktivieren. Für Rauschmayr, der die Anwendung in seiner Freizeit programmierte, handelt es sich primär um ein „Herzensprojekt“. Sein erklärtes Ziel ist es, eine funktionale und stressfreie Alternative zu kommerziell getriebenen Apps zu bieten, ohne die Nutzer:innen mit Abo-Fallen oder Werbebannern zu überfordern.

Deine ungelesenen Artikel:
07.07.2026

„Europa kann doch State of the Art“: Hochreiters NXAI präsentiert neues Modell

Das Linzer KI-Startup NXAI rund um KI-Pionier Sepp Hochreiter hat mit TiRex-2 ein neues Modell für Industrie-Vorhersagen veröffentlicht. Dieses soll extrem effizient bei der Analyse von Live-Datenströmen sein.
/artikel/europa-kann-doch-state-of-the-art-hochreiters-nxai-praesentiert-neues-modell
07.07.2026

„Europa kann doch State of the Art“: Hochreiters NXAI präsentiert neues Modell

Das Linzer KI-Startup NXAI rund um KI-Pionier Sepp Hochreiter hat mit TiRex-2 ein neues Modell für Industrie-Vorhersagen veröffentlicht. Dieses soll extrem effizient bei der Analyse von Live-Datenströmen sein.
/artikel/europa-kann-doch-state-of-the-art-hochreiters-nxai-praesentiert-neues-modell
KI-Pionier Sepp Hochreiter ist Co-Founder und Chief Scientist von NXAI | (c) NXAI
KI-Pionier Sepp Hochreiter ist Co-Founder und Chief Scientist von NXAI | (c) NXAI

Das Linzer KI-Startup NXAI hat sein neuestes Modell TiRex-2 veröffentlicht. Die Entwicklung des sogenannten „Time Series Foundation Models“ (Zeitreihen-Basismodell) stand unter der wissenschaftlichen Leitung von KI-Pionier Sepp Hochreiter, der Mitgründer ist und als Chief Scientist des Startups fungiert.

Das Modell wurde auch als Open-Source-Software frei zugänglich gemacht. Es ist darauf spezialisiert, historische Datenreihen aus der Industrie zu analysieren, um zukünftige Entwicklungen vorherzusagen. In der Presseaussendung zum Release zeigt sich das Startup selbstbewusst: „Europa kann doch SOTA-Modelle“ (Anm. State of the Art). Laut Hochreiter teilt sich das neue Modell in den offiziellen Bestenlisten „die Spitzenplätze mit AWS“.

Mehrere Signale gleichzeitig im Blick

Die wesentliche technische Neuerung des Modells liegt in der Verarbeitung multivariater Zeitreihen. Während herkömmliche Vorhersagesysteme oft nur eine einzelne Datenreihe anhand ihrer eigenen Vergangenheit analysieren, bezieht TiRex-2 zusätzliche Einflussfaktoren – in der Fachsprache Kovariaten genannt – mit ein. Für Industrieunternehmen soll das zum entscheidenden Vorteil werden, da Maschinen und Prozesse selten nur ein isoliertes Signal erzeugen. In der Praxis bedeutet dies: Will ein Logistik- oder Energiebetrieb den künftigen Verbrauch prognostizieren, kann das Modell neben den historischen Verbrauchsdaten auch begleitende Faktoren wie das Wetter, Kalenderdaten oder Produktionspläne auswerten. Das macht die Vorhersagen präziser und aussagekräftiger.

xLSTM soll Effizienz-Boost bringen

Im Gegensatz zu bekannten KI-Systemen wie ChatGPT, die auf der speicherintensiven Transformer-Architektur basieren, nutzt TiRex-2 das von Hochreiter mitentwickelte xLSTM-Verfahren. Das soll ein zentrales Problem industrieller Live-Anwendungen lösen: Bei kontinuierlich einlaufenden Datenströmen (Streaming) explodiere bei herkömmlichen Systemen nämlich der Rechen- und Speicheraufwand, argumentiert man beim Startup. TiRex-2 hingegen verarbeitet Daten sequenziell und aktualisiert fortlaufend einen internen Zustand. Dadurch würden der Speicherbedarf und die Rechenkosten auch bei unbegrenzten Datenströmen konstant niedrig bleiben. Lukas Fischer, Head of Applied Research bei NXAI, erklärt dazu: „Mit TiRex-2 können wir kontinuierliche Datenströme in Echtzeit analysieren, ohne Einbußen bei der Modellperformance.“ Dies prädestiniert das Modell für den direkten Einsatz an Maschinen vor Ort (Edge-Anwendungen).

„Kunden müssen für unterschiedliche Maschinen nicht immer ein neues KI-Modell trainieren“

Die Leistungsfähigkeit des Modells wird durch das begleitende wissenschaftliche Paper des Forscherteams untermauert. Darin zeigen die Wissenschaftler, dass sich TiRex-2 besonders gut für das sogenannte Zero-Shot-Forecasting eignet. Das bedeutet, dass das Modell ohne vorheriges, spezielles Training präzise Vorhersagen für völlig neue Maschinentypen oder Datensätze treffen kann.

Laut dem CEO von NXAI, Albert Ortig, bringt diese Generalisierungsfähigkeit handfeste wirtschaftliche Vorteile im Betrieb: „Die Kunden müssen für unterschiedliche Maschinen nicht immer ein neues KI-Modell trainieren.“ Ein weiterer Vorzug des vergleichsweise kompakten Modells mit 82 Millionen Parametern ist, dass es auf Wunsch direkt auf den eigenen Servern der Kunden (On-Prem) betrieben werden kann, was die Datensicherheit für sensible Industrie-Prozesse erhöht.

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

Wunschlist: Über 2500 User:innen, aber keine Absicht zur Monetarisierung

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Wunschlist: Über 2500 User:innen, aber keine Absicht zur Monetarisierung

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Wunschlist: Über 2500 User:innen, aber keine Absicht zur Monetarisierung

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 …

Wunschlist: Über 2500 User:innen, aber keine Absicht zur Monetarisierung

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 …

Wunschlist: Über 2500 User:innen, aber keine Absicht zur Monetarisierung

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 …

Wunschlist: Über 2500 User:innen, aber keine Absicht zur Monetarisierung

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 …

Wunschlist: Über 2500 User:innen, aber keine Absicht zur Monetarisierung

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Wunschlist: Über 2500 User:innen, aber keine Absicht zur Monetarisierung

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Wunschlist: Über 2500 User:innen, aber keine Absicht zur Monetarisierung