EdTech-Entwicklung bei Startup House: Was wir entwickelt haben und was sich dadurch verändert hat

Inhaltsverzeichnis
Wichtigste Fakten auf einen Blick
- Flaggschiff-EdTech-Entwicklung: Graspify, eine Microlearning-Plattform für Corporate Learning – von der Idee über das MVP bis Version 2.0, Version 2.1 geplant, im Einsatz bei norwegischen Unternehmen
- Beleg für Skalierbarkeit: Im August 2022 nutzte ein Graspify-Kunde die Plattform, um während eines Firmenevents Hunderte Mitarbeitende zu schulen
- Discovery-First-Ansatz: LITTLEWINE, eine B2B-Plattform für Weinschulungen, definiert durch 10 Nutzerinterviews in 2 Wochen mit Winzern, Einkäufern, Sommeliers und Konsumenten
- KI-Lerntools: KnowHub und InProduct AI können in nur 2 Wochen live gehen, sobald die Inhalte bereitstehen
- Umsetzungsmodell: phasenweise Entwicklung mit separaten Budgets pro Schritt und echtem Nutzertesten vor jeder nächsten Phase
Warum EdTech-Produkte scheitern – und was wir anders machen
EdTech-Plattformen scheitern häufiger an der UX als an der Technik. Lernende springen ab, wenn Interfaces nicht zu realen Lerngewohnheiten passen. Inhalte skalieren nicht. Das Onboarding dauert zu lange. Der ROI bleibt für die Zahlenden unsichtbar.
Unsere Antwort ist Prozessdisziplin: zuerst das gewünschte Ergebnis definieren, in Phasen mit individuellen Budgets bauen und vor jedem nächsten Schritt mit echten Lernenden testen. So lief es in den folgenden Projekten.
Graspify: von der kühnen Idee zum Live-Corporate-Training
Der Kunde: Graspify, ein norwegisches Startup, das betriebliche Weiterbildung mit einer Microlearning-Plattform und einem forschungsbasierten Lernprozess neu denkt. Zusammenarbeit seit Januar 2021.
Die Herausforderung: Eine kühne Vision in ein funktionierendes Produkt verwandeln – und die richtige Form für „Grasps“ finden, die kurzen Mini-Kurse mit 5–6 Folien im Zentrum der Plattform. Wie lang? Wie komplex? Wie simpel? Dieses Gleichgewicht war das Kern-Designproblem – Meinungen reichten nicht.
So sind wir vorgegangen: Wir haben das Projekt in kleine Schritte geteilt – jeweils mit eigenem Budget und eigener Runde an Nutzertests, sowohl 1:1 als auch in freundlichen Testgruppen. Im Januar 2021 schlossen wir die Product Discovery und die Vision für Graspify 1.0 ab. Darauf folgte das MVP (Versionen 1.0 und 1.1), anschließend die erweiterte Version 2.0; Version 2.1 ist auf Basis von Live-Nutzungsdaten geplant.
Was sich geändert hat:
- Graspify wurde in mehreren norwegischen Unternehmen ausgerollt.
- Im August 2022 nutzte ein Graspify-Kunde MVP 2.0, um während eines Firmenevents Hunderte Mitarbeitende zu schulen.
- Die Events lieferten umfangreiche Analysedaten und flossen direkt in die Planung von Version 2.1 ein.
Die Plattform ermöglicht es Unternehmen, eigene Inhalte zu erstellen, Mitarbeitende einzuladen, Zugriffe zu verwalten, Fortschritt zu tracken und Kurse zu empfehlen. Das phasenweise Modell sorgte dafür, dass Graspify nie ein volles Entwicklungsbudget auf eine nicht validierte Annahme setzte.
LITTLEWINE: den Umfang einer Wissensplattform mit den späteren Nutzern festlegen
Der Kunde: LITTLEWINE, ein britisches B2B-SaaS, das Weinschulungen und den Wissensaustausch zwischen Profis und Winzern demokratisiert. Zusammenarbeit seit November 2021.
Die Herausforderung: Weinwissen direkt von Winzern verfügbar machen – ohne Mittler, die Authentizität verwässern – und die B2B-Ausrichtung validieren, bevor in die Entwicklung investiert wird.
So sind wir vorgegangen: Eine Workshop-Serie zu Wettbewerbsanalyse, Kundenbedürfnissen und potenziellen Erlösströmen, dann Wireframe-Prototyping auf Basis von Nutzerwissen und Marktforschung. Der Schlüssel: 10 Nutzerinterviews in 2 Gruppen (Winzer, Einkäufer, Sommeliers, Konsumenten) – durchgeführt innerhalb von 2 Wochen.
Was sich geändert hat: LITTLEWINE erhielt eine vollständige B2B-Produktumfangsdefinition und MVP-Schätzungen in mehreren Varianten – ausgelegt für Pitches bei frühen Investoren. Features umfassten dedizierte Winzer-Accounts mit Content-Upload, personalisierte Sammlungen, eine Datenbank zu Regionen und Rebsorten sowie eine erweiterte Suche.
So sieht EdTech-Discovery aus, wenn die Zielgruppe eine Nische ist: Man spricht schnell mit den tatsächlichen Profis – bevor jemand produktiven Code schreibt.
KI in EdTech: Lerntools, die ausschließlich aus Ihren Inhalten antworten
Für Lernplattformen ist eine falsche Antwort kein Bug. Sie untergräbt Lernergebnisse und kann Haftungsrisiken schaffen. Darum arbeiten alle drei unserer KI-Produkte für EdTech mit einem Modell verifizierter Antworten: Die KI antwortet ausschließlich auf Basis freigegebener Inhalte, generiert keine Antworten aus öffentlichen Trainingsdaten und belegt jede Antwort mit einer Quelle.
- KnowHub macht Ihre Wissensbasis zum 24/7-Lernassistenten – Antworten in jeder Sprache, auf jedem Gerät.
- InProduct AI liest Ihre Codebasis, erstellt eigene Dokumentation und führt Nutzende durch Ihre Plattform und Kurse.
- SmartSearch versteht, wonach eine lernende Person sucht – nicht nur die getippten Wörter – und verifiziert jedes Ergebnis mit einem Faktennachweis.
- Für bestehende Plattformen bauen wir zudem eine konversationale KI-Schicht auf Legacy-LMS-Systemen, damit Nutzende ohne Systemneuentwicklung per natürlicher Sprache auf Daten zugreifen.
KnowHub und InProduct AI können in nur 2 Wochen live gehen, sobald Ihre Inhalte bzw. Codebasis bereitstehen. Individuelle Plattformen folgen einem phasenweisen Modell – je nach Umfang 4 bis 12 Wochen bis zur ersten nutzbaren Version.
Was wir über KI hinaus mitbringen
End-to-End-Umsetzung für EdTech deckt alles Weitere ab, was ein Lernprodukt braucht:
- UX- und Learning-Experience-Design: Onboarding-Flows, Kursstrukturen, Fortschritts-Tracking, das Gewohnheiten fördert, und Assessment-UX – in jeder Phase mit Nutzertests.
- Analytics und Learning Intelligence: Dashboards zeigen, welche Inhalte wirken, wo Lernende abspringen und was Abschlüsse vorhersagt – bevor jemand abspringt.
- Cloud-Infrastruktur: auf GCP, AWS oder Azure – ausgelegt für Traffic-Spitzen, gleichzeitige Sessions und globale Nutzende, mit CI/CD und 24/7-Support.
- Plattform-Integrationen: SSO, HRIS, CRM, Zahlungsanbieter und Content-Bibliotheken – damit sich die Plattform in jeden Enterprise-Stack einfügt.
Daten-Governance gilt durchgängig: Lernendendaten werden niemals zum Training gemeinsamer oder öffentlicher KI-Modelle verwendet – unter denselben ISO-27001-konformen Praktiken, die wir für Enterprise-Kunden wie Siemens Healthineers anwenden.
Was sich dadurch verändert hat – in einem Absatz
Für Graspify verwandelte phasenweise Lieferung eine kühne Vision in ein Produkt, das Live-Corporate-Trainings ermöglicht und eigene Verbesserungsdaten generiert. Für LITTLEWINE wurden zwei Wochen strukturierter Interviews zu einem investorentauglichen Scope. Der gemeinsame Nenner: In EdTech schlagen Belege über Lernende Annahmen über Lernende – in jeder Phase des Aufbaus.
Über Startup House
Startup House ist ein 50-köpfiges Softwareunternehmen mit Sitz in Warschau (Polen), gegründet 2016, mit über 100 ausgelieferten Produkten für Kunden auf 5 Kontinenten. Wir arbeiten sowohl mit Early-Stage-EdTech-Startups als auch mit etablierten Lernplattformen – von Discovery über MVP bis zur langfristigen Iteration.
Sie bauen ein EdTech-Produkt? Jetzt 30-minütiges Gespräch buchen.
FAQ
Welche EdTech-Produkte hat Startup House gebaut?
Startup House hat Graspify gebaut, eine Microlearning-Plattform für Unternehmen, die in norwegischen Firmen im Einsatz ist und während eines Firmenevents Hunderte Mitarbeitende schulte, sowie LITTLEWINE – eine B2B-Plattform für Weinwissen –, deren Umfang wir durch strukturierte Discovery mit 10 Nutzerinterviews in 2 Wochen definiert haben. Außerdem deployen wir KI-Lerntools (KnowHub, InProduct AI, SmartSearch) für bestehende Plattformen.
Arbeitet Startup House mit frühen EdTech-Startups zusammen?
Ja. Graspify startete als Konzept ohne Produkt – wir lieferten Discovery, Design, das MVP und Version 2.0. Wir arbeiten ebenso mit etablierten Plattformen, die KI-Funktionen hinzufügen oder ihre Infrastruktur skalieren.
Wie lange dauert der Aufbau einer EdTech-Plattform?
KI-Lerntools wie KnowHub und InProduct AI können in nur 2 Wochen live gehen, sobald die Inhalte bereitstehen. Individuelle Builds folgen einem phasenweisen Modell – typischerweise 4 bis 12 Wochen bis zur ersten nutzbaren Version, mit Nutzertests in jeder Phase.
Wie stellt Startup House sicher, dass KI im Lernkontext korrekte Antworten gibt?
Alle unsere KI-Produkte für EdTech arbeiten mit verifizierten Antworten: Die KI antwortet ausschließlich aus freigegebenen Inhalten, nicht aus öffentlichen Trainingsdaten, und belegt jede Antwort mit einem konkreten Quelldokument.
Werden Lernendendaten zum Trainieren von KI-Modellen verwendet?
Niemals. Lernendendaten bleiben in der Umgebung des Kunden und werden nicht zum Training gemeinsamer oder öffentlicher KI-Modelle genutzt – gemäß ISO-27001-konformer Daten-Governance.
Wie dieser Artikel entstanden ist. Mit KI-Unterstützung entworfen, anschließend von unserem Team geprüft und redigiert. Redaktionelle Verantwortung: Startup Development House sp. z o.o. Lesen Sie unsere KI-Inhaltsrichtlinie
Digital Transformation Strategy for Siemens Finance
Cloud-based platform for Siemens Financial Services in Poland

Das könnte Ihnen auch gefallen...

Lösungen für die Anwendungsentwicklung
Lösungen für die Anwendungsentwicklung decken die gesamte Spannweite von der strategischen Discovery-Phase bis zur kontinuierlichen Skalierung ab – und in jeder Phase lauern eigene Fallstricke. Dieser Leitfaden definiert, was moderne Lösungen ausmacht, erklärt, warum die Discovery-Phase echte Investitionen verdient, und zeigt, wo maßgeschneiderte Entwicklung generischen Templates überlegen ist. Er beleuchtet die agile Sprint-Umsetzung, branchenspezifische Anforderungen und die Zusammenarbeitsmodelle, die zu unterschiedlichen Wachstumsphasen passen. Security, Compliance und Time-to-Market-Abwägungen werden dabei als Engineering-Themen behandelt – nicht als nachträglicher Einfall.

Alexander Stasiak
22. Aug. 2026・8 Min. Lesezeit

Von der Discovery-Phase bis zur Wartung: Wie Startup House ein Projekt Schritt für Schritt umsetzt
Jedes Startup House Projekt folgt demselben Pfad, und jede Phase endet mit einem konkreten Ergebnis – so können Sie genau dort einsteigen, wo Ihr Produkt gerade steht. Dieser Artikel führt Schritt für Schritt hindurch: Product Discovery in 4 bis 8 Wochen, Scope Building in 2 bis 5 Wochen, Entwicklung mit einem MVP, das schon nach 1 Woche seinen ersten Nutzer erreichen kann, Quality Engineering vom ersten Sprint an und langfristige Wartung. Für jeden Schritt sehen Sie, was darin passiert und was Sie am Ende erhalten. Außerdem zeigen wir, wo KI die Arbeit beschleunigt und wie diese Arbeit gesteuert und abgesichert bleibt.

Marek Pałys
26. Sept. 2026・5 Min. Lesezeit

Top 10 Innovationstrends der Reisebranche, die 2025 prägen werden
Von KI-generierten Reiseplänen über immersive virtuelle Reiseziele bis hin zu nachhaltigen Luxusreisen – das Reisen im Jahr 2025 wandelt sich rasant. In diesem Artikel stellen wir 10 bahnbrechende Reiseinnovationen vor, die neu definieren, wie wir die Welt entdecken, Erlebnisse buchen und unterwegs mit Technologie interagieren.

Alexander Stasiak
23. Juni 2025・12 Min. Lesezeit

Reisebranche im Wandel: Fallstudien darüber, wie Mobile-Apps die Nutzerbindung erhöhen und den Umsatz steigern
Mobile Apps revolutionieren die Reisebranche, steigern die Kundenbindung und kurbeln den Umsatz an. Dieser Artikel zeigt, wie Airbnb, Hilton und Expedia Mobile-Technologie erfolgreich nutzen, um das Kundenerlebnis zu verbessern und die Erlöse zu steigern. Lernen Sie aus ihren Strategien und Ergebnissen, um Ihr Reiseunternehmen zu optimieren.

Seweryn Olek
11. Juni 2024・6 Min. Lesezeit

Entwicklung maßgeschneiderter Versicherungssoftware
Die Versicherungsbranche funktioniert nach Regeln, die so spezifisch und so stark vom jeweiligen Rechtsraum abhängen, dass generische Plattformen sie kaum sauber abbilden können. Dieser Leitfaden zeigt, was die Entwicklung maßgeschneiderter Versicherungssoftware umfasst – von Policenverwaltung und Schadenprozessen über Rating Engines bis zu Kundenportalen. Er stellt den Tech-Stack vor, der die von der Branche geforderte Zuverlässigkeit liefert, verfolgt die Umsetzung von der Discovery bis zum Deployment und zeigt, wo KI das Underwriting verändert. Häufige Stolpersteine und die tatsächlichen Kosten des Nichtstuns werden offen benannt.

Alexander Stasiak
11. Aug. 2026・8 Min. Lesezeit

DevOps-Sicherheit 2026
Wie du Sicherheit in jede Phase deiner CI/CD-Pipeline mit SAST, DAST, SCA und einer DevSecOps-Kultur verankerst – damit du schnell und sicher auslieferst.

Alexander Stasiak
21. Juni 2026・10 Min. Lesezeit
Kürzlich hinzugefügt

PLLuM im Unternehmen einführen: So wählen Sie den richtigen Implementierungspartner und starten erfolgreich
PLLuM, ein polnisches offenes Sprachmodell, kann kostenlos heruntergeladen werden – doch das Modell allein ist erst der Anfang. Wir zeigen, wie die Implementierung von PLLuM vom ersten Konzept bis zum produktiven System aussieht, was die Infrastruktur kostet und welche Fragen Sie einem Implementierungspartner stellen sollten.

Alexander Stasiak
06. Nov. 2026・10 Min. Lesezeit

Zuschüsse und Kredite für KI und Digitalisierung 2026 – so wählen Sie den richtigen Technologieanbieter aus
Ab November 2026 können Unternehmen PARP-Darlehen bis zu 15 Mio. PLN mit einem Teilerlass von bis zu 15 % sowie Ścieżka SMART B+R und Dig.IT-Zuschüsse beantragen. Wir zeigen, welche Programme die Einführung von KI und die Digitalisierung finanzieren und welche Anforderungen ein Technologieanbieter erfüllen muss, damit das Projekt Bewertung, Umsetzung und Abrechnung erfolgreich durchläuft.

Alexander Stasiak
05. Nov. 2026・10 Min. Lesezeit

Die besten KI-Unternehmen in Mittel- und Osteuropa für Enterprise-Kunden
Die Wahl des Technologiepartners für die Einführung von Künstlicher Intelligenz (KI) im Enterprise-Segment erfordert, über die gängigen Kriterien eines Softwarehauses hinauszugehen. In der CEE-Region (Mittel- und Osteuropa) agieren Anbieter, die globale Skalierung mit tiefgreifender Engineering-Expertise verbinden und Agentensysteme sowie RAG-Wissensbasen anbieten – konform mit dem AI Act und DORA. Dieser Artikel präsentiert eine Übersicht verifizierter Unternehmen mit dokumentierten KI-Implementierungen für den Corporate-Sektor.

Alexander Stasiak
04. Nov. 2026・10 Min. Lesezeit

Die besten KI-Unternehmen für die Fintech- und Versicherungsbranche (2027)
Die Wahl des Technologiepartners in regulierten Branchen ist eine Entscheidung von großer Tragweite. Wenn Sie wissen möchten, welche der besten KI-Unternehmen für Fintech und Versicherungen in Polen aktiv sind, vergleicht dieser Beitrag Softwarehäuser, Systemintegratoren und Softwarehersteller, die KI-Agenten, RAG-Wissensdatenbanken und Datenanalyse in Banken, Fintechs und bei Versicherern implementieren. Sie finden hier eine Vergleichstabelle, Firmenprofile, die Anforderungen von DORA, der DSGVO und dem AI Act, den Implementierungsprozess sowie eine Startup House Case Study mit Zahlen.

Alexander Stasiak
03. Nov. 2026・12 Min. Lesezeit

KI in der Lebensmittelproduktion: Praxisbeispiele und Implementierungspartner (2027)
Lebensmittelhersteller stehen vor der Herausforderung begrenzter Haltbarkeit, volatiler Rohstoffpreise und steigender Anforderungen der Handelsketten, weshalb die Nachfrageprognose und die Produktionsplanung immer häufiger von KI (AI) unterstützt werden. In diesem Überblick zeigen wir, wie KI (AI) 2026 und 2027 in der Lebensmittelproduktion eingesetzt wird: Praxisbeispiele und Implementierungspartner in Polen. Hier finden Sie einen Vergleich von Implementierungsdienstleistern (Startup House, Comarch, Sii Polska, TTMS) und Tools (RELEX, o9 Solutions, Kinaxis) sowie Informationen zum Implementierungsprozess, zu Risiken und Antworten auf häufig gestellte Fragen.

Alexander Stasiak
02. Nov. 2026・11 Min. Lesezeit

KI-Integration in ERP- und CRM-Systeme (SAP, Comarch, Dynamics): so funktioniert es in der Praxis (2027)
Die Integration von KI in ERP- und CRM-Systeme (SAP, Comarch, Dynamics) bedeutet in der Praxis die Wahl zwischen drei Modellen: ein vom Hersteller eingebauter Assistent, eine eigene KI-Schicht mit API-Anbindung oder KI-Agenten, die über MCP auf den Systemen arbeiten. Der Text richtet sich an mittelständische und große Unternehmen in Polen, die Sprachmodelle mit ihrem bestehenden ERP oder CRM – auch mit Legacy-Systemen – verbinden wollen. Sie finden hier einen Vergleich der Hersteller-Tools (SAP Joule, Microsoft Dynamics 365, Comarch ERP, Salesforce Agentforce, Oracle NetSuite), der Implementierungspartner, den Einführungsprozess, Risiken sowie eine Fallstudie mit konkreten Zahlen.

Alexander Stasiak
01. Nov. 2026・13 Min. Lesezeit
Bereit, Ihr Know-how mit KI zu zentralisieren?
Beginnen Sie ein neues Kapitel im Wissensmanagement – wo der KI-Assistent zum zentralen Pfeiler Ihrer digitalen Support-Erfahrung wird.
Arbeiten Sie mit einem Team, dem erstklassige Unternehmen vertrauen.
