Edtech-ontwikkeling bij Startup House: wat we hebben gebouwd en wat er daardoor is veranderd

Belangrijkste feiten in één oogopslag

• Vlaggenschip-EdTech-project: Graspify, een microlearningplatform voor corporate education, van concept naar MVP tot versie 2.0, met 2.1 gepland, uitgerold bij Noorse bedrijven
• Bewijs van schaalbaarheid: in augustus 2022 gebruikte een Graspify-klant het platform om honderden medewerkers te trainen tijdens een bedrijfsevent
• Discovery-first aanpak: LITTLEWINE, een B2B-wijneducatieplatform, afgebakend via 10 gebruikersinterviews in 2 weken met wijnmakers, inkopers, sommeliers en consumenten
• AI-leertools: KnowHub en InProduct AI kunnen live in slechts 2 weken zodra content is voorbereid
• Deliverymodel: gefaseerde opbouw met aparte budgetten per fase en echte gebruikerstesten vóór elke volgende stap

Waarom EdTech-producten falen, en wat wij anders doen

EdTech-platforms mislukken vaker door UX dan door techniek. Cursisten haken af als interfaces niet aansluiten bij hoe mensen echt leren. Content schaalt niet. Onboarding duurt te lang. ROI blijft onzichtbaar voor de beslissers die voor het platform betalen.

Ons antwoord is procesdiscipline: bepaal eerst het beoogde resultaat, bouw in fasen met afzonderlijke budgetten per fase, en test met echte cursisten vóór elke volgende stap. Zo zag dat eruit in de onderstaande projecten.

Graspify: van gedurfd idee naar live bedrijfstraining

De klant: Graspify, een Noorse startup die bedrijfsleren wil vernieuwen met een microlearningplatform dat leren combineert met een onderzoeksgestuurd leerproces. Samenwerking sinds januari 2021.

De uitdaging: Een gedurfde visie vertalen naar een functioneel product, en de juiste vorm vinden voor “Grasps”, de korte mini-cursussen van 5–6 slides in het hart van het platform. Hoe lang moet er één zijn? Hoe complex? Hoe eenvoudig? Die balans was de kern van het ontwerpprobleem en liet zich niet met meningen oplossen.

Onze werkwijze: We knipten het project op in kleinere stappen, elk met een eigen budget en een eigen ronde gebruikerstesten, zowel 1-op-1 als in kleinschalige groepssessies. In januari 2021 rondden we Product Discovery en de visie voor Graspify 1.0 af. Daarna volgde de MVP (versies 1.0 en 1.1), gevolgd door de uitgebreide versie 2.0; versie 2.1 is gepland op basis van live gebruiksdata.

Wat er veranderde:

• Graspify werd uitgerold bij meerdere Noorse ondernemingen.
• In augustus 2022 gebruikte een Graspify-klant MVP 2.0 om honderden medewerkers te trainen tijdens een bedrijfsevent.
• De events leverden waardevolle data op voor analyse, die direct de planning voor versie 2.1 voedden.

Het platform laat bedrijven eigen content aanmaken, medewerkers uitnodigen, toegang beheren, voortgang bijhouden en cursussen aanbevelen. Dankzij het gefaseerde model hoefde Graspify nooit een volledig bouwbudget te verbinden aan een onbewezen aanname.

Lees de case study over Graspify

LITTLEWINE: een kennisplatform afbakenen met de mensen die het gaan gebruiken

De klant: LITTLEWINE, een Britse B2B SaaS die wijneducatie en kennisuitwisseling tussen professionals en wijnmakers democratiseert. Samenwerking sinds november 2021.

De uitdaging: Wijnkennis rechtstreeks beschikbaar maken vanuit wijnmakers, zonder tussenlagen die de authenticiteit verwateren, en de B2B-richting valideren voordat er in ontwikkeling wordt geïnvesteerd.

Onze werkwijze: Een reeks workshops met concurrentieanalyse, klantbehoeften en potentiële inkomstenstromen, gevolgd door wireframe-prototyping gebaseerd op gebruikersinzichten en marktonderzoek. De sleutel: 10 gebruikersinterviews in 2 weken met wijnmakers, inkopers, sommeliers en consumenten.

Wat er veranderde: LITTLEWINE ontving een complete B2B-productscope en MVP-ramingen in meerdere varianten, geschikt om te pitchen bij vroege investeerders. Functionaliteiten: speciale wijnmakeraccounts met contentupload, gepersonaliseerde collecties, een database van regio’s en druivenrassen en geavanceerd zoeken.

Zo ziet EdTech-discovery eruit bij een nichedoelgroep: je praat snel met de echte professionals, vóórdat iemand productcode schrijft.

Lees de case study over LITTLEWINE

AI in EdTech: leertools die uitsluitend antwoorden vanuit uw content

Voor leerplatforms is een fout antwoord geen bug. Het ondermijnt leerresultaten en kan aansprakelijkheid creëren. Daarom werken al onze drie AI-producten voor EdTech volgens een model met geverifieerde antwoorden: de AI reageert alleen met goedgekeurde content, kan geen antwoorden genereren uit publieke trainingsdata en onderbouwt elk antwoord met een verwijzing naar een brondocument.

• KnowHub verandert uw kennisbank in een 24/7 leerassistent die in elke taal en op elk apparaat antwoordt.
• InProduct AI leest uw codebase, schrijft zelf documentatie en begeleidt gebruikers door uw platform en cursussen.
• SmartSearch begrijpt wat een cursist zoekt, niet alleen de woorden die zijn getypt, en verifieert elk resultaat met feitenbewijs.
• Voor bestaande platforms bouwen we ook een conversational AI-laag bovenop legacy LMS-systemen, zodat gebruikers met natuurlijke taal toegang krijgen tot data zonder een systeemrewrite.

KnowHub en InProduct AI kunnen in slechts 2 weken live zodra uw content of codebase klaar is. Maatwerkplatforms volgen een gefaseerd model: doorgaans 4 tot 12 weken tot een eerste bruikbare versie, afhankelijk van de scope.

Wat we naast AI leveren

Full-stack EdTech-delivery dekt de rest van wat een leerproduct nodig heeft:

• UX en learning experience design: onboardingflows, cursusstructuren, gewoontevormende voortgangstracking en assessment-UX, gebruikerstesten in elke fase.
• Analytics en learning intelligence: dashboards die laten zien welke content werkt, waar cursisten afhaken en wat voltooiing voorspelt nog vóórdat iemand afhaakt.
• Cloudinfrastructuur: gebouwd op GCP, AWS of Azure om verkeerspieken, gelijktijdige sessies en wereldwijde gebruikers aan te kunnen, met CI/CD en 24/7 supportniveaus.
• Platformintegraties: SSO, HRIS, CRM, betaalproviders en contentbibliotheken, zodat het platform in elke enterprise-stack past.

Datagovernance geldt overal: leerdata wordt nooit gebruikt om gedeelde of publieke AI-modellen te trainen, volgens dezelfde ISO 27001-conforme werkwijzen die we hanteren voor enterprise-klanten zoals Siemens Healthineers.

Wat dit veranderde, in één alinea

Voor Graspify maakte gefaseerde delivery van een gedurfde visie een product dat live bedrijfstrainingen draait en zijn eigen verbeterdata genereert. Voor LITTLEWINE vertaalden twee weken gestructureerde interviews een breed idee naar een investeerbaar scope-document. De gemene deler: in EdTech wint bewijs over cursisten het van aannames over cursisten, in elke fase van de build.

Over Startup House

Startup House is een softwareontwikkelbedrijf met 50 medewerkers, gevestigd in Warschau, Polen, opgericht in 2016, met 100+ opgeleverde producten voor klanten op 5 continenten. We werken zowel met vroege EdTech-startups als met gevestigde leerplatforms, van discovery via MVP tot langdurige iteratie.

Een EdTech-product bouwen? Plan een call van 30 minuten.

FAQ

Welke EdTech-producten heeft Startup House gebouwd?

Startup House bouwde Graspify, een corporate microlearningplatform dat is uitgerold bij Noorse bedrijven en werd gebruikt om honderden medewerkers te trainen tijdens een bedrijfsevent, en bepaalde de scope voor LITTLEWINE, een B2B-wijneducatieplatform, via gestructureerde discovery met 10 gebruikersinterviews in 2 weken. We implementeren ook AI-leertools (KnowHub, InProduct AI, SmartSearch) voor bestaande platforms.

Werkt Startup House met vroege EdTech-startups?

Ja. Graspify begon als een concept zonder product, en wij leverden discovery, design, de MVP en versie 2.0. We werken ook met gevestigde platforms die AI-capaciteiten toevoegen of infrastructuur opschalen.

Hoe lang duurt het om een EdTech-platform te bouwen?

AI-leertools zoals KnowHub en InProduct AI kunnen live in slechts 2 weken zodra content is voorbereid. Maatwerkbuilds volgen een gefaseerd model, doorgaans 4 tot 12 weken tot een eerste bruikbare versie, afhankelijk van de scope, met gebruikerstesten in elke fase.

Hoe zorgt Startup House ervoor dat AI in een leercontext accurate antwoorden geeft?

Al onze AI-producten voor EdTech werken volgens een model met geverifieerde antwoorden: de AI antwoordt uitsluitend vanuit goedgekeurde content, kan niet antwoorden vanuit publieke trainingsdata en verwijst elk antwoord naar een specifiek brondocument.

Wordt leerdata gebruikt om AI-modellen te trainen?

Nooit. Leerdata blijft binnen de omgeving van de klant en wordt niet gebruikt om gedeelde of publieke AI-modellen te trainen, onder ISO 27001-conforme datagovernance.