Realismus im AI-Coding-Hype – mit Straion-Gründerin Katrin Freihofner
Trending Topics auf Google als bevorzugte Nachrichtenquelle festlegen.
Das österreichische Startup Straion aus Linz hat sich auf eine Nische im boomenden Markt für KI-gestützte Softwareentwicklung spezialisiert. Während Coding-Assistenten wie GitHub Copilot oder Claude Code zunehmend Code generieren, adressiert Straion ein fundamentales Problem: Wie stellt man sicher, dass der generierte Code auch den internen Richtlinien großer Organisationen entspricht?
Im AI Talk Podcast gibt Mitgründerin Katrin Freihofner Einblicke in die Technologie, das Geschäftsmodell und ihre Einschätzung zur aktuellen Entwicklung im Bereich AI-Coding.
Von Dynatrace und Elastic zum eigenen Startup
Katrin Freihofner bringt langjährige Erfahrung aus der Enterprise-Software-Branche mit. Bei Unternehmen wie Dynatrace und Elastic hatte sie bereits verantwortungsvolle Positionen inne, bevor sie im Oktober 2024 gemeinsam mit Lukas (CEO) und Fabian (CTO) Straion gründete. „Dieses eigenes Produkt bauen und diesen Impact spüren, das war dann für mich das, warum ich diese Chance unbedingt ergreifen wollte“, erklärt Freihofner ihre Motivation.
Die Gründung erfolgte bewusst mit zwei erfahrenen Software-Engineers, die Freihofner bereits von Dynatrace kannte. Das Team positioniert sich als „klassisches B2B-AI-SaaS-Startup“ und konnte bereits kurz nach der Gründung eine Finanzierungsrunde abschließen.
Zentrale Verwaltung von Coding-Richtlinien
Straion adressiert ein spezifisches Problem großer Softwareteams: Die Vielzahl an internen Regeln, Standards und Richtlinien. „Diese großen Software-Teams haben sehr viele Regeln, Hunderte, mittlerweile manche in Agents.md und Cloud.md-Files, andere in irgendwelche Wiki-Seiten, E-Mails, PowerPoints und in den Köpfen der Software-Engineers“, beschreibt Freihofner die Ausgangssituation.
Die Lösung sammelt diese Richtlinien zentral und stellt sie dynamisch bereit. Konkret bedeutet das:
- Privacy- und Security-Anforderungen werden automatisch berücksichtigt
- Zulässige Frameworks und Design-Komponenten werden vorgegeben
- Branding-Guidelines fließen in den generierten Code ein
- Für jeden Task werden nur die relevanten Regeln ausgespielt
Straion integriert sich in bestehende Coding-Assistenten wie GitHub Copilot, Claude Code und Codex. „Wir sammeln die zentral in Straion und geben genau die richtigen Rules oder Anforderungen jeweils für den aktuellen Task, an dem ein Software-Ingenieur arbeitet, mit“, erläutert Freihofner. Das System validiert dann für jeden Schritt, ob der generierte Code den Vorgaben entspricht.
Zielgruppe: Enterprise-Teams ab 100 Entwicklern
Die Hauptzielgruppe sind Unternehmen mit größeren Softwareteams. „Wo wir wirklich den meisten Impact sehen, ist bei Software-Teams mit über 100 Personen“, so Freihofner. Bei kleineren Teams sei der Bedarf noch nicht so ausgeprägt.
Das Unternehmen setzt von Anfang an auf internationale Expansion, mit Fokus auf die USA und Europa. Besonders in Europa spielt das Thema Datensicherheit eine zentrale Rolle: Hosting in Europa und die Möglichkeit, eigene Modelle zu verwenden, sind häufige Anforderungen potenzieller Kunden.
Während in den Medien oft spektakuläre Erfolgsgeschichten über KI-generierte Software kursieren, zeichnet Freihofner ein differenzierteres Bild. Das Team hat rund 100 Interviews mit Entwicklungsteams geführt und dabei festgestellt: Die Realität sieht oft anders aus als die Marketing-Botschaften der großen Anbieter.
„Das, was wir in den Medien sehen und das, was wirklich da draußen passiert, das sind zwei Welten. Vielleicht gibt es einzelne, bei denen es so funktioniert wie die Geschichte von Codex. Mir ist so jemand leider noch nicht begegnet.“
Freihofner beobachtet, dass Teams zu unterschiedlichen Zeitpunkten in AI-Coding eingestiegen sind und verschiedene Probleme erleben. Ein häufiges Phänomen: „Sie produzieren sehr viel Code, aber dann müssen sie auch sehr viel Code reviewen das macht keinen großen Spaß.“
Zur Diskussion um den „SaaS-Crash“ durch AI-Tools äußert sich die Gründerin skeptisch: „Ich persönlich glaube nicht, dass jemand mit einer Claude-Subscription Elasticsearch bauen kann.“ Hinter etablierten Enterprise-Produkten stehe weit mehr als nur Code: Research, Know-how, Support-Organisationen und jahrelange Entwicklung.
Business-Modell: Per-Seat-Pricing nach mehreren Iterationen
Straion setzt auf ein klassisches Per-Seat-Pricing-Modell, auch wenn das Team verschiedene Alternativen evaluiert hat. „Wir haben unser Pricing sehr oft über den Haufen geworfen“, gibt Freihofner offen zu. Usage-based Modelle, eigene Agents und andere Ansätze wurden geprüft und wieder verworfen.
Die Entscheidung für Per-Seat-Pricing hat pragmatische Gründe: „Es war sehr einfach ab dem Zeitpunkt, wo wir erklärt haben, Pricing ist per Seat, weil es einfacher zu rechnen ist.“ Für Führungsebenen und Finanzverantwortliche ist die Kalkulation transparent: Anzahl der Software Engineers multipliziert mit dem Preis pro Seat. Diese Planbarkeit (Predictability) sei ein entscheidendes Argument.
Für größere Enterprise-Teams bietet Straion zusätzlich Custom Contracts an. Outcome-based Pricing, bei dem für konkrete Ergebnisse bezahlt wird, bleibt vorerst außen vor, auch wenn Freihofner den Mehrwert für Kunden anerkennt.
Ausblick: Fokus auf Coding, flexible Tool-Unterstützung
Für die nächsten Monate plant Straion, sich stark auf den Bereich Code-Generierung und Softwareentwicklung zu konzentrieren. Die Produktvision umfasst unter anderem, mehr über die Servicearchitektur von Unternehmen zu lernen und zu verstehen, welche Personen an welchen Projekten arbeiten, um Entwickler besser zu unterstützen.
Bezüglich der Entwicklungsumgebungen setzt das Team auf Flexibilität: „Wir wollen alle diese Tools unterstützen“, betont Freihofner. Sie beobachtet, dass immer mehr Teams mehrere Tools parallel einsetzen werden, da sich die Coding-Assistenten so schnell weiterentwickeln, dass klassische Evaluierungsprozesse nicht mehr funktionieren.
Zur Frage, ob personalisierte Software die Zukunft ist, äußert sich Freihofner differenziert: Während sich Interfaces und die Art der Datennutzung individualisieren könnten, zweifelt sie daran, dass sich der grundlegende Layer und die Datenstrukturen stark verändern werden. Besonders bei kollaborativen Tools wie Figma brauche es weiterhin gemeinsame Standards.
