Nadja Sauer von Qentin: Wie ein bayerisches Startup die Filmauswahl revolutioniert

Nadja, „Choice Overload“ oder Doomscrolling durch den Katalog ist eines der größten Frustrationspotenziale heutiger Streaming-Nutzer:innen. Warum schaffen es die etablierten Giganten wie Netflix oder Prime Video nicht, Nutzer:innen schnell mit passenden Empfehlungen zu bedienen?

Nadja Sauer: Weil das gar nicht ihr Interesse ist. Der Algorithmus dieser Plattformen ist in erster Linie für die Plattform optimiert: dafür, dass du möglichst lange dranbleibst und dein Abo behältst. Wenn Netflix einen neuen Film rausbringt, der 20 Millionen gekostet hat, dann hat Netflix ein hohes Interesse daran, dass du diesen Film schaust. Ob er zu dir passt, ist dabei zweitrangig. Außerdem basiert der Algorithmus der großen Streamer vor allem auf deiner Watch History, also auf dem, was du in der Vergangenheit geschaut hast. Er versucht dir dann ähnliche Sachen vorzuschlagen. Das führt schnell dazu, dass du in deiner Bubble bleibst. Manchmal hat man aber eben auch Lust auf etwas anderes – und schon ist man am frustrierenden Doomscrollen. 

Genau hier setzt Qentin an. Warum habt ihr das Startup gegründet?

Nadja: Mein Co-Founder Luis und ich kennen uns von der Filmhochschule, wir haben zusammen an der HFF München studiert. Damals haben uns schon immer viele Freunde nach Empfehlungen gefragt. Wir haben im Freundeskreis schnell gemerkt: Den richtigen Film oder die richtige Serie für die jeweiligen Interessen zu finden, ist echt ein Problem – und das haben viele Menschen. Der durchschnittliche US-Streaming-Nutzer verschwendet im Jahr 110 Stunden mit der Suche danach, was er schauen soll. Das sind fünf volle Tage! Wir haben gedacht: Das müssen wir besser hinbekommen. Also haben wir versucht, das in ein digitales Produkt zu übersetzen.

Ein digitaler Videothekar, der die passenden Filmtips liefert

Wie funktioniert eure App genau?

Nadja: Wenn du ein Profil erstellst, gibt es erstmal ein kurzes Onboarding. Entweder du entscheidest dich für den Shortcut nach fünf Fragen und lässt direkt Ergebnisse anzeigen, oder du beantwortest 15 Fragen, in denen es noch mehr in die Tiefe geht: Welche Streamingdienste nutzt du? Welche Genres magst du? Welche Themen interessieren dich? 

Danach kommst du auf den Homescreen. Dort werden wenige Empfehlungen angezeigt, mit einer Erklärung, warum genau diese Empfehlung zu dir passt. Auf Streamingplattformen wirst du von der Auswahl erschlagen – genau das wollen wir nicht. Wir wollen dich geführt zu einer Entscheidung bringen. Unser großes Überthema ist „Guidance“. Zusätzlich gibt es einen Agenten, der einen Videothekar von früher darstellt. Er versucht im Dialog – indem er zum Beispiel fragt, wie es dir geht oder worauf du gerade Lust hast – herauszufinden, was du genau in diesem Moment brauchst.

Wenn man sich mit Freund:innen trifft und zusammen einen Film gucken möchte, kommen ganz verschiedene Interessen zusammen. Hat Qentin dafür auch eine Lösung?

Nadja: Daran arbeiten wir gerade, wir nennen das das „Partnerfeature“. Das Problem der Filmauswahl ist noch komplizierter, wenn man zu zweit sucht, weil zwei Geschmäcker unter einen Hut gebracht werden müssen. Sobald wir das für eine Person geknackt haben – den perfekten Film in unter einer Minute zu finden –, widmen wir uns zwei Personen. Wir legen dann einfach die Geschmacksprofile übereinander und schauen, was die Schnittmenge ist. Wir hoffen, dass wir das bis Ende des Jahres in die App integriert haben.

Wie funktioniert die App im Background? Mit welcher Software arbeitet ihr? 

Nadja: Im Kern steht dein Geschmacksprofil: Aus deinen Antworten im Onboarding und deinen Bewertungen entsteht ein Profil, das wir mit den Daten zu jedem Film abgleichen. Drumherum arbeiten wir mit mehreren Large Language Models, die miteinander kommunizieren. Die Begründungen, warum dir genau dieser eine Film gefällt, werden mit einem LLM generiert. Auch der Chatbot, der das Gespräch führt, ist ein KI-Agent, der mit unserem Backend verknüpft ist. Wir haben mehrere API-Schnittstellen, über die wir Daten ziehen, zum Beispiel von The Movie Database. So sehen wir, wo welcher Film verfügbar ist. Weitere Daten bekommen wir über Wikipedia – da findet man viele Inhaltszusammenfassungen – und mehrere frei verfügbare Open-Source-Projekte. In Zukunft möchten wir auch auf Drehbuchanalysen und Untertitel für Hörgeschädigte zurückgreifen – die beschreiben auch Geräusche und Musik und verraten viel über die Stimmung eines Films.

Anders als ChatGPT: Diesen Mehrwert hat Qentin zu bieten

Inzwischen fragen viele einfach ChatGPT, was sie abends schauen sollen. Und Netflix testet eine eigene KI-Suche. Warum braucht es da noch euch?

Nadja: Heute bekommst du eines von zwei Dingen: eine endlose Liste oder ein leeres Eingabefeld. Bei ChatGPT musst du wissen, was du fragen sollst, dann selbst die Verfügbarkeit prüfen und den Trailer suchen. Das ist viel Arbeit für jemanden, der müde auf dem Sofa sitzt. Der Videothekar von früher hat das anders gemacht: Er hat dich gefragt, wie es dir geht und wer mitschaut, und dir dann einen Film gegeben – mit Begründung. Das bauen wir nach, ohne dass du tippen musst. Und die KI-Suche von Netflix kennt nur Netflix. Unsere Nutzer haben mehrere Abos, ihre Frage lautet nicht „Was gibt es auf Netflix?“, sondern „Was schaue ich heute Abend?“. 

Streaminganbieter versuchen, Nutzer:innen in ihrem eigenen Ökosystem zu halten. Wie ist das Verhältnis von Qentin zu den großen Streaming-Plattformen – seht ihr euch als Marketing-Kanal für Content oder als neutrale Meta-Ebene?

Nadja: Wir sehen uns als neutrale Ebene über den Plattformen. Mit der App sind wir B2C und würden gerne ein Abo-Modell etablieren, bei dem die Nutzer für unseren Service zahlen und nicht die Streamingdienste für Sichtbarkeit. Denn wer uns bezahlt, bestimmt, für wen wir optimieren. Solange das der Zuschauer ist, empfehlen wir das, was ihm wirklich gefällt, und müssen keinen Content pushen. 

Hat ein Indie-Film aus Bayern bei Qentin dieselbe Chance auf ein Match wie eine Hollywood-Produktion? Wie wird die Sichtbarkeit gesteuert?

Nadja: Bei uns bezahlt niemand für Sichtbarkeit, insofern werden alle Angebote gleich behandelt. Was dir als Empfehlung angezeigt wird, kommt auf dich selbst an. Wenn du sagst, dir gefallen Blockbuster, werden dir eher Blockbuster empfohlen. Wenn in deinem Geschmacksprofil herauskommt, dass du sehr stark auf Indie-Filme aus Bayern stehst, empfehlen wir dir das. Was man ehrlicherweise dazusagen muss: Über einen kleinen Film gibt es weniger Daten als über eine Hollywood-Produktion, und das müssen wir ausgleichen. Genau deshalb wollen wir künftig auch Drehbücher und Untertitel auswerten.

Finanziert durch ein Abo-Modell – so bleibt Qentin unabhängig

Wie ist das erste Feedback der Tester:innen zu Qentin ausgefallen?

Nadja: Wir testen viel über Meta-Kampagnen, also mit Leuten, die uns vorher nicht kannten und über eine Anzeige in die App kommen. 83 Prozent der Teilnehmer bestätigen das Orientierungsproblem und sagen, dass die Auswahl unglaublich lange dauert – sie nennen 10 bis 20 Minuten. Wichtiger ist uns allerdings, was die Leute tatsächlich tun: 89 Prozent beantworten die 15 Fragen im Onboarding und entscheiden sich gegen den Shortcut. Sie sind freiwillig bereit, Zeit und Kontext zu liefern, um bessere Ergebnisse zu erhalten. Aktuell liegt der Fokus darauf, das Produkt weiter zu verbessern, um einen noch besseren Product-Market-Fit zu erreichen.

Jetzt sind wir natürlich neugierig geworden: Wann dürfen wir denn mit der App rechnen? 

Nadja: Aktuell haben wir eine Web-App-Version, die frei im Internet verfügbar ist. Wir sind im Einreichungsprozess für den App Store und hoffen, dass der App-Download im November funktioniert. 

Wenn ihr fünf Jahre in die Zukunft blickt: Wird Qentin die zentrale Anlaufstelle für die Wahl des täglichen Abendprogramms?

Nadja: Das ist unsere Vision: Dass die Menschen, wenn sie sich am Abend auf die Couch setzen, als allererstes die App aufmachen, die mühsame Suche verkürzen und mit Qentin sofort den perfekten Film finden.