- „Dünn und vergänglich“ vs. „groß und schwach“ vs. „klein und stark“
Thin and ephemeral (dünn und vergänglich)
- Die meisten GenAI-/LLM-basierten Startup-Ideen fallen in diese Kategorie
- Charakteristisch ist der Versuch, mit nichts als Prompts für ein LLM über eine fremde API sehr eng umrissene geschäftliche Probleme zu lösen, meist horizontale
- Viele nennen das einen „dünnen Wrapper“ um ein LLM; „dünn“, weil praktisch keine eigene Technologie (oder Software) enthalten ist
- Welchen Wert sie auch schaffen mögen: Sie sind vergänglich, weil sie zu leicht zerrissen und durch die nächstbeste Alternative ersetzt werden können
- wenn ein besserer oder günstigerer Wettbewerber auftaucht
- wenn es zu einer Funktion einer breiteren Applikationsplattform wird
- oder wenn es durch eine selbst entwickelte eigene Version derselben Funktion ersetzt werden kann, gebaut mit leicht verfügbaren Tools
- Das GenAI-/LLM-Paradigma hat geringe Onboarding-Reibung und geringe Bindungskraft (man kann leicht anfangen, und es lässt sich leicht ersetzen)
- In den meisten Fällen können Gründer solcher „dünnen“ Unternehmen ihre Verteidigungsfähigkeit nicht klar erklären
- weil das Unternehmen vollständig auf Daten basiert, die ihm nicht gehören, und auf einem (verborgenen) Rechen-Framework einer Infrastruktur, die es nicht versteht
- Das kann ein schneller Weg sein, mit ein oder zwei Kunden Geld zu verdienen, wirkt in den meisten Fällen aber nicht wie ein nachhaltiges Geschäft
Big and weak (groß und schwach)
- Intellektuell deutlich interessanter. Faszinierend
- Die Idee ist groß, aber so groß, dass alles zusammenfließt und Differenzierung schwer wird
- Mit anderen Worten: Sie sind alle nur leicht unterschiedliche Versionen derselben Firma
- Von „alles Wissen organisieren“ bis „mit allen Applikationen verbinden/integrieren“ – unterschiedlich im Ausdruck, aber am Ende dieselbe Idee
- Gründer entwerfen ehrgeizige Pläne, alle Informationsquellen eines Unternehmens zu sammeln (E-Mail, Logs, Code, Konfiguration, Salesforce usw.), damit alle Nutzer – Business, Entwickler und alle dazwischen – alles tun können, von einfachen Fragen (ChatGPT) bis zur vollständigen Applikationserstellung (GitHub Copilot)
- Solche Ideen sind so verbreitet, dass alle darum konkurrieren, genau das zu bauen
- Deshalb braucht es ein starkes Argument, warum gerade das eigene Team in dieser Konkurrenz gewinnen kann – und vor allem wie
- Wenn man zudem bereits führt, muss man auch erklären, wie sich diese Position verteidigen lässt. Das ist sehr schwierig, und ich habe dafür noch keinen überzeugenden Fall gesehen
- Anders gesagt: Große Ideen sind meist schwach formuliert und deshalb schwer finanzierbar
Small and strong (klein und stark)
- Sehr selten, aber interessant
- „Klein“, weil sie ein klares ICP (Ideal Customer Profile) haben und sich auf eine Vertikale konzentrieren, in der die Gründer Fachwissen besitzen
- Das heißt: Das TAM (Total Addressable Market) ist begrenzt – groß, aber nicht unendlich –, und auch der Produktumfang ist begrenzt
- Sie versprechen nicht, alles zu können, sondern einige sehr spezifische Aufgaben außergewöhnlich gut zu erledigen
- Solche Startups sind „stark“
- Denn sie besitzen tendenziell eine sehr starke Schicht an Applikationsfunktionalität, die auf Daten- und AI-Layern aufbaut, und erzeugen teils sogar eigene proprietäre Daten
- Mit ihrer Domain-Expertise können sie Eintrittsbarrieren rund um LLM-Eingaben und -Ausgaben schaffen, auf eine Weise, die Teams ohne Erfahrung nicht entwickeln können
- Die strategische Tiefe solcher Teams reicht oft bis in die Go-to-Market-Operations hinein; manchmal haben sie sogar Kontakte und spezialisierte Teammitglieder, die wissen, wie man eine bestimmte Branche adressiert
- Kurz gesagt: Die Vertikalität dieser Unternehmen ist eine zentrale Quelle für Produktklarheit und geschäftliche Verteidigungsfähigkeit
- Diese Unternehmen nutzen AI- und LLM-Fähigkeiten, aber diese sind nur einfache Bausteine, die eine tiefere und robustere Applikation tragen
- Diese Unternehmen konzentrieren sich darauf, reale geschäftliche Probleme zu lösen, und sind für Investoren attraktiv
- Aus klassischer Venture-Perspektive sind sie überhaupt nicht „klein“. Ihre Märkte können enorm sein
- Sie wirken jedoch relativ klein im Vergleich zu ihren stärker AI-zentrierten Peers, weil sie nicht versuchen, immer alles für alle zu sein
- LLMs verleiten Gründer zu der Illusion, sie könnten alles gleichzeitig für alle bauen – und in gewisser Weise können sie das auch
- Doch diese „große“ Produktvision endet wahrscheinlich in einem schwachen Produkt und einem noch schwächeren Geschäft
2 Kommentare
Ich denke, das sind gute Perspektiven, um sich nicht mitreißen zu lassen, wenn Dienste oder Geschäftsideen auftauchen, die auf IT-Trends aufspringen — auch wenn es nicht unbedingt um AI geht.
Sie generieren teils auch eigene proprietäre Daten => auch eigene proprietäre Daten generieren?