- Ein Beitrag des Butter-Gründers, der seine Erfahrungen aus fünf Jahren seit 2020 zusammenfasst
Teil 1: Was man nicht tun sollte
Ausgangspunkt: Pandemie und die Chance der digitalen Transformation
- Während der Pandemie 2020 wurde Butter gegründet, nachdem das Potenzial für die digitale Transformation in der Lebensmittelbranche erkannt wurde.
- Erkannte Probleme:
- Köche bevorzugen weiterhin traditionelle Methoden mit handschriftlichen Bestellformularen sowie Telefon und SMS
- Großhändler verlassen sich auf veraltete Technologie (ERP aus den 1990ern, Bestandsverwaltung in Excel, Zahlungen per Papierscheck)
- Allein die Eingabe von Kundenbestellungen dauert täglich 6 Stunden
- Geplanter Lösungsansatz:
- Digitalisierung der Kern-Workflows mit einem All-in-One-Cloud-ERP, das die Kernprozesse abbildet und als „System of Record“ dienen kann
- Integration von Finanzdienstleistungen wie Zahlungen, Krediten und Lohnabrechnung zur Maximierung des Kundennutzens (ACV)
- Einführung eines nahtlosen Kommunikationsprozesses für Köche und Großhändler sowie Schaffung von Plattform-Netzwerkeffekten mit einer DoorDash-ähnlichen Bestell-App
((beeinflusst von Choco, einer weiteren Bestell-App, die sich rasant zum Unicorn entwickelt hat)
Doch es scheiterte
- Es schien ein sicherer Erfolg zu sein (no-brainer), aber wir lagen komplett falsch
Falle 1: Technische Komplexität und übermäßige Customization
- Wir dachten, ein ERP aufzubauen sei einfach, doch in der Praxis erschöpften die unterschiedlichen Anforderungen jedes Kunden die Entwicklungsressourcen
- Beispiele: Tastaturkürzel, Layout der Dateneingabemasken, bestimmte Rechnungsformate
- Ergebnis: Das Produkt entwickelte sich zu einem von nicht skalierbarer Customization abhängigen Produkt
Falle 2: Lange Sales-Zyklen
- Der Wechsel eines ERP-Systems ist komplex und erfordert die Zustimmung vieler Abteilungen:
- Kund:innen scheuen den Umstieg trotz der Unannehmlichkeiten des Status quo
- In der Hochsaison der Restaurants sind die Sales-Möglichkeiten eingeschränkt
- Ergebnis: Niedrige Abschlussquote (nur etwa 20–30 % des Zielwerts)
Falle 3: Geringe Zahlungsbereitschaft und lange Revenue-Activation-Zyklen
- Die meisten Kunden arbeiten mit niedrigen Margen (ca. 5 %):
- Für Kunden, die bisher 80 US-Dollar pro Monat für QuickBooks zahlten, war ein ERP-Upgrade eine Belastung
- Auch zusätzliche Umsätze aus FinTech und der Bestell-App brauchten lange, um aktiviert zu werden
Falle 4: Zu viele Experimente
- In der Frühphase wurden gleichzeitig mehrere Umsatzmodelle und Netzwerkeffekte ausprobiert:
- Zu viele Fronten wurden geöffnet, ohne zuvor einen einzelnen Erfolgsfall gesichert zu haben
- Ergebnis: Burnout im Team und geringe Geschwindigkeit bei iterativen Experimenten
Schmerzlich gewonnene Lektionen
- Beim Betrieb von Butter gab es viele Momente, auf die wir stolz waren:
- Um 2 Uhr morgens aufstehen und im Lager schlafen, um ein erfolgreiches Onboarding zu ermöglichen
- Aufbau komplexer, aber intuitiver Software, die Kund:innen liebten
- Entwicklung systematischer Implementierungsleitfäden
- Dennoch scheiterten wir daran, ein skalierbares Venture-Business aufzubauen
- Lektion 1. Ideen nicht nur auf abstrakte Hypothesen stützen:
- Man muss direkt mit Menschen im Lager, vor Ort und im Backoffice sprechen, um echte Insights zu gewinnen
- Gespräche sollten dem „Finden der Wahrheit“ dienen, nicht der Bestätigung bestehender Ideen
- Lektion 2. Was für den Aufbau eines erfolgreichen Produkts nötig ist:
- Nutzer gewinnen, die das Problem tief verstehen:
- Wenn der Schmerz des Status quo nicht größer ist als die Reibung der Veränderung, wird niemand das System wechseln
- Schon wenige Katalysatoren können ausreichen, um Veränderung auszulösen
- Ausreichende Zahlungsfähigkeit:
- Wenn Kund:innen finanziell nicht in der Lage sind, die Lösung zu tragen, reicht der gelieferte Wert nicht aus, um den Umsatz des Unternehmens zu sichern
- Ein Produkterlebnis, das 10x besser ist als das Bestehende:
- Je traditioneller die Kundschaft, desto dramatischer muss die Verbesserung ausfallen
- Man sollte an den Gründen ansetzen, warum Kund:innen so lange an der bisherigen Arbeitsweise festgehalten haben
- Die Bedeutung von Einfachheit:
- Das frühe Produkt muss einfach und leicht zu übernehmen sein
- Beispiel: Statt ein luxuriöses japanisches Bidet zu verkaufen, besser auf die Lösung grundlegender Sanitärprobleme konzentrieren
- Lektion 3. Business-Modell und Erfolgsbedingungen für SaaS:
- Deal-Größe und Sales-Zyklus (Deal-Geschwindigkeit) müssen im Gleichgewicht sein.
- David Sacks’ „The Difficulty Ratio“:
- Eine Kombination aus hohem ACV (Annual Contract Value) und niedriger Deal-Geschwindigkeit oder umgekehrt kann funktionieren
- Doch wenn ACV niedrig und Deal-Geschwindigkeit langsam ist, ist die Wahrscheinlichkeit des Scheiterns hoch
- Im Fall von Butter:
- Trotz zusätzlicher Umsatzquellen lag das Unternehmen im Bereich niedriger Deal-Geschwindigkeit und niedrigen ACV
- Besonders bis zur vollständigen Umsatzaktivierung war die Deal-Geschwindigkeit sehr gering
Abschließende Gedanken
- Rückblickend haben wir die Komplexität unterschätzt, Vertical SaaS in einer Branche aufzubauen, die auf traditionellen Praktiken und veralteter Technologie beruht
- Eine digitale Lösung allein reichte nicht aus, um Adoption auszulösen
- Stattdessen musste sie eine bahnbrechende Verbesserung gegenüber der bisherigen Arbeitsweise liefern, und
- dies auf eine Weise vermitteln, die Kund:innen verstehen können.
- Wenn nicht sofort der Eindruck entsteht, dass es passt, bleiben Kund:innen bei ihrer vertrauten alten Lösung
- Lektion: Der Schlüssel zum Erfolg ist ein Ansatz, der bestehende Workflows respektiert und gleichzeitig echten Mehrwert beweist
Ausgangspunkt: Der Konflikt mit traditionellen Arbeitsweisen
- Früher Ansatz:
- Entwicklung eines Tools zur Modernisierung des Bestelleingabeprozesses von Großhändlern über E-Commerce
- Problem:
- Köche bevorzugten weiterhin traditionelle Methoden (Telefon, SMS) und passten sich digitalen Systemen nicht leicht an
- Das neue System bot nicht genug Mehrwert, um die bestehende Arbeitsweise vollständig zu ersetzen
- Kundenfeedback anhören:
- Interviews mit verschiedenen Kundengruppen, darunter aktive Nutzer, abgewanderte Nutzer und Gegner der App
- Die Bestellung per App war gegenüber Telefon/SMS/E-Mail kein 10x besseres Erlebnis:
- Es fehlte an Transparenz über Produktverfügbarkeit in Echtzeit und den Lieferstatus
- Schwierigkeiten der Großhändler erkennen:
- Großhändler litten weiterhin unter stundenlanger manueller Bestelleingabe
- Idee für den Einsatz von AI:
- Large Language Models (LLMs), die unstrukturierte Daten verarbeiten können, schienen passend
- Mit AI ließ sich komplexe Arbeit automatisieren
- Da etwa 80 % der weltweiten Daten unstrukturiert sind, wurde darin das Potenzial für einen Paradigmenwechsel gesehen
- Strategiewechsel:
- Lieferanten und Operatoren wurden nicht in vollständig digitale Workflows gezwungen
- Stattdessen wurde ein AI-basiertes Tool zur Ergänzung bestehender Prozesse (z. B. Butter’s AI Order Assistant) entwickelt:
- So konzipiert, dass es sich natürlich in bestehende Workflows integriert.
- Es positionierte sich als praktische Lösung zur Modernisierung einer technologisch rückständigen Lebensmittelvertriebsbranche.
Der Wechsel zu AI: keine bloße Verheißung, sondern echte Umsetzung
- Der Schlüssel zum AI-Erfolg:
- Es braucht kein „schickeres“ Produkt, sondern ein Produkt, das die Arbeit der Nutzer tatsächlich erledigt
- AI Order Assistant:
- So entworfen, dass Köche und Großhändler ihre bestehenden Prozesse nicht ändern müssen
- In bestehende Workflows natürlich integriert
- Bestellmanagement auf Basis von Natural Language Processing:
- Vereinfachung des Prozesses mit AI, die Sprachbefehle oder Textnachrichten verarbeiten kann
- Als Add-on statt als kompletter Systemwechsel bereitgestellt:
- Schnell einführbar
- Umgeht die komplexen Probleme klassischer „digitaler Transformation“
- Kunden-Onboarding:
- E-Mail- und Voicemail-Daten werden mit dem ERP verknüpft und in strukturierte Einkaufsauftragsdaten umgewandelt
- Präferenzen der Köche (z. B. „2 Kisten Garnelen“) werden im digitalen System gespeichert:
- Frühere Bestellmuster und Bestellleitfäden helfen dabei, Produktvarianten korrekt zu verstehen.
- Beispiel: Die AI unterscheidet, ob „4-6 Tiger Shrimp Frozen“ oder „16-20 EZ Peel Shrimp“ gemeint ist
- Einbeziehung von Nutzerfeedback:
- Von dem AI-Modell wird keine 100%ige Genauigkeit erwartet:
- Umfangreiche UX-Interviews zeigten, dass Nutzer AI-Ausgaben korrigieren können müssen
- Mithilfe der ERP-Tastaturkürzel wurde das System so entworfen, dass alle Aufgaben per Tastatur erledigt werden können
- Ergebnis:
- Die Bearbeitungszeit für Bestellungen sank um mehr als 96 %
- Backoffice-Mitarbeitende konnten auf höherwertige Aufgaben wechseln (Qualitätsmanagement, Kundenbeziehungsmanagement)
- Ausbau zu GrubAssist:
- Nach der Übernahme durch GrubMarket wurde der AI Order Assistant zu GrubAssist ausgebaut
- Bereitstellung von Natural-Language-basierter Business Intelligence und Analytik für bestehende ERP-Systeme.
- Nahtlose Integration, ohne die bestehenden Workflows der Lebensmittelbranche zu stören
- Die Integration in bestehende Workflows ist der Schlüssel zum AI-Erfolg. Die Lösung muss sich ohne komplexen Umstieg leicht anwenden lassen.
Lektionen aus der Entwicklung von LLM-Produkten
- Design unter Berücksichtigung technischer Grenzen:
- LLMs sind leistungsfähig, haben aber weiterhin Grenzen bei Zuverlässigkeit und Geschwindigkeit.
- Grenzen durch effektives Design ausgleichen:
- Beispiel: Da Restaurants/Händler Bestellungen am nächsten Morgen bearbeiten, kann man sich durch Hintergrundverarbeitung geringere Geschwindigkeit leisten und dafür Modelle mit stärkerer Reasoning-Fähigkeit wählen.
- Geschwindigkeit priorisieren, Perfektion später anstreben:
- In der Frühphase sollte man sich nicht darin verfangen, das „perfekte Modell“ zu suchen.
- Einfache Technologien für den Markteintritt nutzen (z. B. RAG):
- Mit dem richtigen Kontext funktionieren auch einfache Methoden stark.
- Wenn sich das Basismodell verbessert, verbessert sich auch das AI-Produkt automatisch.
- Die Grundlagen sauber aufsetzen:
- Eine flexible Experimentierumgebung bereitstellen:
- Eine modulare Architektur erleichtert den Austausch von Modellen oder Funktionen und ermöglicht schnelle Iteration.
- Ein klares und quantifizierbares In-Product-Feedback-System muss integriert werden.
- Die Oberfläche entscheidet über Erfolg oder Misserfolg des Produkts:
- Selbst mit einem „perfekten“ Modell sollte so entworfen werden, als ob 20 % der Arbeit menschliche Verifikation benötigen.
- Interaktionen einfach und intuitiv gestalten, um die Beteiligung der Nutzer aufrechtzuerhalten:
- Wenn der Nutzer-Verifikationsprozess gestärkt wird, lassen sich wichtige Daten zur Produktverbesserung gewinnen.
- Unstrukturiertes Wissen erfassen:
- In traditionellen Branchen ist wichtige Information oft nicht digitalisiert und hängt vom Gedächtnis einzelner Personen ab.
- Beispiel: Wenn Kundenpräferenzen nur im Kopf des Vertriebsmitarbeiters Joey existieren, muss eine Oberfläche geschaffen werden, die dieses Wissen erfassen kann.
- Solche Insights stärken die Differenzierung des Modells und liefern dauerhaft einen Datenvorteil.
- Genauigkeit durch Feedback-Loops verbessern:
- Engineering allein hat Grenzen:
- Es braucht eine nahtlose Möglichkeit, Nutzerfeedback direkt im Produkt zu sammeln.
- Durch die Verbindung dieses Feedbacks mit einer Tuning-Engine lassen sich präzisere und kontextuell relevantere Ausgaben erzeugen.
Die Zusammenarbeit mit bestehenden Systemen ist entscheidend
- Praktische Herausforderung:
- Selbst die beste AI-Lösung ist bedeutungslos, wenn sie sich nicht in bestehende Legacy-ERP-Systeme integrieren lässt
- Wer versucht, Legacy-Systeme zu ersetzen, erschwert die Zusammenarbeit
- Integrationsstrategie:
- Im Fall von Butter war eine Integration mit dem ERP über EDI (Electronic Data Interchange) oder SFTP-Dateiaustausch notwendig
- Legacy-Systeme sind tief verankert, daher sind Überzeugungsarbeit und Architekturdesign komplex
- Erfolgsstrategie:
- Ein Add-on anbieten, das bestehende Produkte verbessert:
- So können Kund:innen ihre bestehende Infrastruktur behalten und gleichzeitig von den Vorteilen der AI profitieren
- Es stärkt bestehende Netzwerke und betont, dass AI sowohl für das Geschäft als auch für Infrastrukturanbieter positiv wirkt
- Dringlichkeit:
- AI-Kompetenz verbreitet sich schnell, und selbst ehemals langsame traditionelle Anbieter führen AI ein
- Schnell handeln und mit bestehenden Playern kooperieren:
- Der Markt muss mit der richtigen Strategie und einem differenzierten Ansatz adressiert werden
- Warnung zu neuen Software-Ansätzen:
- Neue Produkte nach dem Ansatz „integrate and surround“:
- Einen bestimmten Geschäftsbereich (z. B. Field Sales) vollständig autark aufbauen
- Die Kosten-/Erlösstruktur vorteilhaft verändern
- Es ist wichtig, diese Entwicklungen zu verstehen und die richtigen Partner zu wählen
- Kernlektion
Mit bestehenden Systemen zusammenarbeiten und klare Vorteile sowie Verbesserungen bieten, ohne einen vollständigen Systemwechsel zu erzwingen
- Den Wert als risikoarmes Add-on mit hoher Belohnung zeigen, um schnelle Adoption zu fördern
Einblick in die Zukunft
- Schnittstelle zwischen traditionellen Branchen und AI:
- Traditionelle Branchen, die auf unstrukturierte Daten wie handschriftliche Aufzeichnungen oder Audiodaten angewiesen waren, erhalten nun über LLMs Zugang zu modernen Technologielösungen
- Vertical SaaS wird in solchen Branchen zunehmend zu einer realistischen Alternative
- Es ist verlockend, AI überall einzusetzen, doch ein vorsichtiger Ansatz ist nötig
- Der Schlüssel zum AI-Erfolg:
- Nicht die Technologie selbst, sondern Product-Market Fit ist der entscheidende Erfolgsfaktor
- AI eröffnet neue Möglichkeiten, aber die Grundprinzipien der Produktentwicklung bleiben unverändert:
- Alles beginnt damit, die Nutzer und ihre Bedürfnisse klar zu verstehen
- Die Technologie folgt danach
- Wichtigste Lektionen:
- AI ist am effektivsten, wenn sie passend in bestehende Prozesse integriert wird
- Bestehende Arbeitsweisen nicht umstürzen, sondern so entwerfen, dass sie sich natürlich einfügen
- Frage:
- „Wer wird diese Chance zuerst ergreifen?“
- Gewinnen wird, wer die Gelegenheit nutzt, bevor die Zeit abläuft
Noch keine Kommentare.