Das Vertical-AI-Playbook

 (research.contrary.com)
16 Punkte von GN⁺ 2025-09-22 | Noch keine Kommentare. | Auf WhatsApp teilen

Actionable Summary

  • Ungleichgewicht bei der AI-Einführung führte 2024 dazu, dass 42 % der AI-Initiativen in Unternehmen eingestellt wurden; der Kern des Problems liegt nicht im Modell, sondern in der Art der Einbettung ins Geschäft
    • Die Gewinner bieten nicht einfach nur Copilots an, sondern setzen auf Neugestaltung von Workflows und Neudenken von Organisationsstrukturen, in manchen Fällen auch auf den Besitz der Service-Ebene, auf der Wert geschaffen wird
  • Historische Präzedenzfälle zeigen den Zinseszinseffekt von disziplinierter Kapitalallokation und wiederholbaren M&A-Prozessen
    • Die Beispiele Waste Management, United Rentals und Constellation Software zeigen, dass die Wahl der Struktur, ausgerichtet auf die Maximierung der Rendite pro Dollar und pro Stunde, die langfristige Performance bestimmt
  • Vertikale SaaS gewann durch die Digitalisierung branchenspezifischer Workflows, doch generative AI erweitert dies von der Datensatzverwaltung bis in die Ausführungsphase und ermöglicht damit die eigentliche Erledigung der Arbeit
    • Dadurch wird nicht nur Softwarebudget absorbiert, sondern auch ein Teil der Arbeitsausgaben, was zu einer Ausweitung des Total Addressable Market (TAM) führt
  • Wie frühere M&A-Unternehmen zwischen zentralisierter und dezentraler Betriebsführung wählten, stehen heutige AI-Gründer vor einer strukturellen Entscheidung zwischen Tool-Verkauf und Besitz der operativen Ebene
    • Die beiden Wege haben unterschiedliche Implikationen für Kapitalintensität, Vertriebsstruktur und Verteidigungsfähigkeit
  • Für den Aufbau eines Vertical-AI-Startups sind Workflow-Mapping, gezielte Pilotprojekte, Tests der Skalierbarkeit des Vertriebs sowie die Abstimmung von Kapital und Talenten auf das Modell erforderlich
    • Statt eine einzige Antwort zu verordnen, liefert dies einen wiederholbaren Entscheidungsprozess, der sich an Veränderungen im Kundenverhalten und in den Marktbedingungen orientiert
  • Die nächste Generation von CEOs übernimmt eher die Rolle von Kapitalallokatoren als die von Technikern
    • Die Aufgabe und Chance besteht darin, AI nicht als Feature, sondern als Arbeitsklasse zu behandeln und mit der Disziplin serieller Akquisiteure so einzusetzen, dass Piloten in einen Cashflow-Zinseszinseffekt-Motor durch die Gestaltung von Eigentumsstrukturen verwandelt werden

# The Terrain

# Lehren aus der Geschichte

Reichtum in den Nischen

Enter VC

# AI & The Vertical Stack

  • Mit dem Aufkommen von SaaS in den 1990er-Jahren wurde es möglich, zentrale Business-Tools über das Internet bereitzustellen
    • Salesforce wurde 1999 gegründet und bot CRM als browserbasiertes SaaS an; damit wurde eine Innovation eingeführt, die sich durch automatische Updates, niedrige Anfangskosten und den Wegfall von IT-Aufwand auszeichnete
    • Dies veränderte die Art und Weise, wie Software gekauft und verkauft wird, grundlegend und breitete sich auf nahezu alle Kategorien aus
  • Danach erkannten Gründer, dass nicht alle Unternehmen dieselben Probleme haben
    • Je nach Branche unterscheiden sich Workflows, Regulierung und Kundenerwartungen
    • Vertical SaaS ist tief in der Logik und Sprache einer bestimmten Branche verankert, sodass Hunderte spezialisierte Tools in kleinen Märkten wachsen konnten
    • Solche kleinen Märkte sind für VCs jedoch weniger attraktiv, weshalb es schwierig war, in der Frühphase Kapital einzuwerben
  • Die Wachstumspfade von Vertical-SaaS-Gründern waren unterschiedlich
    • Einige verkauften an Constellation oder PE-Investoren und wuchsen langfristig weiter
    • Andere entwickelten sich unabhängig durch Produktinvestitionen und die Ausweitung von Workflows zum digitalen Backbone ihrer Branche
    • Beispiele:
      • ServiceTitan → Betriebsinfrastruktur für HVAC, Sanitär und Elektrik
      • Toast → startete im Restaurant-POS und expandierte bis zu Payroll, Payments, Inventar und Krediten
      • Mindbody → Buchungen, Mitgliedschaften und Kundenmanagement für Wellness-Studios
      • Shopify → All-in-one-E-Commerce-Stack für unabhängige Händler
      • Procore → Standard für Software im Bauprojektmanagement
      • Epic Systems → leistungsstarkes EMR-Ökosystem für führende US-Krankenhäuser
  • Sie alle starteten in engen Nischenmärkten und erweiterten sich schrittweise in Richtung Finanzen, Infrastruktur und Marktplätze
    • Gut umgesetztes Vertical SaaS kann nicht nur ein vorübergehendes Tool sein, sondern zu einem nachhaltigen Foundation-Business heranwachsen
  • Stripe analysierte in seinem Jahresbericht 2024, dass der Boom bei Neugründungen mit der Ausbreitung von Vertical SaaS zusammenhängt
    • Beispiel: Die Zahl der Pizzerien in den USA ging von 2005 bis 2017 zurück, doch mit dem Aufkommen von SaaS-Tools wie Slice kehrte sich der Trend um → mehr unabhängige Geschäfte, die Franchise-Ketten Paroli bieten
  • SaaS verschafft unabhängigen Unternehmen Infrastruktur auf Franchise-Niveau und wahrt zugleich ihre Autonomie
    • Laut Stripe:
      • „60 % der kleinen und mittleren Unternehmen in den USA nutzen Vertical SaaS“
      • Beispiele: SingleOps (Baumpflege), Traxero (Abschleppbranche), Transformity (Liquor Stores), Moxie (Medspa), Clio (Recht), Skimmer (Pool-Management), Planning Center·Tithe.ly (Kirchen), Shulware (Synagogen), Procede (Lkw-Händler), Meadow Memorials·Tribute Technology (Bestattungsdienste) usw.

Was sich mit AI verändert

  • Im November 2022 brachte OpenAI ChatGPT auf den Markt, das in nur zwei Monaten die Marke von 100 Millionen Nutzern überschritt und damit zur am schnellsten wachsenden Software der Geschichte wurde
    • Zunächst wurde es als Chatbot betrachtet, doch bald zeigte sich, dass LLMs als allgemeine Schnittstelle für kognitive Arbeit eingesetzt werden können
  • Dieser Launch löste branchenweit umfangreiche Experimente aus, und zahlreiche B2B-Unternehmen überdachten ihre Produktstrategie und begannen, generative AI zu integrieren
    • Einige integrierten OpenAI-Modelle in bestehende Funktionen, andere entwickelten vollständig neue AI-basierte Produkte
  • Klassische SaaS-Lösungen digitalisierten Workflows und strukturierten sowie verlagerten papierbasierte Prozesse in die Cloud
    • CRM, ERP und ähnliche Systeme standardisierten Daten, stärkten die Zusammenarbeit und machten Prozesse nachvollziehbar
    • LLMs gehen nun über das Erfassen und Organisieren von Arbeit hinaus bis zur Ausführung von Arbeit
  • Dieser Wandel ist für vertikale Branchen von großer Bedeutung
    • Versicherungsansprüche, Frachtvermittlung oder medizinische Abrechnung waren historisch arbeitsintensiv und wiesen eine geringe Software-Durchdringung auf
    • Nun kann AI nicht nur Aufzeichnungen verwalten, sondern durch Automatisierung der Ausführung den TAM erweitern und sogar einen Teil der Arbeitskosten absorbieren
  • Ein typisches Beispiel: Im Juni 2023 übernahm Thomson Reuters Casetext für 650 Millionen US-Dollar
  • Mit der Ausbreitung über ganze Branchen hinweg wächst das Marktvolumen sprunghaft
    • Die Gesamtlohnsumme US-amerikanischer Arbeitnehmer lag 2023 bei 11 Billionen US-Dollar, davon könnten mehr als 4 Billionen US-Dollar von AI betroffen sein
    • 2024 sammelten AI-Startups rund 110 Milliarden US-Dollar ein, ein Anstieg von 62 % gegenüber dem Vorjahr
    • Gleichzeitig sanken die gesamten Tech-Investitionen um 12 %, was darauf hindeutet, dass Kapital sich auf AI-native Unternehmen konzentriert

Deployed Intelligence

  • Die Investitionen in AI steigen stark, doch Wert entsteht erst, wenn die Technologie in den täglichen Betrieb eingebettet wird
    • Der Engpass liegt nicht in der Entwicklung größerer Modelle, sondern darin, sie in reale Workflows einzubetten
    • Das erfordert einen anderen Ansatz als traditionelles SaaS-Deployment
  • Traditionelles SaaS wird über Onboarding, Training und Konfiguration integriert, AI erfordert dagegen oft ein Neuschreiben von Workflows und iteratives Experimentieren mit Nutzern
    • Palantir entsandte von Anfang an Deployment Engineers zu Kunden, um den Betrieb zu beobachten, zu abstrahieren und in wiederverwendbare Logik zu überführen
    • Die Anfangskosten waren hoch, stärkten aber letztlich Verteidigungsfähigkeit und operative Integration
  • AI lässt sich treffend als neue Arbeitskraftklasse verstehen
    • Unternehmen kaufen nicht einfach nur Software, sondern stellen AI ein und müssen sie trainieren, überwachen und an Workflows anpassen
    • Erfolg hängt weniger von der Modellqualität als von der Art der Bereitstellung ab; zentral sind Interface-Design, die Abstimmung der Entscheidungslogik und die operative Einbettung
  • Laut dem Ramp 2025 AI Index verfügen 72 % der Technologieunternehmen über kostenpflichtige Abonnements, während es im Baugewerbe nur 28 % und im Gastgewerbe sowie in der Gastronomie 22 % sind
    • Der AI-Einsatz nimmt zwar zu, doch ob er zu realen Margenverbesserungen führt, ist unklar
  • Die meisten Nicht-Tech-Unternehmen sind nicht ausreichend darauf vorbereitet, AI effektiv auszurollen
    • Für den AI-Einsatz braucht es Engineering, Product Design, Domänenwissen und Change Management
    • Viele Unternehmen erwarten von AI dasselbe wie von SaaS, doch AI erfordert probabilistisches Verhalten, Lernen aus Feedback und iteratives Tuning
  • Diese Lücke stärkt erneut die Plausibilität vertikal integrierter Modelle
    • In den 2010er-Jahren hatten Full-Stack-Unternehmen wegen margenschwacher Services zu kämpfen, doch da AI-Agenten mehr Aufgaben übernehmen, sinkt die Abhängigkeit von Personal und die Margen verbessern sich
    • Y Combinator formulierte im RFS 2025: „Man kann AI-Agenten an Kanzleien verkaufen, oder direkt eine AI-Kanzlei gründen und mit ihnen konkurrieren.“

Zwei Wege, die AI-Marge in Vertical X abzuschöpfen

  • Während AI die Workflows traditioneller Branchen neu ordnet, stehen Gründer vor zwei Optionen, wie sich die durch Automatisierung entstehende Marge sichern lässt
    • Software an bestehende Betreiber verkaufen oder
    • den Betreiber selbst direkt aufbauen oder übernehmen
      Pfad 1: Software an den Betreiber verkaufen
  • Ähnlich dem klassischen SaaS-Modell, jedoch mit der Entwicklung von Copilot-, Automatisierungs-Layern und agentenbasierten Tools, die bei bestehenden Betreibern ausgerollt werden
    • Performance-Verbesserungstools, die auf bestehende Workflows zugeschnitten sind, werden eher akzeptiert und lassen sich schnell umsetzen und skalieren
    • Voraussetzung ist allerdings, dass der Kunde die Software intern effektiv einführen, betreiben, schulen und Ausnahmen managen kann
  • In der Praxis ist die Schwierigkeit des Deployments ein großer limitierender Faktor
  • Statt nur Software zu verkaufen, wird der Dienstleister selbst direkt aufgebaut oder übernommen und betrieben
    • Dadurch entfällt die Abhängigkeit von der Integration beim Kunden, und AI wird nativ eingebettet
    • Die Umsetzung ist langsamer, operativ aufwendiger und erfordert mehr Startkapital, verspricht aber mehr Kontrolle und höhere Margenabschöpfung
  • Wer die Service-Ebene besitzt, kann Tools direkt installieren und Workflows neu gestalten, ohne Kunden erst überzeugen zu müssen
    • Die Wirkung lässt sich präzise messen, und Iterationen sind schnell möglich, ohne auf Kundenfeedback warten zu müssen
    • Das stärkt letztlich die Verteidigungsfähigkeit und sorgt für eine bessere Ausrichtung von Technologie und Service
  • Letztlich zwingen beide Wege im AI-Zeitalter dazu, das bisherige Venture-Playbook zu überdenken
    • Monetarisierungsmodell, Organisationsstruktur und sogar die Eigentumsform müssen neu definiert werden

# Fallstudien

  • In traditionellen Industrien laufen AI-Deployment-Modelle im Wesentlichen auf drei Varianten hinaus: (1) an Kunden verkaufen, (2) bestehende Betreiber übernehmen, (3) einen Full-Stack-AI-Native-Ansatz aufbauen

    • Unternehmen starten oft mit einem Modell und wechseln im Zuge der Skalierung zu einem anderen; je nach Branchenstruktur, Produktbeständigkeit und Umsetzungskraft des Teams eignet sich eine andere Lösung

  • Immobilien

    • EliseAI: ein Automatisierungsplattform für wohnungsfokussierte Mietverwalter, die eine Suite konversationeller Agenten in das PMS der Kunden integriert, um Terminbuchungen für Besichtigungen, Mieteranfragen und Wartungsanfragen zu bearbeiten; genutzt wird ein Software-Verkaufsmodell
    • Metropolis: mit dem Ziel, intelligente Infrastruktur nativ in die Parkbranche einzubetten, zunächst als App gestartet und mit AI sowie Computer Vision für kontaktlose Ein- und Ausfahrt umgesetzt
      • erlebte im B2B-Vertrieb aufgrund langfristiger Leasing- und Betriebsverträge eine Vertriebsstagnation und wechselte daher zu einer Strategie der Betreiberübernahme
      • sicherte sich 2022 durch die Übernahme von Premier Parking 600 Parkflächen und rollte danach die Technologie aus; 2023 wurden 1,7 Mrd. $ aufgenommen, um SP Plus für 1,5 Mrd. $ zu übernehmen
    • Wander: ein techgetriebener Betreiber, der sich bei Premium-Kurzzeitvermietungen von vertikaler Integration hin zu asset-light Operations bewegt hat
      • hielt und betrieb anfangs Objekte als REIT, beendete das REIT-Modell aber wegen steigender Zinsen und des Zusammenbruchs der CS-Finanzierungslinie; mit den Modellen Wander Operated und Wander Branded wurde der nicht eigentumsbasierte Betrieb ausgebaut, im Mai 2025 mit mehr als 1.000 übernommenen Häusern
    • Long Lake: 2024 gegründete Roll-up-Plattform für Dienstleistungsbranchen, die bei HOA-Verwaltern startet und das Retrofit von AI-Tools anhand von Fällen mit 30 % Produktivitätssteigerung vorantreibt
    • Implikation: In der Immobilienbranche ist nicht das Aufsetzen von Tools entscheidend, sondern die Neugestaltung des Betriebs selbst; EliseAI hängt von den Change-Management-Fähigkeiten der Kunden ab, während Metropolis, Wander und Long Lake den Wandel durch Eigentum an der operativen Ebene direkt umsetzen

  • Rechnungswesen

    • Basis: 2023 in New York gegründet, ein Software-Verkaufsmodell, das Rechnungswesen-Workflows mit einem agentischen virtuellen Team erweitert und automatisiert
    • Crete: ein 2023 gestarteter Accounting-Plattform-Roll-up, der regionale Kanzleien per M&A konsolidiert und gemeinsame Infrastruktur bereitstellt
    • Multiplier: 2022 gegründet, zunächst mit Steuersoftware gestartet, dann aber nach Übernahmen von Kanzleien und nativer AI-Integration gepivotet
    • Implikation: Im Rechnungswesen entsteht der größte Effekt nicht durch zusätzliche Tools, sondern durch die Neugestaltung des Betriebs; Basis erzielt Ergebnisse über digitale Teamisierung, Crete und Multiplier durch native Integration auf Eigentümer- und Betriebsebene

  • Rechtsdienstleistungen

  • Implikationen: Das Wesen von Rechtsdienstleistungen beruht auf expertenzentriertem Vertrauen, Beziehungen und Urteilsvermögen, und der Fall Casetext zeigt die Effizienzsteigerung bei Routineaufgaben

    • Wie der Fall Atrium zeigt, ist in seltenen, aber hochkomplexen Bereichen die Gewinnung und Bindung von Top-Anwälten entscheidend, während Technologie eine unterstützende Rolle spielt

  • Investment Advisory

    • OffDeal: eine AI-native Investmentbank mit Fokus auf Lower-Middle-Market-M&A, die ein von großen Häusern vernachlässigtes Segment neu aufstellt
      • Im 2-Personen-Pod-Modell unterstützt AI bei Käufersuche, Benchmarking und Pitch-Erstellung, sodass sich Juniors wie vorgesehen auf Urteilsvermögen und Beziehungsmanagement konzentrieren können
    • Inven: eine Plattform zur Automatisierung der frühen Sourcing-Phase für Investmentprofis, die mit einer LLM-Pipeline Daten aus Millionen von Quellen extrahiert und analysiert, um nicht börsennotierte Targets zu identifizieren
    • Implikationen: Inven erzielt Effizienz durch intelligenteres Research und Sourcing, OffDeal durch eine grundlegende Neugestaltung der Organisationsstruktur
      • Zwar gibt es auch bei großen IBs entsprechende Tools, doch ihre Nutzung ist durch Hierarchie- und Incentive-Engpässe begrenzt; der Fall belegt, dass neues Organisationsdesign echte Effizienz schafft

  • Contact Centers

    • Replicant: eine Callcenter-Automatisierungsplattform, die mit Voice- und Conversational-AI wiederkehrende Anfragen bearbeitet und für Enterprise-Kunden monatlich zig Millionen Anrufe abwickelt
      • Ein hochgradig universelles Produkt, das Gesprächsdaten aus vielen Branchen akkumuliert und Kunden, die selbst betreiben wollen, Kontrolle und Anpassbarkeit bietet
    • Crescendo: ein von General Catalyst gestarteter AI-nativer BPO-Betreiber, ein Hybridmodell aus eigenem Tool-Aufbau plus Besitz und Betrieb von Callcentern
      • 2024 Übernahme von PartnerHero, im Mai 2025 mit $90M Umsatzvolumen erwähnt
      • Ziel ist die Internalisierung aller Layer – von der Automatisierung von Anfragen bis zur Neugestaltung der Interaktion zwischen Agenten und Kunden
    • Implikationen: Wer Eigenbetrieb wünscht, für den sind Replicants Kontrolle und Anpassbarkeit passend; wer ein ergebnisorientiertes Fully Managed Model sucht, für den eignet sich Crescendo. Beide gestalten den manuell geprägten und fragmentierten bestehenden Stack mit AI neu um

Das Playbook

  • Angesichts des unausgewogenen Impacts von AI müssen Gründer und Investoren eine Struktur wählen, die Technologie verlässlich in Cashflows umwandelt. Wenn man bedenkt, dass 42 % der generativen-AI-Piloten im Jahr 2024 ohne Ergebnis eingestellt wurden, braucht es – wie William Thorndikes The Outsiders zeigt – ein Denken, das Kapital dort allokiert, wo der risikobereinigte Ertrag des nächsten Dollars am höchsten ist
  • Traditionelles SaaS setzt zusätzliche Ressourcen tendenziell für Personal und Marketing ein, doch AI-Roll-ups verfügen über einen breiteren Werkzeugkasten. Allerdings reichen Workflow-Mapping und Modellverfeinerung allein nicht aus; entscheidend für die Wertrealisierung ist, wo der nächste Dollar bzw. die nächste Stunde eingesetzt wird
  • Drei Einstiegsmodelle für moderne AI-Unternehmen: (1) Software lizenzieren, den Betrieb aber dem Kunden überlassen, (2) bestehende Assets bzw. Operating Companies kaufen, Technologie einpflanzen und Cash wieder investieren, (3) selbst als Full-Stack direkt operieren (Code, Kapital und Tagesgeschäft unter einem Dach)
  • Da Mischformen und Pivots in der Praxis häufig sind, bietet das folgende Playbook eine Grundlinie von Ineffizienzen identifizieren → AI-Wirkung validieren → erste Wahl zwischen Verkaufen, Kaufen oder selbst bauen

  • I. Map The Ontology

    • Palantir-artiger Ansatz: Zuerst die Business-Ontologie des Status quo (Objekte, Zustände, Übergänge) visualisieren
      • Dieser Graph macht Übergänge sichtbar, die übermäßig viel Zeit, Personal und Kapital aufsaugen, und schärft damit Verbesserungsumfang und JTBD
      • Palantirs Prinzip, jeden Schritt zu modellieren und erst dann zu coden, liefert eine präzise Karte, die R&D-Priorisierung und Investor Alignment unterstützt

  • II. Define The Terrain

    • Wenn die Ineffizienz offengelegt ist, sollte die Marktstruktur darauf geprüft werden, ob sich die Kontrolle über die gesamte P&L lohnt

  • III. Prove, Then Buy

    • Bevor Leverage eingesetzt wird, sollte die Modellvalidität mit echten Kennzahlen bewiesen werden
      • Der günstigste Weg: Piloten vor Ort beim Kunden und kontrollierte Experimente aus bereits verfügbaren AI-Bausteinen
      • Slow Ventures betont: Wertschöpfung muss M&A vorausgehen. Erst wenn das Produkt nachweislich starken Wert liefert, sollte gekauft werden („Build → then Buy“)

  • IV. Test The Distribution Wedge

    • Wenn SaaS-Vertrieb wegen langer Verträge, niedriger Nutzung und schwerem Onboarding langsam oder teuer ist, kann die Übernahme eines Unternehmens mit bestehenden Beziehungen sogar günstiger sein
      • In Märkten wie Immobilien-/Asset-Betrieb, in denen ein Anbieterwechsel nur zum Zeitpunkt der Verlängerung möglich ist, bedeutet die Übernahme des aktuellen Incumbents: weniger CAC + Trägheit als Moat
      • Ein typischer Fall ist Metropolis: Das Unternehmen erlebte einen B2B-Sales-Engpass und löste ihn durch die aufeinanderfolgenden Übernahmen von Premier Parking und SP Plus

  • V. Match Capital & Talent To The Path

    • Übernahmen von Operating Companies und direkter Betrieb verlangen zusätzlich zum Produktaufbau zwei weitere Fähigkeiten: M&A und Tagesgeschäft
      • Man muss Debt-Strukturierung, Integrations-Playbooks und schlanke HQ-Budgets beherrschen und über ausreichend Kapitalkraft verfügen, um Covenants problemlos einzuhalten
      • Zu viel Leverage kann – wie im Fall Thrasio – den Cashflow abwürgen (Insolvenzverlauf)
      • Wenn Team und Kapital noch nicht auf diesem Niveau sind, ist es rational, eine Asset-Light-Strategie beizubehalten

Blurring The Lines

  • AI kann Margenausweitung ermöglichen, doch Ausmaß und Geschwindigkeit hängen vom Einstiegsmodell ab
    • Mit der Zeit werden die Grenzen zwischen Vertical SaaS, Roll-up und Full-Stack unschärfer werden, doch die Reihenfolge der Fragen bei der Entscheidung, „wo man spielt“, bleibt weiterhin am wirtschaftlichsten
  • Drei Probleme, mit denen Techniker konfrontiert sind, wenn sie in betriebszentrierte Geschäftsmodelle wechseln:
    1. Schwierigkeit operativer Verbesserung: In einer Situation unreifer AI-Tools erfordert echte Effizienzsteigerung nicht bloß Modellintegration, sondern eine strenge Neugestaltung der Prozesse
    2. Die Bedeutung von Preisdisziplin: Frühere Roll-up-Erfolge beruhten auf der Struktur zu niedrigen EBITDA-Multiples kaufen → zu höheren Multiples verkaufen. Auch mit AI gibt es kein Entkommen vor Bewertungsdisziplin; wer teuer kauft, zerstört die Margenausweitung
    3. Seltene Deal- und Integrationsfähigkeit: Übernahmen und Schuldenmanagement erfordern ein Playbook, das eher an Private Equity erinnert. Die meisten AI-Roll-ups brauchen gemischte Teams aus Operator, Deal Lead und Techniker, die Geschwindigkeit und Risiko ausbalancieren
  • Derzeit befindet sich der Konsolidierungszyklus noch in einer frühen Phase, weshalb viele Unternehmen mit hybriden Strukturen experimentieren werden
    • Mit Veränderungen bei Technologie, Kapitalkosten und Kundenverhalten kann es vorkommen, dass frühe Modelle nicht mehr passen
    • Die besten Ergebnisse werden Teams erzielen, die Tools, Struktur und Markt gleichzeitig matchen und zugleich die Disziplin haben, sich zurückzuziehen, wenn es nicht passt

„Ich bin ein besserer Unternehmer, weil ich Investor bin, und ein besserer Investor, weil ich Unternehmer bin.“ — Warren Buffett

Verwandte Beiträge

Noch keine Kommentare.

Noch keine Kommentare.