Die unbeliebte Startup-Idee im Milliarden-Dollar-Format [YouTube]

• Die Y-Combinator-Partner analysieren Beispiele von Startups, die in der AI-Ära trotz verschärften Wettbewerbs mit unpopulären Feldern und kontraintuitiven Ideen erfolgreich wurden, und betonen, dass man sich nicht einfach nach Trends richten, sondern auf die Lösung grundlegender Kundenprobleme konzentrieren sollte.
• Im AI-Bereich nehmen die frühen Greenfield-Chancen ab, und in jeder Vertical wie Versicherungen oder Banken konkurrieren bereits zahlreiche Startups miteinander, sodass differenzierte Einsichten und ein kontraintuitiver Ansatz unverzichtbar sind.
• DoorDash, Lyft/Uber, Coinbase, Flock Safety, OpenAI, SpaceX und andere erhielten zum Start pessimistische Bewertungen und negative Medienberichte, wuchsen jedoch zu Unternehmen im Milliardenwert heran, indem sie sich auf tiefgehende Kundenbedürfnisse konzentrierten und ihren eigenen Kurs beibehielten.
• Erfolgreiche Gründer entdecken Product-Market-Fit nicht über Medientrends auf X (Twitter) oder TechCrunch, sondern durch direkte Gespräche mit echten Nutzern, und wechseln bei Bedarf mutig Geschäftsmodell und Vertriebsstrategie.
• Wie beim Internet und beim Smartphone sind bei neuen Technologieplattformen nach einem etwa zweijährigen anfänglichen Goldrausch die offensichtlichen Ideen gesättigt; danach muss man tiefere Geheimnisse (secret) entdecken und Ideen verfolgen, denen nur 1 von 10 Menschen zustimmt, um Erfolgschancen zu haben.

---

Verschärfter Wettbewerb im AI-Vertical-Markt

• Noch vor einem Jahr war es leicht, Ideen für AI-Startups zu finden, weil sprunghafte Modellfortschritte und viele unerschlossene Verticals reichlich Raum boten und sich Ideen durch Pivots leicht erkunden ließen.
• Heute konkurrieren in jedem Vertical, etwa in Versicherungen oder Banken, bereits mehrere Startups miteinander, und da sich auch die Geschwindigkeit der Modellinnovation verlangsamt, werden differenzierte Einsichten noch wichtiger.
• Es reicht nicht mehr, einfach Workflow-Automatisierung vorzuschlagen; man muss mit eigenständigen, kontraintuitiven Wetten aus dem Wettbewerb herausstechen.
• Wie im Zeitalter des Internets und des Smartphones durchlaufen neue Technologieplattformen zunächst etwa zwei Jahre Goldrausch-Phase; danach sind die offensichtlichen Ideen ausgeschöpft, und man muss nach tiefer verborgenen Geheimnissen (secret) suchen.

Risiken und Chancen nicht offensichtlicher Ideen

• Nicht offensichtliche Ideen klingen neutral, fühlen sich in Wirklichkeit aber riskant und beängstigend an und gehen mit der Angst einher, zehn Jahre zu investieren und am Ende ohne Ergebnis dazustehen.
• Unkritisch übernommene Denkmuster aus Medien oder aus Gesprächen im Umfeld können das Urteilsvermögen von Gründern beeinträchtigen.
• Ein Gründer im Marketingbereich zögerte zunächst mit der Begründung, dass „noch niemand in diesem Bereich ein großes Unternehmen aufgebaut hat“, machte aber dennoch weiter, gestützt auf die neue Fähigkeit durch AI und die positive Reaktion echter Kunden, und wächst nun.
  • Dass sich frühere Fehlschläge angesammelt haben, kann im Gegenteil auch bedeuten, dass es keinen Wettbewerb gibt.
  • Die Kundenreaktion „Ich brauche das sofort, am besten morgen“ ist ein Signal für Product-Market-Fit.
• Sich auf externe Signale wie Reaktionen auf X (Twitter) oder TechCrunch oder auf die Einschätzung von Freunden auf Partys zu verlassen, ist riskant; man sollte sich auf die Reaktion des realen Markts konzentrieren.

Fall 1: DoorDash — Vororte als Zielmarkt

• Nach dem Launch des iPhone standen zunächst offensichtliche Ideen wie Foto-Apps à la Instagram im Fokus, doch die wirklich großen Erfolge kamen von nicht offensichtlichen Ideen wie Uber, DoorDash und Instacart.
• Zum Zeitpunkt des iPhone-Launchs gab es zahllose Artikel und Social-Media-Posts über mögliche Geschäftsmodelle, aber kaum jemand sagte eine Idee wie Uber voraus.
• DoorDash stieg in einen bereits heftig umkämpften Markt für Essenslieferungen ein, in dem Postmates, Grubhub und Seamless bereits große Unternehmen waren.
  • Mobile war der Katalysator für Food-Delivery-Apps, und zum Zeitpunkt des DoorDash-Starts wirkte der Markt bereits gesättigt.
  • Auch bei Y Combinator gab es mit Order Ahead einen Food-Pickup-Service, der damals wie der größere Markt aussah.
• Anfangs gingen sie in Palo Alto direkt zu Restaurants und schlugen Lieferpartnerschaften vor, wurden aber meist abgewiesen, und es dauerte lange bis zur ersten Bestellung.
  • Der erste Kunde war ein Freund, danach kamen nach und nach etwa eine Bestellung pro Stunde hinzu.
• Frühe Investoren waren skeptisch und reagierten mit Aussagen wie: „Der Wettbewerb ist doch schon viel zu intensiv“ oder „Warum braucht man das, wenn es Grubhub und Seamless bereits gibt?“
• Der Unterschied, den die Gründer entdeckten, war die Ausrichtung auf Vororte (suburban area).
  • Grubhub und Seamless konzentrierten sich auf Manhattan und dicht besiedelte Großstadtgebiete.
  • DoorDash erkannte, dass es in Vororten große Liefernachfrage gibt, die aber nicht bedient wird.
  • Vororte waren für bestehende Plattformen wegen der geringeren Restaurantdichte unattraktiv, tatsächlich aber ein riesiger Markt.
• Die Vorort-Strategie wirkte anfangs wie eine „offensichtlich schlechte Idee“.
  • Restaurants lagen weiter auseinander, Lieferwege waren länger, und es wurde erwartet, dass die Unit Economics schlecht seien.
• In der Praxis zeigte sich jedoch, dass es in Vororten weniger Wettbewerb und hohe Nachfrage gab; so wuchs das Unternehmen schnell und expandierte schließlich auch in städtische Gebiete.
• Im Rückblick wirkt es offensichtlich, doch damals war es eine kontraintuitive und riskant wirkende Wette.

Fall 2: Lyft/Uber — rechtliche Grauzone und Nutzwert für Anwender

• Von Zimride zum Pivot zu Lyft

  • Lyft war ursprünglich ein Fernfahrgemeinschaftsdienst namens Zimride.
    • Auch bei Y Combinator gab es mit Ridejoy einen identischen konkurrierenden Dienst, und beide standen in hartem Wettbewerb.
    • Beide gewannen Nutzer über Craigslist: „Ich fahre dieses Wochenende nach LA, will jemand mitfahren?“
    • Der Prozess war kompliziert: lange E-Mail-Wechsel, Abstimmung von Treffzeiten, Abrechnung der Benzinkosten usw.
  • Als die Smartphone-Durchdringung 70 bis 80 % erreichte, änderte Zimride seine Strategie.
    • Der Fokus verlagerte sich von Langstrecken auf kurze Alltagsfahrten.
    • Der Dienst wurde zu etwas, das man täglich nutzen konnte.
    • Es war der erste Moment, in dem eine mobile-first organisierte Arbeitskraftbasis genutzt wurde.
  • Uber startete ungefähr zur gleichen Zeit ebenfalls mit einem Black-Car-Service, verfolgte aber einen anderen Ansatz.

• Rechtsfragen und der Mut der Gründer

  • In Office Hours mit den Ridejoy-Gründern wurde der Erfolg von Zimride (Lyft) erwähnt; ihre Reaktion lautete: „Das scheint rechtlich problematisch und irgendwie illegal zu sein, deshalb wollen wir das nicht machen.“
    • Diese Sorge war nicht unbegründet.
  • Die Lyft-Gründer hatten eine Woche vor dem Launch extreme Angst, im Gefängnis zu landen, entschieden sich aber, die Würfel trotzdem zu werfen und zu starten.
  • Ein wichtiger Grund, warum nicht schon früher jemand Lyft oder Uber gestartet hatte, war, dass es im Grunde illegal war und die Leute Angst vor Gefängnis hatten.
  • Auch Instacart-Gründer Apoorva Mehta versuchte zur gleichen Zeit mit Grocery Delivery etwas Ähnliches; der Markt zog diese Services geradezu aus solchen Startups heraus.

• Endnutzer können Regulierung verändern

  • Es zeigte sich, dass die Welt Gesetze ändert, wenn Endverbraucher überwältigend profitieren.
  • Viele großartige Startup-Ideen liegen in einer rechtlichen Grauzone.
    • Es ist nicht völlig klar, ob sie legal oder illegal sind; vieles ist mehrdeutig.
  • OpenAI ist ein ähnlicher Fall: das gesamte Web ohne Erlaubnis crawlen.
    • Man kann das als Fair Use ansehen oder als groß angelegte Urheberrechtsverletzung.
  • Nicht offensichtlich zu sein bedeutet nicht nur, dass intellektuell unklar ist, ob es funktionieren wird, sondern subtiler auch, dass es sich „ein wenig riskant“ oder „irgendwie unangenehm“ anfühlt.
  • Wirklich großartige Gründer erkennen genau dieses Gefühl eher als Signal.

• Veränderung der Lebensqualität in San Francisco

  • Nach dem Start von Uber X und Lyft wurde schon in den ersten Monaten klar, besonders in San Francisco:
    • San Francisco war berüchtigt für eine miserable Taxi-Infrastruktur und schwierigen öffentlichen Nahverkehr.
    • Der Service entstand aus echter Notwendigkeit.
  • Die Lebensqualität in San Francisco verbesserte sich dramatisch.
    • Man war nicht länger der Unsicherheit ausgeliefert, dass ein gerufenes Taxi in der Hälfte der Fälle gar nicht erscheint.
    • Weil man sich frei bewegen konnte, wurde das Leben in der Stadt zehnmal angenehmer.
  • Die Lehre ist nicht, dass man etwas Illegales tun soll, sondern dass man aus First Principles denken und herausfinden soll, was Markt und Menschen wirklich brauchen.

Fall 3: Coinbase—die kontraintuitive Entscheidung gegen die Stimmung im Kryptobereich

• Tendenzen der frühen Krypto-Community

  • Coinbase operierte in einer rechtlichen Grauzone, verfolgte aber einen anderen Ansatz als Uber/Lyft
  • Kryptowährungen waren nicht ausreichend verstanden, sodass sie nicht eindeutig als legal gelten konnten
  • Coinbase konnte daher nicht einfach wie Uber nach dem Motto „erst starten, dann sehen wir weiter“ vorgehen, weil das Unternehmen zur tatsächlichen Einführung des Dienstes Bankpartner gewinnen musste

• Brian Armstrongs kontraintuitiver Ansatz

  • Frühe Bitcoin-Anwendungsfälle wurden von Cypherpunks vorangetrieben
    • radikale Libertäre
    • gegen das zentralisierte Bankensystem
    • wollten vollständig anonyme Identitäten
  • Frühes Bitcoin war viel näher an Silk Road als heute
  • Brian Armstrong entschied sich für einen genau entgegengesetzten, kontraintuitiven Ansatz
    • 2010 bis 2012 waren die meisten Menschen, die sich ernsthaft für Bitcoin interessierten, Cypherpunks
    • ihre Haltung: „Scheiß auf den Staat, scheiß auf das Gesetz, radikale Freiheit durch Bitcoin“
  • Brian Armstrong arbeitete mit Banken zusammen und kooperierte mit Regulierungsbehörden
    • das war seine kontraintuitive Wette

• Zusätzliche Arbeit, wenn der Markt es noch nicht will

  • Er entschied, dass sich all die zusätzliche Arbeit lohnt, obwohl unklar war, ob der Markt sie überhaupt wollte
  • Cypherpunks und Silk Road wollten Kryptowährungen und anonyme Zahlungen ganz eindeutig
  • Aber ob die breite Masse das wollen würde, war ungewiss
  • Deshalb erschien es damals nicht wertvoll, mit Banken zu sprechen, Partnerschaften einzugehen und KYC- (Know Your Customer) und AML-Vorschriften (Anti-Money Laundering) einzuhalten
    • dafür gibt es nur dann einen Grund, wenn man glaubt, dass normale Menschen eines Tages mit Kryptowährungen handeln wollen

• Heftiger Widerstand des bestehenden Marktes

  • Dinge wie KYC verschlechtern das Produkt tatsächlich
    • wenn Nutzer zu KYC gezwungen werden, erhöht das die Reibung erheblich
  • Das war das genaue Gegenteil dessen, was der Markt damals wollte
    • der damalige Markt (Cypherpunks) war über Brian und Coinbases Ansatz bei Kryptowährungen heftig verärgert
  • Man bekommt zu hören: „Das wird niemals funktionieren.“
  • Wenn ein Markt völlig neu und in einer frühen Phase ist, dann ist vieles, was als „offensichtlich“ gilt, in Wirklichkeit offensichtlich falsch
    • das könnte eine besonders tiefgreifende Version davon sein

• Die TAM-Falle

  • Als Coinbase startete, lag die Gesamtmarktgröße von Bitcoin nicht bei Hunderten Milliarden Dollar, sondern eher bei einigen zehn bis einigen hundert Millionen Dollar
  • Dasselbe galt für Flock Safety: Wenn man die Zahl der Nachbarschaftsgruppen mit dem ACV multiplizierte, lag der TAM bei höchstens etwa 50 bis 60 Millionen US-Dollar pro Jahr
  • Ratschlag aus VC-Sicht: TAM nicht einfach als Checklistenpunkt verwenden
    • als Kennzahl ist er nützlich, aber weder Investoren noch Gründer sollten ein Unternehmen allein deshalb aussortieren
  • Je mehr Regeln man fürs Investieren hat, desto mehr Möglichkeiten schafft man sich selbst, im Venture-Bereich viel Geld zu verpassen

Fall 4: Flock Safety—Vertrieb an lokale Behörden und Hardware

• Ausgangspunkt in persönlicher Erfahrung

  • Flock Safety bietet ein automatisches Kennzeichenerkennungssystem für Kameras zur Sicherheit in Nachbarschaften
  • Gründer Garrett Langley stammt aus Atlanta und hatte bereits einen erfolgreichen Exit hinter sich, aber dieses Mal ging es um Hardware
  • Persönliche Erfahrung der Partnerin (Diana): In Noe Valley in San Francisco wurden alle Autos in der Straße gleichzeitig aufgebrochen
    • eine professionelle Gruppe führte das mit der Präzision einer Militäraktion aus
    • eine Nest-Kamera zeichnete alles auf, aber die Polizei antwortete: „Ohne Kennzeichen können wir nichts tun.“
    • diese Erfahrung machte die First-Principles-Investitionsentscheidung für Flock Safety leicht

• Tech-Stack und frühes Produkt

  • Hardware mit einer Kamera auf einem Raspberry Pi plus Solarpanel
  • auf ImageNet basierende Computer Vision am Edge ausführbar
  • Solartechnik war an einem Punkt angekommen, an dem sie praktisch unbegrenzt betrieben werden konnte
  • der Vertrieb begann an Nachbarschaftsgruppen und HOAs (Homeowners Associations) in Piedmont und im Großraum Atlanta

• Drei Faktoren, die VCs nicht mögen

  • Hardware: VCs mögen keine Hardware
  • Kleiner Markt: Multipliziert man die Zahl der Nachbarschaftsgruppen mit dem ACV, lag der TAM bei maximal 50 bis 60 Millionen US-Dollar pro Jahr
  • Sitz in Atlanta, Georgia: nicht im Silicon Valley
  • Diese drei Faktoren machten das Unternehmen im Grunde nicht finanzierbar

• Pivot des Geschäftsmodells und Wachstum

  • Anfangs wurde an Nachbarschaftsgruppen verkauft, doch das Wachstum war langsam und stagnierte bei rund 600.000 US-Dollar Umsatz pro Monat
  • Pivot des Geschäftsmodells: Wechsel zu direkten Verkäufen an Polizeibehörden und Stadtverwaltungen
    • die Notwendigkeit wurde durch Rückrechnung vom Wachstumsziel aus erkannt
    • allein mit Verkäufen an Nachbarschaftsgruppen war ausreichendes Wachstum nicht möglich
    • zunächst wirkte es unmöglich, war aber umsetzbar
  • In realen Fällen half das System dabei, schwere Straftaten wie die Festnahme eines Entführers aufzuklären
    • wenn aufgeklärte Fälle in den Abendnachrichten liefen, verbreitete sich das per Mundpropaganda
    • wenn in einer Stadt ein Verbrechen aufgeklärt wurde, fragten Polizeichefs benachbarter Städte: „Was ist das? Das brauchen wir sofort.“
  • Aufbau eines Media-Teams: Nachrichtenmoderatoren wurden Informationen und B-Roll-Material dazu geliefert, dass Flock Safety Verbrechen aufgeklärt hatte
    • dadurch verbreitete es sich durch den viralen Effekt schnell

• Aktuelle Ergebnisse

  • Derzeit eine Bewertung von 7,5 Milliarden US-Dollar
  • der Jahresumsatz liegt weit über 60 Millionen US-Dollar
  • das Unternehmen hilft bei der Aufklärung von 10 % aller gemeldeten Verbrechen in den USA (eine erstaunliche Zahl)
  • die Kerntechnologie ist fast dieselbe wie am Demo Day, aber das Geschäftsmodell wurde mehrfach gepivotet
  • es verkauft weiterhin an Nachbarschaftsgruppen, aber der offizielle Vertrieb an Polizeibehörden ist der Schlüssel zum Wachstum

• Verallgemeinerbare Lehren

  • Wenn man mit einer Startup-Idee mit vielen VCs spricht, bekommt man viel Feedback
  • Hätte Garrett mit vielen VCs gesprochen, hätte er wohl gehört: „Nicht VC-finanzierbar, Vertrieb an lokale Behörden, Hardware, ihr solltet B2B SaaS machen.“
  • Es war ein Vorteil, in einen Markt zu gehen, den alle anderen für zu seltsam hielten und in dem es deshalb kaum Konkurrenz gab
  • Wenn man sich auf Kunden und reale Bedürfnisse konzentriert, wird es offensichtlich
  • Das kann man nicht aus Blogs, X oder ChatGPT lernen; man muss tatsächlich viele Dinge ausprobieren
  • Jede Geschichte ist sehr unterschiedlich, aber Garrett und das Flock-Team zeichnen sich durch First-Principles-Denken aus
    • Was soll gebaut werden?
    • Wie gewinnt man Kunden?
    • Wie sollte das Geschäftsmodell aussehen?

Das Modell des Forward Deployed Engineer und Giga ML

• Der Aufstieg des Forward Deployed Engineer

  • Es ist in letzter Zeit zum Default-Playbook vieler Startups geworden
  • Dabei werden die Schemata und die Business-Logik des Kunden in die eigenen Schemata und die eigene Logik übersetzt
  • im Kern ist das Beratungsarbeit
  • Unternehmen, die dieses Modell übernommen haben, zeigen aggressive Wachstumsraten
  • Wenn es aber zum am tiefsten verankerten Default-Playbook geworden ist, eröffnet das kontraintuitiv Chancen für einen anderen Ansatz

• Giga MLs AI Forward Deployed Engineer

  • Statt menschlicher FDs wird Codegenerierung genutzt, um einen eigenen AI Forward Deployed Engineer aufzubauen
  • Menschliche FDs brauchen immer noch mehrere Wochen (auch wenn das im Vergleich zur historischen Enterprise-Beratung schnell ist)
  • Ein AI FD kann in wenigen Minuten fertig sein
  • Das ist ein wichtiger Grund, warum das Unternehmen Deals schneller abschließen kann als die Konkurrenz
  • Tatsächlich ist es überhaupt kein FD, sondern das Produkt selbst
    • der Kunde gibt eine Spezifikation ein und erhält sofort das Produkt
  • Das ist ein Beispiel für eine spielverändernde kontraintuitive Wette, die sehr große Erfolge erzielen kann

SF-Gründer und „unmögliche“ große Ideen

• Der Fall OpenAI

  • Als Sam Altman, der aus Y Combinator kam, OpenAI startete, war nicht einmal sicher, ob KI überhaupt realisierbar war
    • Anfangs wirkte es vor allem wie ein experimentelles Projekt von Forschern
    • Veröffentlichung von Papers, ein Rubik’s-Cube-Löser, Dota-Spiel-KI und verschiedene weitere Nebenprojekte
    • Es war unklar, wie sich all das zu dem heutigen OpenAI zusammenfügen würde
  • Zum Start erhielt das Unternehmen größtenteils negative Medienberichterstattung
    • Nur eine kleine Zahl von Technologie-Optimisten reagierte positiv
    • KI-Forscher aus der Wissenschaft und anderen Unternehmen waren größtenteils extrem negativ
    • Kritik wie: „Dass Leute in ihren 20ern oder 30ern AGI bauen können, ist absurd“
    • Reaktionen wie: „Wir forschen seit 50 Jahren daran, wenn es einen Weg gäbe, hätten wir es längst getan“
    • Ein großer Kritikpunkt war, dass sie „keine Papers veröffentlichen“
  • Es wurde kritisiert, Millionen von Dollar an GPU-Kosten in Scaling Laws zu investieren, ohne dass dadurch mehr Papers entstünden
    • Papers sind ein falsches Optimierungsziel (paperclip optimization)
    • Echte Builder optimieren auf Ergebnisse für Kunden und Nutzer
  • Sie hielten an ihrer Richtung fest, was zum heutigen Erfolg führte

• Der Fall SpaceX

  • Elon Musk war der fünfte Milliardär, der ein Raumfahrtunternehmen gründete
    • Die vier Milliardäre vor ihm waren bereits gescheitert
    • Die Medien verspotteten es als „noch einen Milliardär, der sein Vermögen für Raketen verschwendet“
  • Das Konzept wiederverwendbarer Raketen galt als geradezu blasphemische Idee
    • Als man Raketenwissenschaftler um Rat fragte, lautete die Antwort: „unmöglich“
  • Über mehrere Jahre hinweg gab es viele gescheiterte Startversuche
    • Jedes Mal, wenn eine Rakete explodierte, folgte eine weitere Welle negativer Berichterstattung
  • Bei beiden Unternehmen (OpenAI, SpaceX) mussten die Gründer lange Zeit an ihrer Überzeugung festhalten, obwohl die meisten Leute sie für dumm oder verrückt hielten

• Ein Magnet für 1 von 10

  • 9 von 10 Menschen mögen sagen, dass du dumm oder verrückt bist, aber 1 von 10 könnte deiner Überzeugung zustimmen
  • Warum es nötig ist, konträr zu sein und sich dann als richtig zu erweisen: weil das wie ein Magnet wirkt, der alle Gleichgesinnten anzieht

Wie man die Realität beurteilt

• Man muss neu überdenken, wie man erkennt, was in der Welt wahr und richtig ist
• Überprüfe die Quellen aller Informationen erneut und schaue, woher sie kommen
• Wenn sie von Nutzern, aus persönlicher Erfahrung oder aus den Erfahrungen von Menschen stammen, mit denen du direkt gesprochen hast, dann ist das eine gute, überprüfbare Grundlage der Realität
• Doomscrolling auf X oder darauf zu hören, was Prominente sagen (ehrlich gesagt auch diese Gesprächspartner hier), ist alles nur N=1
  • Wichtig sind die Menschen mit dem konkreten Problem, für das du dich interessierst
  • Die Fähigkeit, dieses Problem zu lösen
  • Die Fähigkeit, alle anderen anzuziehen, die dieses Problem ebenfalls lösen wollen

Kerntipp: Konzentriere dich auf Kundenprobleme

• Versuche nichts Illegales zu tun, sondern finde etwas, das Menschen dringend wollen und brauchen
• Dann regelt sich der Rest von selbst
• Wenn du dich wirklich auf die Probleme der Menschen konzentrierst und darauf, wie gravierend diese Probleme sind, löst sich der Rest auf natürliche Weise
  • Du wirst das Geschäftsmodell herausfinden
  • Du wirst den Vertrieb herausfinden
• Man kann nicht vor dem Computer sitzen und solche Dinge wie ein Orakel wissen
  • Du musst tatsächlich rausgehen
  • Du musst mit Kunden sprechen
• Warum die Zielsetzung von Y Combinator hilfreich ist
  • Von Wachstumszielen rückwärts rechnen, um herauszufinden, was zu tun ist

Die Falle des Populären

• Wenn du nur dem nachjagst, was beliebt ist, klammerst du dich an abgeleitete, offensichtliche Ideen mit 5, 10 oder 100 Wettbewerbern
• Für Platz 1 und 2 ist das gut, aber von Platz 3 bis 98 wird das Startup sterben

[yeobi222]

Die Perspektive auf die Gesetzgebung wirkt riskant.
Ganz falsch ist es allerdings auch nicht.