Ihr Startup könnte bereits zum Sterben verurteilt sein
(steveblank.com)- Die meisten Startups, die älter als zwei Jahre sind, haben in der sich im AI-Zeitalter rasant wandelnden Umgebung wahrscheinlich einen veralteten Geschäftsplan und veralteten Tech-Stack und sollten ihren Status sofort überprüfen
- Stand 2025 konzentrieren sich zwei Drittel des VC-Investitionsvolumens auf AI-Deals, sodass Nicht-AI-Startups um einen immer kleiner werdenden Kapitalpool konkurrieren müssen
- Da sich mit Vibe-Coding-Tools MVPs innerhalb weniger Tage erstellen lassen, werden die bisherige Zusammensetzung von Entwicklungsteams und der Agile-Prozess selbst grundlegend neu aufgestellt
- AI Agents verändern jede Softwarekategorie; da Produkte sich von interface-basiert zu outcome-basiert verschieben, wandern auch Preismodelle von Sitzplatz- zu leistungsbasierten Modellen
- Um zu überleben, darf man nicht in die Sunk-Cost-Falle rund um früher aufgebaute Technologie und Teams geraten, sondern muss fragen: „Was würden wir bauen, wenn wir heute gründen würden?“
Hintergrund: Der Fall eines Startup-Gründers im 6. Jahr
- Chris, Gründer eines Startups, in das vor sechs Jahren investiert wurde, löste ein komplexes Problem des autonomen Fahrens mit einem einzigartigen Geschäftsmodell in einem bestehenden Markt
- Als er gerade eine große Fundraising-Runde starten wollte, wurde der über fünf Jahre aufgebaute Software-Moat zunehmend weniger einzigartig
- Autonome Drohnen und Bodenfahrzeuge in der Ukraine haben Dutzende bis Hunderte Wettbewerber hervorgebracht, und größere, besser finanzierte Entwicklungsteams arbeiten am selben Problem
- Während Chris in einem Nischenmarkt um Akzeptanz kämpfte, wuchs der Markt für autonomes Fahren im benachbarten Defense-Bereich rasant
- In den vergangenen fünf Jahren stiegen VC-Investitionen in Defense-Startups von null auf 20 Milliarden US-Dollar pro Jahr
- Sein Produkt eignet sich für contested logistics und medizinische Evakuierungen, doch ihm war diese Chance nicht einmal bewusst
- Das Team von Chris verfügt über Differenzierung bei der Systemintegration mit bestehenden Luftfahrtplattformen, aber das Unternehmen von heute ist bereits ein anderes als das, mit dem es gestartet ist
- Aus diesem Beispiel sollte man erkennen, dass die meisten Startups, die älter als zwei Jahre sind, veraltete Geschäftspläne, Tech-Stacks und Teamstrukturen haben
Das veränderte Umfeld: Venture Capital und AI
- Stand 2025 entfallen zwei Drittel des gesamten VC-Investitionsvolumens auf AI-Deals
- Nicht-AI-Startups konkurrieren um einen kleineren Kapitalpool und müssen beantworten, „warum ein AI-nativer Wettbewerber mit mehr Kapital Ihr Geschäft nicht verdrängen kann“
- Für Software-Gründer verändert AI die bisherigen Grundformeln für Kosten, Geschwindigkeit und Teamgröße vollständig
- Mit Vibe-Coding-Tools wie Claude Code oder OpenAI Codex lassen sich MVPs nicht in Monaten, sondern in Tagen, manchmal in Stunden bauen
- Ein MVP ist kein Beleg für Teamfähigkeit mehr
- Auch die Zusammensetzung von Entwicklungsteams verändert sich: weniger Engineers und neue Typen von Engineers, etwa für Outcomes/Geschäftsprozesse sowie tief technische Spezialisten
- Was früher ein Entwicklerteam erforderte, kann heute von wenigen, manchmal sogar von einer einzigen Person erledigt werden
- Daten waren früher ein Differenzierungsmerkmal und ein Moat, doch heute kommodifizieren und internalisieren Foundation Models wie ChatGPT, Gemini und Claude öffentliche Datenquellen
Neudefinition von Agile Development
- Die bisherige Einschränkung lautete: „Können wir es uns leisten, das zu bauen und zu launchen?“ Heute lautet sie: „Wissen wir, was wir testen sollen? Und kommen wir schnell genug vor die Nutzer, um zu lernen?“
- Agile ist kein serieller Prozess mehr
- AI Agents können mehrere Aufgaben parallel ausführen – bei gleichen oder geringeren Kosten
- Man kann mehrere Versionen desselben Geschäfts gleichzeitig testen oder verschiedene Geschäfte parallel ausprobieren
- Fünf Preismodelle, zehn Botschaften und zwanzig UX-Flows lassen sich gleichzeitig testen, und die „Benutzeroberfläche“ muss nicht mehr zwangsläufig ein Bildschirm sein
- Testing kann zur Prompt-Exploration werden, bei der man einem AI Agent das gewünschte Ergebnis vermittelt
- Der Engpass liegt nicht mehr im Engineering, sondern höher bei Urteilsvermögen, Customer Insight und Distribution
Der Aufstieg der AI Agents
- AI Agents werden jede Softwarekategorie verändern, auch die Produkte, die heute bereits im Einsatz sind
- Heutige Software ist darauf ausgelegt, Nutzern Informationen zu liefern und sie über Dashboards, Alerts, Workflow-Tools und Reports selbst arbeiten zu lassen
- Kunden kaufen Software jedoch nicht, um mehr auf Bildschirme zu schauen, sondern um Arbeit erledigt zu bekommen
- AI Agents – orchestriert mit Tools wie OpenClaw – führen Aufgaben autonom aus
- Wenn Ihr Produkt Nutzern heute sagt, „was als Nächstes zu tun ist“, dann führt ein AI Agent diesen Schritt anstelle des Nutzers aus
- Wenn ein Konkurrenzprodukt Aufgaben automatisch abschließt, während Ihr Produkt noch auf Nutzerklicks wartet, verlieren Sie Ihre Wettbewerbsfähigkeit
- Die nächste Generation von Anwendungen zeigt nicht nur Informationen auf einem Bildschirm an, sondern verhält sich wie ein Mitarbeiter
- Sie löst Support-Tickets, plant Meetings, qualifiziert Leads und bestellt Bestände automatisch nach
- Da Produkte sich von Software-as-Interface zu Software-as-Outcome verschieben, wechseln auch Preismodelle von Sitzplatzmodellen zu outcome-basierten Modellen – etwa pro gelöstem Ticket, geplantem Meeting oder konvertiertem Lead
- Die Suche nach Product/Market Fit wird sich zur Suche nach AI Agent/Customer Outcome Fit verschieben, und MVPs dürften durch Minimum Productive Outcomes (MPO) ersetzt werden
Veränderungen bei Hardware-Startups
- Hardware bleibt weiterhin an Physik, Kapital, Lieferketten und Fertigungszyklen gebunden; Metallbearbeitung, Prototyping oder Chip-Tape-out lassen sich nicht wegzaubern
- Mit AI lassen sich jedoch schlechte Ideen schneller aussortieren
- Bevor physische Prototypen gebaut werden, lassen sich mehr Designvarianten simulieren, digitale Zwillinge erstellen und Annahmen früher und günstiger einem Stresstest unterziehen
- Das beschleunigt Lernen und Entdeckung und führt manchmal schneller zum Scheitern – was bei Startups kein Bug, sondern ein Feature ist
- Wird AI als Teil des Systems eingebettet, verändert sich das Produkt selbst
- Fügt man einer Kamera ein AI-Backend hinzu, wird sie zu einem Überwachungssystem, Vibrationssensor oder System zur Vorhersage von Maschinenausfällen
- Ein Roboter wird zum Fabrikarbeiter
- Der Moat liegt nicht mehr allein in der Hardware, sondern in der Kombination aus dem, was die Hardware erfassen kann, und der Fähigkeit der AI, diese Daten zu nutzen, um zu urteilen und zu handeln
Die Sunk-Cost-Falle
- Gründer, die vor 2025 gestartet sind, verfügen über Tech-Stacks, die für eine Zeit optimiert wurden, in der Softwareentwicklung maßgeschneidert und teuer war
- Agile Development und DevSecOps machten sie leaner, liefen aber seriell, und Teams wurden passend zu dieser Struktur aufgebaut
- Der „Moat“, der über Jahre mit proprietärem Code und Features aufgebaut wurde, wird durch AI kommodifiziert
- Gleichzeitig versucht man, Kapital für ein Geschäftsmodell einzuwerben, das teilweise oder vollständig veraltet ist
- Für Gründerteams, die voll auf Produkt-Launch und die Suche nach Product/Market Fit fokussiert sind, ist dieser Wandel womöglich nicht offensichtlich
- Sunk Costs werden zum Grund, nicht zu pivoten:
- „Wie sollen wir jahrelange Arbeit wegwerfen?“
- „VCs haben in genau diese Idee investiert“
- „Kunden wollen immer noch eine UI“
- „Das Team glaubt an diese Roadmap“
- „Die Kunden sind dafür noch nicht bereit“
- Manche Sunk Costs sind weiterhin Assets: tiefes Domain-Wissen, Kundenbeziehungen, proprietäre Daten, regulatorische Zulassungen, physische Integration
- Bei Chris gilt das für die Airframe-Integration
- Sunk Costs als Verbindlichkeit sind große Engineering-Teams, die auf langsame Softwarezyklen zugeschnitten sind, Sitzplatz-Preismodelle und produktzentrierte statt outcome-zentrierte Roadmaps
- Das ist der „Dead Moose on the table“ – etwas offensichtlich Falsches, dem trotzdem niemand widerspricht
Zentrale Lehren
- Ein Playbook von vor 2024 lässt sich 2026 nicht mehr ausführen – Fundraising, Technologie und Geschäftsmodelle haben sich verändert
- Agile Development wandelt sich zu paralleler Entwicklung
- Die Suche nach Product/Market Fit verschiebt sich zur Suche nach AI Agent/Customer Outcome Fit, und MVP wird durch MPO (Minimum Productive Outcomes) ersetzt
- Eine Sunk-Cost-Denkweise führt zur Schließung
- Verteidigungsfähige Moats finden sich in proprietären Daten, tiefem Verständnis für Kundenergebnisse, regulatorischem Lock-in und dem Gewinnen von Program of Record
- Überleben werden die Gründer, die aus dem Gebäude herauskommen, die Lage erfassen und pivoten und den Kurs korrigieren
- Man muss fragen: „Wenn wir heute mit den heutigen Tools im heutigen Markt gründen würden, was würden wir tatsächlich bauen?“
1 Kommentare
Hacker-News-Kommentare
Der Ton des Artikels wirkt eher wie der von jemandem, der viel über KI gelesen hat, als von jemandem, der tatsächlich ein Startup mit KI aufgebaut hat
Man ist weiterhin bei Systemdesign, UX, Pricing und Feature-Entscheidungen eingeschränkt
Die Iterationsgeschwindigkeit ist zwar gestiegen, aber autonome KI-Loops sind noch nicht auf dem Niveau, ein vollständiges Produkt auszuliefern
Bei einer einfachen CRUD-App mag das anders sein, aber um so eine Art Startup geht es im Artikel offenbar nicht
Sobald dort unbelegte Prophezeiungen auftauchen wie „KI wird dies tun“ oder „Entwickler werden jenes tun müssen“, ignoriere ich den Text sofort
Über eine Zukunft, die niemand kennt, so bestimmt zu sprechen, ist anmaßend
Alles in Chatbots umzuwandeln, ist seltsam
Dabei leben wir in einer exponentiellen Veränderung. Vor einem Jahr konnten Modelle nicht einmal eine ordentliche Funktion schreiben
Früher lag der Flaschenhals in der Produktion, heute ist es die Bereitschaft, Hypothesen zu validieren
Entscheidend ist die Haltung, schnell zu scheitern und schnell zu iterieren
Je mehr Technologie alle Kosten gegen null drückt, desto größer werden die psychologischen Kosten
Reality-Checks sind unvermeidbar, aber die meisten versuchen ihnen noch immer auszuweichen
Dazu habe ich einen ausführlicheren Text auf Substack veröffentlicht
hat bei der Generation der Mid-Level-Entwickler das Gefühl dafür verzerrt, was tatsächlich wertvolle Arbeit ist
Der Flaschenhals war von Anfang an nicht das Coding
Wie es heißt: „Der Flaschenhals ist nicht mehr Engineering“ — 90 % der heutigen Blogposts sind schon bei Veröffentlichung tot
Dort könnte der Autor zeigen, dass er eine reale Person ist, und mit Lesern parasoziale Beziehungen aufbauen
Jetzt steht dort: „Der Flaschenhals hat sich von Engineering zu Urteilsvermögen, Kundeneinblicken und Distribution verlagert“
Die meisten Startups sind ohnehin von Anfang an zum Scheitern verurteilt
In den letzten 20 Jahren sind Lean Startup, Accelerators und eine ganze Beratungsindustrie entstanden, aber die Ausfallquote hat sich kaum verändert
Das Problem ist nicht das Framework, sondern die Realität
Leute, die früher in die Finanzbranche gegangen wären, entscheiden sich heute für ein Startup
Die Zahl der Startups ist gestiegen; selbst wenn die Quote gleich bleibt, nimmt die absolute Zahl zu
Tobi von Shopify nutzt user churn als zentrale Kennzahl
Wenn die Abwanderung steigt, bedeutet das, dass mehr potenzielle Gründer erreicht werden — eine Strategie, um den Gesamtmarkt zu vergrößern
Wenn eine gute Idee da ist, beeinflusst die Methodik nur die Rendite, entscheidet aber nicht über Erfolg oder Misserfolg
Bei Steve Blank geht es nicht darum, dass jemand KI verpasst hat, sondern darum, dass jemand die 20-Milliarden-Dollar-Chance im VC-Markt der Rüstungsindustrie verpasst hat
Er sagt nicht „Nutzt KI“, sondern dass KI die Grundannahmen über Tech-Stack, Moat und Investierbarkeit verändert hat
Chris war zu stark auf Produktentwicklung fokussiert und hat diesen großen Trend nicht erfasst
Ich stimme der Aussage nicht zu, dass „Seat-basiertes Pricing und featurezentrierte Roadmaps veraltet sind“
KI kann zwar unabhängig von der Nutzerzahl skalieren, aber am Ende sind es immer noch Menschen, die den Wert erhalten
Seat-basiertes Pricing ist leicht verständlich, und bei Bedarf kann man Token-/Agent-Kosten ergänzen
Außerdem sind ergebnisorientierte Roadmaps je nach Branche schwer zu definieren, und im Marketing-SaaS lassen sich Resultate nur schwer vorhersagen
Tatsächlich beginnen alle Startups grundsätzlich im Zustand des Todes
Um erfolgreich zu sein, müssen sie ständig lernen und innovieren
In seinem Text Startups are Default Dead erklärt er,
dass ein Startup zum Überleben VC-Finanzierung braucht
Zur Aussage „Der Flaschenhals hat sich von Engineering zu Urteilsvermögen und Kundeneinblicken verlagert“:
Tatsächlich war Engineering schon seit 10 Jahren nicht mehr der Flaschenhals
Frameworks und Best Practices sind längst etabliert, und KI macht diese Realität nur sichtbarer
Bei den meisten börsennotierten SaaS-Unternehmen sind Sales- und Marketingkosten größer oder ähnlich hoch wie F&E
Diese Lücke wird in Zukunft noch größer werden
Der Behauptung, „KI habe den bestehenden Tech-Stack verändert“, stimme ich nicht zu
KI-Bots funktionieren gut in Typescript, Java, Python, Rust und jeder anderen Sprache
Mit anderen Worten: Der Tech-Stack selbst ändert sich nicht
Ich weiß nicht, ob es tatsächlich einen Unterschied beim Code- oder Infrastruktur-Stack zwischen Unternehmen mit und ohne KI gibt
Wenn man sich das im Artikel eingebettete Bild ansieht,
wirkt es, als habe der Autor nicht besonders tief darüber nachgedacht
Informationen, die man früher einfach durch Öffnen eines Bildschirms und einen Blick auf eine Zeile erfassen konnte, muss man sich jetzt von einer KI in einem Absatz erklären lassen
Dazu kommt noch das Risiko von Bedeutungsmissverständnissen
Ob das wirklich ein Upgrade ist, ist fraglich