Das Startup mit der KI-Wachstumspille auf Zinseszinseffekt

• Nach direkten Besuchen bei AI-native Unternehmen in San Francisco und der Beobachtung ihrer tatsächlichen Arbeitsweise zeigt sich ein Betriebsmodell, das sich grundlegend von klassischen Startups unterscheidet – vom Verschwinden der Rolle des Produktmanagers (PM) bis zur beschleunigten Experimentiergeschwindigkeit in der gesamten Organisation
• Von den fünf besuchten Unternehmen hatte nur eines einen dedizierten PM; stattdessen wandeln sich die Strukturen dahin, dass Ingenieure direkt mit Kunden sprechen und Produktentscheidungen vollständig verantworten
• Da sich inzwischen praktisch alles innerhalb eines Tages umsetzen lässt, wird die Versuchung zur „Feature Factory“ zum größten strategischen Risiko
• Der Tech-Stack konvergiert auf Slack, Claude Code, GitHub, Codex und Linear, wobei Slack als zentraler Hub für die Agenten-Orchestrierung dient
• Durch den Kollaps der Experimentierkosten erreichen Unternehmen 3- bis 5-mal schnellere Iterationen; der Abstand zwischen Firmen, die KI bereits verinnerlicht haben, und solchen, die noch über ihre Strategie diskutieren, wächst jede Woche

---

Das Verschwinden der PM-Rolle

• Bei den fünf Unternehmen, die an einem Tag besucht wurden, gab es nur einen dedizierten PM – darunter auch ein Unternehmen mit 40 Mitarbeitern
• Ingenieure sprechen täglich mit Kunden und übernehmen Produktentscheidungen von Anfang bis Ende selbst
• Der PM wird nicht nur „unterstützt“, vielmehr wird die Rolle selbst in Engineering und Design absorbiert

Die gefährlichste Nebenwirkung: die Feature Factory

• Weil Kundenwünsche innerhalb eines Tages umgesetzt werden können, wird die Versuchung, einfach alles zu bauen, überwältigend groß
• Mehrere Unternehmen bezeichnen das derzeit als ihr größtes strategisches Risiko
• Unternehmen, die dieses Problem in den Griff bekommen, setzen auf strikte Einschränkungen
  • Der Agent eines Unternehmens kann über JSON nur bestehende Funktionen umkonfigurieren; neuer Anwendungscode kann gar nicht erzeugt werden
  • Ein anderes Unternehmen nutzt North-Star-Metriken auf Squad-Ebene, um Ideen schon vor dem Launch auszusortieren
  • Mehrere Unternehmen betonen, dass Gründer selbst festlegen müssen, wo das Produkt klare Meinungen haben soll und wo es flexibel sein darf
• Wenn die Ausführungskosten nahezu auf null fallen, wird Geschmack (taste) zum Burggraben (moat) – organisatorisch ist aber noch nicht entschieden, wie sich das systematisch umsetzen lässt

Konvergenz des Tech-Stacks

• Fast alle besuchten Unternehmen nutzen denselben Kern-Stack: Slack, Claude Code, GitHub, Codex für Code-Reviews und Linear
• Linear hat die SaaS-Krise nicht nur überlebt, sondern arbeitet sogar an einer Roadmap zum Aufschwung
• Slack entwickelt sich zur zentralen Orchestrierungsschicht für Agenten
  • Emoji-Reaktionen erzeugen automatisch Tickets
  • Bots erstellen Diagnoseberichte und klassifizieren Kundenprobleme
  • Sobald Agenten in Threads markiert werden, beginnen sie direkt mit den Korrekturen
• Vor sechs Monaten fiel in jedem Gespräch noch Cursor; inzwischen wird es nur noch sporadisch erwähnt
• Ingenieure leben praktisch in Claude Code; ein Forscher, der Cursor und Claude parallel nutzte, fragte sich irgendwann selbst, warum er überhaupt noch ein zweites Fenster brauche
• Dass Ingenieure kaum Loyalität oder Bindung an bestimmte Coding-Tools haben, ist für Coding-Plattformen ein Grund zur Sorge
  • Wenn die von Ingenieuren erzeugten Daten nicht zum Training der Modelle genutzt werden, ist langfristiger Wert schwer zu halten; in dieser Hinsicht ist Anthropic mit den Mythos-Neuigkeiten in einer günstigen Position

Ausbau der Fähigkeiten in der gesamten Organisation

• Ein Enterprise-Account-Manager hatte das Produktteam monatelang um eine Automatisierung für Account-Uploads gebeten, wurde aber immer nach hinten priorisiert → eine Anfrage an den KI-Agenten in Slack löste das Problem in einer Stunde
• Das Accounting-Team schreibt selbst Datenbankabfragen und analysiert mit MCP die eigenen Geschäftsdaten
• Der Chief of Staff erstellt Direct Mail und Marketingmaterialien in weniger als 30 Minuten
• Die am meisten unterschätzte Veränderung ist nicht, was KI für Ingenieure tut, sondern was sie für alle anderen tut

Kollaps der Experimentierkosten und Zinseszinseffekt

• Ein Forscher testet 10 Interface-Designs, betreibt jedes einen Tag lang und verwirft danach 9 davon
• Ein Designer erzeugt innerhalb von 6 Minuten mehrere konkurrierende Iterationsvarianten in separaten Tabs
• Ein Growth-PM ohne jegliche Coding-Erfahrung baute innerhalb von zwei Tagen eine komplette Meta-Ads-Pipeline auf (Strategie-Brief, KI-generierte Videoanzeigen, automatisches Posting bei Meta)
• Mit KI werden Kundensimulationen durchgeführt, noch bevor echter Kundenkontakt stattfindet
  • Ein Team baute KI-Agenten, die verschiedene Nutzer-Personas spielen und das Produkt ohne echtes Feedback einem Stresstest unterziehen
  • Ein anderes Team führt statt 50 Interviews pro Quartal nun Hunderte Research-Interviews pro Woche durch
  • Ein Unternehmen erstellt Kunden-Personas mit vollständiger Verhandlungshistorie, Kommunikationspräferenzen und Entscheidungsmustern, um sich auf Sales-Calls vorzubereiten
• Unternehmen erreichen 3- bis 5-mal schnellere Iterationen, und diese Geschwindigkeit zeigt sich auf zwei Arten
  • Einzelne Experimente werden schneller abgeschlossen, sodass im gleichen Zeitraum mehr Experimente möglich sind
  • Mehrere Experimente laufen parallel gleichzeitig
• Build- und Lernphasen werden in der gesamten Organisation komprimiert, und Wissen akkumuliert sich mit Zinseszinseffekt
• Ähnlich wie sich Kriegsführung von Kampfflugzeugen zu Drohnen-Schwärmen verlagert hat, verändert sich nun auch die Art, wie Unternehmen arbeiten

Ausblick

• Weitere Unternehmensbesuche sind geplant; dazu sollen mit konkreteren Beispielen vertiefte Case Studies veröffentlicht werden
• Das Muster ist bereits klar: Zwischen Unternehmen, die diese Arbeitsweise verinnerlicht haben, und solchen, die noch über ihre „AI-Strategie“ diskutieren, besteht bereits ein großer Abstand – und er wächst jede Woche

[daumkakao]

Die Aussage, dass die Lücke zwischen Unternehmen, die diese Arbeitsweise verinnerlicht haben, und Unternehmen, die noch über eine „AI-Strategie“ diskutieren, sehr groß ist und sich jede Woche weiter vergrößert, trifft mich wirklich hart ... Wir diskutieren bei uns noch immer nur über die Strategie (??), und ich frage mich, wann wir dadurch ins Hintertreffen geraten werden .. wahrscheinlich sind wir das längst schon T_T