- Y Combinator sammelt seit Jahren Ideen, die Gründer häufiger ausprobieren sollten, und veröffentlicht sie unter dem Titel Request for Startups (RFS)
- Da sich AI nicht mehr nur als einzelne Funktion, sondern als Basistechnologie etabliert, wurden 15 Startup-Ideen vorgestellt, die Software, Services und Halbleiter neu aufbauen und AI in die physische Welt ausweiten sollen
- Diese Liste deckt nicht alle YC-Investitionen ab; wenn du dich bereits für eine der folgenden Ideen interessiert hast, kann sie dir zusätzliche Sicherheit geben, dass YC ähnlich denkt
KI-basierte Landwirtschaft mit wenig Pestiziden
- Moderne Landwirtschaft hängt von Chemikalien ab, doch Pestizidrückstände verbreiten sich in Lebensmitteln, Wasser und Böden, und die Sorge über langfristige Gesundheitsrisiken von Glyphosat wächst
- Unkräuter und Schädlinge passen sich an bestehende Chemikalien an, deren Wirksamkeit sinkt; Landwirte setzen mehr Mittel ein, die Kosten steigen und die Erträge fallen – ein Teufelskreis
- AI kann einzelne Unkräuter und Schädlinge in Echtzeit identifizieren, während sinkende Kosten für Sensoren und Kameras sowie Fortschritte in der Robotik Präzisionsbehandlung auf Ebene einzelner Pflanzen statt ganzer Felder ermöglichen
- Mikroben, Peptide und RNA-basierte Lösungen haben ein Niveau erreicht, auf dem sie ganze Klassen synthetischer Chemikalien ersetzen können; Pflanzen lassen sich so entwickeln, dass sie sich selbst verteidigen und besser mit Unkraut konkurrieren
- Ein Unternehmen, das den Pestizideinsatz um 90 % senkt und zugleich mehr Nahrungsmittel produziert, könnte zu einem prägenden Unternehmen einer ganzen Generation werden
AI-native Service-Unternehmen
- AI-Modelle entwickeln sich schnell genug, um über Engineering hinaus komplexe Arbeit zu erledigen; Services haben sich zu SaaS und weiter zu AI-Copilots entwickelt
- Die meisten Startups von 2023 bis 2025 bauten Werkzeuge, die menschliche Arbeit unterstützen, doch der nächste Schritt sind AI-native Unternehmen, die nicht Software, sondern den Service selbst verkaufen
- Die Gesamtausgaben für Services sind um ein Vielfaches höher als für Software, und viele Services sind bereits ausgelagert, was den Wechsel zu AI-nativen Produkten erleichtert
- Besonders interessante Bereiche: Versicherungsvermittlung, Buchhaltung, Steuern und Audit, Compliance sowie medizinische Administration
KI-personalisierte Medizin
- Mit Agent-Harnesses wie Claude Code lassen sich Diagnostik, Genom-Scans, EHR-Daten und Wearable-Informationen analysieren, um personalisierte Gesundheitsempfehlungen zu geben
- Die Kosten für Genom-Sequenzierung fallen schneller als nach Moore’s Law, und neue Diagnostik-Tools ermöglichen die frühe Erkennung verschiedenster Gesundheitssignale
- Die Kosten zur Herstellung von n-of-1-Gentherapien sinken stark; mit Vektoren wie mRNA lassen sich personalisierte Medikamente entwerfen und verabreichen, und auch die FDA zeigt sich solchen Verfahren gegenüber offener
- Der Reichtum an Daten und Intelligenz dürfte die Genauigkeit bei der Bewertung von Krankheitsrisiken erhöhen und den Zugang zur Behandlung schwerer Erkrankungen demokratisieren
Company Brain
- Das größte Hindernis für AI-Automatisierung ist nicht mehr die Modellleistung, sondern Domänenwissen; das zentrale Know-how jedes Unternehmens ist über E-Mails, Slack, Support-Tickets und Datenbanken verteilt
- Benötigt wird keine bloße Suche oder ein Dokumenten-Chatbot, sondern eine lebendige Landkarte der Unternehmensabläufe – etwa wie Rückerstattungen bearbeitet, Preis-Ausnahmen entschieden oder Incidents gehandhabt werden
- Es braucht neue primitive Bausteine, die Wissen aus verteilten Quellen extrahieren, strukturieren und aktuell halten und es in Skill-Files umwandeln, die AI ausführen kann
- Company Brain fungiert als fehlende Schicht zwischen rohen Unternehmensdaten und vertrauenswürdiger AI-Automatisierung – eine Infrastruktur, die jedes Unternehmen braucht
Abwehr gegen Drohnenschwärme
- Erwähnt wird ein Fall, in dem billige iranische Drohnenschwärme ein AWS-Rechenzentrum angriffen; auf koordinierte Schwärme aus Tausenden Drohnen ist man nicht vorbereitet
- Eine Patriot-Rakete kostet 3 Millionen Dollar, eine FPV-Drohne 500 Dollar – der Kostenvorteil liegt vollständig auf der Seite des Angreifers
- Heutige Systeme zur Drohnenabwehr bestehen aus Radar, Kameras, Jammern, Abfangsystemen und Personal mit Ferngläsern, die ohne Vernetzung nebeneinander arbeiten
- Benötigte Technologien: Abfangsysteme mit hoher Kapazität, die über 50 Einheiten auf einer einzigen Plattform neutralisieren können, Software zur Echtzeit-Integration aller Sensoren und Verteidigungsmittel sowie nicht-kinetische Abwehrmittel wie Aerosole, die Rotoren verschmutzen, oder Streamer, die Schwärme verheddern
- Drohnenabwehr ähnelt zunehmend weniger dem klassischen Waffeneinsatz als dem Betrieb verteilter Echtzeitsysteme; das Gewinnerunternehmen dürfte eher Cloudflare als Raytheon ähneln
Dynamische Software-Interfaces
- Herkömmliche Software bietet allen Nutzern dieselbe Oberfläche; selbst Personalisierung wie bei Netflix verändert meist nur Bilder, nicht das Layout
- Was in Enterprise-Software bislang nur Forward Deployed Engineers kundenindividuell angepasst haben, können Coding Agents nun auf Ebene einzelner Nutzer leisten
- Ein E-Mail-Client könnte für einen Nutzer wie eine Task-Liste, für einen Studenten wie ein Event-Kalender aussehen – Nutzer können Interfaces radikal anpassen
- Denkbar ist eine Zukunft, in der Software-Unternehmen gemeinsame Primitive ausliefern und Nutzer die endgültige Oberfläche verändern; dafür muss der gesamte Software-Delivery-Stack neu gedacht werden
- Dabei stellen sich Fragen wie: Soll Quellcode ausgeliefert werden, damit Coding Agents der Nutzer darauf zugreifen können? Dürfen nur Frontends oder auch Middleware angepasst werden?
Elektronische Bauteile für den Weltraum
- Durch wiederverwendbare Raketen von SpaceX und Stoke Space wird die Kapazität, Dinge ins All zu bringen, stark steigen
- Besonders für Inference-Chips im Weltraum gibt es einen riesigen Markt; benötigt werden Chips, die leicht auf Masse, Wärme und Strahlung optimiert sind
- Gesucht sind Menschen mit Erfahrung aus der Chipentwicklung bei SpaceX oder NVIDIA
Hardware-Lieferkette
- In Shenzhen dauert es von der Konstruktion bis zur Fertigung eines neuen physischen Teils einen Tag, in den USA mehrere Wochen
- China gewinnt durch ein dichtes Lieferantennetzwerk, schnelle Turnaround-Zeiten und die enge Abstimmung zwischen Design und Produktion
- Einige Startups bauen Teilstücke bereits auf, etwa Hlabs (W26) bei Aktuatoren oder Prototyping.io (P26) mit mechanischen Teilen binnen weniger Tage, doch der vollständige Stack fehlt noch
- Interessant sind Startups, die Teile dramatisch schneller produzieren, schnelle Hardware-Iterationen ermöglichen und Design, Fertigung und Logistik eng integrieren
Industrielle Fähigkeiten für den Weltraum
- Interesse besteht an der Entwicklung industrieller Fähigkeiten auf dem Mond und im All, insbesondere an der Gewinnung von Rohstoffen wie Silizium, Aluminium, Eisen und Titan per Elektrolyse
- Gesucht werden Technologien, die komplexe Strukturen aus geschmolzenem Regolith 3D-drucken; auf dem Mond ist das effizienter als auf der Erde, da Stützstrukturen nicht nötig sind
Inference-Chips für Agent-Workflows
- Die meisten AI-Chips sind für Inference im Stil „Prompt rein → Antwort raus“ ausgelegt, doch Agents arbeiten in Schleifen mit Tool-Aufrufen, Verzweigungen, Backtracking und Kontext über Dutzende Schritte hinweg
- Aktuelle GPUs erreichen bei solchen Workloads nur 30 bis 40 % Spitzenauslastung; typisch sind Burst-Muster zwischen speichergebundenen Modellaufrufen, I/O-gebundener Tool-Nutzung und CPU-gebundener Orchestrierung
- NVIDIA hat Groq für 20 Milliarden Dollar übernommen, Google baut mit TPU v7 dedizierte Inference-Hardware, doch Designs speziell für Agent-Loops – schnelles Context Switching, natives Speculative Decoding, Speicher zum Halten des KV-Cache über den gesamten Execution Graph – fehlen noch
- Die zentrale Einsicht bei Groq war nicht der Chip selbst, sondern der Compiler, der ihn nutzbar machte; selten war der Zeitpunkt günstiger für Talente, die sowohl Chiparchitektur als auch Agent-Ausführung verstehen
SaaS-Herausforderer
- Mit AI Coding verbreitete sich der Abgesang auf SaaS, und Investoren strichen Billionen Dollar aus Software-Bewertungen – doch für Startups ist das die größte Chance seit zehn Jahren
- AI senkt die Kosten der Softwareproduktion um das 10- bis 100-Fache, wodurch die Schutzgräben von Legacy-SaaS, die über Jahrzehnte aus Millionen Zeilen Code entstanden sind, verschwinden
- Das Angriffsspektrum: Bestehende Produkte klonen und für ein Zehntel des Preises verkaufen, Workflows AI-nativ grundlegend neu gestalten, zehn SaaS-Point-Solutions zu einer Suite bündeln oder ein 50.000-Dollar-pro-Seat-Produkt durch Open Source ersetzen und über Service und Hosting monetarisieren
- Statt einfache Ziele wie Projektmanagement-Tools anzugreifen, wird empfohlen, über Jahrzehnte uneinnehmbare Codebasen mit zehn Millionen Zeilen anzugehen – etwa für Chipdesign-Software, ERP, industrielle Steuerungssysteme oder Supply-Chain-Management
- Die großen Software-Unternehmen der letzten Generation entstanden, indem sie On-Premises durch Cloud ersetzten; die nächste Generation wird entstehen, indem sie Legacy-SaaS durch AI-native Software ersetzt
Software für Agents
- Die nächsten eine Billion Nutzer des Internets werden nicht Menschen, sondern AI-Agents sein; aktuell arbeiten sie langsam und unzuverlässig auf menschlicher Software, die für Button-Klicks gebaut wurde
- Agents brauchen statt visueller Interfaces wie Formularen, Buttons oder Dashboards maschinenlesbare Schnittstellen wie API, MCP und CLI
- Damit Agents neue Tools entdecken, sich anmelden und sie sofort programmatisch nutzen können, ist gründliche Dokumentation unverzichtbar; alles muss ohne menschliches Eingreifen funktionieren
- Jede große Kategorie bestehender Software muss für Agents neu aufgebaut werden; das wird eher von Startups kommen, die Agents als First-Class Citizens entwerfen, als von etablierten Unternehmen, die Agent-Support nur ergänzen
Startups, die an Großunternehmen verkaufen wollen
- Früher galt es als Regel, dass Startups an Startups verkaufen, doch seit dem Aufkommen von AI ist auch der Zugang zu ultragroßen Unternehmen im Fortune-100-Maßstab möglich
- AI verändert drei Barrieren: Entscheider in Großunternehmen suchen aktiv nach Teams, die mit AI Kernprobleme lösen können; kleine Teams können in wenigen Monaten anspruchsvolle Produkte für Konzerne bauen; und Führungskräfte großer Unternehmen erkennen selbst, dass sie sich anpassen müssen
- In den letzten drei Jahren schlossen YC-Unternehmen bereits während ihres Batches oder im ersten Jahr Verträge über mehrere Millionen Dollar ab; oft ist der erste Kunde gleich eines der größten Unternehmen der Welt
- Die Zeit, in der man drei Jahre im Stealth-Modus Parität mit bestehenden Produkten und Features aufbauen musste, ist vorbei; heute kann ein Team aus zwei bis drei Personen noch vor der Firmengründung ein Produkt launchen, das Fortune-10-Unternehmen nutzen
Halbleiter-Lieferkette 2.0
- Ein hochmoderner AI-Chip durchläuft rund 1.400 Prozessschritte, passiert mehr als 12 Länder und braucht fünf Monate bis zur Fertigung – gemanagt wird diese Lieferkette mit Tabellen, SAP und Telefonaten
- 2021 führte ein 300-Dollar-Chip dazu, dass Autos im Wert von 210 Milliarden Dollar nicht gebaut wurden; Unternehmen kennen meist nur ihre direkten Lieferanten und haben keinerlei Sicht auf Tier-2- und Tier-3-Ebenen
- Advanced Packaging bei TSMC ist derzeit der größte Engpass für AI-Compute; NVIDIA hat sich über 60 % gesichert, HBM-Speicher ist bis 2026 ausgebucht, und Exportkontrollen ändern sich quartalsweise
- Durch den CHIPS Act entstehen neue US-Fabs in Arizona, Texas, Ohio und New York, doch jede dieser Fabriken muss ihre Lieferkette fast von Grund auf neu aufbauen
- Für erwartbare Anforderungen wie Echtzeit-Tracking von Allokationen, Risiko-Monitoring über mehrere Ebenen oder Export-Compliance gibt es kaum Tooling; weil man Wafer-Allokation und Packaging-Constraints tief verstehen muss, ist das eher eine Startup-Chance als eine Funktion innerhalb von SAP
Betriebssystem für Unternehmens-AI
- Die besten AI-nativen Unternehmen zeichnen jedes Meeting auf, verfolgen jedes Ticket und erfassen jede Kundeninteraktion, damit das gesamte Unternehmen abfragbar wird
- Dadurch wechseln Unternehmen von einem Open Loop – Entscheidungen treffen und erst Wochen später prüfen – zu einem Closed Loop, in dem das System die aktuelle Lage überwacht, vergleicht und anpasst
- Teams, die das anwenden, halbieren ihre Sprint-Zeit und verdoppeln ihre Auslieferungsmenge
- Derzeit erfordert der Aufbau davon mühsame Integrationsarbeit, bei der Slack, Linear, GitHub, Notion und Gesprächsaufzeichnungen mit individuellem Glue Code verbunden werden
- Es fehlt ein Produkt, das allen Kontext in einer einzigen Intelligence-Layer verbindet, etwa um Flags zu setzen, wenn das Engineering am Falschen arbeitet, oder Spezifikationen zu erzeugen, die Agents ausführen können – eine Chance, die Verbindungsschicht zu bauen, die Unternehmens-Output in einen selbstverbessernden Kreislauf verwandelt
1 Kommentare
Das kommt ja jedes Quartal heraus.
Schon bei YCs Requests for Startups - Summer 2025 gab es definitiv viele AI-Themen,
aber dieses Jahr wirkt es so, als ob der AI-Einsatz noch näher an vertikalen Bereichen und dem Enterprise-Sektor angekommen ist.