AI-Wrapper sind vorbei: Vertikalisierungsstrategien für Startups in der Frühphase

• Der vorübergehende Vorteil von AI-Wrappern, die einer Foundation Model nur eine einzelne Funktion hinzufügen, verschwindet. Startups in der Frühphase verlagern sich deshalb zu vertikal integrierten Geschäftsmodellen, die den gesamten Workflow und die Wertschöpfungskette besitzen.
• Die erste Strategie besteht darin, Domänenwissen und Aufgabenorchestrierung zu kombinieren, um Ergebnisse für reale Industrieszenarien zu erzielen, die mit der Rohintelligenz von Foundation Models allein schwer erreichbar sind.
• Die zweite Strategie geht über den Verkauf von AI-Software an bestehende Unternehmen hinaus und baut Vertrieb, Underwriting und Betrieb automatisierungszentriert neu auf, um auch die Kundenerfahrung zu verbessern.
• Die dritte Strategie besteht darin, sich zunächst ein System of Record zu sichern, das fragmentierte Branchendaten integriert, und dieses anschließend zu einem Handlungssystem auszubauen, das auch die Ausführung von Arbeit und Entscheidungen übernimmt.
• Große etablierte Unternehmen können zwar direkt mit Frontier-Labs kooperieren, unterliegen dabei aber Einschränkungen bei Kosten, dem Teilen proprietären Wissens und organisatorischen Interessenkonflikten. AI-native Startups können ihre Verteidigungsfähigkeit durch Vertikalisierung aufbauen, die sich auf Go-to-Market und Kundenerfahrung konzentriert.

---

Aufstieg und Niedergang von AI-Wrappern mit Einzelfunktion

• Nach dem Auftreten von ChatGPT kombinierten Gründer Modelle mit einzelnen bislang von Menschen ausgeführten Aufgaben wie Copywriting, Kundenservice, juristischer Recherche oder Vertrieb und bauten Produkte, die per Abo oder pro Aufgabe abgerechnet wurden.
• Jasper nahm 2022 bei einer Unternehmensbewertung von 1,5 Milliarden US-Dollar 125 Millionen US-Dollar auf, senkte aber innerhalb eines Jahres die Prognose für den ARR 2023 um mindestens 30 %, führte Entlassungen durch und verlor beide Mitgründer.
  • Danach definierte das Unternehmen seine Vision als „Marketing-Betriebssystem“ neu.
• Unternehmen, die Tools für einzelne Aufgaben bauten, gingen davon aus, dass die Fähigkeiten von Foundation Models auf ähnlichem Niveau bleiben würden. Diese Annahme brach zusammen, als Frontier-Labs Modelle selbst direkt zu Produkten machten.
  • Anthropic bietet mit Claude Code und Claude Design selbst Tools an, die vor zwei Jahren noch als Wrapper eingeordnet worden wären.
  • Laut veröffentlichten Zahlen stieg der annualisierte Umsatz von Anthropic von 14 Milliarden US-Dollar im Januar auf über 47 Milliarden US-Dollar im Mai, wobei die Nachfrage aus dem Enterprise-Bereich das Wachstum antrieb.
• „AI for X“, also AI für eine bestimmte Aufgabe, war keine nachhaltige Produktstrategie, sondern eher ein vorübergehender Vorteil.
  • Auch generische Agenten ohne Netzwerkeffekte oder vertikale Branchenexpertise könnten zu „Wrapper 2.0“ werden.

Überlebende Unternehmen besitzen die gesamte Dienstleistung

• Erfolgreiche Unternehmen setzen nicht einfach AI-Tools auf ein Modell auf, sondern nehmen AI als Mechanismus der Leistungserbringung und starten in die Richtung, den gesamten für die Dienstleistung nötigen Workflow zu besitzen.
• EvenUp begann nicht mit einer breit angelegten Legal-AI, sondern in dem engen und spezialisierten Bereich Personenschaden.
  • Mehr als 2.000 Kanzleien nutzen die Plattform, und 20 % der 100 größten US-Kanzleien für Personenschäden gehören zu den Kunden.
  • Der ARR verdoppelte sich im Jahresvergleich, und im Oktober 2025 nahm das Unternehmen in einer Series E 150 Millionen US-Dollar bei einer Bewertung von über 2 Milliarden US-Dollar auf.
  • Die Unternehmensbewertung hat sich in weniger als einem Jahr mehr als verdoppelt.
• Further AI verfolgt denselben Ansatz in der Versicherungsbranche, Blitzy in der Enterprise-Softwareentwicklung.
• Wettbewerbsfähigkeit entsteht nicht allein durch Modell, Daten oder User Experience.
  • Der gesamte Workflow, Domänenwissen, Daten, die sich je Fall oder Codebasis ansammeln, sowie die Fähigkeit, in komplexe Branchen einzutreten und dort zu verkaufen, müssen zusammenwirken.
• Früher galt Intelligenz selbst als das Verkaufsobjekt und Wrapper als Hilfskonstruktionen. Heute ist die gesamte Fabrik das Produkt, einschließlich Workflow, Daten und Vertriebspipeline.

Ansatz 1: Komplexe Workflows statt nur Rohintelligenz besitzen

• Blitzy ist eine AI-Plattform für die Entwicklung maßgeschneiderter Software für Fortune-500-Unternehmen und hat kürzlich 200 Millionen US-Dollar bei einer Bewertung von 1,4 Milliarden US-Dollar aufgenommen.
• Im Markt für Enterprise-Software gab es zwei Optionen.
  • Tools wie Cursor oder Codex bauen und an große ausgelagerte Entwicklungsteams verkaufen
  • AI als Dienstleistung direkt an Unternehmen verkaufen, sodass diese ausgelagerten Teams gar nicht mehr nötig sind
• Blitzy entschied sich für den zweiten Weg.
  • 2024 gab es die Sichtweise, dass Modelle von OpenAI oder Claude alle Probleme lösen würden und es für Startups schwer sei, zu konkurrieren.
  • In realen Unternehmensumgebungen liefern jedoch der Wissensgraph über die gesamte Codebasis eines Unternehmens, die Fähigkeit, Aufgaben in kleine Einheiten zu zerlegen, und eine Orchestrierungsschicht, die für jede Aufgabe das am besten passende Modell aufruft, bessere Ergebnisse als Produkte von Frontier-Labs.
• Mit einem System, das den Kontext rund um die Codebasis versteht, erreichte das Unternehmen SWE-Bench Pro 66.5% und belegte damit Platz 1.
• Selbst wenn Rohintelligenz zentrale technische und System-Engpässe löst, bleibt der Prozess nötig, sie für den Einsatz in der Praxis zu operationalisieren. Die vertikale Integration des gesamten Workflows übernimmt genau diese Rolle.

Ansatz 2: Bestehende Geschäfte rund um Automatisierung neu entwerfen

• Tomo verkauft Hypothekenanbietern nicht einfach AI-Software, sondern gestaltet den Prozess der Kreditprüfung und Hypothekenvergabe selbst AI-zentriert neu.
• Durch Automatisierung in Vertrieb, Underwriting und Betrieb erzielt das Unternehmen eine höhere Produktivität pro Kreditsachbearbeiter als Wettbewerber und gibt diesen Vorteil in Form besserer Zinssätze an Verbraucher weiter.
  • Derzeit erhalten 77 % der Hauskäufer bei Tomo bessere Zinssätze als bei traditionellen Anbietern.
  • Anteil der Käufer mit besseren Zinssätzen: {p:77}
• Statt Software in bestehende Workflows einzupassen, kann es zu einer besseren Kundenerfahrung führen, die Branche von Grund auf neu zu entwerfen.
• Kleine Softwareverbesserungen können in Systemen, die ursprünglich nicht für die betreffende Technologie ausgelegt wurden, von vornherein nur begrenzte Wirkung entfalten.
  • Anstatt bestehende Organisationen von Workflow-Änderungen zu überzeugen, kann man das Geschäft direkt neu aufbauen und diese Ressourcen zur Verbesserung der Kundenerfahrung einsetzen.
• Etablierte Unternehmen werden diesen Weg mit sehr geringer Wahrscheinlichkeit wählen, weil sie dafür ihr bestehendes Geschäftsmodell und ihre Organisation selbst kannibalisieren müssten.
• Im SaaS-Zeitalter war die Strategie effektiv, Software in bestehende Workflows einzuführen. AI ermöglicht es nun, traditionelle Branchen automationszentriert neu aufzubauen und sich mehr auf die Kundenerfahrung als auf interne Einführung zu konzentrieren.

Ansatz 3: Vom System of Record zum Handlungssystem erweitern

• Seso hat im US-Agrarsektor ein HR-System of Record aufgebaut.
• Das H-2A-Visumverfahren, das einen großen Teil der US-Landwirtschaftsarbeitskräfte trägt, war auf Kanzleien, Microsoft-Office-Produkte und Papierdokumente verteilt.
  • Seso integrierte dies in eine zentrale Datenbank und unterstützt Farmen dabei, Saisonarbeitskräfte wie Angestellte in gewöhnlichen Unternehmen zu verwalten.
• Nach der Einführung von AI wandelte sich die Plattform von einem einfachen „digitalen Aktenschrank“ zu einem Handlungssystem.
  • Die Plattform wurde so neu aufgestellt, dass sie Mitarbeiterlogistik verwalten, Business-Insights erzeugen und sogar arbeitsbezogene Entscheidungen treffen kann.
• Unternehmen mit einem System of Record können auf Basis der angesammelten Informationen auch zu Systemen ausbauen, die tatsächliche Arbeit ausführen.
• Beispiele mit demselben Ansatz sind Rec im Freizeitbereich und Veras in der Langzeitpflege.

Wettbewerb zwischen etablierten Unternehmen und AI-nativen Services

• Etablierte Unternehmen wie große Kanzleien können interne Expertise gegenüber AI-nativen Wettbewerbern schützen und stattdessen direkt mit Frontier-Labs zusammenarbeiten, um Automatisierung intern zu verankern.
  • Freshfields ist für die Entwicklung maßgeschneiderter Tools eine Partnerschaft mit Anthropic eingegangen.
• Diese Strategie steht vor allem großen Unternehmen wie Big Law oder großen Finanzinstituten offen, und selbst für sie können die Kosten einer Zusammenarbeit mit Frontier-Labs zu hoch sein.
  • Wie die Beispiele Uber und Microsoft zeigen, steigen die LLM-Token-Kosten, hinzu kommen hohe Kosten für AI-Ingenieure.
• Damit eine solche Kooperation funktioniert, müssen etablierte Unternehmen ihre Haltung lockern, proprietäres Wissen zurückzuhalten, dessen langfristiger Wert begrenzt sein könnte, und Frontier-Labs dürfen ihre Preissetzungsmacht nicht übermäßig ausnutzen.
• Selbst bei einer Einigung ist Automatisierung für etablierte Unternehmen nur eine von vielen Funktionen, die sie ausüben, und nicht der Fokus ihres Kerngeschäfts.
• AI-native Services können ihre Abhängigkeit von Frontier-Labs relativ verringern und sich auf Go-to-Market (GTM) sowie die Verbesserung der Kundenerfahrung konzentrieren.
• Tomo bleibt selbst dann die günstigere und schlankere Kundenoption, wenn traditionelle Hypothekenanbieter mit Frontier-Labs zusammenarbeiten.
  • Diese Option steht in direktem Konflikt mit den Interessen etablierter Unternehmen und kann den Wettbewerb daher zwar nicht beseitigen, aber seinen Umfang begrenzen.

Vertikalisierung mit Blick auf das AGI-Zeitalter

• Die nächste Generation von Startups muss ihr Geschäft um die Frage herum entwerfen, „wie sie jeden Teil der Wertschöpfungskette besitzen kann“.
• Vertikales Denken ist eine der Verteidigungsfähigkeiten, die auch in der AGI-Übergangsphase Bestand haben könnten.
  • Selbst wenn Rohintelligenz neue Innovationen ermöglicht, bleibt der Prozess nötig, sie in den realen Betrieb zu bringen und an Kunden auszuliefern.
• Gründer, die von Anfang an die gesamte Branche und den gesamten Workflow besitzen, können auch im Zeitalter der AI-Hyperscaler eine nachhaltige Position aufbauen.
• In Bereichen wie Biotech und Deep Tech, in denen die Umsetzung selbst hochgradig spezialisiert ist, bleibt spezialisierte Exzellenz in der Ausführung eine eigene Markteintrittsbarriere.

[opula]

Ich teile das große Bild, dass Vertikalisierung die Verteidigungslinie ist. Allerdings scheint mir die Achse, die darüber entscheidet, ob etwas ein Wrapper ist oder nicht, weniger die Tiefe der Funktionen zu sein als vielmehr die Frage, ob sich darunter etwas ansammelt, das das Modell selbst nicht mitbringt. Die drei Strategien im Artikel (den Workflow besitzen, ihn rund um Automatisierung neu gestalten oder ein Record-System zu einem Handlungssystem erweitern) lesen sich für mich letztlich alle als Wege, Zustände und Daten zu schaffen, die außerhalb des Modells akkumulieren.

Ich habe selbst auch schon etwas gebaut, das äußerlich eher wie ein dünner Wrapper wirkte. Überlebt hat dabei aber nicht die Funktion an sich, sondern der Teil, der nutzerspezifische Zustände und Daten besitzt, sowie die Schicht, die deterministisch rechnet und speichert, damit das Modell nicht in jeder Unterhaltung wieder schwankt. Je besser Frontier-Modelle werden, desto wertvoller werden gerade diese beiden Dinge.

Eine Ergänzung noch: Der Artikel nimmt vor allem vertikale Enterprise-Anwendungen (B2B) als Beispiele, aber ich glaube, dass dieselbe Logik auch im Consumer-Bereich gilt. Ein rohes LLM sieht nur öffentliche Informationen und kann sich meinen Zustand nicht merken, deshalb wird schon das Halten des persönlichen Record-Systems zu einem Burggraben. Im dritten Ansatz, wenn ein Record-System in Handlungen übergeht (stellvertretende Entscheidungsfindung), muss aus meiner Sicht aber mitgeliefert werden, ob diese Entscheidungen reproduzierbar oder überprüfbar sind, damit das Vertrauen erhalten bleibt.