Supabase untersucht den Startup-Stand 2026

• Eine Befragung von 2.000 Startup-Builders zeigt: Zwischen 2025 und 2026 wurden Gründer älter, häufiger nicht-technisch und stärker auf Ein-Personen-Teams ausgerichtet; KI-generierter Code wurde alltäglich, und auch die Gründungsstandorte wurden vielfältiger.
• Anthropic stieg bei Entwicklungstools, Bezahl-Abos, Modellanbietern und Agent-SDKs an die Spitze; Claude Code erreichte 63 % Nutzung, bezahlte Claude-Abos 59 %, und die Nutzung von Anthropic/Claude-Modellen lag bei 64 %.
• 61 % der Befragten haben mehr als die Hälfte ihrer Codebase mit KI erzeugt, doch Teams mit höherem KI-Code-Anteil hatten häufiger noch keine Monetarisierung und nannten Kundengewinnung besonders oft als größte Herausforderung.
• Der Stack formiert sich neu rund um Postgres-basierte Datenbanken sowie Supabase, Vercel und Cloudflare; Agents und MCP verbreiten sich ebenfalls, während Monitoring, Prompt-Management und Evaluationssysteme zurückliegen.
• Bauen ist einfacher geworden, Verkaufen und Betrieb bleiben jedoch schwierig: Immer mehr Teams nutzen keine CRM-, Analytics- oder Observability-SaaS oder bauen sie selbst. Die wenigen Startups, die Communities aufgebaut haben, zeigen in Open-Source- und Entwicklerkanälen höhere Kundenkonversionsraten.

---

Kleinere und vielfältigere Gründerteams

• Der Anteil der Solo-Gründer stieg von 53 % im Jahr 2025 auf 61 % im Jahr 2026, also um 8 Prozentpunkte; Zwei-Personen-Co-Gründerteams gingen zurück.
  • Die Zahl der Gründer verteilt sich auf 1 Person 61 %, 2 Personen 29 %, 3 Personen 7 % und 4 oder mehr Personen 3 %.
• Der Anteil technischer Gründer sank von 82 % auf 78 %, sodass nicht-technische Gründer 22 % ausmachen; sie nutzen KI-Codegenerierung stärker als andere Gruppen.
• Gründer ab 40 Jahren nahmen von 18 % auf 25 % zu; alle Altersgruppen ab 40 wuchsen statistisch signifikant, während die Gruppe der 22- bis 29-Jährigen um 4 Prozentpunkte zurückging.
  • Die Altersverteilung liegt bei 22–29 Jahre 32 %, 30–39 Jahre 24 %, 18–21 Jahre 20 %, 40–49 Jahre 14 %, 50–59 Jahre 7 % und 60+ Jahre 2 %.
• Die Unternehmenssitze verteilen sich auf Nordamerika und Europa mit jeweils 28 %, Asien 17 %, Afrika 9 %, Remote 7 % und Südamerika 6 %.
  • Europa und Afrika wuchsen jeweils um 3 Prozentpunkte; die Verteilung wurde breiter über Toronto, Chicago, Denver, Austin sowie ganz Europa, Asien und Afrika.
  • In nordamerikanischen Metropolen entfallen 9 % auf die San Francisco Bay Area, 8 % auf New York City, 4 % auf Toronto sowie jeweils 3 % auf Austin und Chicago.

Der Markt für KI-Tools richtet sich auf Anthropic aus

• Claude Code wurde unter den unverzichtbaren Entwicklungstools am häufigsten genannt und belegte mit 63 % Nutzung auch bei KI-Coding-Tools den ersten Platz.
  • Es folgen Visual Studio Code mit 44 %, Cursor 31 %, Antigravity 22 %, Lovable 15 % und ChatGPT/Codex 13 %.
  • Cursor verlor 19 Prozentpunkte, v0, Bolt und Windsurf sanken jeweils um 6–9 Prozentpunkte; das neu hinzugekommene Antigravity stieg auf Platz 4 ein.
• Bezahlte Claude-Abos verdoppelten sich fast von 28 % auf 59 %, während OpenAI/ChatGPT von 57 % auf 39 % fiel.
  • Gemini lag bei 27 %, Cursor bei 20 %, GitHub Copilot bei 17 % und Lovable bei 11 %; Teams ohne bezahltes KI-Abo machen 3 % aus.
• Auch bei Modellanbietern stieg Anthropic/Claude von 38 % auf 64 % und wurde zur Standardwahl, während OpenAI von 69 % auf 52 % zurückging.
  • Gemini liegt bei 44 %, Grok und eigene Modelle jeweils bei 11 %, Hugging Face bei 10 %.
  • Da die Anteile von Hugging Face und eigenen Modellen stark schrumpften, zeigt sich auch ein Rückgang bei Teams, die eigene Inferenz betreiben.

Codegenerierung ist alltäglich, Monetarisierung hinkt hinterher

• 61 % der Befragten gaben an, dass KI mehr als die Hälfte ihrer Codebase geschrieben hat; allein 40 % der Teams haben 76–100 % ihres Codes mit KI erzeugt.
  • Der KI-Code-Anteil liegt bei 51–75 % für 21 %, 26–50 % für 16 %, 11–25 % für 11 % und 1–10 % für 9 %; 2 % nutzen KI gar nicht.
• Unter nicht-technischen Gründern liegt der Anteil, der 76–100 % des Codes mit KI erzeugt, bei 54 %, in der Altersgruppe 50–59 bei 60 %.
  • Ältere Gründer nutzen KI stärker als jüngere; mit steigendem Alter nimmt auch der KI-Code-Anteil zu.
• Je höher der Anteil KI-generierten Codes, desto größer ist die Wahrscheinlichkeit, noch nicht monetarisiert zu haben und Kundengewinnung als größte Herausforderung zu nennen.
  • Eine Lesart dieses Zusammenhangs ist, dass frühe Startups KI stark nutzen und zugleich noch am Anfang der Monetarisierung stehen.

Ein technischer Stack konsolidiert sich um Postgres und neue Frontends

• 80 % der Befragten wählten Postgres in irgendeiner Form, nach 76 % im Vorjahr.
  • Die Nutzung nach Datenbank liegt bei Supabase 49 %, PostgreSQL 22 %, Redis 6 %, MySQL und Firebase jeweils 5 %, SQLite und MongoDB jeweils 4 %.
  • MongoDB verlor 5 Prozentpunkte, MySQL 3 Prozentpunkte und Firebase 2 Prozentpunkte; Neon, DynamoDB und Convex wurden erstmals als Optionen aufgenommen und erreichten kleine Marktanteile.
• Bei den 2026 erstmals abgefragten Authentifizierungsanbietern kommt Supabase Auth auf 72 %.
  • Es folgen Auth0 13 %, NextAuth/Auth.js 12 %, Eigenbau 11 %, Firebase Auth 9 % und Clerk 4 %.
  • Die rund 25 %, die keine Supabase-Option gewählt haben, bilden die klare Untergrenze des potenziell migrierbaren Bereichs.
• Bei Hosting und Cloud erreichen Supabase 65 %, Vercel 45 %, Cloudflare 27 % und AWS 21 %.
  • Vercel lag schon 2025 vor AWS und baute den Abstand 2026 um weitere 9 Prozentpunkte aus.
  • Cloudflare wuchs am schnellsten und überholte AWS; alle Hyperscaler verloren Marktanteile.
• Im Frontend wuchsen React auf 56 % und Next.js auf 53 %, während Expo 10 %, TanStack 8 %, HTMX 4 % und Astro 3 % neu signifikante Anteile erreichten.
  • Native Mobile stieg um 3 Prozentpunkte auf 18 %, Flutter liegt bei 11 %, Vue bei 7 % und Svelte bei 3 %.

Agents und MCP verbreiten sich, doch die operative Basis fehlt

• 52 % der Befragten bauen Agents oder planen dies; das ist statistisch ähnlich wie im Vorjahr, aber die unentschlossene Gruppe wurde kleiner.
  • Hauptanwendungen sind Workflow-Automatisierung 59 %, Datenanalyse 49 %, Personalisierung und Empfehlungen 40 %, Automatisierung des Kundensupports 38 %, Content-Erstellung 37 % und Forschungsunterstützung 31 %.
  • Außerdem werden sie für Vertrieb und Leadgenerierung 29 %, Bildung und Training 27 %, interne Tools 25 % sowie Finanzmodellierung und Prognosen 20 % genutzt.
• Unter Agent-Builders betreiben 24 % Multi-Agent-Systeme in Produktion, 21 % entwickeln sie und 35 % planen sie.
• 47 % der Teams haben kein offizielles System zur Verwaltung von Production-Prompts; es folgen hartkodierte Prompts im Source Code mit 26 % und versionierte Prompt-Dateien mit 25 %.
  • Dedizierte Prompt-Management-Plattformen liegen bei 11 %, Feature Flags für Varianten bei 10 %, CMS- oder Konfigurationsservices bei 8 %.
• Bei der Bewertung von KI-Modellen dominieren manuelle Tests und Prompt-Iteration mit 52 %; Teams ohne formalen Evaluationsprozess machen ebenfalls 36 % aus.
  • User-Feedback-Loops liegen bei 27 %, LLM-as-a-judge bei 26 %, Production-A/B-Tests bei 20 %, eigene automatisierte Eval-Suites bei 17 % und Drittanbieter-Evaluationstools bei 7 %.
• 59 % der Teams überwachen KI-Workloads nicht separat; eigene Dashboards liegen bei 20 %, OpenTelemetry bei 9 %, Langfuse, LangSmith und Datadog jeweils bei nur 7 %.
• Ein Jahr nach der Veröffentlichung des Model Context Protocol nutzen MCP 29 % in Produktion und 28 % experimentell, zusammen also 57 %.
  • 29 % kennen MCP, haben es aber noch nicht genutzt, und 14 % kennen MCP nicht.
  • Supabase stellt dazu Dokumentation zu MCP-Servern und Agent Skills bereit.

Startups kaufen keine Betriebs-SaaS

• Unter Startups mit Vertriebsaktivitäten stieg der Anteil ohne formales CRM oder Sales-Tool von 43 % auf 53 %, also um 11 Prozentpunkte.
  • Google Sheets liegt bei 23 %, Notion/Airtable bei 14 %, HubSpot bei 11 % und Salesforce bei 4 %; alle großen CRMs verloren Anteil.
  • Teams bewegen sich dahin, CRMs selbst zu bauen oder ganz darauf zu verzichten.
• 56 % der Teams nutzen keine Observability-Tools; unter den Nutzern wachsen Eigenbau-Lösungen am schnellsten und erreichen 10 %.
  • Sentry bleibt mit 19 % führend und wuchs leicht, Grafana liegt bei 9 %, OpenTelemetry bei 6 %, Datadog und Prometheus jeweils bei 5 %.
  • Der Markt scheint sich in Sentry für Error Tracking und eigene Dashboards für den Rest aufzuspalten.
• Auch bei Analytics- und Growth-Tools stiegen eigene Dashboards um 6 Prozentpunkte und die Antwort „noch kein Tracking“ um 5 Prozentpunkte.
  • HubSpot, Salesforce, Mixpanel und Segment verloren alle Marktanteile; das Muster wiederholt sich, Anbieterprodukte zu überspringen und interne Tools zu bauen oder gar nicht zu messen.

Die Kluft bei Kundengewinnung und Community

• Die meisten frühen zahlenden Kunden kamen laut 56 % der Befragten aus persönlichen und beruflichen Netzwerken, gefolgt von Cold Outreach und Sales mit 35 %, Social-Media-Inbound 29 % und Content 21 %.
  • Entwickler-Communities liegen bei 14 %, konvertierte Open-Source-Nutzer bei 8 %, Accelerators bei 7 % und Hacker News oder Product Hunt bei 6 %.
  • Der Anteil derjenigen, die bezahlte Kundengewinnung gar nicht versucht haben, stieg von 62 % im Vorjahr auf 67 %.
• Gründergeführter Vertrieb bleibt üblich; dedizierte Sales-Mitarbeiter stoßen meist erst nach der Einstellung des zehnten Mitarbeiters hinzu.
  • Der Anteil mit Product-led Growth stieg um 4 Prozentpunkte und erreicht die Hälfte aller Teams; weniger Teams haben ihren Ansatz noch nicht festgelegt.
• Gestaffelte Preismodelle nach Funktionen stiegen unter den Befragten mit gewähltem Pricing-Modell von 23 % auf 36 %, also um 12 Prozentpunkte.
  • Startups beginnen früher im Lebenszyklus, ihre Preisstruktur festzulegen, und die noch experimentierende Gruppe wurde kleiner.
• Nur 10–11 % der Startups haben eine Entwickler-Community aufgebaut; 47–48 % haben keine aufgebaut, und 24 % planen es oder sind dabei.
• Teams mit Community gewinnen deutlich häufiger erste Kunden über Entwicklerkanäle und Open Source als Teams ohne Community.
  • Discord, Slack und Reddit liegen bei 38 % gegenüber 7 %, konvertierte Open-Source-Nutzer bei 29 % gegenüber 3 %, Content bei 35 % gegenüber 20 %.
  • Social Inbound ist mit 30 % gegenüber 27 % ähnlich, doch Cold Outreach ist bei Teams ohne Community höher mit 32 % gegenüber 36 %, ebenso persönliche Netzwerke mit 47 % gegenüber 57 %.
  • In einer Umgebung, in der jeder ein Produkt veröffentlichen kann, ist Distribution der Engpass; Teams mit Community haben andere Wege zur Kundengewinnung.

Gründer verlassen Kanäle und neue Geschäftsängste entstehen

• Die Social-Media-Nutzung von Gründern ging auf allen großen Plattformen außer TikTok zurück.
  • Plattformen, die mindestens dreimal pro Woche genutzt werden: YouTube 61 %, Instagram und LinkedIn jeweils 51 %, X 38 %, Reddit 28 %, Discord 21 %, TikTok 18 %.
  • X verlor 6 Prozentpunkte, LinkedIn 3 Prozentpunkte, Reddit und Discord 3–4 Prozentpunkte.
  • 11 % geben an, Social Media aufgegeben zu haben; keine Online-Persona zu haben stieg um 5 Prozentpunkte auf 33 %.
• Der Anteil der Befragten, die keine Branchenkonferenzen besuchen, stieg um 10 Prozentpunkte auf 60 %.
  • Google Cloud Next liegt bei 12 %, AWS re:Invent bei 11 %, Y Combinator Demo Day und Web Summit jeweils bei 9 %, Microsoft Build und Open Source Summit jeweils bei 8 %.
  • Da die Anteile großer Events zurückgehen, schrumpft auch der Markt, den konferenzzentriertes Developer Marketing erreicht.
• Bei der größten Geschäftsherausforderung fiel technische Komplexität von 24 % auf 11 % und verzeichnete damit die größte Veränderung der gesamten Umfrage.
  • Kundengewinnung liegt bei 32 %, Product-Market-Fit bei 14 %, Fundraising bei 13 %, Burnout bei 11 %, KI-Wettbewerb und Disruption bei 7 %, Cash Burn und Runway bei 4 %.
  • Die neu hinzugefügten Sorgen Burnout, KI-Wettbewerb und Runway nehmen zusammen etwa den Anteil ein, der früher auf technische Komplexität entfiel.
  • In Teams mit 1–10 Personen ist Burnout bereits zur zweitgrößten Herausforderung geworden und liegt vor technischer Komplexität.
• 57 % äußern Optimismus zur Weltlage, 1 Prozentpunkt weniger als im Vorjahr, aber statistisch nicht signifikant.
  • Gründer sind zu 58 % optimistisch, Nicht-Gründer zu 49 %; insgesamt sind 27 % neutral und 16 % pessimistisch.
• Je höher der KI-Code-Anteil, desto höher der Optimismus und desto niedriger die Monetarisierungsquote.
  • Unter Gründern, die keinen KI-Code nutzen, liegt der Optimismus bei 49 %, bei intensiven KI-Nutzern bei 61 %.
  • Der Anteil der derzeit monetarisierenden Teams liegt bei 56 % ohne KI-Nutzung und bei 31 % unter intensiven KI-Nutzern.
  • Die Teams mit der stärksten KI-Nutzung sind häufiger gebootstrapped, in einer früheren Lebenszyklusphase und noch weniger der Marktnachfrage nach ihren Produkten ausgesetzt.

[ligion]

Aus meiner Erfahrung, zwei Projekte mit AI bis hin zur Domain umgesetzt zu haben, gibt es hier vieles, dem ich gut zustimmen kann.