Die Auswirkungen von KI auf Start-ups sind nicht mehr nur, dass Ingenieure schneller programmieren, Kundenservice-Prozesse automatisieren oder in bestehende Produkte ein Copilot hinzugefügt wird. YC-Partnerin Diana wies kürzlich darauf hin, dass die eigentliche Veränderung darin besteht, dass KI umschreibt, „wie ein Unternehmen von null an aufgebaut werden sollte“. Für frühe Gründer sollte KI nicht nur ein Effizienztool sein, das das Unternehmen gelegentlich nutzt, sondern sollte ab dem ersten Tag so konzipiert werden, dass es das Betriebssystem des gesamten Unternehmens darstellt.
Der Blick auf Produktivität ist veraltet, KI schreibt den Design-Startpunkt von Unternehmen neu
Diana ist der Ansicht, dass der Markt, wenn er über KI spricht, immer noch zu oft im Rahmen von „Produktivitätssteigerung“ verharrt, zum Beispiel dass Ingenieure schneller programmieren können, Teams mehr Prozesse automatisieren können und Unternehmen mehr Funktionen auf den Markt bringen können. Diese Darstellung unterschätzt jedoch die strukturellen Veränderungen, die KI mit sich bringt. Sie sagt, dass man mit den richtigen Menschen und KI-Tools heute Funktionen bauen kann, die früher ein ganzes Team erforderten, und sogar Produkte entwickeln kann, die zuvor überhaupt nicht möglich waren.
Daher lautet die eigentliche Frage, die Gründer stellen sollten, nicht: „Welche Abläufe im Unternehmen kann man mit KI ergänzen?“, sondern: „Wenn man heute von null an ein Unternehmen aufbaut, welche Arbeiten sollten ursprünglich gar nicht erst durch Menschen in einer Kette von Schritten verarbeitet werden?“
Das ist auch der Kern sogenannter KI-native Unternehmen. Diana sagt, KI sollte nicht außerhalb der Unternehmensprozesse platziert werden, wie ein Plug-in, das nur die Effizienz bestimmter Abteilungen erhöht; stattdessen sollten jeder Arbeitsablauf, jede Entscheidung und jede wichtige Aktion des Unternehmens durch eine intelligente Schicht laufen, die fortlaufend lernt und sich verbessert.
Mit anderen Worten: Zukünftige Start-ups sind nicht zuerst dabei, einen Organigramm-, Abteilungs-, Sitzungs- und Managementprozess aufzubauen, und führen dann am Ende KI ein, sondern gestalten die Firma ab dem ersten Tag als ein System, das von KI verstanden, abgefragt, analysiert und sich selbst verbessern kann.
Schritt 1: Mach die ganze Firma zu einem intelligenten Zentrum, das von KI abgefragt werden kann
In diesem Rahmen besteht der erste Schritt beim Aufbau eines Unternehmens darin, die gesamte Organisation „abfragbar“ zu machen. In traditionellen Unternehmen liegen Informationen oft verteilt in Meetings, DMs, E-Mails, Dokumenten, CRM, GitHub, dem Kundenservice-System und im Kopf der Vorgesetzten.
Dadurch wird das Unternehmen zu einem offenen System: Der Gründer trifft Entscheidungen, das Team führt Aufgaben aus, aber ob die Ergebnisse wirksam sind, wo das Problem liegt und wie man als Nächstes anpasst, hängt häufig von manuellem Reporting und der Interpretation durch Vorgesetzte ab. Diana glaubt, dass dieses Muster zwangsläufig zum Informationsverlust führt und die Geschwindigkeit des Unternehmens verlangsamt.
KI-native Unternehmen müssen stattdessen zu geschlossenen Systemen werden. Jede Sitzung, jedes Ticket, jedes Kundenfeedback, jede Produktentscheidung, jedes Vertriebsgespräch und jede Runde der Engineering-Übergabe sollte Aufzeichnungen erzeugen, die von KI gelesen werden können, und diese Rückmeldungen müssen in die intelligente Schicht des Unternehmens zurückfließen.
Diana empfiehlt, dass Start-ups wichtige Meetings aufzeichnen, KI-Notiztools nutzen, Informationen reduzieren, die in DM und E-Mail versteckt sind, und Agents in Slack, Linear, GitHub, Notion, Google Docs, in Customer-Service-Tools, Vertriebsgespräche und Betriebsdaten einbetten. Was das Unternehmen wirklich aufbauen will, ist nicht eine Menge verstreuter Tools, sondern ein intelligentes Zentrum, das in Echtzeit die Frage beantworten kann: „Was passiert gerade wirklich in der Firma?“.
Aus Sicht des Engineering-Managements als Beispiel: Sprint-Zeit halbieren, Output nahe 10-mal erhöhen
Sie erklärt am Beispiel Engineering-Management: Wenn ein Agent Linear-Tickets, Slack-Engineering-Channels, GitHub, Kunden-E-Mails, solche Kundendienst-Tools wie Pylon, High-Level-Pläne in Notion oder Google Doc, Vertriebsgespräche sowie tägliche Stand-up-Aufzeichnungen lesen kann, dann ist er nicht nur dafür da, Meeting-Zusammenfassungen zu ordnen. Er kann analysieren, was im letzten Sprint tatsächlich geliefert wurde, ob das Liefertgebnis wirklich den Kundenbedarf erfüllt hat, und welche Funktionen zwar fertiggestellt wurden, aber keine erwartete Wirkung erzielt haben.
Wenn all diese Informationen von KI miteinander verbunden werden können, kann der Agent als Nächstes einen Plan für den nächsten Sprint vorschlagen, damit die Engineering-Planung genauer, besser vorhersagbar und näher an den Marktbedürfnissen wird. Das bedeutet, dass ein Start-up, das von null an aufbaut, das Engineering-Management-Framework großer Unternehmen nicht zuerst kopieren sollte. In der Vergangenheit mussten Engineering-Leads viel Zeit aufwenden, um Status zu sammeln, Fortschritt aufzubereiten und nach oben Bericht zu erstatten – weil die internen Informationen nicht transparent waren und Menschen ständig Informationen transportieren und interpretieren mussten.
Wenn eine Firma jedoch von Anfang an alle wichtigen Prozesse so gestaltet, dass sie abfragbar sind, verlieren viele traditionelle mittlere Managementaufgaben ihre Notwendigkeit. Diana weist darauf hin, dass sie in mehreren YC-Unternehmen ähnliche Vorgehensweisen gesehen hat: Einige Teams haben deshalb die Zeit für Engineering-Sprints halbiert und innerhalb derselben Zeit nahezu das 10-fache an Output erreicht.
Schritt 2: Nutze eine KI-Softwarefabrik, um neu zu definieren, wer Code schreibt
Der zweite Schritt besteht darin, mit einer KI-Softwarefabrik den Produktentwicklungsprozess neu aufzubauen. Diana ist der Ansicht, dass ein KI-natives Unternehmen KI nicht nur als Code-Assistent neben Ingenieuren betrachten sollte, sondern „neu definieren sollte, wer für das Schreiben von Programmen verantwortlich ist“.
Im neuen Modus der Produktentwicklung sind Menschen hauptsächlich dafür zuständig, Spezifikationen und Tests zu schreiben, die Erfolgsstandards festzulegen; KI-Agents hingegen sind dafür verantwortlich, die Implementierung zu erzeugen, Code zu schreiben, Tests wiederholt durchzuführen und zu korrigieren, bis das Ergebnis die Spezifikation erfüllt. Die Rolle der Menschen wird zur Definition von Problemen, zur Bewertung von Ergebnissen und zur Ausrichtung des Fine-Tunings, statt jede einzelne Codezeile selbst fertigzustellen.
Dieses Modell lässt sich als die nächste Stufe testgetriebener Entwicklung verstehen. In der Vergangenheit war TDD so: Menschen schrieben zuerst Tests, und Menschen schrieben Code, der die Tests bestand; eine KI-Softwarefabrik hingegen bedeutet, dass Menschen Spezifikationen und Test-Frameworks schreiben, sodass der Agent selbst Code erzeugt und iteriert.
Diana erwähnt, dass einige Unternehmen diesen Ansatz bereits bis aufs Extrem treiben: Im Code-Repository gibt es fast keine manuell geschriebenen Codezeilen; stattdessen wird die Implementierung durch von Spezifikationen, Tests und Szenario-Validierung getriebene KI erledigt. Das ist auch die wahre Bedeutung von „1000-fachem Ingenieur“: Nicht, dass ein Ingenieur plötzlich 1000-mal mehr Einsatz zeigt als andere, sondern dass hinter einem Ingenieur ein ganzes Agent-System steht, das es ihm ermöglicht, Aufgaben zu erledigen, die früher nur ein ganzes Team schaffen konnte.
Schritt 3: Gestalte die ersten Mitarbeitenden neu – behalte nur drei Arten von Menschen
Wenn man also mit KI von Grund auf ein Unternehmen aufbaut, müssen Gründer die Definition der ersten Mitarbeitenden neu überdenken. Diana zitiert die Ansicht des Gründers von Block, Jack Dorsey: Wenn eine Firma einfach KI-Tools in das bestehende Organigramm einfügt, aber alte Managementhierarchien und Informationsfluss-Pfade beibehält, dann verpasst sie die echte Veränderung.
Zukünftig sollte ein Unternehmen nicht viele „menschliche Vermittler“ aufbauen, damit Informationen in einer Kette zwischen Vorgesetzten, Koordinatoren und Projektmanagern weitergereicht werden; stattdessen sollte das Unternehmen so gestaltet werden, dass eine intelligente Schicht die Integration und den Fluss der Informationen übernimmt, während Menschen am Rand stehen und für Beurteilung, Kreation, Entscheidungen und das Tragen der Konsequenzen zuständig sind. In einem solchen Unternehmen werden Mitarbeiterrollen weniger und klarer.
Die erste Art ist Individual Contributor, also builder-operator: Nicht nur Ingenieure, sondern auch Operations, Customer Service und Sales sollten in der Lage sein, mithilfe von KI Prototypen, Prozesse oder Automatisierungssysteme zu erstellen.
Die zweite Art ist DRI, also Direct Responsible Individual: Das ist kein traditioneller Manager, sondern eine Person, die für ein konkretes Ergebnis verantwortlich ist – eine Person entspricht einem Ergebnis; man kann sich nicht hinter Prozessen oder Abteilungen verstecken.
Die dritte Art ist AI-founder type, also der Gründer selbst: Der Gründer muss ganz vorne persönlich KI nutzen, um zu demonstrieren, was bedeutet, wenn Fähigkeiten verstärkt werden, statt die KI-Strategie an irgendeine „AI-verantwortliche Person“ zu delegieren.
Gründer sollten nicht die Anzahl der Mitarbeitenden maximieren, sondern die Token-Nutzung
Das führt zu einem weiteren, unintutiven Punkt bei KI-nativen Unternehmen: In Zukunft sollen Gründer nicht unbedingt die wahrscheinlichste Größe maximieren, nämlich die Anzahl der Mitarbeitenden, sondern die Menge der Token-Nutzung. Diana ist der Ansicht, dass Start-ups bereit sein sollten, hohe, einem unangenehme API-Rechnungen zu tragen, weil diese Ausgaben die bisher teureren und überladenen Arbeitskosten durch Menschen ersetzen. Eine Person, die KI-Tools versiert nutzt, kann möglicherweise die Arbeit eines ganzen Engineering-, Design- oder Operations-Teams aus dem AI-vorherigen Zeitalter erledigen.
Daher sollte der Gründer beim Aufbau eines Unternehmens von null an „schnelles Hiring/rasches Aufstocken“ nicht als Wachstumszeichen betrachten, sondern fragen: Welche Arbeiten können durch Agents, geschlossene Prozessabläufe und Softwarefabriken erledigt werden – statt dass man noch eine Person einstellt?
Das ist besonders entscheidend für frühe Start-ups, weil kleine Unternehmen keine historischen Belastungen haben. Große Unternehmen, die auf KI-nativ umstellen, müssen gleichzeitig bestehende Produkte am Laufen halten und dabei jahrelang angesammelte SOPs, Managementsysteme, interne Politik und alte Tech-Stacks abbauen; jede Änderung im Prozess kann ein System zerstören, das zuvor noch funktioniert hat.
Frühe Start-ups hingegen haben diese Einschränkungen nicht. Sie können ab dem ersten Tag Meetings, Engineering, Customer Service, Sales, Recruiting, Operations und Produktentwicklung alles so gestalten, dass es für KI lesbar, abfragbar und rückkoppelbar ist. Diana ist der Ansicht, dass dies der bedeutende Vorteil von Start-ups gegenüber großen Unternehmen ist.
Die zukünftige Eintrittsschwelle in das Unternehmertum: Unternehmen so neu erfinden, dass es mit KI geht
Daher ist die Antwort auf „wie man mit KI von Anfang an ein Unternehmen aufbaut“ nicht, ChatGPT, Claude, Cursor, Devin oder verschiedenste Agent-Tools in bestehende Prozesse hineinzustopfen, sondern umgekehrt: das Unternehmen selbst neu zu entwerfen.
Der Gründer sollte zuerst eine abfragbare Organisation aufbauen, sodass alle wichtigen Informationen zu einem Kontext werden, den KI lesen kann; dann geschlossene Prozessabläufe einführen, damit Entscheidungen, Ausführung und Ergebnisse kontinuierlich zurückgespielt werden; anschließend Produktentwicklung mit Spezifikationen und tests treibend gestalten, sodass Agents einen Großteil der Implementierung übernehmen; und schließlich ein Team aus weniger, aber stärkeren builder-operator, DRI und AI founder type bilden.
Dianas Sicht deutet auf ein noch radikaleres Fazit hin: In der KI-Ära werden Start-ups nicht nur „dieselbe Firma, aber effizienter“ sein. Echte KI-native Unternehmen werden sich von Organisation, Prozess, Produktentwicklung, Aufteilung der Rollen bis hin zur Kostenstruktur in allen Aspekten unterscheiden.
Es ist nicht so, dass KI nur dabei hilft, dass das Unternehmen schneller läuft; vielmehr wird das Unternehmen von Anfang an als ein intelligentes System gestaltet, das lernt, Rückmeldungen bekommt und sich selbst verbessert. Für Gründer ist das möglicherweise die wichtigste Eintrittsschwelle der nächsten Jahre im Unternehmertum: nicht die Frage, ob man KI nutzt, sondern ob man mit KI das Unternehmen selbst neu erfinden kann.
Dieser Artikel, den YC-Partner über das Aufbauen eines Unternehmens von Grund auf mit KI teilen, sollte KI als Betriebssystem statt als Tool betrachten. Erstmals erschienen auf 鏈新聞 ABMedia.
