Newsletter · 2026-07-11 · Ashutosh Agarwal

Hier ist Ihr Gehalt, hier ist Ihr Token-Budget

How They Build für die Woche vom 4. bis 11. Juli 2026. Winzige Teams meldeten extreme Umsatz-pro-Mitarbeiter-Zahlen (Lovable: 500 Mio. Dollar ARR mit 149 Leuten), während Unternehmen von Tesla bis Coinbase ihre KI-Token-Ausgaben deckelten oder neu konstruierten, und ein VC sagte ein Token-Budget pro Mitarbeiter voraus, das künftig neben dem Gehalt steht.

How They Build

Woche vom 4.–11. Juli 2026: Hier ist Ihr Gehalt, hier ist Ihr Token-Budget

How They Build, Woche vom 4. bis 11. Juli 2026. Diese Woche meldeten winzige Teams gewaltige Umsatzzahlen, und Unternehmen bekamen ihre erste echte Rechnung für die Maschinen, die den Rest der Arbeit erledigen.

Zwei Geschichten liefen diese Woche in den Podcasts parallel, und im Grunde sind es dieselbe Geschichte. Auf der einen Seite zeigten Gründer, wie wenige Menschen es inzwischen braucht, um ein echtes, umsatzstarkes Unternehmen aufzubauen. Auf der anderen Seite bekamen genau diese Unternehmen die Rechnung für die KI präsentiert, die den Rest der Arbeit erledigt, und die ist groß genug, dass manche ihren Ingenieuren inzwischen ein Token-Budget zuteilen, so wie man ein Gehalt zuteilt. ("Token" sind die Texteinheiten, die ein KI-Modell liest und schreibt; dafür zahlt man an das KI-Unternehmen. Bei intensiver Nutzung summiert sich das schnell.)

Hier ist die Woche.

Die Zahl: 500 Millionen Dollar Umsatz. 149 Leute.

Das ist die Schlagzeile der Woche, und sie stammt von Clay Bavor, Mitgründer des Enterprise-KI-Unternehmens Sierra, bei 20VC. Er sprach über einen Konkurrenten, das KI-Coding-Startup Lovable, das gerade verkündet hatte, 500 Millionen Dollar ARR mit 149 Leuten erreicht zu haben. (ARR steht für "annual recurring revenue", die jährliche Run-Rate eines Abo-Geschäfts.) Das läuft auf rund 3,4 Millionen Dollar Umsatz pro Mitarbeiter hinaus, eine Kennzahl, die früher einer Handvoll der effizientesten Börsenkonzerne der Welt vorbehalten war, jetzt gemeldet von einem Startup, von dem die meisten Leute vor zwei Jahren noch nie gehört hatten.

"Gestern hat Lovable verkündet, glaube ich, 500 Millionen Dollar ARR mit 149 Leuten erreicht zu haben... ich glaube, die generelle Reiserichtung geht klar in Richtung kleinerer, höher gehebelter Teams."

The Twenty Minute VC (20VC), "Open Models vs Frontier Models: Who Actually Wins? | The $100,000 Token Budget Every Engineer Will Need... with Clay Bavor, Co-Founder of Sierra" (2026-07-04)

Und das ist längst keine Anekdote mehr, die man wegwischen kann. Die klarsten Daten der Woche kamen aus einer Zusammenschau neuer Stripe- und akademischer Forschung. Laut Stripe machen Solo-Gründer inzwischen 63 % aller im zweiten Quartal 2026 gegründeten C-Corporations aus, ein Allzeithoch. Die Zahl der Ein-Personen-Unternehmen ("Solopreneure") mit über 1 Million Dollar Umsatz hat sich zwischen 2023 und 2025 mehr als verdoppelt. Und eine gemeinsame Studie von Harvard Business School und INSEAD ergab, dass KI-native Startups "25 % kleiner, flacher und ingenieurlastiger, aber gleich hoch bewertet" sind wie ihre älteren Pendants. Das Framing des Moderators war der einprägsame Teil: Solopreneure seien "das extreme Ende der Effizienzgewinne, die durch KI möglich sind", sie durchlaufen im Schnelldurchlauf die Experimente, die irgendwann alle anderen erreichen.

"Die Zahl der Solopreneure, die eine Million Dollar verdienen, hat sich zwischen '23 und '25 mehr als verdoppelt... Das ist keine Welle von per Vibe-Coding zusammengeschusterten Apps, die eine Million Dollar ARR erreichen, sondern KI, die die Lücken füllt, die früher eine Einstellung zwingend gemacht haben. Für kleine Unternehmen springen KI-Dienste jetzt als der technische Mitgründer oder als die erste Vertriebs- und Marketing-Einstellung ein."

The AI Daily Brief, "AI Is Making One-Person Million-Dollar Companies More Common" (2026-07-06)

Wer das mentale Modell in einem Satz will: Ein Gründer namens Geoff McQueen lieferte es bei Spark of Ages. Sein erklärtes Ziel ist es, ein Unternehmen mit 10 Millionen Dollar ARR und weniger als 10 Vollzeitmitarbeitern aufzubauen, gegen das, was er die alte Faustregel von 75 bis 100 Leuten für denselben Umsatz nannte.

"Ein Unternehmen mit 10 Millionen Dollar Umsatz und, sagen wir, 75 bis 100 Mitarbeitern war früher wahrscheinlich ein ziemlich Standard-Wachstumsplaybook... Was KI getan hat, ist, die Produktivität um den Faktor fünf bis zehn zu steigern. Man wird also einen der besten Marketer haben, mit dem ich je gearbeitet habe, aber sie werden den Durchsatz von fünf bis zehn Personen liefern, mit Agents und Tools, um deutlich schneller voranzukommen."

Spark of Ages, "The Career Move That Survives AI / Geoff McQueen, Vibecoding, Revealed Preference, Coaches" (2026-07-10)

Was Gründer geändert haben

Zwei Ingenieure decken jetzt acht Sportligen ab. Blitz ist ein KI-natives Sportdaten-Unternehmen, das seine Gründer mit ihren eigenen Sportwetten-Gewinnen bootstrappten. Auf die Frage, wie sie über Teamaufbau denken, war Mitgründer Devin unumwunden: das Team bewusst winzig halten. Das Unternehmen bedient acht Ligen (MLB, NBA und sechs weitere) mit einem Vollzeit-Engineering-Team von genau zwei Leuten. Ihre Einstellungslatte ist ungewöhnlich, sie wollen Leute, die sowohl KI als auch Sport tief verstehen, statt eines größeren Teams, das nur eines von beidem beherrscht.

"Tejas und ich wollten das Team so lange wie möglich klein halten. Es geht schneller, Dinge zu bauen, als je zuvor, und ehrlich gesagt wissen wir besser als jeder andere, was wir bauen... Wir hätten lieber nur ein paar Leute, die selbst viel bauen können, als ein viel größeres Team, das vielleicht nur eine dieser beiden Fähigkeiten hat. Was Vollzeit-Ingenieure angeht, sind das gerade nur Tejas und ich."

The Betting Startups Podcast, "Ep. 218: AI-first sports intelligence infrastructure w/ Devon & Tejas from Blitz" (2026-07-07)

Die Design-Abteilung hat aufgehört, Figma zu benutzen. Das war das eindrücklichste "Vorher-Nachher" der Woche. Bei Empire beschrieb ein Gründer der Krypto-Research-Firma Blockworks, was passierte, als sein Team sein Designsystem und seine Markenassets in Anthropics neues "Claude Design"-Tool einspeiste. Arbeit, die früher durch eine Kette von Leuten wanderte (Head of Product, Designer, Texter, Ingenieur), kollabiert jetzt in einen Tag, und Sales-Decks entstehen in Minuten. Er sagte, die Figma-Nutzung des Teams sei auf etwa 5 % ihres früheren Niveaus gefallen.

"Wir brauchen eine neue Landingpage für unsere API, für dieses Monitoring-Produkt, für Investor Relations, für unser Kontaktformular. Das wäre früher... an den Produktdesigner gegangen, der es entworfen, zurückgeschickt hätte, 'ah, da müssen wir noch dran arbeiten', dann weiter an jemanden, der gut im Texten ist. Ich mach keine Witze: Das hat 24 Stunden gedauert. Das Ganze... Und für jeden Sales-Deal haben wir einen Slack-Kanal, man lädt die Notizen hoch, kombiniert sie mit dem HubSpot-Datensatz und dem Slack, sagt 'ich pitche [Kunde], das ist ein 275.000-Dollar-Deal'... es baut dir in zwei Minuten ein Deck, das besser ist, als wir es je selbst hinbekommen hätten. Ich könnte nicht tun, was ich jetzt tue, ohne KI. Ich bräuchte ein viel, viel größeres Team."

Empire, "Crypto's Value Capture Problem & Why Robinhood Built Its Own Blockchain" (2026-07-10)

Dreifacher Umsatz, dieselben 120 Leute. Abbas Mohammed baute sein erstes Unternehmen, ein Immobiliengeschäft, über vier Jahre auf 1,7 Millionen Dollar Jahresumsatz auf, indem er 25 virtuelle Assistenten einstellte. Sein aktuelles Unternehmen, Remote Leverage, läuft jetzt bei rund 1,5 Millionen Dollar im Monat. Seine Behauptung: KI ließ ihn den Umsatz etwa verdreifachen, während die interne Kopfzahl bei rund 120 Leuten konstant blieb, indem er die Arbeit auf niedrigem Niveau automatisierte, sodass seine Spezialisten sich höherwertigen Aufgaben widmen konnten. Seine Einstellungsphilosophie ist eine Zurechtweisung des "billigste Arbeitskraft"-Instinkts, er argumentiert, ein etwas teurerer Experte liefere "buchstäblich 10-mal bessere Ergebnisse".

"Es hat vier Jahre gedauert, bis ich in meinem ersten Unternehmen 1,7 Millionen Dollar Umsatz erreicht habe. Jetzt liegen wir bei 1,5 Millionen Dollar im Monat, und das haben wir in weniger als zwei Jahren geschafft... Die zusätzlichen 20 %, 30 %, 40 % an Gehalt, die man für einen wirklich guten Experten zahlt, bringen buchstäblich 10-mal bessere Ergebnisse als jemand, der etwas günstiger ist."

Grit Daily Startup Show, "Abbas Mohammed on Why Better Talent Beats Doing Everything Yourself" (2026-07-07)

1 Million Dollar Umsatz, zwei Wochen nach dem Launch. Raj Singh, ein Serienunternehmer, dessen letztes Unternehmen 100 Millionen Menschen erreichte, bevor es übernommen wurde, baute mit Bestsellerautor Mark Manson eine neue KI-Lebenscoaching-App namens Purpose. Sein Team baute das gesamte Produkt in etwa sechs Monaten und überschritt 1 Million Dollar ARR innerhalb von zwei Wochen nach dem Launch. Der interessante Teil ist der Produkt-Einblick, nicht nur die Geschwindigkeit: Er glaubt, dass die gängigen Chatbots darauf getrimmt sind zu gefallen, und er wollte das Gegenteil bauen.

"Alle Foundation-Modelle, ChatGPT, Claude, die sind nicht nur zu viel Zucker. Die sind Süßigkeiten. Alles Zucker, weil sie auf Engagement optimieren... Die Produktherausforderung war: Wie gibst du einem unterwürfigen LLM ein Rückgrat? Über 40 % der Purpose-Nutzer sagen inzwischen, sie hätten, Zitat, 'lebensverändernden Wert' erhalten."

Subversive, "How Purpose Hit $1M in ARR Two Weeks After Launch" (2026-07-09)

Ein 11-köpfiges Medienunternehmen übertrifft ein viel größeres. In seiner eigenen Show interviewte Scott Galloway die Gründer von TBPN, einer täglichen Tech-Sendung, und legte deren Zahlen mit sichtlichem Neid auf den Tisch. Elf Mitarbeiter, 5 Millionen Dollar Werbeumsatz 2025, auf Kurs zu über 30 Millionen Dollar 2026, bootstrapped, profitabel, ohne externes Kapital. Das entspricht rund 2,7 Millionen Dollar Umsatz pro Mitarbeiter in diesem Jahr, auf dem Weg zu deutlich über 4 Millionen Dollar. Galloway merkte an, dass sein eigenes ProfG-Mediengeschäft rund 20 Millionen Dollar mache, mit mehr Downloads und Videoaufrufen, und trotzdem hole TBPN 50 % mehr Umsatz herein. Ihr Trick war kommerzielle Disziplin, nicht Kopfzahl: jährliche Festpreis-Sponsorings (vermarktet "wie das Sponsoring eines Formel-1-Teams"), verkauft an ein bewusst schmales Publikum von vielleicht 200.000 Operatoren und Investoren.

"Elf Mitarbeiter, 5 Millionen Dollar Werbeumsatz 2025. Ihr seid auf Kurs zu über 30 Millionen Dollar 2026. Bootstrapped, profitabel, kein externes Kapital... Und trotzdem habt ihr 50 % mehr Umsatz [als ProfG]."

The Prof G Pod with Scott Galloway, "Why OpenAI Bought a Podcast, with TBPN's John Coogan and Jordi Hays" (2026-07-09)

Der Gegenstrom: Effizienz bedeutet nicht automatisch weniger Leute

Zwei der ranghöchsten Stimmen der Woche widersprachen dem Reflex "KI gleich Entlassungen", und ein Unternehmen hat sich öffentlich die Finger verbrannt, weil es genau daran glaubte.

Ken Griffin, Gründer des Hedgefonds Citadel und des Market-Makers Citadel Securities, beschrieb ein internes System, das echte Doktorarbeit-Niveau-Arbeit leistet. Sein Team baute ein agentisches System (KI, die mehrstufige Aufgaben eigenständig ausführt), um akademische Finance-Paper zu reproduzieren, jene Fleißarbeit, die normalerweise ein Team aus Master- und Doktorabsolventen Wochen kostet.

"Es dauert etwa sechs bis acht Wochen, ein Paper zu reproduzieren... Mein Kollege hat ein agentisches KI-System gebaut, das ein Paper liest, reproduziert, die Ergebnisse verifiziert, die Ergebnisse out-of-sample produziert, und all das im Schnitt in etwa zwei bis drei Stunden erledigt. Und hier ist der entscheidende Punkt: Es gibt bei Citadel keinen Personalabbau infolge dieses Durchbruchs. Ich habe unglaublich talentierte Leute... Ich nehme jeden einzelnen Produktivitätsgewinn mit, den ich kriegen kann, denn mit den talentierten Leuten, die wir haben, haben wir einfach mehr, wonach wir jagen können."

Exchanges, "Ken Griffin on US-China Tensions and AI" (2026-07-09)

Und eine mahnende Geschichte: Ford soll mehr als 300 erfahrene Qualitätsprüfer und Ingenieure zurückgeholt haben, nachdem KI-gestützte Qualitätsprüfungen nicht an menschliche Erfahrung herangereicht hatten, das Unternehmen hatte fälschlich angenommen, dass das Einspeisen von Designanforderungen in ein Modell hochwertige Ergebnisse liefern würde, ohne die erfahrenen Ingenieure. Eine nützliche Erinnerung daran, dass die Ersetzungsgeschichten nicht immer halten. Valuetainment, "'We're Team Human' - Ford Hired Back 350 Engineers They Fired Due to AI" (2026-07-07)

Geoff McQueen machte denselben Punkt vom Stuhl des Bauherren aus, und es lohnt sich, ihn zu beherzigen, bevor man sein Engineering-Team feuert: Eine glatte KI-Demo ist noch kein Produkt. Er verglich eine im ersten Schuss "vibe-gecodete" App mit einem Seifenkisten-Rennwagen mit schönem Lack.

"Sobald man an einen Hügel im Regen kommt, mit den Kindern auf dem Rücksitz, dann passieren die wirklich schlimmen Dinge. Es gibt einen großen Unterschied zwischen dem, was man als Demo vibe-coden kann, und dem, was es braucht, um tatsächlich ein echtes Produkt zu haben."

Spark of Ages, "The Career Move That Survives AI / Geoff McQueen" (2026-07-10)

Die leise Variante: Kopfzahl halten, Umsatz steigen lassen

Für Unternehmen, die keinen Solo-Gründer-Traum verfolgen, war der praktische Schachzug subtiler: das Team gleich groß halten und die KI das Wachstum absorbieren lassen. Bei AI to ROI ging Evan Schwartz von AMCS Group (die Software für Abfall- und Recycling-Flotten herstellt) die Rechnung durch, die tatsächlich eine Kennzahl auf Vorstandsebene bewegt, nicht nur ein "ich habe drei Stunden gespart".

"Ich kann jetzt zwei- bis dreimal so viele Kontakte zu meinen Kunden hinzufügen wie vorher, weil KI die geringwertige, aber notwendige Arbeit übernimmt... Wir konnten unsere Abwanderungsrate von 6 % auf 3 % senken. Wir verwalten mehr als 700.000 Lkw weltweit, und Routenoptimierung spart 17 Gallonen Diesel pro Lkw und Monat."

AI to ROI, "AI Governance, Ethics, and the Stewardship Framework: A Conversation with Evan Schwartz, Chief Innovation Officer at AMCS Group" (2026-07-07)

Seine Disziplin lohnt sich zu übernehmen: Jedes KI-Projekt muss an eine Vorstandskennzahl gekoppelt sein (EBITDA, Free Cashflow, SG&A), bevor es finanziert wird. Er gab ein schön schlichtes Beispiel dafür, warum "gesparte Zeit" eine Falle ist: 40 Minuten von einer Lkw-Route abzuschneiden, ist für sich genommen wertlos, "ich muss dem Fahrer trotzdem einen vollen Tag bezahlen." Das Geld erscheint erst, wenn man die Routen neu ordnet und drei Lkw einspart, bei rund 1 Million Dollar Gesamtkosten pro Jahr und Fahrzeug. Das sind 3 Millionen Dollar echter Free Cashflow, kein vager Produktivitätsanspruch.

Die Kostenecke

Letzte Woche war der Schock das Thema, Unternehmen entdeckten ihre KI-Rechnungen. Diese Woche zogen die Podcasts weiter zur Mechanik: wie Unternehmen die Rechnung tatsächlich in den Griff bekommen, und die unbequeme neue Idee, dass ein Token-Budget zu einer Gehaltsabrechnungsposition neben dem Gehalt wird.

Das grobe Instrument: Obergrenzen. Der Hintergrund ist inzwischen gut etabliert, Uber hat sein Jahres-KI-Budget berühmt in vier Monaten verbrannt und eine 1.500-Dollar-pro-Monat-Obergrenze für Nicht-Coding-Rollen verhängt; Walmart wechselte von unbegrenzter interner Tool-Nutzung zu festen Token-Budgets. Diese Woche kam ein frischer Name auf die Liste: Tesla hat Token-Ausgabenobergrenzen unternehmensweit einheitlich verhängt, als erste, grobe Reaktion. Ein Moderator fasste den ganzen Wandel als den Übergang von der "KI-Subventions-Ära" zur "Token-Knappheits-Ära". The AI Daily Brief, "The Big Ways AI Just Changed" (2026-07-04) und The AI Daily Brief, "AI Costs Are Surging and the Cheap Model Fix Might Not Last" (2026-07-08)

Das klügere Instrument: das Modell tauschen. Coinbases Ansatz erhielt unter Ingenieuren die meiste Aufmerksamkeit. Statt die Nutzung zu deckeln, änderte man, welche Modelle die Arbeit erledigen, indem man von den teuersten Frontier-Modellen auf günstigere Open-Weight-Optionen umstellte (GLM-52 und Kimi-2.7), dann Caching und "schwierigkeitsbasiertes Routing" hinzufügte (leichte Aufgaben an günstige Modelle, schwere an teure). Das Ergebnis:

"Sie konnten die Ausgaben auf fast die Hälfte ihres Höchststands senken, und trotzdem stieg ihre tatsächliche Token-Nutzung. Und beim Output gab es keinen Einbruch."

Everyday AI Podcast, "Ep 813: AI Cost Control 101: Why Your Chatbot Bill Is Becoming a Board-Level Problem" (2026-07-07)

Das burggraben-bauende Instrument: das eigene Modell fine-tunen. Die eindrücklichste Ökonomie der Woche kam vom Fine-Tuning, dem Neutrainieren eines kleineren Modells auf den eigenen proprietären Daten, damit es ein riesiges Allzweckmodell bei der eigenen spezifischen Aufgabe für einen Bruchteil der Kosten schlägt. Das von allen zitierte Beispiel war eine Bridgewater-Studie, durchgeführt mit Mira Muratis Thinking Machines Lab. In der Darstellung von The AI Daily Brief erzielten große Allzweckmodelle (von GPT 5.2 bis Claude Opus 4.8) 74–78 % Genauigkeit bei dieser Aufgabe zu Kosten von 20 bis 90 Dollar, während Bridgewaters fine-getunter Spezialist rund 85 % für einstellige Dollarbeträge erreichte. Microsoft produktisiert dieselbe Idee unter "Frontier Tuning" und behauptet, seine getunten Modelle erreichten GPT-Klasse-Qualität bei bis zu 10-fach niedrigeren Kosten.

"Manche Leute fragen, warum man fine-tunen sollte, wenn Allzweckmodelle ständig besser werden. Bridgewaters Arbeit ist eine gute Erinnerung daran, dass man mit den richtigen Daten, hier: Expertenurteilen, reine Prompting-Ansätze deutlich schlagen kann."

The AI Daily Brief, "AI Costs Are Surging and the Cheap Model Fix Might Not Last" (2026-07-08)

Die beunruhigende neue Idee: Token als Gehaltsposten. Zurück bei 20VC brachte Clay Bavor in Worte, wohin sich das entwickelt. Er hat Top-Ingenieure gesehen, die intensiv auf Coding-Agents setzen und mehr als 100.000 Dollar im Jahr an Token verbrennen, "einen nennenswerten Bruchteil eines Ingenieursgehalts". Seine Vorhersage ist, dass Unternehmen anfangen werden, Token pro Mitarbeiter zu budgetieren, direkt neben dem Gehalt.

"Ich glaube, die Richtung, in die wir uns bewegen, ist eine Art Token-Budgetierung pro Mitarbeiter. Für CFOs wird Kapitalallokation künftig eher so aussehen: Hier ist dein Gehalt, hier ist dein Token-Budget, leg los."

The Twenty Minute VC (20VC), "Open Models vs Frontier Models... The $100,000 Token Budget Every Engineer Will Need... with Clay Bavor, Co-Founder of Sierra" (2026-07-04)

Er lieferte auch eine Zahl, über die es sich beim nächsten Partnermeeting zu streiten lohnt. Salesforces Marc Benioff hat gesagt, er gebe rund 300 Millionen Dollar im Jahr bei Anthropic für seine Entwicklerteams aus, was gewaltig klingt, aber auf rund 3,8 % der Entwicklergehälter hinausläuft. Bavor hält diese Zahl für "wild daneben" von dem Wert, bei dem sie sich einpendeln wird, und wettet, dass sie näher an 20 % konvergiert. Falls er recht hat, ist die Implikation drastisch: Viele KI-Anwendungsunternehmen sind, in seinen Worten, bei den heute angenommenen Ausgaben "grotesk überbewertet", und unterbewertet, falls sich die Ausgaben tatsächlich vervierfachen.

Der Mittelweg: gestufter Zugang. Nicht jeder deckelt oder tauscht. Die Chief People Officer von PwC beschrieb, wie man allen über 80.000 Mitarbeitern eine demokratisierte Basisschicht an Tools gibt (Copilot, ein internes "ChatPwC"), während die teureren Frontier-Tools eine Begründung erfordern, wobei das gesamte Budget "sehr eng überwacht wird, nicht nur von unserer Führung, sondern auch von unserem Vorstand". Ihr Framing ist das, worauf man achten sollte: Sie weigert sich, KI-Ausgaben als optional zu behandeln, und vergleicht das mit der ROI-Frage, die man früher bei Laptops stellte. Aber sie wies auch auf den Joker hin, der darunter liegt: Die heutigen Preise seien "so stark subventioniert... wir kennen die vollen Kosten nicht", und falls die wahren Kosten zutage träten, könnten Offshore- oder Einstiegskräfte für repetitive Arbeit wieder günstiger werden als die Maschine. Future Ready Leadership With Jacob Morgan, "PwC's Chief People Officer on Training 80,000 People for the AI Era With Human Skills at the Center" (2026-07-06)

Die Spannung, mit der die Woche endet: Ein Gründer bei Blockworks, der in einem Atemzug begeistert von Anthropics neuem Fable-5-Modell ist, gab im nächsten zu, es sei "lächerlich teuer", es "frisst Token wie kein Modell, das ich je gesehen habe", und seine Firma bekomme mehr "mir sind die Credits ausgegangen"-Beschwerden als je zuvor. Die Produktivität ist real. Die Rechnung auch. Empire, "Crypto's Value Capture Problem & Why Robinhood Built Its Own Blockchain" (2026-07-10)