Newsletter · · Ashutosh Agarwal

Solo-Gründer und KI-Agenten zeichnen das Organigramm der Startups neu - How They Build - Woche vom 25. Juli 2026

How They Build fasst Gründer- und Operator-Podcasts für die Woche vom 25. Juli 2026 zusammen: eine Person bei 1,5 Millionen Dollar, sechs Ingenieure bei 10 Millionen, Code von Hand schreiben als Kündigungsgrund, und Finanzchefs, die lernen, die Token-Rechnung zu bezahlen.

How They Build

Woche vom 25. Juli 2026: Solo-Gründer und KI-Agenten zeichnen das Organigramm der Startups neu

Ein Softwareunternehmen mit 1,5 Millionen Dollar Jahresumsatz und null Mitarbeitern, eine Firma, in der handgeschriebener Code zur Kündigung führt, und die Woche, in der das "KI-native Unternehmen" aufhörte, eine Folie zu sein, und stattdessen zum Organigramm wurde. (Podcasts vom 18.-25. Juli 2026.)

Die Zahl der Woche: 1,5 Millionen Dollar Umsatz, null Mitarbeiter

George Georgiardis führt ein Softwareunternehmen namens Happy Elites (auch bekannt als Happier Leads), das Unternehmen dabei hilft herauszufinden, wer sich still auf ihrer Website umsieht, und diese Besucher dann per E-Mail nachfasst. Im The SaaS Podcast, "Stuck at $50K ARR for 5 Years. Now $1.5M With AI Agents." (23.07.2026), beschrieb er die Größe des Unternehmens in einem Satz, der hängen bleibt:

"Right now it's zero team, so it's just myself and AI and I am on 1.5M ARR. It's like 100 people working for the business right now, or 24-7 self-healing things that can break."

(ARR steht schlicht für annual recurring revenue, den Jahreswert aller Abonnements.)

Was diese Zahl der Woche ausmacht, ist nicht nur ihre Größe, sondern die Form: ein Mensch, keine Mitarbeiter, 1,5 Millionen Dollar im Jahr. Und es war kein KI-Märchen über Nacht. George steckte fünf Jahre lang bei 50.000 Dollar ARR fest, steckte sein eigenes Geld und schließlich geliehenes Geld hinein, um das Unternehmen am Leben zu halten. "Mehrmals dachte ich, ich höre auf, weil ich als Vollzeitangestellter viel mehr Geld hätte", sagte er. Er hatte versucht, Venture-Kapital aufzunehmen, und war gescheitert, hatte sich durch zehn verschiedene Projektideen gearbeitet und zählte nach eigener Angabe "88 Leute, die gekommen und gegangen sind" über die Jahre.

Dann änderten sich zwei Dinge, und beide sind es wert, festgehalten zu werden.

Erstens ging er endlich in die Tiefe bei einem Kanal, statt alles nur oberflächlich zu betreiben. Er besaß eine Datenbank mit 175 Millionen Kontakten, die er an andere verkauft, aber selbst nie genutzt hatte. Er begann, jährlich Millionen von Kaltakquise-E-Mails darüber zu versenden, und, entscheidend, er besaß die gesamte Infrastruktur dahinter. "Ich habe die Mailboxen gebaut... ich bekomme sie gerade zu einem sehr, sehr, sehr niedrigen Preis pro Mailbox", sagte er, was letztlich dafür sorgte, dass die Unit Economics funktionierten. Seine Faustregel: "für jeden Dollar, den man reinsteckt, muss man 1,2 oder 1,3 wieder herausbekommen, um zu wachsen."

Zweitens, und das ist der Teil, der dafür zählt, wie Startups heute gebaut werden, ersetzte er Personal durch Software, die er selbst mit KI geschrieben hat. Er kündigte sein 500-Dollar-im-Monat-Intercom-Abo und baute seinen eigenen Chatbot. Er baute sein eigenes CRM, sein eigenes Session-Recording-Tool (eine selbstgebaute Version von Hotjar) und verdrahtete alles mit einem KI-"Gehirn":

"I built a brain, which is the AI brain. It's everything built in-house... AI that analyzes those session recordings and what people do... if there is a bug and they cannot move forward, AI can realize this and can... send emails to people to unblock them."

Er automatisierte sogar die Fehlerbehebung. Wenn sich ein Kunde beschwert, dass sein Guthabenstand falsch ist, sendet das System "ein Signal per KI, um die Datenbank und die Codebasis zu durchsuchen... Probleme zu finden, Bugs zu identifizieren, die Bugs zu beheben", mit Leitplanken dazwischen, damit böswillige Akteure das System nicht per Prompt dazu bringen können, die Datenbank zu löschen. Er nennt es Software, die sich "selbst heilen" kann.

Hier kommt die ehrliche Wendung, und sie ist der Grund, warum hier ein Gründer die Wahrheit sagt, statt einen Traum zu verkaufen: George glaubt inzwischen, dass das Solo-plus-KI-Modell eine Obergrenze hat. Der Host der Show fasste Georges eigenes Fazit zusammen: Er sei "jetzt überzeugt, dass er kein echtes Unternehmen allein mit KI aufbauen kann. Also stellt er ein und baut ein Team auf." Eine Person und ein Schwarm von Agenten kann einen auf 1,5 Millionen Dollar bringen. Darüber hinauszukommen scheint, zumindest im Moment, immer noch Menschen zu erfordern.

Was Gründer diese Woche verändert haben

Das Unternehmen mit sechs Ingenieuren, 10 Millionen Dollar und neun Stunden. Im The CTO Playbook, "105: The CTO's real job when agents write the code" (20.07.2026), beschrieb der Gast einen Gründer, den er getroffen hatte, dessen Zahlen erfunden klingen, bis man sie sich genauer ansieht:

"Six months back, he had zero revenue. Within six months, he has gone to $10 million worth of ARR... And he has six engineers. And he has close to 50 agents who work for him every day. From the time that he hears what a customer wants to when he implements that capability, it is less than nine hours."

Er stellte diese Neun-Stunden-Zahl in einen historischen Kontext: Software wurde früher in "Wasserfall"-Zyklen gebaut, die "18 Monate, drei Jahre dauerten", dann komprimierte Agile das auf einen Monat, dann auf zwei Wochen. "Aber er macht es in neun Stunden. Neun Stunden." Die eigene Firma des Gastes, über 1.000 Mitarbeiter in 50 Ländern, "erfindet gerade unser gesamtes Unternehmen neu, basierend auf KI", von Finanzen über Recht bis HR. Und er lieferte den prägnantesten Einzeiler der Woche darüber, wofür Ingenieure heute eigentlich da sind: "Man braucht keine Ingenieure, um Software zu schreiben. Man braucht Ingenieure, um herauszufinden, was für die Kunden zu tun ist."

"Wenn du Code von Hand schreibst, bist du gefeuert." Das ist eine echte Anweisung, kein Scherz. Bei [Un]Churned, "Why BCGx's Chief AI Officer thinks writing code by hand is a waste of time ft. Matthew Kropp (BCGx)" (22.07.2026), sagte Kropp, Senior Partner bei BCG, der seit seinem achten Lebensjahr programmiert, es unverblümt: "Wenn Teams für mich an meinen Projekten arbeiten, ist das Erste, was ich ihnen sage: 'Wenn ihr Code von Hand schreibt, seid ihr gefeuert.' Das ist keine Option." (Er stellte klar, dass er tatsächlich noch niemanden feuern musste, weil die Leute, die sich für die Zusammenarbeit mit ihm entscheiden, bereits "AI-pilled" sind.)

Seine Logik ist, dass KI mittlerweile all die Vorarbeit erledigt, die früher Wochen fraß: "So vieles, was wir bis jetzt getan haben, war Verschwendung. Man verbrachte Tage, Wochen, Monate damit, die grundlegende Infrastruktur aufzusetzen... Das hatte keinerlei Wert." Sein Rahmen: "KI schafft die Baseline. Alles, was KI kann, solltest du nicht selbst machen, denn wenn du es tust, verschwendest du deine Zeit."

Kropp betreibt auch ein wirklich verrücktes Experiment namens Vesica, den Versuch eines Null-Mensch-Unternehmens. Er besetzte es komplett mit KI-Agenten, die sich selbst Namen gaben: eine CEO namens Apex, eine Markenstrategin namens Muse, ein Produktmanager namens Prism und ein Scrum Master namens Forge. Kropp nennt sich selbst nicht CEO. "Sie haben mich 'den Gouverneur' genannt... APEX ist die CEO. Sie kommen auf die Ideen. Sie setzen alles um, und ich bin nur da, um es unter Kontrolle zu halten." Und das ist nicht so exotisch, wie es klingt: BCGs Forschung ergab, dass 30% der Befragten sagten, ihr Unternehmen habe bereits KI-"Mitarbeiter" im Organigramm. "Ich dachte, es wären 5%", sagte Kropp. "Ich war fassungslos."

Er sprach auch offen darüber, warum Menschen Widerstand leisten, und es geht nicht in erster Linie um Arbeitsplätze, sondern um Identität. Er las einen Tagebucheintrag eines Ingenieurs aus einem der Trainingsprogramme von BCG vor: "Meine Welt ist erschüttert. Ich sehe, dass KI genauso gut programmieren kann wie ich. Mein Wert für die Welt ist, dass ich Code schreibe. Wenn KI genauso gut Code schreiben kann wie ich, was ist dann mein Wert für die Welt?"

"Alle schreiben Code", also lösen sich die Jobtitel auf. Bei Odd Lots, "The Creator of Claude Code on The Hottest Piece of Software in the World" (20.07.2026), teilte der Schöpfer von Anthropics Claude Code eine Zahl, die jeden trifft, der Ingenieure beschäftigt: Bei Anthropic liegt "der Durchschnitt bei etwa 90%" des Codes, der inzwischen von Claude Code geschrieben wird, und persönlich seien "100% meines Codes seit November letzten Jahres von quad code geschrieben." Er verfolgt den Wandel live in seinen Vorträgen vor Y-Combinator-Startup-Batches: Früher fragte er, wer das Tool nutzt; jetzt fragt er, wer 100% seines Codes damit schreibt, und "als ich das zum ersten Mal fragte, ging vielleicht ein Viertel der Hände hoch. Jetzt sind es etwas mehr als die Hälfte. Und ich wette, beim nächsten Mal... werden es alle sein."

Die Konsequenz ist, dass die sauberen Kästchen im Organigramm zerfließen. "Alle können Code schreiben, [also] verschieben sich die Rollen", sagte er. In seinem eigenen Team "schreibt jeder Code, einschließlich unserer Designer, Produktmanager und Engineering Manager." Statt "Engineering gegen Design gegen Produkt gegen User Research gegen Data Science" sieht er, wie sich Menschen in völlig neue Rollen neu ordnen, basierend darauf, in welcher Bauphase sie am besten sind:

  • Prototyper, hervorragend bei der ersten Idee und schneller Iteration.
  • Builder, nehmen eine neue Idee und machen daraus ein echtes Produkt.
  • Maintainer, halten Software am Laufen, sobald sie skaliert ist.
  • Grower/Scaler, nehmen etwas mit Product-Market-Fit und skalieren es um das 10- oder 100-fache ("bei Anthropic gerade sehr beliebt").
  • Sweeper/Perfektionisten, polieren Produkt und Code, bis die groben Kanten verschwunden sind.

Seine Warnung an große Unternehmen ist der schärfste strategische Punkt der Episode. Er grub einen Harvard-Business-Review-Artikel von 1996 aus, der fragte, warum Unternehmen keine Produktivitätsgewinne aus dem damals neuen PC zogen. Die Antwort, damals wie heute: Die Verlierer stellten den Computer "in die Ecke des Büros" und machten es zur Aufgabe einer einzigen Person, ihn zu füttern, während die Gewinner "den Computer in die Mitte des Büros stellten... alles digitalisierten und die Aktenschränke wegwarfen." Sein Rat für den Designer, dessen Job Claude jetzt in einem Slack-Thread erledigt, lautet nicht "lass Claude antworten", sondern "gib diesem Icon-Designer tausend Claudes und lass ihn den größten Icon-Designer der Welt sein."

Die 100x-Organisation und das Ende des Headcount-Plans. Bei AI to ROI, "Building the 100x Org - The CFO as AI Architect with Dan Zhang, CFO & CBO at ClickUp" (22.07.2026), beschrieb ClickUps Finanzchef, wie er jede "zu erledigende Aufgabe" im Unternehmen dem gegenüberstellte, was KI heute leisten kann, und fand heraus, dass "60% der zu erledigenden Aufgaben jetzt vollständig durch KI automatisiert sind, nicht durch menschlichen Headcount." Er ist vorsichtig, das als automatisierte Arbeit statt als gefeuerte Menschen zu rahmen, ist aber explizit darüber, wohin das führt: "Es ist nur eine Frage der Zeit, bis sich das in der Bilanz und der Gewinn- und Verlustrechnung langfristig niederschlägt." Er nannte auch einen konkreten operativen Erfolg: Sein Team verkürzte die Zeit für den Monatsabschluss "von acht Tagen auf fünf Tage." Sein Rat an andere Finanzchefs lautet, aufzuhören, allgemeiner "Produktivität" hinterherzujagen, und stattdessen alles an der eigentlichen Aufgabe zu verankern: Die Aufgabe des Vertriebschefs ist es, Umsatz zu bewegen, die Aufgabe des CFO ist es, Cash und Effizienz zu managen, und KI ist nur das Werkzeug, das einen dorthin bringt. (Seine Disziplin bei den Token-Kosten ist so gut, dass sie unten einen eigenen Abschnitt bekommt.)

Das Gegenbeispiel: schlank lange vor KI. Nicht jedes effiziente Unternehmen ist eine KI-Geschichte, und das lohnt sich im Kopf zu behalten. Bei The Changelog, "Canary tokens and digital tripwires (Interview)" (21.07.2026), legte Haroon Meer von der Cybersicherheitsfirma Thinkst Zahlen vor, die einen Großteil des "KI-nativen" Hypes ins rechte Licht rücken: etwas über 50 Mitarbeiter, 22,5 Millionen Dollar ARR, null Outbound-Vertrieb und seit zehn Jahren keine Preiserhöhung. "Wir haben jetzt einzelne Kunden, die uns mehr als 1 Million Dollar zahlen, und wir haben die Leute gar nicht, um diesen Verkauf überhaupt durchzuführen", sagte er. "Sie begannen mit 5 Canaries... und jetzt haben sie tausende Canaries, weil es funktioniert." Thinkst wurde auf die altmodische Art schlank, ein wirklich gutes Produkt und Mundpropaganda, und Meer winkt die Venture- und Private-Equity-Firmen ab, die ihn immer wieder fragen, ob er weiß, wie viel Geld er "auf dem Tisch liegen lässt." Bezeichnenderweise sieht aber auch er, wohin die Reise geht: Er baut sein Produkt so, dass es "auf ein Startup herunterskalieren kann, das nächste Woche mit 1 Person und 10 Agenten startet."

Ein bemerkenswerter Exit eines schlanken Gründers. Beim Practical Founders Podcast, "#206: He Sold at $3M ARR and Got a 10X+ Exit to a PE Buyer - Eran Galperin" (24.07.2026), beschrieb Galperin, wie er seine Fitnessstudio-Verwaltungssoftware GymDesk 2024 bei 3 Millionen Dollar ARR mit 13-16 Mitarbeitern verkaufte, nachdem er sie sechs Jahre lang solo, als einziger Ingenieur aufgebaut hatte, bevor er überhaupt jemanden einstellte. Die Cash-Komponente betrug "32,5 Millionen Dollar", von denen er persönlich nach Steuern und Gebühren "rund 24" Millionen einstrich. Seine Formulierung dafür: "Gründer-skalierte Exits, keine VC-skalierten Exits." Eine Erinnerung daran, dass klein bleiben und alles selbst besitzen immer noch eine Strategie ist, kein Trostpreis.

Das Makro-Bild dahinter. Zwei Podcasts diese Woche unterlegten die Anekdoten mit harter Forschung:

  • Bei WSJ Tech News Briefing, "What Happens When Driverless Vehicles Break the Law?" (21.07.2026), porträtierte Reporterin Lindsay Ellis PointHound, ein Flugdeal-Startup, dessen CEO auf dem Höhepunkt im letzten Jahrzehnt ein Unternehmen mit 150 Mitarbeitern leitete und jetzt dieses hier mit vier Personen führt. Gefragt, wie viele mehr er bräuchte, wenn es abhebt: "vielleicht noch ein Ingenieur, vielleicht eine Person für Marketing." Ein Arbeitspapier der Harvard Business School / INSEAD, das tausende Startups abdeckt, fand, dass die KI-nativen Unternehmen 15% weniger Einstiegsmitarbeiter, 15% weniger Manager und einen höheren Anteil an Ingenieuren hatten. Das entstehende Modell, das sie beschrieb, ist der "Player-Coach": Manager, die die Arbeit selbst weiterhin erledigen, während sie eine Mischung aus Menschen und Agenten beaufsichtigen, mit "weniger Ebenen zwischen der untersten Sprosse der Unternehmensleiter und den Top-Führungskräften."

  • Beim Chat GPT Podcast, "How AI Native Startups Hit Billions Faster" (22.07.2026), gingen die Hosts einen AWS-Wachstumsbericht und eine Harvard-Studie zu fast 50.000 venture-finanzierten Startups durch. Die Schlagzeilen-Statistiken: Startups erreichen heute eine Milliarden-Dollar-Bewertung in 3,5 Jahren, halb so lange wie die ungefähr sieben Jahre, die es vor der Ankunft der generativen KI Ende 2022 brauchte, und 55% der KI-nativen Startups erwirtschaften über 400.000 Dollar Umsatz pro Mitarbeiter, wobei "Teams von 20 die Arbeit von 200 erledigen." Das Organisationsdesign, das immer wieder auftaucht, ist der "Pod": drei- bis fünfköpfige, funktionsübergreifende "Spezialkräfte"-Teams, besetzt mit brandneuen Rollen wie dem "Agentic Engineer" (der entwirft, wie KI-Agenten entscheiden, welche Werkzeuge sie nutzen) und dem "Evaluation Engineer" (der die automatisierte Bewertung baut, die verhindert, dass ein Modell abdriftet). Der unbequeme Teil: Sie zitierten eine Forbes-Zahl, wonach 43% dieser Startups KI nutzen, um Aufgaben, die früher Junioren erledigten, vollständig zu automatisieren, "Tabellen formatieren, Boilerplate-Code schreiben, grundlegende Recherche machen", was die Frage aufwirft, die noch niemand beantwortet hat: "Wenn niemand mehr als Junior eingestellt wird, wie bildet man dann jemals die nächste Generation von Senior-Ingenieuren aus?"

Die Kosten-Ecke

Wenn das Thema der letzten Wochen "die KI-Ausgaben explodieren" war, dann reifte das Gespräch diese Woche zu "so genau bewegt sich das Geld, und so genau zahlt es sich."

Das Budget kommt bewusst aus dem Lohnbudget. Bei AI to ROI, "AI is a Compensation Scale Expense" (21.07.2026), legten die Hosts die Mechanik offen, wie Unternehmen ihre KI-Rechnungen tatsächlich finanzieren. Software-Budgets sind bei weitem nicht groß genug, bei ungefähr 250 Milliarden Dollar globaler SaaS-Ausgaben, die jährlich um 8-11% wachsen, "das reicht nicht, um das Wachstum zu finanzieren, über das wir gerade bei KI gesprochen haben." Also kommt das Geld aus dem einen Topf, der groß genug ist: Personal, das "20% bis 35% des Gesamtumsatzes" bei Tech- und SaaS-Unternehmen ausmacht. Der Mechanismus ist still und bewusst, keine großen Entlassungsankündigungen, sondern schlicht keine Nachbesetzung von Leuten, die gehen: "Wenn man eine jährliche Fluktuationsrate von 8%, 10% bei einem 5.000-Personen-Unternehmen hat, setzt das 75 Millionen Dollar frei." Ihr Beweis, dass es passiert: ARR pro Mitarbeiter bei SaaS-Unternehmen ist um 25-35% gestiegen, von etwa 300.000 Dollar auf rund 400.000 Dollar. Und laut Challenger, Gray & Christmas wurden bis Mitte Mai 2026 mehr als 113.000 Tech-Mitarbeiter bei 179 Unternehmen entlassen, wobei 48% dieser Einschnitte explizit auf KI zurückgeführt wurden, mittlerweile der meistgenannte Grund. Das Ausmaß der Welle ist erschütternd: Sie zitierten eine Gartner-Prognose, wonach die Ausgaben für KI-Software und Token von etwa 100 Milliarden Dollar 2024 auf 2 Billionen Dollar bis 2030 steigen, ein 20-facher Sprung, der den gesamten 25 Jahre alten SaaS-Markt in den Schatten stellen würde. Weitere Datenpunkte aus derselben Episode: KI-native Software-Ausgaben stiegen im Jahresvergleich um 108% (und bei Unternehmen mit über 10.000 Mitarbeitern um fast 400%), und 61% der IT-Leiter gaben an, sie seien gezwungen worden, Projekte zu streichen, wegen ungeplanter KI-Kostenüberschreitungen.

Der CFO, der jeden Tag den Token-Zähler beobachtet. ClickUps Dan Zhang, in derselben AI to ROI 100x Org (22.07.2026) Episode, ist das Vorbild der neuen Disziplin. Er argumentierte, die eigentliche Angst bei KI sei nicht, ob sie sich auszahlt, "der Nutzen von KI ist so offensichtlich... würden Sie es aus eigener Tasche bezahlen? 100% der Leute sagen ja", sondern ob man die Ausgaben kontrollieren kann. Also programmierte sein Team per Vibe-Coding ein Live-Dashboard, das ihnen "den Gottesblick auf alles, was Leute gerade nutzen" gibt, und zieht die Nutzung "von Cursor über Replit bis Codex und Cloud Code" plus ihre eigenen internen Tools zusammen, überwacht täglich statt am Monatsende. Seine Zuteilungsregel ist ein klares 80/20: "Wir wollen, dass 80% der Token zu den 20% wichtigsten Aufgaben im Unternehmen gehen." Seine Warnung an Kollegen: "Wenn die Token-Ausgaben Ihres Teams Sie nachts wachhalten, glaube ich nicht, dass das ein KI-Problem ist. Es bedeutet wahrscheinlich nur, dass Sie keine ordentliche Richtlinie eingeführt haben." Und eine Zahl, die zeigt, wie selten seine Disziplin noch ist: Er zitierte eine Untersuchung über fast 500 Unternehmen, in der über 50% ihr KI-Budget um 25% oder mehr überschritten hatten. Dieselbe Episode erwähnte ein nicht namentlich genanntes Unternehmen, dessen KI-Rechnung Berichten zufolge auf 500 Millionen Dollar im Monat zusteuerte.

Compute ist die neue Lohnsumme, und sie zermalmt die besten Margen im Geschäft. Der Chat GPT Podcast (22.07.2026) formulierte die schärfste Version dieses Punkts. Traditionelle Software hatte "wahrscheinlich das beste Geschäftsmodell in der Geschichte des Kapitalismus", mit Bruttomargen "meist um die 85%", weil ein weiterer Nutzer fast nichts kostet, "die Datenbank fügt nur eine Zeile hinzu." Aber ein KI-Produkt muss denken, jedes Mal wenn jemand klickt, und jedes Token "kostet einen Bruchteil eines Cents", der sich schnell summiert: Ein Startup, das 100 Millionen Anfragen im Monat verarbeitet, "kann leicht mit einer monatlichen Inferenzrechnung von 1 Million Dollar konfrontiert werden." Das Ergebnis: Die Margen bei KI-nativer Software sind von den sagenhaften 85% auf rund 50-65% gefallen. Wie die Hosts es formulierten: "Compute ist die neue Lohnsumme... die prägende Ausgabe des Jahrzehnts." Was diese schlanken Teams an menschlichen Gehältern sparen, gießen sie direkt zurück in Rechenleistung, und sie steigern ihre KI-Ausgaben im Jahresvergleich immer noch um 46%.

Billigere Token, aber teurere Frontier-Modelle. Bei The Twenty Minute VC (20VC), "Are OpenAI and Anthropic Overvalued?... with Lin Qiao, Founder and CEO @ Fireworks" (20.07.2026), machte die CEO von Fireworks eine Vorhersage, die in beide Richtungen wirkt: "Ich glaube tatsächlich, dass die Token-Kosten drastisch sinken werden, eine 10-fache Kostensenkung in den nächsten drei Jahren. Und diese 10-fache Kostensenkung wird eine 100-fache Nutzung antreiben." Mit anderen Worten: Die Stückpreise fallen, aber die Gesamtrechnungen steigen weiter, weil die Nutzung noch schneller explodiert. Fireworks selbst ist eine Fallstudie für Schlankheit im KI-Zeitalter: rund 1 Milliarde Dollar ARR in vier Jahren erreicht, während "über 40 Billionen Token täglich" verarbeitet werden, betrieben von einem Team von nur etwa 200 Personen. In der Folgeepisode, 20VC, "OpenAI and Anthropic Threatened by Kimi?..." (23.07.2026), merkte dieselbe Gästin an, dass Fireworks mit "Bruttomargen in den mittleren 30ern" läuft, eine Erinnerung daran, dass die Infrastrukturebene weit weniger verdient als die 85%-Margen, mit denen Softwareinvestoren groß geworden sind.

Matthew Kropp von BCGx skizzierte in der [Un]Churned (22.07.2026)-Episode, wohin sich die Modellpreise entwickeln: eine gestaffelte Welt, in der man Premium-Preise nur dort zahlt, wo es sich lohnt. "Es würde mich nicht überraschen, wenn wir anfangen würden... irgendein zukünftiges Modell zu sehen, das etwa auf Medikamentenforschung superexpert ist, und vielleicht verlangen sie 10.000 Dollar für eine Million Token statt 25, weil es so wertvoll ist. Aber ich muss das nicht für alles verwenden." Nutzen Sie das teure Modell für die Medikamentenforschung, sagte er, und "ein billigeres Modell, um meinen Urlaub zu planen."

Eine Fußnote eines Skeptikers zu den Schlagzeilenzahlen. Zum Schluss noch eine Warnung, die man aus alldem mitnehmen sollte. Beim Elon Musk Podcast, "Anthropic overtakes OpenAI as most valuable startup" (23.07.2026), merkte der Host an, dass Anthropics viel zitierte jährliche Run-Rate von 47 Milliarden Dollar "Umsatz enthält, der über Cloud-Anbieter abgerechnet wird, die über Retrozessionsvereinbarungen erhebliche Anteile abschöpfen, was bedeutet, dass der tatsächliche Nettoumsatz für Anthropic nur ein Bruchteil der Schlagzeilenzahl ist." Die Hosts von AI to ROI machten denselben Punkt über die Lieblingsmetrik der gesamten Branche: Was diese Labore berichten, "ist nicht die echte ARR. Es ist eine annualisierte Run-Rate des wiederkehrenden Umsatzes, also nimmt man den letzten Monat und multipliziert ihn mit 12." Wenn man liest, dass ein KI-Unternehmen bei einer Run-Rate von 47 Milliarden oder 33 Milliarden Dollar liegt, sollte man sich daran erinnern, dass das eine annualisierte Momentaufnahme ist, und im Fall des über die Cloud abgerechneten Anteils eine Bruttozahl, bevor der Mittelsmann seinen Schnitt nimmt.