Ann war im letzten Monat in San Francisco unterwegs und hat dort verschiedene KI-native Unternehmen besucht. Sie konnte aus erster Hand sehen, wie diese Firmen heute wirklich arbeiten. Vieles davon hat sie überrascht und einige Muster haben sich bei fast jedem Besuch wiederholt. Hier ist eine kurze Zusammenfassung dessen, was ein KI-natives Unternehmen für die Zukunft bedeuten könnte.
Der Produktmanager verschwindet
An einem einzigen Tag hat Ann fünf Firmen besucht. Insgesamt fand sie dort genau einen einzigen Vollzeit-Produktmanager. Eine der Firmen hatte sogar 40 Mitarbeiter und trotzdem keinen klassischen PM. Stattdessen sprechen die Entwickler täglich direkt mit den Kunden und treffen Produktentscheidungen komplett selbst.
Der Produktmanager wird hier nicht einfach mit KI unterstützt oder verstärkt. Bei vielen Startups, die Ann gesehen hat, wird die Rolle komplett von Engineering und Design übernommen. Der PM verschwindet als eigenständige Funktion. Was übrig bleibt, ist eine viel direktere Verbindung zwischen den Menschen, die etwas bauen, und den Menschen, die es nutzen.
Die größte Gefahr: Die Feature-Fabrik
Wenn man jeden Kundenwunsch innerhalb eines Tages umsetzen kann, ist die Versuchung riesig, einfach alles zu bauen. Mehrere Firmen haben Ann erzählt, dass genau das ihr größtes strategisches Risiko ist. Sie nennen es die Feature-Fabrik. Es bedeutet, dass man am Ende ein Produkt hat, das alles ein bisschen kann, aber nichts richtig.
Die Firmen, die diesen Kampf gewinnen, arbeiten mit harten Grenzen. Eine Firma erlaubt ihren KI-Agenten nur, bestehende Funktionen über JSON zu konfigurieren. Sie können buchstäblich keinen neuen Code schreiben. Eine andere nutzt klare Nordstern-Kennzahlen pro Team, um Ideen zu killen, bevor sie überhaupt umgesetzt werden. Mehrere Gründer betonten gegenüber Ann: Man muss bewusst entscheiden, wo das Produkt eine klare Meinung hat und wo es flexibel sein darf.
Wenn die Umsetzung fast nichts mehr kostet, wird Geschmack zum entscheidenden Wettbewerbsvorteil. Aber wie ein Unternehmen sich organisieren muss, damit dieser Geschmack wirklich sichtbar wird, ist noch eine offene Frage.
Der Tech-Stack vereinheitlicht sich
Fast jede Firma, die Ann besucht hat, nutzt denselben Kern an Werkzeugen. Slack für die Kommunikation. Claude Code fürs Programmieren. GitHub für den Code. Codex für Code-Reviews. Linear für das Projektmanagement. Linear hat nicht nur das große SaaS-Sterben überlebt, sondern entwickelt sich gerade zu einem zentralen Werkzeug für dieses neue Arbeitsmodell.
Slack ist dabei zur zentralen Orchestrierungsschicht für KI-Agenten geworden. Eine einfache Emoji-Reaktion erstellt automatisch ein Ticket. Bots melden Diagnosen und sortieren Kundenanfragen vor. Wer einen Agenten in einem Thread markiert, startet damit direkt eine Bearbeitung des Problems.
Vor sechs Monaten kam Cursor in jedem Gespräch vor. Heute wird es nur noch sporadisch erwähnt. Die Entwickler leben jetzt in Claude Code. Ein Forscher erzählte Ann, er habe Cursor parallel zu Claude laufen lassen und sich ständig gefragt, warum er das zweite Fenster überhaupt brauche. Das ist beunruhigend für alle Coding-Plattformen: Entwickler scheinen nicht besonders treu zu einem bestimmten Werkzeug zu sein. Das wirft die Frage auf, wie eine Coding-Plattform über die Zeit ihren Wert behält — außer sie profitiert von den Daten, die Entwickler erzeugen, und trainiert damit ihr Modell. Hier hat Anthropic einen klaren Vorteil, besonders mit den Neuigkeiten rund um Mythos.
Menschen überall im Unternehmen bauen echte Dinge
Eine Account Managerin im Enterprise-Bereich hatte ihr Produkt-Team monatelang darum gebeten, das Hochladen neuer Kunden zu automatisieren. Niemand hat es priorisiert. Dann fragte sie einfach einen KI-Agenten in Slack. Eine Stunde später war es fertig.
Ein Buchhaltungsteam schreibt eigene Datenbankabfragen und nutzt MCP, um direkt mit den eigenen Geschäftsdaten zu reden. Eine Chief of Staff produziert Direktwerbung und Marketing-Materialien in unter 30 Minuten. Die wahre Verschiebung passiert nicht bei den Entwicklern. Sie passiert bei allen anderen.
Das ist die am meisten unterschätzte Veränderung. Es geht nicht darum, was KI für Programmierer leistet. Es geht darum, was sie für alle anderen Rollen im Unternehmen ermöglicht.
Experimentieren kostet fast nichts mehr — und die Effekte verstärken sich
Ein Forscher testet zehn verschiedene Interface-Designs, lässt jedes einen Tag laufen und wirft neun davon weg. Eine Designerin generiert mehrere konkurrierende Entwürfe in einzelnen Browser-Tabs in unter sechs Minuten. Ein Growth-PM ohne jede Programmierkenntnisse hat in zwei Tagen eine komplette Meta-Ads-Pipeline gebaut: Strategie-Briefings, KI-generierte Video-Anzeigen und automatisches Posten auf Meta.
Firmen nutzen KI sogar, um Kunden zu simulieren, bevor echte Menschen das Produkt jemals berühren. Ein Team hat KI-Agenten gebaut, die verschiedene Nutzer-Rollen spielen und damit das Produkt unter Stress setzen — ohne auf echtes Feedback warten zu müssen. Ein anderes führt hunderte Kundeninterviews pro Woche durch, statt 50 pro Quartal. Eine Firma hat detaillierte Kunden-Personas mit kompletten Verhandlungs-Historien, Kommunikations-Vorlieben und Entscheidungs-Mustern erstellt. Sie nutzen das, um sich auf Verkaufsgespräche vorzubereiten.
Diese Firmen iterieren drei- bis fünfmal schneller als früher. Diese Geschwindigkeit zeigt sich auf zwei Arten. Manche schließen ein einzelnes Experiment schneller ab und können so mehr Experimente in derselben Zeit durchführen. Andere lassen mehrere Experimente parallel laufen. In beiden Fällen wird die Fläche an Unbekanntem schneller erkundet. Sowohl das Bauen als auch das Lernen verkürzen sich quer durch die ganze Organisation. Wissen baut sich auf und verstärkt sich gegenseitig.
Aber das ist eine grundsätzlich andere Art zu arbeiten. Es hat Ann daran erinnert, wie sich Kriegsführung von Kampfjets zu Schwärmen von Drohnen verlagert hat — und welche Folgen das für die Strategie hatte. Etwas Ähnliches passiert gerade bei der Frage, wie Unternehmen funktionieren.
Wie es weitergeht
Ann besucht weiter Firmen und wird in Zukunft tiefere Fallstudien mit konkreten Beispielen veröffentlichen. Aber das Muster ist jetzt schon klar erkennbar. Der Abstand zwischen Firmen, die diese Praktiken verinnerlicht haben, und solchen, die noch über „KI-Strategie“ diskutieren, ist riesig — und er wächst jede Woche weiter.
Wenn du als Gründer so arbeitest, hört Ann gerne von dir.
