Richard de Silva ist der Ansicht, dass die durch KI-gestützte Tools zur Codegenerierung und zum Produktdesign gesunkenen Kosten für die Entwicklung von Software dem Modell selbstfinanzierter Unternehmen – oder sogenannter bootstrapped businesses – wieder mehr Bedeutung verleihen. Statt zunächst umfangreiches Kapital einzuwerben und anschließend nach Product-Market-Fit zu suchen, kann ein kleines Team mit einem Problem beginnen, für dessen Lösung Kunden tatsächlich bezahlen, einen ersten Prototyp entwickeln und erst später entscheiden, ob zusätzliche Investitionen erforderlich sind.
Diese Sichtweise veröffentlichte de Silva als Gastautor bei Crunchbase News. Er ist Gründer, Managing Partner und Vorsitzender des Investmentausschusses von Lateral Investment Management. Zuvor war er Managing Director bei Highland Capital Partners und an der Gründung von IronPlanet beteiligt. Daher sollte der Beitrag als Meinung eines Investors mit Erfahrung im Bereich Risikokapital und bei Unternehmen des mittleren Marktsegments gelesen werden, nicht als Ergebnis einer unabhängigen quantitativen Studie.
Zwei unterschiedliche Modelle für den Unternehmensaufbau
De Silva kritisiert den im Silicon Valley verbreiteten Weg, bei dem ein Unternehmen mit einer ambitionierten Idee beginnt, frühzeitig Finanzierung einwirbt, große Teams einstellt und anschließend Geld ausgibt, um schnell einen breiten Markt zu erreichen und den Product-Market-Fit zu testen. Seiner Ansicht nach kann dieser Weg in Ausnahmefällen erfolgreich sein, führt jedoch häufig zu wiederholten Änderungen des Tätigkeitsfelds oder zum Verschwinden des Unternehmens, sobald es für Investoren an Attraktivität verliert.
Ein selbstfinanziertes Unternehmen beginnt dagegen mit einem Kunden oder einer Branche, die der Gründer bereits kennt. Der Prozess besteht darin, ein bestehendes Problem zu geringeren Kosten als den daraus erzielten Einnahmen zu lösen, anschließend weitere Kunden zu finden, die mit demselben Problem konfrontiert sind, und die Abläufe schrittweise zu verbessern. Nach Ansicht des Autors stellt dieses Modell den Kunden und die Umsätze vor die Expansion und ermöglicht es, den Ausbau des Teams aus den Gewinnen zu finanzieren, statt auf eine noch nicht bewiesene Nachfrage zu setzen.
Der Artikel weist darauf hin, dass die Gründer solcher Unternehmen sich häufig in der Mitte ihrer beruflichen Laufbahn befinden und über Branchenkenntnisse sowie bestehende Kundenbeziehungen verfügen. Dies kann jahrelang ein langsamer und linearer Wachstumspfad bedeuten, legt den Schwerpunkt jedoch von Anfang an auf die Rentabilität. Der Autor nennt Atlassian und Basecamp als Beispiele für Unternehmen, die außerhalb des traditionellen Risikokapitalpfads begannen und eine bedeutende Präsenz im Technologiesektor erreichten.
Was verändert künstliche Intelligenz in der Praxis?
Früher benötigte ein nichttechnischer Gründer häufig frühzeitig externe Finanzierung, um Ingenieure einzustellen und ein nutzbares Produkt zu entwickeln, bevor ausreichende Umsätze vorhanden waren. Heute ist de Silva der Ansicht, dass Tools zur Codegenerierung und zum Produktdesign die Größe des Teams und die Ausgaben verringern, die erforderlich sind, um eine funktionierende Anwendung zu entwickeln und sie bei echten Kunden einzusetzen.
Das bedeutet nicht, dass künstliche Intelligenz den Bedarf an Kapital beseitigt hat. Der vorgebrachten Argumentation zufolge hat sie jedoch den Engpass von der Produktentwicklung auf den Nachweis einer nachhaltigen Nachfrage nach dem Produkt verlagert. Der Autor meint außerdem, dass ein Teil der Frühphasenfinanzierung stattdessen dazu verwendet wird, zusätzliche Zeit zu kaufen, Vertrieb und Marketing zu beschleunigen oder Bereitstellungsprozesse zu unterstützen, die für Kunden ohne Subventionierung nicht wirtschaftlich wären. Daher könnte es für mehr Gründer realistisch werden, den Markt vor der Aufnahme einer großen Finanzierungsrunde zu testen.
Der Artikel nennt Medvi, ein Unternehmen, das laut Beschreibung eine Behandlung im Zusammenhang mit GLP-1-Medikamenten anbietet und mit einem einzigen Gründer einen Umsatz von einer Milliarde US-Dollar erzielt habe, als extremes Beispiel dafür, was kleine Teams erreichen können. Der Text liefert nicht genügend Details, um diese Beschreibung zu überprüfen oder zu verallgemeinern. Daher sollte sie nicht als Beleg dafür betrachtet werden, dass eine geringe Unternehmensgröße den Erfolg garantiert.
Grenzen und offene Fragen
De Silva fordert nicht die Abschaffung von Risikokapital. Er räumt ein, dass unerprobte und kapitalintensive Ideen – insbesondere wenn der Gründer über keinen Kundenstamm verfügt – weiterhin externe Finanzierung benötigen, um die Suche nach einem Markt zu finanzieren. Auch die Senkung der Kosten für die Softwareentwicklung löst nicht automatisch die Herausforderungen der Kundenakquise, der Compliance, des Supports, der Produktsicherheit oder des Aufbaus eines schwer imitierbaren Wettbewerbsvorteils.
Die wichtigste Schlussfolgerung für technische Leser lautet, dass künstliche Intelligenz die Gruppe der Unternehmen vergrößern könnte, die ohne eine frühe Finanzierungsrunde ein erstes Produkt erreichen können; sie belegt jedoch nicht den Product-Market-Fit. Der praktische Wert des selbstfinanzierten Modells hängt von der Kenntnis des Gründers über das Problem, seiner Bereitschaft zu einem umsatzorientierten Wachstum und seiner Fähigkeit ab, KI-Tools in einen Dienst zu verwandeln, auf den sich Kunden tatsächlich verlassen. Ob dies zu einer breiten Welle neuer Marktführer führen wird, bleibt hingegen eine Meinungshypothese, die von der Quelle nicht entschieden wird.