Die neuesten Einschätzungen eines Partners von a16z: Es gibt nur zwei Wege für AI-Startups, entweder als Ölquelle oder als Pipeline.

Vor kurzem haben die Partner von A16Z, Joe Schmidt und Angela Strange, eine tiefgreifende Überlegung über den Gründungspfad in der KI-Branche veröffentlicht.

In diesem Artikel hat er mit einer klassischen Metapher aus der Energiebranche die beiden Optionen zusammengefasst, denen Gründer heute gegenüberstehen:

Erstens, bohren Sie eine "Ölquelle". Setzen Sie sich tief in eine bestimmte Anwendungsszene ein, beherrschen Sie die Kerninformationen und bilden Sie schließlich ein vollständiges Aufzeichnungssystem.

Zweitens, bauen Sie eine "Rohrleitung". Verbinden Sie verteilte Systeme und Prozesse und automatisieren Sie die Arbeit, die ursprünglich auf manueller Beurteilung und interdepartementaler Zusammenarbeit beruhte.

Die beiden Wege scheinen unterschiedlich, aber beide können möglicherweise riesige Unternehmen mit starken Marktbarierern hervorbringen.

A16Z ist der Meinung, dass Ölquelle und Rohrleitung nicht in Opposition zueinander stehen, sondern zwei komplementäre Reichtumslogiken in der KI-Ära sind. Der entscheidende Punkt liegt nicht darin, welcher besser ist, sondern darin, ob die Gründer genau wissen, welches Spiel sie spielen, und sich bis zum Ende durchsetzen können.

01

Der Pfad der Ölquelle: Ersetzung und Neugestaltung

In den frühen Tagen der Energiebranche gab es zwei deutliche Pole bei der Reichtumsansammlung. Eine Ölquelle bedeutet "einen Punkt finden". Solange man eine Ölquelle mit reichhaltigem Ölvorrat erschließt, kann man kontinuierlich Cashflow generieren und sich über Jahrzehnte hinweg von einem einzigen Lagerbestand ernähren.

Eine Rohrleitung hingegen bedeutet "eine Linie bilden". Man besitzt nicht die Ressourcen selbst, sondern wird der unvermeidliche Weg für den Ressourcenfluss und schafft so durch skalierte Lieferung stabile Renditen. Einfach ausgedrückt, basiert die Ölquelle auf Skarcität, die Rohrleitung auf Vernetzung. Beide Strategien haben schon einmal Giganten hervorgebracht.

Heutige KI-Gründer stehen vor einer ähnlichen Entscheidung. Entweder wählen sie, "eine Ölquelle zu bohren", sich tief in einen bestimmten Arbeitsablauf einzubringen, die Prozesse, Daten und Kunden vollständig zu verstehen und schließlich ein vollständiges Aufzeichnungssystem zu bilden; oder sie wählen, "eine Rohrleitung zu bauen", verschiedene Systeme und Prozesse zu verbinden und die Arbeit, die manuelle Beurteilung und interdepartementalen Austausch erfordert, zu automatisieren.

Die beiden Wege scheinen unterschiedlich, aber beide können skalierte Unternehmen hervorbringen, nur unterscheiden sich die Aufbaumechanismen, Verkaufslogiken und die Quellen der Marktbarierern.

Wenn man sich die Geschichte der Unternehmenssoftware anschaut, sind fast ohne Ausnahme die profitabelsten und widerstandsfähigsten B2B-Unternehmen "Aufzeichnungssysteme". Systeme wie ERP, CRM und HRM halten im Wesentlichen die Unternehmensgrunddaten fest, binden die Kunden in ihre Ökosysteme ein und machen die Arbeitsabläufe von sich abhängig, um so dauerhafte Marktbarierern aufzubauen.

Der Aufstieg der Künstlichen Intelligenz hat diesen Trend stark beschleunigt. Anders als die Systeme vor 30 Jahren, die sperrig und funktionsfixiert waren, können heutige KI-Start-ups eine um Größenordnungen höhere Effizienz bieten.

Die alten Systeme erscheinen vor der KI träge und anfällig. Die Unternehmensleitung und das Vorstandschaft besprechen bereits, "KI zu kaufen", was bedeutet, dass die Verkaufszyklen verkürzt werden und Ersatzmöglichkeiten mit bisher nicht gekannter Geschwindigkeit auftauchen.

Die "Ölquellen"-Strategie eignet sich am besten für Szenarien, in denen die Daten unstrukturiert und in verschiedenen Systemen verteilt sind. Sobald jemand diese ungeordneten Daten zu einem klaren Modell zusammenfassen kann, wird die Verbesserung der Kundenerfahrung revolutionär sein. Bei dieser Methode gibt es zwei Arten von Chancen:

Erste Art, Ersetzung und Neugestaltung.

Wenn die alten Systeme aufgrund ihrer Alter und vieler Probleme nicht mehr in der Lage sind, der KI zu entsprechen, können Start-ups sie durch ein neues, KI-ursprüngliches System ersetzen. Solange die Verbesserung, die das neue System bringt, groß genug ist, dass die Kunden es für lohnend halten, die alten Systeme zu ersetzen, besteht die Chance.

Beispielsweise hat Valon von Grund auf ein Hypothekendienstsystem entwickelt, das alle Prozesse, die zuvor in 25 verschiedenen alten Systemen verteilt waren, in das Valon OS integriert hat. Dieses System kann automatisch nachvollziehbare Bücher erstellen, programmierbare Arbeitsabläufe festlegen und hat einen KI-Assistenten, der bei der Einhaltung der Vorschriften und der Kundenservice hilft. Das Ergebnis ist, dass ein Geschäft, das zuvor nur knapp rentabel war, jetzt eine Gewinnspanne von über 60 % erzielen kann.

Ein weiteres Beispiel ist Vesta, das ein neues Hypothekenzulassungssystem entwickelt hat. Das alte Datenmodell war zu alt, sodass ein Kreditprozess zur gleichen Zeit nur von einer Person bearbeitet werden konnte, was auch der Grund ist, warum die Kreditprüfung oft 30 Tage oder länger dauert. Vestas System kann verschiedene Schritte parallel verarbeiten und erhöht so sowohl die Prüfgeschwindigkeit als auch die Genauigkeit um ein Vielfaches.

Zweite Art, Von Grund auf beginnen.

Wenn es auf dem Markt noch keine reifen Software-Systeme gibt und viele Prozesse nur manuell bearbeitet werden können, haben Start-ups die Chance, in den Markt einzusteigen, zunächst die Kunden zu gewinnen und dann zusammen mit den Kunden zu wachsen. Normalerweise beginnen sie mit kleinen und mittleren Unternehmen (SMB) und gelangen dann, wenn die Funktionen immer besser werden, in den Markt der Großunternehmen.

Beispielsweise bietet Rillet ein KI-gesteuertes ERP-Tool an, das die Finanzarbeit automatisieren kann, wie z. B. die Monatsabschlüsse und die Echtzeitberichterstattung. Viele frühe Kunden haben zuvor mit Stift und Papier, Excel oder Quickbooks gebucht. Rillet wurde ihr erstes formelles System und hat sie bei ihrem Wachstum begleitet. Jetzt ist Rillet in der Lage, etablierte Systeme wie NetSuite herauszufordern.

Diese Unternehmen mit Kern-Datenmodellen können nicht nur Funktionen entwickeln, die von anderen nicht nachgeahmt werden können, sondern auch die Kunden allmählich von ihren Arbeitsabläufen abhängig machen, wodurch hohe Umstellungskosten entstehen. Wie eine Ölquelle dauert der Bohrprozess lange, aber sobald er erfolgreich ist, verfügt man über eine tiefe und langfristige Marktbarier.

02

Zwei Szenarien, die am besten für das "Rohrleitungs"-Modell geeignet sind

In der herkömmlichen Meinung würde man sagen: Das Aufbauen um ein Aufzeichnungssystem herum ist nur eine Funktion und reicht nicht aus, um ein Unternehmen zu gründen. Tatsächlich können in einigen Szenarien etablierte Unternehmen neue Orchestrierungstools in ihren Entwicklungsprozess integrieren.

Aber die Realität ist, dass viele traditionelle "Ölquellen" fest verwurzelt sind, die Migrationskosten extrem hoch sind oder sie aufgrund strenger Vorschriften nicht schnell umstellen können. Gleichzeitig ist die Nachfrage nach Effizienz auf dem Markt dringender als je zuvor. Dies eröffnet der KI ein neues Fenster: KI-Agenten können heute Marktchancen übernehmen, die zuvor zu klein und zu verstreut waren, um abgedeckt zu werden.

Die "Fließband"-Methode zielt nicht darauf ab, das Kernsystem zu ersetzen, sondern übergibt die "Klebearbeit", die Menschen ursprünglich zwischen den Systemen geleistet haben, an die KI. Beispielsweise: Die Verarbeitung ungeordneter unstrukturierter Informationen, die Beurteilung basierend auf dem Kontext und das Erledigen von Aufgaben zwischen verschiedenen Prozessen und Abteilungen. Zuvor konnte nur der Mensch diese Arbeit leisten, jetzt kann die KI sie übernehmen, was der Software eine enorme Chance gibt, die Probleme der Vergangenheit zu lösen.

Genauer gesagt, gibt es hauptsächlich zwei Szenarien, die für das "Rohrleitungs"-Modell geeignet sind:

Szenario 1: Verteilte alte Systeme.

Viele große Unternehmen verwenden seit über zehn Jahren alte Systeme, die nicht miteinander kompatibel sind. Das Ergebnis ist, dass die Informationen überall verteilt sind und die Kommunikation zwischen den Abteilungen ineffizient ist. Aber es wäre zu kostspielig und würde zu lange dauern, diese Kernsysteme von Grund auf neu zu gestalten, daher legen sie mehr Wert auf "sofortige Ergebnisse".

Hier kommt der Wert der "Rohrleitung" zum Tragen: Sie kann die Daten und Prozesse zwischen verschiedenen Systemen vereinheitlichen, als würde man zwischen den alten Maschinen eine "Zentralsteuerung" einfügen.

Beispielsweise hat Further für die Versicherungsbranche einen KI-Arbeitsraum aufgebaut, der papierbasierte Prozesse wie die Meldung, die Schadensaufzeichnung und die Einhaltung der Vorschriften automatisieren kann. Mit nur wenigen gängigen Branchenunterlagen (Versicherungsbedingungen, ACORD, SOV usw.) kann es die zuvor verteilten Systeme "verketten" und einen reibungslosen Arbeitsablauf schaffen.

Szenario 2: Der menschliche "Zwischenschicht".

In vielen Branchen gibt es zwar Software, aber deren Betrieb erfordert noch immer viel manuelles "Pflastern". Menschen werden gezwungen, als "Zwischenschicht" zwischen den Systemen zu fungieren: Dateien transportieren, Daten eingeben, Prüfungen durchführen.

Jetzt können Large Language Models (LLMs) diese Arbeit übernehmen und die bisher nur manuell durchführbaren Prozesse digitalisieren, um so Skalierbarkeit zu erreichen. Diese Chancen konnten zuvor nicht genutzt werden, jetzt werden sie jedoch zu einem neuen Markt, der "Unicorns" hervorbringen kann.

Beispielsweise hat Concourse für die Unternehmensfinanzteams einen KI-Assistenten entwickelt, der ohne die Änderung des zugrunde liegenden Systems in alle Finanzsoftware des Unternehmens integriert werden kann und automatisch Abfragen, Analysen und Berichte erstellen kann, wodurch die manuelle Arbeit von mehreren Stunden ersetzt wird.

Sola hat ein KI-ursprüngliches Backend-Automatisierungstool entwickelt. Wenn die Benutzer einmal einen Arbeitsablauf mit einem Plugin auf ihrem Computer aufzeichnen, kann Sola einen Echtzeit-AI-Agenten generieren, der automatisch anpasst und Aufgaben wie die Rechnungsabstimmung, die Schadensbearbeitung und die Dateneingabe ausführt, die zuvor allesamt manuell erledigt wurden.

Im Vergleich zur "Ölquelle" liegt der Reiz der "Rohrleitung" darin: Es erfordert nicht, dass die Kunden alles von Grund auf neu aufbauen.

Die große Menge an manueller Arbeit in Unternehmen ist im Wesentlichen die "Klebmasse" zwischen den Systemen - manuelle Dateitransporte, interdepartementale Kommunikation, Verarbeitung unstrukturierter Informationen, Entscheidungen basierend auf dem Kontext. Genau diese Aufgaben sind die Stärken der KI.

Die Rohrleitung kann schnell den Personaleinsatz reduzieren und die isolierten Systeme verbinden. Im Laufe der Zeit wächst der Wert der Plattform bei jedem neuen integrierten Arbeitsablauf exponentiell und bildet eine immer stärkere Bindung.

Wichtig ist, dass die Kunden nicht zwischen den beiden wählen müssen. In komplexen Unternehmen gibt es oft beide Bedürfnisse gleichzeitig: Einige Geschäftsbereiche benötigen ein völlig neues Aufzeichnungssystem, andere Geschäftsprozesse nur eine leichte Automatisierung. Diejenigen, die tatsächlich eine Entscheidung treffen müssen, sind die Unternehmer selbst.

Daher liegt der entscheidende Punkt nicht darin, "welches besser ist, die Ölquelle oder die Rohrleitung", sondern darin, genau zu wissen, welches Spiel man spielt: Wenn die Chance darin besteht, die Schlüsselinformationen zu beherrschen und neue Arbeitsabläufe freizuschalten, dann bohrt man eine Ölquelle; wenn der Markt zu verteilt und arbeitsintensiv ist, um die alten Systeme auf einmal zu ersetzen, dann legt man eine Rohrleitung und setzt die Wertschöpfung durch Automatisierung frei.

Die Grundregel ist: Ölquelle und Rohrleitung stehen nicht in Opposition zueinander, sondern sind zwei komplementäre Pfade.

Der Wert der Ölquelle liegt darin, die grundlegenden Fakten zu beherrschen; der Wert der Rohrleitung liegt darin, um die Fakten herum eine effiziente Orchestrierung zu schaffen. Beide können möglicherweise bedeutende Unternehmen hervorbringen. Für Unternehmer ist es am wichtigsten, nicht beides gleichzeitig zu versuchen, sondern bewusst eine Wahl zu treffen und sich bis zum Ende durchzusetzen.

Dieser Artikel stammt aus dem WeChat-Account "Raven AI Talk", Autor: Smart Raven. Veröffentlicht von 36Kr mit Genehmigung.