Aus 169 Start-ups habe ich diese beiden Trends im Bereich der KI-Entrepreneurship erkannt.

Letzte Woche endete die Sommer-Demo-Day 2025 von Y Combinator (YC), dem "Richtungsgeber" der globalen Venture-Capital-Szene. Mehr als 169 Start-ups stellten sich auf der Bühne vor.

Künstliche Intelligenz (KI) steht immer noch im Mittelpunkt, aber anders als in den vergangenen Jahren ist das stärkste Signal dieses Jahr klar: Agenten werden zum Kernthema von KI-Start-ups.

Die Projekte dieser Runde von YC zeichnen eine Zukunft ab, in der unzählige hoch spezialisierte und autonome KI-Agenten in alle Branchen eindringen, "langweilige, teure und repetitive" Aufgaben übernehmen, die früher von niemandem gerne gemacht wurden, und sogar die Infrastruktur für die gesamte KI-Ökosystem unterstützen.

Welche KI-Start-ups sind die interessantesten? Welche haben die höchste Aufmerksamkeit der Investoren erregt? In welchen Bereichen wird KI in den nächsten Jahren am wahrscheinlichsten Wert schaffen? Lassen Sie uns das gemeinsam untersuchen.

01 Neue Trends bei der Implementierung von KI-Agenten: Die Übernahme von DDE-Aufgaben

Bei der Sommer-Demo-Day 2025 war der KI-Agent (AI Agent) das heißeste Thema.

In der Liste von YC S25 erwähnten mehr als die Hälfte der Projekte in ihrer Beschreibung Schlüsselwörter wie KI-Agent, Autonomie, Automatisierung oder Autopilot.

Die Anwendung von KI verschiebt sich von Hilfswerkzeugen (Copilot, wobei der Mensch der Kernentscheidungsträger ist) hin zu KI-Agenten, die in der Lage sind, komplexe Aufgaben autonom wahrzunehmen, zu entscheiden und auszuführen.

Dies ist nicht nur eine technische Veränderung, sondern auch eine Veränderung des Geschäftsmodells. B2B-Unternehmen sind bereit, für KI-Agenten zu zahlen, die ihnen direkt Geld sparen oder verdienen helfen, und ihre Zahlungsbereitschaft ist viel höher als die von Endverbrauchern.

Beispielsweise automatisiert Solva die Versicherungsauszahlungen mithilfe von KI und erreichte binnen 10 Wochen nach dem Start einen jährlichen Umsatz (ARR) von 245.000 US-Dollar.

Autumn, das als "KI-Version von Stripe" bezeichnet wird, hilft speziell KI-Unternehmen bei der Verwaltung komplexer Abrechnungsfragen und wird bereits von Hunderten von KI-Anwendungen und 40 YC-Start-ups verwendet.

Warum gibt es Unternehmen wie Autumn? Die Preismodelle von KI-Start-ups sind normalerweise sehr komplex. Es geht nicht nur um ein Abonnement, sondern auch um Nutzungsgebühren, Grenzwerte und zusätzliche Funktionsgebühren. Wenn man Stripe für die Verwaltung dieser Dinge verwendet, erfordert es eine große Menge manueller Arbeit, die zeitaufwändig und fehleranfällig ist.

Autumn adressiert genau dieses Problem. Es hat ein Open-Source-Tool entwickelt, das es KI-Start-ups ermöglicht, komplexe Preismodelle einfach in Stripe zu integrieren und die Abrechnung und die Rechnungslegung automatisch durchzuführen, wodurch die manuelle Arbeit erheblich reduziert wird.

Ein gemeinsames Merkmal hinter alledem ist, dass KI-Agenten sich auf Aufgaben konzentrieren, die Menschen nicht gerne tun, schlecht können oder die besonders teuer sind.

In der Branche gibt es den Begriff DDE, was für Dull (langweilig), Difficult (schwierig) und Expensive (teuer) steht. Diese Szenarien sind genau die Bereiche, in die KI am besten eindringen kann und werden zu den besten Zugangspunkten für ihre skalierbare Implementierung.

Das Geschäftsmodell lässt sich einfach so zusammenfassen: Entweder sparen sie den Kunden Geld oder verdienen sie für die Kunden. Im ersten Fall bekommen sie einen Anteil am eingesparten Kosten oder zurückgewonnenen Betrag, im zweiten Fall bekommen sie eine Provision vom Umsatz, den die KI direkt vermittelt.

Beispielsweise erleichtert Frizzle den Lehrern die Arbeit, indem es mithilfe von KI Hausaufgaben korrigiert. F4 und ContextFort konzentrieren sich auf die Prüfung von Ingenieurzeichnungen auf Compliance und können Fehler entdecken, die von Menschen schwer zu erkennen sind, wodurch wirtschaftliche Verluste und Projektverzögerungen vermieden werden. Risely AI automatisiert die Verwaltungsarbeit an Hochschulen, die sehr komplex und fehleranfällig ist.

In Bezug auf die "Geld verdienen" -Dimension beginnen KI-Agenten, stärker am Wertschöpfungsprozess teilzunehmen und bekommen eine Vergütung basierend auf den erzielten Ergebnissen, indem sie die Transaktionseffizienz erhöhen oder Transaktionen vermitteln.

Shor ist ein KI-Hilfssystem für die Gehaltszahlung. Sein größter Verkaufspunkt ist, dass es die Gehaltszahlung in nur 3 Minuten erledigen kann und die Kosten um 80 % senken kann.

In der Vergangenheit musste ein Unternehmen, das Mitarbeiter weltweit einstellen wollte, in verschiedenen Ländern Zweigniederlassungen eröffnen und komplexe Bankverfahren durchlaufen, was viel Zeit, Arbeit und Kosten erforderte. Shor übergibt diese mühsamen Schritte an die KI:

Sie müssen nur eine Nachricht auf WhatsApp senden, zum Beispiel "Stellen Sie Zhang San ein". Dann erstellt die KI automatisch einen gültigen Arbeitsvertrag. Das Gehalt wird binnen Sekunden auf das Konto des Mitarbeiters überwiesen, ohne dass es erforderlich ist, eine physische Niederlassung vor Ort zu eröffnen.

Einfach ausgedrückt, ist Shor wie eine Kombination aus KI-Finanz- und Personalabteilung und hilft Unternehmen, schnell und kostengünstig Mitarbeiter weltweit einzustellen und zu bezahlen. Sein Gründerteam kommt von Tesla und Wells Fargo, und das Produkt befindet sich derzeit in der Testphase.

Ob es um Geld sparen oder verdienen geht, man kann sehen, dass die Beispiele aus YC S25 die Merkmale von DDE-Aufgaben erkannt haben und den Kunden mit einem messbaren Wert - Kostenreduktion oder Umsatzerhöhung - überzeugen, zu zahlen.

02 Extreme Vertikalität: KI dringt tief in die Struktur traditioneller Branchen ein

Ein sehr deutlicher Trend bei der YC Sommer-Demo-Day war: Fast niemand entwickelt mehr "allgemeine Plattformen". Alle versuchen, sich in vertikalen Nischen zu positionieren.

KI ist nicht mehr nur ein cooles Werkzeug, sondern wird zur neuen "Arbeitskraft" und "Experten-System" in verschiedenen Branchen.

Der Markt für allgemeine Modelle ist bereits übersättigt. Start-ups wählen stattdessen direkt die Branchenprobleme an, auch wenn es sich um sehr spezifische Szenarien handelt. Zum Beispiel KI-gestützte Schuldenerinnerungen oder Kollisionsprüfungen von Ingenieurzeichnungen, die früher als Nischenprodukte galten, werden jetzt zu neuen Zugangspunkten zu Billionenbranchen.

In der Medizin gibt es Unternehmen, die automatisch Krankenwagenberichte erstellen, andere, die sich auf Arztpraxen-Überweisungen spezialisieren, und sogar KI-Apothekenhelfer.

Das interessanteste Beispiel ist Perspectives Health. Es kann die Gespräche zwischen Ärzten und Patienten aufzeichnen und in Echtzeit Krankenakten und Formulare erstellen, wodurch den Ärzten die Hälfte der Papierarbeit erspart wird. Während der Pilotphase erreichte es eine wöchentliche Wachstumsrate von 25 %. Es ist bereits in 9 Arztpraxen integriert und plant, bis September 180 Ärzte zu bedienen.

In der Immobilienbranche gibt es auch Unternehmen, die die Probleme von Maklern ansprechen.

Clodo ist ein typisches Beispiel. Es hat ein "sprachgesteuertes, manuelles Eingabe freies" CRM entwickelt, das automatisch Potenzialkunden aufzeichnet, Kunden betreut und Immobilien sucht. Bereits 60 US-amerikanische Immobilienmakler nutzen es, um Zeit zu sparen und mehr Verträge zu schließen.

Spotlight Realty in der gleichen Branche konzentriert sich auf Mietprovisionen, während Closera sich als KI-Mitarbeiter für gewerbliche Immobilien positioniert.

Darüber hinaus entwickelt sich KI auch in den Bereichen Finanzwesen und Recht sehr schnell. Beispielsweise ist Magnetic ein KI-Steuerberater für Wirtschaftsprüfungsgesellschaften, Kalinda führt Kollektivklagenforschung für Anwaltskanzleien durch, und es gibt sogar einen KI-Telefonvertreter für Kreditgeschäfte namens Qualify.bot.

Sogar in der PE-Branche gibt es jetzt "Nach-Investition-Weckrufe" wie Palace, das automatisch Berichte von investierten Unternehmen sammelt und zusammenfasst, die ursprüngliche 20-stündige Arbeit auf einen Klick reduzieren kann und Echtzeit-Risikowarnungen geben kann. Derzeit betreut es Fonds, die Vermögenswerte im Bereich von Milliarden von US-Dollar verwalten.

Selbst in der anspruchsvolleren Fertigungsindustrie beginnt KI aufzutauchen. Flywheel wird als "Waymo für Bagger" bezeichnet. Es installiert intelligente Boxen in Baggern, so dass Arbeiter diese aus der Ferne steuern können.

Was noch wichtiger ist, kann das Gerät während der Arbeit Daten sammeln, und das KI-Modell kann kontinuierlich Fähigkeiten wie Graben und Planieren lernen. Am Ende kann ein Arbeiter mehrere Maschinen oder sogar mehrere Baustellen verwalten.

Man kann sehen, dass der Schlüssel zum Erfolg von KI-Start-ups nicht mehr nur in der technologischen Fortschrittlichkeit liegt, sondern auch in der Fähigkeit, die Betriebslogik traditioneller Branchen zu verstehen und neu zu gestalten.

03 Die Bereitstellung von "Wasser, Strom und Gas" für die KI-Welt

Eine Reihe von Unternehmen konzentriert sich darauf, anderen KI-Anwendungsentwicklern oder Unternehmen zugrunde liegende Werkzeuge, Plattformen und Infrastrukturen bereitzustellen. Dies zeigt, dass sich die KI-Ökosystem langsam zu einem reifen Stadium entwickelt.

Mit der Invasion von unzähligen KI-Intelligentien in verschiedene Branchen tritt ein Trend zur Infrastrukturierung auf. Viele Unternehmen widmen sich der Bereitstellung von zugrunde liegenden Werkzeugen für andere KI-Anwendungsentwickler. Die KI-Ökosystem entwickelt sich hin zu einer skalierten Reife, und einige Unternehmen beginnen, die "Wasser-, Strom- und Gasversorgung" für die KI-Welt bereitzustellen.

Dieser Trend umfasst den gesamten Lebenszyklus von Entwicklung, Deployment, Bewertung und Optimierung.

Im Bereich der Entwicklung und des Deployments bemüht sich Lilac darum, die ungenutzte GPU-Rechenleistung von Unternehmen zu entdecken und wiederzuverwenden. Metis bietet die Infrastruktur für die Erstellung zuverlässiger Agenten, und Kernel bietet eine ultraschnelle "Browser-as-a-Service".

Im wichtigen Bereich der Bewertung und Überwachung bietet AgentHub eine Simulation- und Bewertungsplattform für KI-Agenten, während Truthsystems sich auf die Echtzeit-Governance konzentriert und automatisch hochriskante Verhaltensweisen blockiert.

Im Bereich der Daten- und Modellbasisebene synthetisiert Louiza Labs medizinische Datensätze, um die menschliche Biologie zu simulieren, und Relling bemüht sich um die Schaffung eines "World-Model-ähnlichen ImageNet".

Bei der zentralen Herausforderung, KI effizient laufen zu lassen, weisen Infrastrukturprojekte eine sehr hohe technologische Hürde auf. Unternehmen wie Luminal und Herdora bemühen sich darum, das zentrale Problem der Anpassung und Leistungsoberfläche von KI-Modellen auf verschiedenen Hardware zu lösen.

Das Kernziel von Luminal ist es, KI-Modelle besser auf verschiedenen Hardware laufen zu lassen. Es hat einen Open-Source-Compiler und ein Framework entwickelt, das automatisch GPU-Code generieren kann und die Leistung durch die Methode "mehrfaches Testlaufen - Auswahl des besten" optimiert.

Das Ergebnis ist, dass die Laufgeschwindigkeit von KI-Modellen um das Zehnfache gesteigert werden kann. Derzeit hat es bereits Institutionen wie die Yale University als Kunden. Das Team hat auch eine starke Hintergrund: Die Gründer kommen von Intel, Amazon und Apple und haben sich jeweils mit Chip-Optimierung, Systemarchitektur und Unternehmensgründung befasst.

Herdora konzentriert sich auf die Analyse der Leistungsschranken von NVIDIA GPUs. Sein Tool heißt Keys&Caches und kann mit nur einer Codezeile eine klare Leistungstrajektorie generieren, die es Entwicklern ermöglicht, Probleme schnell zu lokalisieren.

Beispielsweise hat es einem Kunden geholfen, die Latenzzeit bei der Bereitstellung des Llama-Modells um 67 % zu reduzieren. Derzeit bietet Herdora eine kostenlose Testphase von 10 Stunden. Auch das Team hat eine starke Hintergrund: Ein Gründer kommt von einem globalen Quant-Fonds, der andere von Google. Sie verstehen sowohl Informatik als auch Ökonomie.

Das Auftauchen dieser Infrastrukturprojekte bedeutet, dass wenn die KI-Ökosystem skaliert wird, die Branche auch viele neue Anforderungen hervorbringt.

04 Fazit

Angesichts der Tatsache, dass in der gesamten Branche über "KI-Müdigkeit" gesprochen wird, hat die YC Sommer-Klasse 2025 ein wichtiges Signal gesendet: Die Investoren beginnen, ihre Auswahlkriterien wieder auf das Geschäftsmodell zurückzuführen. Sie schauen nicht mehr nur auf die Neuheit der Technologie, sondern interessieren sich stärker für die Benutzerbindung, die Einheitswirtschaftlichkeit (UE), die Daten- und Rechenleistungskosten sowie die potenziellen Regulierungsrisiken.

Dies erklärt auch, warum die ausgewählten Projekte in dieser Runde in der Regel eine "vertikale KI-Anwendung" verfolgen. Menschen interessieren sich nicht mehr für große und allgemeine Plattformen, sondern konzentrieren sich auf die echten Probleme in bestimmten Branchen. Insbesondere traditionelle, hochwertige Branchen, die noch nicht vollständig von Software transformiert wurden, wie die Fertigungsindustrie, die Versicherungswirtschaft, die kommunale Verwaltung und die Verteidigung.

Man kann sagen, dass KI in eine neue Phase eintritt und sich tiefer in die Geschäftsprozesse integriert, um die Effizienzsteigerung und die Automatisierung anzutreiben.

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