Neueste Erkenntnisse des YC-Leiters: Im Zeitalter der künstlichen Intelligenz sollten Sie niemals einmalige Arbeiten ausführen
Im Jahr 2026, in dem die generative KI in die tiefe Phase der praktischen Anwendung eintritt, erlebt das globale Startup-Ökosystem eine Umgestaltung. Die traditionelle Geschäftslogik, die den Produktionswert durch die schiere Anzahl von Mitarbeitern aufbaut, verliert ihre Gültigkeit, und an ihre Stelle tritt ein völlig neues, technik natives Regelwerk.
Garry Tan, der Leiter von Y Combinator, wies in seiner jüngsten Rede darauf hin, dass der wahre Vorteil im KI-Zeitalter keineswegs in der Feinabstimmung von Modellgewichten liegt, sondern in der Neuordnung der Arbeitsabläufe. Durch die vollständige Kodierung von Mitarbeitern, Prozessen und Leistungen in traditionellen Organisationsstrukturen zu einem „Fähigkeitshandbuch“ und einem „Unternehmensgehirn“ sind im Silicon Valley die ersten KI-nativen Unternehmen entstanden, die mit extrem schlanken Teams von 15 oder 40 Personen einen jährlichen wiederkehrenden Umsatz (ARR) von mehreren zehn Millionen bis zu über 100 Millionen Dollar erzielen – und damit die traditionelle Regel des Produktionswerts pro Kopf, die seit der industriellen Revolution gilt, völlig umgestoßen haben.
„Wenn Sie KI immer noch als automatische Code-Vervollständigung und Prompts als einmalige Werkzeuge betrachten, werden Sie im nächsten Wettbewerbsstadium von Ihren Konkurrenten überholt und verdrängt.“, sagte Garry Tan.
Einige Kernaussagen:
Was die Obergrenze der Produktivität im KI-Zeitalter bestimmt, ist nicht das Gewicht des großen Modells selbst. Der echte Hebel für die Effizienzsteigerung – mit einer Erhöhung um bis zu 400-fach – liegt darin, wie man Arbeitsabläufe neu verknüpft und gestaltet.
Die traditionelle Geschäftslogik, den Produktionswert durch die Anzahl von Mitarbeitern aufzubauen, verliert ihre Gültigkeit. Zukünftige Organisationsformen werden vollständig kodiert: Ein „Fähigkeitshandbuch“ entspricht einem virtuellen Mitarbeiter, und eine „Parser-Tabelle“ ist das Organigramm.
Bei der Systementwicklung müssen die Grenzen der Berechnung streng abgegrenzt werden: Nicht-deterministische Aufgaben wie intuitive Beurteilungen werden dem „latenten Raum“ des großen Modells überlassen, während konkrete Regeln und Code in den „deterministischen Raum“ gehören, um eine Fehlplatzierung der beiden zu vermeiden.
Die Grenzen des menschlichen „Arbeitsgedächtnisses“ müssen durchbrochen werden. Durch Kontext-Engineering wird ein „Unternehmensgehirn“ aufgebaut, das das historische Wissen des Unternehmens zu einer „Wissensbibliothek“ macht, die präzise durchsucht werden kann und Wertschöpfungseffekte erzeugt.
Machen Sie niemals einmalige Arbeiten. Sobald Sie mit dem Ergebnis der KI zufrieden sind, müssen Sie es zu einer wiederverwendbaren Prozessablauf „fähig machen“ (skillify), sonst gerät das Unternehmen täglich in einen Zustand des „technischen Gedächtnisverlusts“.
Wir haben die Kernpunkte dieser Rede zusammengefasst, hier ist das vollständige Transkript:
1. 400-fache Effizienzsteigerung: Von der individuellen Produktivität zur Neugestaltung von Arbeitsabläufen
Garry Tan: Guten Nachmittag allerseits, wie geht es Ihnen? Sind Sie bereit, diesen Wandel zu erleben? Gerade hat Theo eine sehr entscheidende Frage gestellt: Was sollen wir jetzt aufbauen? Als Gründer, Investor und gleichzeitig Leiter einer 20 Jahre alten Institution, die sich gerade zu einem KI-nativen Unternehmen wandelt, möchte ich diese Frage aus der Perspektive eines Investors beantworten. Es ist ein seltsames und wunderbares Erlebnis, eine 20 Jahre alte Institution zu KI-nativ zu machen. In den nächsten etwa 20 Minuten werde ich darüber sprechen, was Y Combinator versucht zu tun. Wir möchten Unternehmen fördern, bei denen eine einzelne Person Arbeiten erledigen kann, die früher zwei oder sogar tausend Personen erforderten. Das ist keine Metapher – in der Praxis können Sie das noch in diesem Jahr erreichen. Etwa eine Stunde später werden einige von Ihnen in die Startup-Szene einsteigen. Ich hoffe, Sie gehen mit einem klaren Verständnis der heutigen technischen Möglichkeiten vor, denn das Potenzial der Technologie ist weit größer, als die meisten Menschen denken.
Garry Tan: Lassen Sie mich mit einer Zahl beginnen. Obwohl ich online heftig für diese Ansicht kritisiert wurde, werde ich sie heute vor Ihnen allen noch einmal vortragen. Dieser Raum ist der beste Ort der Welt, um diese Ansicht auf ihre Belastbarkeit zu prüfen – und ich würde sie lieber gemeinsam mit Ihnen persönlich überprüfen. Als ich 2013 Partner bei Y Combinator war, war ich hauptsächlich für den Aufbau des internen sozialen Netzwerks von Y Combinator verantwortlich. Damals habe ich zwar auch investiert, war aber im Grunde ein Vollzeit-Ingenieur. Damals habe ich täglich nur etwa 14 Zeilen wirklich nützlichen Logik-Code geschrieben – eine Zahl, von der alle Kommentare und leeren Zeilen abgezogen wurden. Wenn Sie die damaligen Dokumente durchsehen, werden Sie feststellen, dass das normal ist: Manche schreiben 15 Zeilen, andere 50 Zeilen – keineswegs so, wie viele junge Leute heute bei der Entwicklung täglich Tausende von Code-Zeilen schreiben. Diese 15 Zeilen waren mein täglicher Median der maximalen Leistung damals. In diesem Jahr verwalte ich Y Combinator vollzeitig. Ich bin immer noch dieselbe Person, die ungefähr die gleiche Zeit investiert – sogar weniger, weil ich um 17 Uhr mein Kind abholen muss – aber ich habe meine Leistung neu berechnet und festgestellt, dass die Effizienz um etwa 400-fach gestiegen ist.
Garry Tan: Bevor Kritiker diese Zahl in Frage stellen, möchte ich sie selbst aufschlüsseln. Wenn Sie die Statistik der reinen Code-Menge nicht glauben, ist das in Ordnung. Sie können die strengsten Strafmechanismen für Überflüssigkeit anwenden, um die Ungenauigkeiten zu eliminieren – annehmen, dass die von KI-Agenten geschriebene Code überladen ist, dass die Hälfte davon nur Gerüste sind, oder sogar annehmen, dass ich mich selbst übertreibe – aber im Kern bleibt eine 8-fache Steigerung, und der Median liegt bei 80-fach. Egal wie Sie es aufschlüsseln, diese Zahl ist extrem groß. Hier ist ein entscheidender Punkt, den ich am liebsten in die Innenseite jedes Augenlids einprägen würde: Das ist nicht der Unterschied zwischen den Modellen selbst. Personen, die eine 2-fache Effizienzsteigerung erzielen, und Personen, die eine 100-fache Steigerung erzielen, verwenden exakt dasselbe Claude-Modell, dieselben Gewichte, dasselbe Kontextfenster und dieselbe API. Daher liegt der Hebel nicht im Gewicht des Modells, sondern darin, wie Sie die Arbeitsabläufe verknüpfen.
Garry Tan: Und das passiert nicht nur bei mir. Bei Y Combinator sehen wir das ständig. Im Winter-Kohorte 2025 sind 25 % der Unternehmen deren Code-Basis zu 95 % von KI generiert – und das war bereits letztes Jahr. Diese Kohorte ist die am schnellsten wachsende und profitabelste in der Geschichte von Y Combinator. Bisher haben 94 Unternehmen bei Y Combinator mit einer einzigen Seed-Finanzierung einen Umsatz von über 100 Millionen Dollar erzielt. Also wissen wir sehr genau, wovon wir sprechen. Obwohl ich nicht beweisen kann, dass der von KI generierte Code direkt zu diesem Wachstum geführt hat, kann ich Ihnen sagen: Die am schnellsten wachsenden Gründer, die wir fördern, betrachten KI nicht nur als Werkzeug zur automatischen Code-Vervollständigung, sondern als produktive Arbeitskraft. Die Unternehmen, die die Arbeitsabläufe neu gestaltet haben, sind diejenigen, die den Durchbruch geschafft haben.
2. Neue physikalische Regeln der Arbeitswelt: Organisationen zu einem „Fähigkeitshandbuch“ kodieren
Garry Tan: Was bedeutet es eigentlich, Arbeitsabläufe neu zu gestalten? Das ist der Kern dieser Rede und das, was ich am meisten hoffe, dass Sie übernehmen. Alles, was wir beim Aufbau von KI-Agenten gelernt haben, lässt sich 1:1 auf reale Organisationsstrukturen übertragen.
Garry Tan: Im KI-Zeitalter ist ein Fähigkeitshandbuch gleichbedeutend mit einem Mitarbeiter. Es hat eine Fähigkeit, übernimmt eine Aufgabe und ist so klar dokumentiert, dass jede Entität sie ausführen kann. Und die Parser-Tabelle ist das Organigramm: Wenn eine Aufgabe eintrifft, entscheidet der Parser, wer sie bearbeitet und wohin sie verteilt wird. Archivierungsregeln sind interne Geschäftsprozesse, die prüfen, ob der Parser ordnungsgemäß und konform arbeitet. Auslösende Bewertungen sind Leistungsbeurteilungen. Jede Funktionsmodul einer Organisation, für die früher Tausende von Mitarbeitern eingestellt werden mussten, ist heute im Grunde nur eine Reihe von Code-Dateien und anderen Beschreibungsdateien. Wir bauen schon immer Organisationen auf – früher fehlte uns nur eine „Leitungsebene“, und jetzt haben wir sie. Wenn Sie vor dem Computer mit Claude, Coder oder Codex entwickeln, schreiben Sie nicht nur Software – Sie rekrutieren, schulen und verwalten eine Arbeitskraft aus Code und Dokumenten.
Garry Tan: Ich sehe unzählige Unternehmen, die das bereits umsetzen. Zum Beispiel gibt es im Sommer-Kohorte 2025 ein Projekt namens Emergence, ein Tool zum Erstellen von KI-Anwendungen, das nach nur 8 Monaten seit dem offiziellen Start einen jährlichen wiederkehrenden Umsatz (ARR) von neun Ziffern erreicht hat. Als ihr ARR 15 Millionen Dollar überstieg, bestand das Team nur aus 15 Personen. Bis zum Winter 2024 hatte ihr Jahresumsatz 60 Millionen Dollar erreicht, mit einem Team von etwa 40 Personen. Diese extrem hohe Produktivität pro Kopf war früher unvorstellbar – weder in der Softwarebranche, noch in der Ölindustrie oder im Eisenbahnwesen. Sie sind keine Ausnahme, sondern die ersten Unternehmen, die auf den neuen physikalischen Regeln aufbauen. Wie funktionieren diese Unternehmen also? Sie stellen keine Hunderte von Mitarbeitern für Vertrieb, Support, Betrieb und Finanzen ein. Die KI-nativen Unternehmen, die ich bei Y Combinator sehe, kodieren all diese Funktionen zu Fähigkeiten und schriftlichen Prozessen. Sie stellen Ingenieure nur ein, um diese Fähigkeiten zu warten und die Arbeiten zu erledigen, die KI-Agenten derzeit noch nicht bewältigen können. Das ist ein echtes KI-natives Unternehmen – kein Gedankenexperiment. Wenn Sie die entsprechenden Fähigkeitshandbücher konfiguriert haben, kann es Ihnen sogar helfen, Ihre Steuererklärung zu erledigen.
Garry Tan: Stellen Sie sich jetzt die Startup-Veranstaltung von Y Combinator vor – es fühlt sich ähnlich an wie hier. 400 Unternehmen oder 400 Gründer sitzen an langen Tischen, und ich kann mir vorstellen, wie jeder von Ihnen täglich mit einem Laptop arbeitet. Die Arbeit, die Sie an einem Tag erledigen, entspricht der Arbeitsleistung einer einzelnen Person in einem ganzen Jahr. Das ist keine ferne Zukunft, sondern die erreichbare Basislinie der Branche heute. Wenn Sie das nicht tun, werden Ihre Konkurrenten es tun – sie werden Ihnen elegant die Arbeit wegnehmen und sich sogar höflich bei Ihnen bedanken. Das ist der Punkt, den die meisten technischen Stacks übersehen: Es betrifft nicht nur Ingenieure. Bei der digitalen Transformation von Y Combinator haben unsere Medienmitarbeiter, Veranstaltungsmitarbeiter und Finanzteams alle mitgewirkt. Mitarbeiter, die noch nie ein Terminal geöffnet haben, bauen jetzt ihre eigenen Fähigkeitshandbücher und geplanten Aufgaben. Ein Kollege aus der Finanzabteilung hat kürzlich unser internes Open-Source-System und das Unternehmensgehirn genutzt, um etwa 100 komplexe Excel-Arbeitsmappen in eine von ihm selbst erstellte Anwendung zu integrieren. Er ist kein Programmierer, aber jetzt ist er Manager von KI-Agenten – und tatsächlich ist jeder bei Y Combinator heute so.
Garry Tan: Das ist der Grund, warum Y Combinator mit sehr wenigen Mitarbeitern eine so große Betriebsgröße aufrechterhalten kann – eine Teamgröße, die für jedes andere Unternehmen gleicher Größe vernachlässigbar klein erscheint. Nicht weil wir härter arbeiten, sondern weil wir eine völlig andere Organisationsform haben. Das ist der Kern des Erfolgs. Es geht nicht nur um Ingenieure mit 400-facher Effizienzsteigerung, sondern um ein Unternehmen mit 400-fach höherer Betriebseffizienz.
3. Dualität im Engineering: Die Berechnungsgrenzen zwischen latenten Raum und deterministischem Raum klar abgrenzen
Garry Tan: Wenn Sie nur eines davon merken, dann dies: Bei der Entwicklung müssen Sie sehr, sehr sorgfältig abgrenzen, wo die Berechnung stattfindet. Berechnungen laufen fast immer in zwei verschiedenen Räumen ab. Alle Fehler und Probleme im KI-Engineering, auf die wir stoßen, entstehen normalerweise dadurch, dass etwas, das in einem der beiden Räume laufen sollte, fälschlicherweise im anderen landet. Den ersten Raum nenne ich latenten Raum (Latent Space) – also das eigentliche große Sprachmodell selbst. Wofür verwenden Sie es? Für nicht-deterministische Aufrufe wie ästhetische Beurteilungen, intuitive Urteile oder das Verstehen der wahren Absicht hinter unklaren menschlichen Äußerungen. Diese Berechnungen finden im Modell statt, das Sie durch Beschreibungsdateien steuern. Der deterministische Raum hingegen ist ein Bereich, mit dem Ingenieure sehr vertraut sind: Ihr Code-Agent schreibt automatisch TypeScript, oder wenn Sie Elixir verwenden, schreibt er Erlang-Code. Der deterministische Raum ist der zweite Ort, an dem Berechnungen stattfinden.
Garry Tan: Ein Beispiel – ein echtes Problem, mit dem wir uns in der kommenden Startup-Akademie konfrontiert sehen. Wir haben 6.000 Teilnehmer, und wir möchten ein Experiment durchführen: Können wir 800 Personen gleichzeitig so platzieren, dass sie perfekt gruppiert sind – also dass die Personen links und rechts von Ihnen genau die perfekten Partner sind, die Sie in der Akademie treffen sollten? Um das zu erreichen, müssen wir den deterministischen Raum und den latenten Raum kombinieren. Diese Berechnung und die konkrete Datenspeicherung – zum Beispiel, wo genau jede Person in diesem mehrdimensionalen Array von 800 Plätzen sitzt – dürfen keineswegs in das Kontextfenster des großen Modells gesteckt werden. Das große Sprachmodell muss sich um die emotionalen Teile kümmern – also die Platzierung der Personen. Das ist genau die gleiche Logik, die ein Mensch anwenden würde: Ein Mensch würde vielleicht 800 Seiten Dokumente ausdrucken, in einem großen Raum ausbreiten und überlegen, wohin jede Person gehört.