Kleine Teams sind schnell und AI verstärkt den Output pro Kopf. Jeder aus der Startup-Welt kennt Brooks’s Law, und das gilt weiterhin: Mehr Leute = mehr Koordination.
Der Unterschied jetzt ist, dass AI die Wertkette besser zusammenbringt. Von Research und Hypothesen über Interviews und Surveys bis hin zu Prototyp, Code, Tests und Launch. Das Ergebnis sind schnellere Lernzyklen, messbare Entscheidungen und die bewusste Entscheidung für ein „very-small team“. Die Disziplinen bleiben generell die gleichen: Produkt, Tech, Go-to-Market etc., aber Rollen werden neu geschnitten: weniger Hand-offs, mehr End-to-End-Verantwortung und AI-Kompetenz als Pflicht. In der Zusammenarbeit wird AI zum Sparringspartner, vom Coden und Testen bis zur Vorbereitung von Sprints und Kundengesprächen.
Wichtig: „Leaner“ heißt nicht weniger Anspruch. Es heißt: Hypothesen sauber testen, Daten ernst nehmen, Qualität automatisieren und erst skalieren, wenn ein klarer Pull vom Markt da ist. Passend dazu: Der Trend zu AI-first. Nicht nur „AI-enabled“, sondern ganze Aufgabenketten werden durch AI automatisiert.
Warum können Startups überhaupt „leaner“ starten?
AI verändert das Game. Viele Systeme sind bereits AI-enabled. Diese unterstützen bekannte Funktionalitäten mit AI-Technologien und sorgen dafür, dass in erhöhtem Maß Automatisierung erfolgen kann, auf allen Ebenen und in jeder Abteilung. Es fängt schon damit an, dass AI-Browser wie Arc, Dia oder Comet genutzt werden. Das sorgt z.B. im Kleinen für besser organisierte Tabs und damit für mehr Geschwindigkeit. Wenn es um Startups geht und man mit der reinen Idee startet, geben die gängigen LLMs (ChatGPT, Perplexity, DeepSeek, Claude etc.) sehr umfangreiche Möglichkeiten, tiefen Market Research zu betreiben und valide, gute Quellen und Studien zu bekommen, um die Hypothesen im Startup zu bestätigen. Was darauf folgt, ist, diese Hypothesen qualitativ durch Experteninterviews bestätigen zu lassen und noch mehr Proof zu bekommen. Im Zweifel können diese Insights auch zeigen, dass Annahmen nicht stimmen und man pivoten muss. Hier helfen AI-Technologien erneut: Einerseits mit Tools wie z.B. apollo.io oder boardy.ai, um diese Experten zu finden, andererseits, um mit LLMs professionelle Umfragen oder Fragenkataloge zu erstellen. Wenn es dann Richtung Produktentwicklung geht, werden AI-Systeme und No-Code-Plattformen zur Unterstützung bei der Softwareentwicklung genutzt, wie z. B. Cursor, Windsurf oder auch GitHub Copilot. Auch in Design, Frontend und Marketing unterstützen AI-enabled Tools wie Figma oder Canva die Prozesse und die Erstellung.
Welche Rollen brauchen Tech-Teams in Zeiten von AI wirklich?
In einem Gründerteam braucht man wie gehabt unterschiedliche Skills. Man muss einerseits den Zielmarkt und die Industrie tief verstehen und Sales abdecken können, andererseits die neueste Technologie beherrschen und ein Produkt bauen können, die auf dem Zielmarkt die Kundenprobleme lösen. In all diesen Bereichen, egal ob eher intern oder extern ausgerichtet, unterstützen und verkürzen AI-Technologien die Prozesse. Deswegen ist der Umgang mit AI-Technologien in jeder Abteilung ein Muss geworden. Es gibt natürlich Bereiche, in denen ganze Aufgaben wegfallen, z.B. im First-Level-Support. Mitarbeitende können sich dadurch weiterentwickeln und persönlichen Fortschritt erzielen, indem sie diese AIs aufsetzen, Prozesse neu denken oder sich Aufgaben widmen, die AI noch nicht lösen kann. Es gibt somit nicht „die eine neue AI-Rolle“, die neu besetzt werden sollte; vielmehr werden alle Rollen die Anforderung haben, AI-Tools kompetent zu nutzen, um hochqualitative Ergebnisse zu liefern.
Fast alle Rollen werden neu zugeschnitten, vom Aufsichtsrat bis zum Azubi, mit klaren AI-Kompetenzen und End-to-End-Verantwortung.
Neue Art der Zusammenarbeit von Tech-Teams – wie kann das aussehen?
Bei der Softwareentwicklung ist das AI-System bereits ein Sparringspartner, der nicht nur Code-Vorschläge für ein Problem erstellt, sondern auch Code-Reviews macht, Code bewertet und Verbesserungen vorschlägt. Außerdem können AI-Systeme bei der Test-Coverage helfen, indem sie Tests generieren und den Entwickler*innen diese häufig als lästig empfundene Aufgabe ersparen. In funktionsübergreifenden Teams, in denen es oft Scrum-Meetings, Workshops etc. gibt, können AI-Systeme bei der Vor- und Nachbereitung sehr gut unterstützen. In Zukunft kann sich das so weiterentwickeln, dass AI sogar die Moderation übernimmt oder einen potenziellen Kunden simuliert.
Kann AI alles und jede*n ersetzen?
Nein, die AI-Systeme sind zurzeit hauptsächlich als Unterstützung im Einsatz. Es gibt natürlich auch größere Aufgaben, die ersetzt werden, und Rollen verändern und entwickeln sich weiter. Aber nicht alles und jede Rolle kann ersetzt werden. AI bietet uns die Chance, uns auf das Wesentliche zu konzentrieren und höhere Qualität besserer Produkte schneller zu liefern.
Fazit und Ausblick
AI hat das Potential, Teams effektiver zu machen: weniger Übergaben, mehr End-to-End-Verantwortung, Entscheidungen auf Basis von Daten statt Bauchgefühl. „Leaner“ heißt: Hypothesen schnell testen, Qualität automatisieren und erst skalieren, wenn ein echter Markt-Pull sichtbar ist.
Damit verändert sich die Startup-Kultur: Wir sehen mehr One-Person-Companies und sehr kleine Teams, die mit AI-First-Stacks beachtliche Umsätze erreichen. Disziplinen verschmelzen; Produkt, Tech und Go-to-Market werden zu einer gemeinsamen Wertschöpfungskette, unterstützt durch Co-Piloten und Agenten. Organisationen denken modular in Problemräumen (funktionsübergreifende Teams), Investoren achten stärker auf kapitaleffiziente Traction statt Headcount.
Mein Appell: Nutzt AI aktiv und bewusst, baut AI-First-Systeme mit klaren Leitplanken für Qualität, Sicherheit und Compliance und besonders wichtig: vergesst den Menschen nicht. Kundennutzen, Zugänglichkeit und Verantwortung bleiben der Maßstab. Wer heute sauber prüft, konsequent misst und mit AI End-to-End liefert, baut morgen bessere Produkte, mit kleineren Teams, mehr Tempo und echtem Impact.