Clemens Wasner ist AI-Entrepreneur, bringt profunde Kenntnisse der internationalen AI- und Startup-Szene mit in die Confare Community, ist Gründungsmitglied von AI Austria und Impulsgeber rund um die wichtigsten AI-Trends in den österreichischen Medien.
Du sprichst vom „AI native enterprise“ – was unterscheidet ein solches Unternehmen konkret von einem klassischen digitalisierten Unternehmen?
Ein “AI native enterprise” (bzw AI First) nutzt AI nicht bloß um bestehende Aufgaben und Prozesse zu beschleunigen, sondern baut seine gesamte Struktur, Prozesse und Dienstleistungen von Grund auf um die Fähigkeiten von AI und Agentensysteme herum. Im Consulting ist dieser oft auch “Zero-based-planning” bezeichnete Ansatz nichts neues, was neu ist, dass man AI nicht als add-on, wie SaaS Software, behandelt sondern als DAS zentrale Element der Planung. Anwendungen in den Bereichen Customer Service oder Content-Marketing, wo 70 Prozent der Arbeit direkt von Agenten erledigt werden, sind aktuell die bekanntesten Beispiele.
Jedoch kratzen auch diese nur an der Oberfläche: Wir sehen bereits Unternehmen wie Anyline oder Block, die ihren Headcount um 40 Prozent reduzieren konnten, um sich als AI-First-Company neu aufzustellen. Firmen wie Shopify oder Duolingo verzichten zunehmend auf externe Dienstleister und Subunternehmer, da AI diese Rollen – etwa im Support oder bei der Erstellung von Sprachkursen – effizienter übernehmen kann. Man muss kein Prophet sein um vorherzusagen, dass jedes Börsennotierte Unternehmen sich in den nächsten 12 Monaten intensiv mit dem Impact von AI auf Personalstruktur beschäftigen muss.
Wir sehen aktuell, dass Start-ups mit minimalem Team in wenigen Monaten Services auf Weltklasse-Niveau anbieten. Was sind gute Beispiel dafür? Was ermöglicht diese Geschwindigkeit technisch und organisatorisch?
Das ist in der Tat ein vollkommen neuer Trend. Lovable hat mit nur rund 60 FTE in wenigen Monaten einen wiederkehrenden Jahresumsatz (ARR) von 130 Millionen Dollar erreicht, was mehr als 2 Millionen Dollar Umsatz pro Kopf bedeutet. Ein weiteres Beispiel ist ElevenLabs, die in lediglich 17 Monaten von null auf 100 Millionen Dollar ARR skaliert sind. Technisch ermöglicht wird das durch enorme Effizienzgewinne entlang des Produktprozesses (Market Research, Coding, Design).
Vor allem sog. “Vibe Coding” oder “Agentic Coding” Tools wie Claude Code oder Codex beschleunigen diesen Trend noch weiter. Diese AI-Agenten übernehmen einen Großteil der Code-Generierung, sodass Gründer:innen extrem schnell Prototypen bauen und testen können. Organisatorisch ändert sich, dass diese Start-ups weniger Kapital benötigen, extrem kleine Kernteams (“Micro-PE” oder Solopreneure) ausreichen und man fast vollständig ohne die klassischen riesigen Entwicklerabteilungen auskommt.
Wenn fünf Personen heute das leisten, wofür früher fünfzig nötig waren – was heißt das für Aufbauorganisation, Führungsmodelle und Verantwortlichkeiten?
Die klassischen Hierarchien verändern sich massiv, da Führungskräfte künftig nicht mehr nur menschliche Mitarbeitende, sondern auch AI-Agenten managen werden. Wir sehen bereits, dass typische Junior-Positionen für einfache White-Collar-Tätigkeiten gekürzt werden, weil AI diese Einstiegsaufgaben übernimmt. In den USA geht man davon aus, dass die zu einem ähnlichen System wie wir es von “Apprenticeship” (Meister-Lehrling-Modell) kennen, bei dem junge Talente direkt und sehr eng mit erfahrenen Seniors und KI-Tools zusammenarbeiten müssen, führen wird. Die Unternehmen werden kleiner, agiler und stützen sich auf eine “Human in the loop”-Philosophie, bei der der Mensch die von der AI generierten Ergebnisse verantwortet und steuert.
Wird Kapital wichtiger – oder Talent im Umgang mit AI? Und wie verändert sich das Profil der Mitarbeitenden in einem AI-getriebenen Unternehmen?
Das hängt stark von der Ebene ab, auf der man sich bewegt. Für die Entwicklung der zugrundeliegenden AI-Infrastruktur (“Foundation Models”) ist Kapital der alles entscheidende Faktor: Hyperscaler und Unternehmen wie OpenAI, Anthropic oder xAI investieren hunderte Milliarden Dollar in Rechenzentren und Chips. Auf der Anwendungsebene (Start-ups und klassische Unternehmen) wird jedoch Talent und Fachwissen wichtiger als riesiges Startkapital. Durch das Bootstrapping mit AI-Tools können Gründer mit extrem wenig Geld eigene Visionen umsetzen.
Das Profil der Mitarbeitenden wandelt sich gravierend: Es gilt der Leitsatz, dass Mitarbeiter nicht durch AI verdrängt werden, sondern durch Mitarbeiter, die AI anwenden können. Domänenwissen und die Fähigkeit, AI-Workflows kompetent anzuleiten (“a better UI makes better AI”), werden wichtiger als das reine handwerkliche Schreiben von Code, der zunehmen in den Hintergrund gerät da die Programmierung in Englisch passiert.
Viele sprechen von Effizienz. Du betonst oft neue Geschäftsmodelle. Wo entstehen durch AI ganz neue Services, die es ohne diese Technologien gar nicht geben würde?
Einer der spannendsten Bereiche ist das “Value-Based Pricing”. Bisher haben Kunden oft pauschal 20 Dollar pro Monat für ein Software-Abo gezahlt, unabhängig vom Mehrwert. Mit leistungsstarken Agenten geht der Trend dahin, dass Software nicht mehr lizenziert, sondern nach den konkret eingesparten Personalkosten oder realisierten Umsätzen (“Result as a Service”) abgerechnet wird. Konkret bedeutet dies, dass wir sehr bald Pricing von 500 – 2000 EUR/Monat sehen werden, welches mit dem HR Einsparungspotentiel argumentiert wird.
Wie verändern autonome Agenten die Wertschöpfung in Ihrem Unternehmen? Vertiefen Sie das Thema in unseren exklusiven CIO Executive Arenas und Top-Vorträgen beim Confare CIOSUMMIT Wien.
Was bedeutet diese Entwicklung für etablierte Konzerne im DACH-Raum, die historisch gewachsene Strukturen haben? Können sie dieselbe Dynamik erreichen?
Konzerne haben einen extrem starken Burggraben (Moat), den Start-ups nicht leicht kopieren können: Ihre proprietären, historischen Datensilos. Ein großartiges Beispiel ist das Unternehmen Gebrüder Dorfner, das auf 100 Jahre Daten zu Spezialbeschichtungen zurückgreift und diese nutzt, um einen AI-Agenten aufzubauen, der komplexe internationale Produktionsanforderungen beantwortet. Start-ups fehlt schlichtweg diese Datenbasis. Die größte Gefahr für Konzerne sehe ich – neben den “Klassikern” wie mangelnde Agilität, Corporate Re-tape etc. – im internen Chaos durch “Schatten-AI”, also wenn Mitarbeitende unkontrolliert und unsicher externe AI-Tools für sensible Firmendaten verwenden.
Dabei leaken nicht “nur” Daten nach außen, sondern vor allem das aufgebaute Prozesswissen rund um AI Agents und Workflows. Um die gleiche Dynamik wie AI-native Firmen zu erreichen, muss AI im Konzern zur Chefsache gemacht werden, gepaart mit einer starken Lernkultur und einer auf AI ausgerichteten Dateninfrastruktur. Die Beschäftigung mit Tools wie Claude Cowork von Anthropic ist auch auf Vorstandseben absolute Pflicht.
Wenn Services zunehmend automatisiert entstehen: Wie bleibt Qualität, Verantwortung und Vertrauen gewährleistet?
Wenn Softwarekosten de facto gegen Null sinken, wird Vertrauen (Trust) zum ultimativen Differenzierungsmerkmal am Markt. Die Qualität wird aktuell dadurch gesichert, dass “Human in the loop”-Konzepte den Standard bilden – der Agent entwirft, aber der Mensch verifiziert und verantwortet das Ergebnis, da AI-Modelle nach wie vor nicht mit allen Anfrage umgehen können.
Für die Vertrauensbildung in hochsensiblen Bereichen unterziehen sich erste AI-Start-ups (wie Oscar Stories) sogar freiwillig extrem strengen externen Audits durch den TÜV, um sicherzustellen, dass ihre Trainingsdaten sauber sind und die Outputs verlässlich bleiben. Auf der Makroebene ist die Haftung bei vollautonomen Agenten jedoch ein noch ungelöstes Problem, an dem sich derzeit sogar große Versicherer in den USA die Zähne ausbeißen.
Und ganz persönlich: Was fasziniert Dich am meisten an der Idee eines AI native enterprise – und wo siehst Du die größte Fehleinschätzung in der aktuellen Debatte?
Am faszinierendsten finde ich die schiere Geschwindigkeit, mit der diese Technologie unsere Arbeitsrealität umbaut. Wir erfinden quasi live mit, wie Wissensarbeit (“Knowledge Work”) in Zukunft funktionieren wird. Zu sehen, wie AI-Modelle von simplen Chatbots zu “Reasoning-Modellen” (Thinking Mode in gängigen Chatbots) und schließlich zu Agenten wie Claude Cowork oder OpenClaw heranwachsen, die sich selbstständig stundenlang mit einem Problem befassen, ist historisch einmalig.
Die größte Fehleinschätzung in der Debatte ist jedoch die Annahme, dass AI auf Knopfdruck sofort ein produktionsreifes (“Production Grade”) Unternehmen erschafft und Softwareentwickler:innen komplett überflüssig werden. “Vibe Coding” ist großartig für Prototypen, aber für Sicherheit, Authentifizierung und komplexe Edge-Cases braucht es weiterhin das tiefe Verständnis von Softwarearchitekt:innen.
Diskutieren Sie beim Confare CIOSUMMIT Wien die Strategien der AI-native Enterprises. Jetzt zum Confare CIOSUMMIT Wien anmelden.
