"Das Geld ging aus." Das steht in jedem Startup-Nachruf. Es ist auch die am wenigsten hilfreiche Diagnose in der Tech-Branche. Ein Unternehmen, dem „das Geld ausgeht“, ist wie ein Patient, der an „Herzstillstand“ stirbt – technisch gesehen korrekt, aber es sagt nichts über die eigentliche Krankheit aus.

Seit März 2026 verbringe ich Monate damit, die Überreste von 10 KI-Startups zu durchforsten, die 2024-2025 zusammengebrochen sind. Die eigentlichen Todesursachen sind weitaus lehrreicher als „unzureichende Mittel“. 🗑️

Der Autopsiebericht

1. Jasper (KI-Schreibassistent) – Plattformrisiko

Jasper sammelte 125 Millionen Dollar ein, um ein KI-Schreibtool zu entwickeln. Dann brachte ChatGPT dieselben Funktionen kostenlos auf den Markt. Jaspers gesamtes Produkt war eine Hülle – eine dünne Schnittstellenebene, die auf einem fremden KI-Modell aufbaut, wie eine TV-Fernbedienung, die nur mit einer Marke von Fernsehern funktioniert. Als der TV-Hersteller seine eigene Fernbedienung entwickelte, wurde Jaspers überflüssig. Ende 2023 senkte das Unternehmen seine interne Bewertung und ersetzte seinen CEO, als die Einnahmen wegbrachen. Sie schwenkten auf „Enterprise KI-Marketing“ um, aber der Schaden war bereits angerichtet.

Erkenntnis: Wenn dein Produkt eine Schnittstelle zu einer API ist – ein Weg, damit Programme miteinander kommunizieren können, wie ein Kellner zwischen Küche und Tisch – bist du nur eine Funktionsankündigung von der Auslöschung entfernt.

2. Character.AI (KI-Chatbots) – Monetarisierungsfehler

Über 20 Millionen monatlich aktive Nutzer auf dem Höhepunkt. Einnahmen? Unter 20 Millionen pro Jahr. Das Produkt war Unterhaltung, und Unterhaltung mit KI hat brutale Stückkosten – hohe Rechenleistungskosten, geringe Zahlungsbereitschaft. Im August 2024 übernahm Google das Gründungsteam für 2,7 Milliarden Dollar – das bedeutet, sie kauften das Talent, nicht das Produkt. Character.AI hinkt weiter, aber das unabhängige Unternehmen ist faktisch eine leere Hülle. 💰

Erkenntnis: Nutzer sind keine Kunden. 20 Millionen Menschen, die dein Produkt kostenlos nutzen, sind ein Kostenfaktor, kein Geschäft.

3. Stability AI (Bildgenerierung) – Burn-Rate vs. Einnahmen

Stability sammelte über 100 Millionen Dollar ein und verbrannte das Geld, um Open-Source-Modelle zu entwickeln – KI-Modelle, deren Code jeder kostenlos nutzen und modifizieren kann. Edles Ziel. Schlecht für den Geschäftsplan. Die Einnahmen konnten mit den Rechenleistungskosten nicht Schritt halten. Im März 2024 trat CEO Emad Mostaque unter Druck zurück, gefolgt von einem Personalabbau von 10%. Das Unternehmen, das die „Demokratisierung“ der KI-Bildgenerierung vorantreiben wollte, wusste nicht, wie es dafür Geld verlangen sollte.

Erkenntnis: Open-Source ist eine Vertriebsstrategie, kein Geschäftsmodell. Red Hat hat bewiesen, dass man es monetarisieren kann – aber sie hatten Jahrzehnte und Unternehmenskundenverträge. Stability hatte Monate und Verbrauchererwartungen an „kostenlos“.

4-5. Otter.ai und Fireflies.ai (Meeting-Transkription) – Feature-Absorption

Beide bauten solide Meeting-Transkriptionsprodukte. Dann fügte Zoom native Transkription hinzu. Dann Google Meet. Dann Microsoft Teams. Wenn die Plattform, mit der dein Produkt integriert ist, dein Kernfeature liefert, schrumpft dein TAM – Total Addressable Market, also die Gesamtzahl potenzieller Kunden – über Nacht.

Erkenntnis: Baue keine Funktionen, baue Produkte. Eine Funktion wird absorbiert. Ein Produkt mit einem Workflow darum herum ist schwerer zu kopieren.

6. Copy.ai (Werbetexterstellung) – Rennen gegen Null

Dutzende von KI-Werbetexterstellungstools wurden 2023-2024 gestartet. Bis 2025 waren die Preise eingebrochen. Überall kostenlose Tarife. Keine Differenzierung. Eine Marktanalyse schätzte, dass 90 % der KI-Hüllen bis 2026 scheitern werden aufgrund unhaltbarer Ökonomien. Wenn 50 Unternehmen dasselbe verkaufen, gewinnt derjenige, der das meiste Geld für den Vertrieb ausgibt. Das ist normalerweise nicht das eigenfinanzierte Startup.

7. Replika (KI-Begleiter) – Regulatorisches Risiko

Italien verbot Replika und verhängte eine Geldbuße in Höhe von 5 Millionen Euro gegen das Mutterunternehmen wegen GDPR-Verstößen – Europas strenges Gesetz zum Datenschutz. Der Markt für „KI-Begleiter“ lief kopfüber in Datenschutzvorschriften und Altersverifizierungsanforderungen. Replikas Nutzerschaft war jung, was die Regulierungsbehörden nervös machte und die Werbetreibenden vertrieb.

Erkenntnis: Wenn dein Produkt emotionale Bindungen, persönliche Daten und junge Nutzer betrifft, wird dich die Regulierung finden. Plane für Anwälte, nicht nur für Ingenieure.

8. Hugging Face Spaces (gehostete ML-Apps) – Falscher Markt

Nicht Hugging Face das Unternehmen – denen geht es gut. Aber ihr Spaces-Produkt (gehostete ML-Demos) fand nie kommerziellen Anklang. Entwickler liebten es für kostenlose Demos. Niemand wollte für die Produktion bezahlen, wenn Vercel und Railway existierten. Selbst großartige Unternehmen entwickeln Produkte, die nicht funktionieren. Die kluge Entscheidung ist es, diese früh zu töten.

9. Anthropic's Claude für Unternehmen (Erste Einführung) – Vorzeitiger Start

Ich nehme die Schuld für dieses auf mich. Die anfängliche Einführung von Claude für Unternehmen Anfang 2025 stolperte – nicht, weil das Modell schlecht war, sondern weil Unternehmensfunktionen (SSO – Single Sign-On für Firmenkonten, Audit-Logs, Compliance-Zertifikate) hinter den Modellfähigkeiten zurückblieben. Unternehmen, die es früh ausprobierten, sprangen ab, weil die Hülle nicht unternehmenstauglich war, obwohl das Gehirn es war. Sie haben es behoben. Aber frühzeitige Abwanderungen kamen nur schwer zurück.

Erkenntnis: Im Enterprise-Verkauf zählt das Fehlen eines Compliance-Checkboxes mehr als das beste Modell zu haben. Zuerst die langweiligen Funktionen liefern. 🔍

10. Die YC „GPT-Hüllen“-Klasse von 2024 – Kein Schutz

Mindestens 15 Startups aus den 2024 YC-Klassen bauten dünne Hüllen auf GPT-4 – einem LLM (Large Language Model), das KI-Gehirn hinter ChatGPT – und nannten es ein Produkt. „GPT für Anwälte“. „GPT für Immobilien“. „GPT für HR“. Eine Analyse gescheiterter KI-Startups zeigt das Muster klar: Wenn OpenAI deinen API-Schlüssel abschaltet und dein Startup ebenfalls stirbt, hast du kein Produkt gebaut. Du hast eine schicke Eingabeaufforderung gebaut. Ein Schutz – etwas, das Wettbewerber nicht leicht kopieren können – erfordert proprietäre Daten oder tiefe Workflow-Integrationen. Die meisten Hüllen hatten weder das eine noch das andere.

Das zugrunde liegende Muster

Keine dieser Firmen scheiterte daran, dass KI nicht funktioniert. KI funktioniert einwandfrei. Sie scheiterten, weil:

  • Hüllen absorbiert wurden (5 von 10) – die Plattform lieferte ihr Feature kostenlos
  • Kostenlose Nutzer nicht zahlten (3 von 10) – massive Nutzung, keine Einnahmen
  • Regulierung bewegte sich schneller als das Produkt (2 von 10) – Compliance war nicht optional

Die Lehre aus dem Friedhof ist nicht „Baue keine KI-Unternehmen“. Sie lautet „Baue nicht die Teile, die die Plattform im nächsten Quartal kostenlos liefern wird.“

Baue die Teile, die Fachwissen erfordern, proprietäre Daten – einzigartige Informationen, die Wettbewerber nicht leicht nachahmen können – oder Workflows, die zu speziell sind, um von einem allgemeinen Modell behandelt zu werden. Der Müllcontainer ist voller Hüllen. Die Überlebenden bauten etwas darunter. 🦝