Startup-Expert:innen über Dinge, die sich nicht skalieren lassen
- Aisha Washington
- vor 1 Tag
- 7 Min. Lesezeit
Gründer:innen in der Frühphase werden oft dazu ermutigt, von Anfang an an Skalierung zu denken. Sie werden gefragt, wie ihre Systeme Millionen von Nutzer:innen unterstützen sollen, wie die Kundengewinnung wiederholbar werden kann und wie sich der Betrieb ausweiten lässt, ohne dass die Kosten im gleichen Verhältnis steigen. Das sind berechtigte Fragen – doch die Startup-Expert:innen in dieser Diskussion von Y Combinator argumentieren, dass sie häufig zu früh gestellt werden.
Die Sprecher:innen greifen Paul Grahams einflussreichen Essay „Do Things That Don’t Scale“ erneut auf und erklären, warum dessen Botschaft für den Aufbau eines Unternehmens von Grund auf weiterhin zentral ist. Anhand von Beispielen wie Airbnb, Fleek, Stripe, Algolia, Instacart und DoorDash vertreten sie die Auffassung, dass manueller Einsatz nicht bloß ein akzeptabler vorübergehender Kompromiss ist. Bewusst eingesetzt ist er ein wirkungsvolles Mittel, um Nachfrage zu testen, Kund:innen zu verstehen und herauszufinden, welche Teile eines Geschäfts tatsächlich skalierbar gemacht werden sollten.
Warum die Startup-Welt einen anderen Leitfaden brauchte
Den Sprecher:innen zufolge entstand die Begeisterung des Silicon Valley für skalierbare Systeme teilweise durch die Beobachtung außerordentlich erfolgreicher Internetunternehmen. Google zeigte, wie Software und Online-Vertrieb mit vergleichsweise geringem zusätzlichem Aufwand enorme Zielgruppen erreichen können. Gründer:innen und Investor:innen begannen naturgemäß, nach ähnlich wiederholbaren Wachstumsmodellen zu suchen.
Dieser Anspruch wurde nach und nach zur Einschränkung. Unternehmer:innen fühlten sich unter Druck gesetzt, eine skalierbare Lösung zu präsentieren, bevor sie nachgewiesen hatten, dass sie überhaupt jemand brauchte. Sie konnten Monate damit verbringen, automatisierte Systeme für hypothetische Nachfrage zu entwickeln, während sie echten Kund:innen fernblieben.
Paul Grahams Essay stellte diese Reihenfolge infrage. Wie die Diskussionsteilnehmer:innen erklären, sind die meisten jungen Startups nicht durch übermäßige Nachfrage oder zusammenbrechende Infrastruktur bedroht. Ihr unmittelbares Risiko ist viel einfacher: Sie gewinnen möglicherweise nie genügend Nutzer:innen oder bauen etwas, das Menschen nicht schätzen.
Die praktische Priorität besteht daher darin, das Problem direkt zu lösen, selbst wenn die erste Methode arbeitsintensiv ist. Skalierbarkeit wird irgendwann wichtig – aber erst, nachdem das Unternehmen etwas gefunden hat, das es wert ist, skaliert zu werden.
Der Weg von null auf eins kommt zuerst
Die Diskussion beschreibt den Fortschritt eines Startups als Abfolge unmittelbarer Einschränkungen. Zu Beginn besteht die Herausforderung nicht darin, den millionsten Kunden effizient zu bedienen. Es geht darum, den ersten Kunden zu gewinnen, das erste erfolgreiche Ergebnis zu liefern und zu verstehen, warum diese Person das Produkt gewählt hat.
Das verändert, wie Gründer:innen frühe Arbeit bewerten sollten. Eine Aufgabe, die in einem reifen Unternehmen ineffizient wirkt, kann völlig rational sein, wenn sie eine entscheidende Frage schnell beantwortet. Einen Kunden persönlich einzuarbeiten, eine Dienstleistung manuell zusammenzustellen oder einen internen Ablauf zu improvisieren, kann mehr offenbaren als Wochen, die man isoliert mit dem Aufbau von Infrastruktur verbringt.
Die Sprecher:innen nennen Airbnb als prägendes Beispiel. Die Gründer brauchten bessere Inserate, also halfen sie Gastgeber:innen dabei, hochwertigere Fotos zu erstellen. Zu Unterkünften zu reisen und einzelne Inserate zu verbessern, konnte nie das dauerhafte Betriebsmodell sein. Dennoch löste es das dringende Problem des Unternehmens: den Marktplatz attraktiver zu machen und genügend Aktivität zu erzeugen, damit Wachstum beginnen konnte.
Die Lehre lautet nicht, dass jede:r Gründer:in die Taktik von Airbnb nachahmen sollte. Sie lautet, dass Gründer:innen das Hindernis direkt vor sich erkennen und bereit sein sollten, es zu beseitigen, ohne auf ein elegantes System zu warten.
Fleek verstand den Marktplatz, bevor er aufgebaut wurde
Fleek bietet ein besonders anschauliches Beispiel dafür, wie man durch manuelle Abläufe lernt. Das Unternehmen begann ohne fertige Website, ohne Kleidungsbestand und ohne ausgefeilte Marktplatzinfrastruktur. Stattdessen gingen die Gründer zu Londoner Großhändlern, bauten Beziehungen auf und brachten Angebot und Geschäfte direkt zusammen.
Das Panel beschreibt, wie das Team sogar Kleidung zwischen Großhändlern und Einzelhändlern transportierte. Aus konventioneller Effizienzperspektive wirkt es wie ein Prozessversagen, wenn Gründer:innen Waren selbst tragen. Aus Lernperspektive jedoch brachte es sie mitten in die Transaktion.
Durch die aktive Beteiligung konnte Fleek beobachten, was Einzelhändler wollten, wie Großhändler handelten, welche Preise funktionierten und wie die Nachfrage auf Veränderungen reagierte. Das waren keine abstrakten Antworten aus Umfragen. Es waren Erkenntnisse, die gewonnen wurden, während echte Käufer:innen und Verkäufer:innen bei echten Käufen unterstützt wurden.
Nach ungefähr vier Monaten manueller Arbeit hatten die Gründer genug Wissen, um die Aktivität ins Internet zu verlagern. Der Marktplatz basierte auf Verhalten, das das Team bereits beobachtet hatte, statt auf Annahmen darüber, wie der Markt funktionieren sollte.
Praktisches Onboarding schafft bessere Produkte
Die Sprecher:innen verweisen auf Stripe und Algolia als weitere Beispiele dafür, wie Gründer:innen die Lücke zwischen Produktentwicklung und Kundenrealität schließen. Die Gründer von Stripe halfen frühen Nutzer:innen bei der Installation ihrer Zahlungssoftware, anstatt einfach nur Dokumentation zu verschicken und abzuwarten. Algolia unterstützte Product Hunt in ähnlicher Weise bei der Implementierung der Suche.
Die direkte Umsetzung leistet mehr, als lediglich ein neues Konto zu aktivieren. Sie legt verwirrende Einrichtungsschritte, verborgene technische Abhängigkeiten und Unterschiede zwischen dem offen, was Kund:innen sagen, dass sie brauchen, und dem, womit sie in der Praxis tatsächlich Schwierigkeiten haben.
Sie kann auch die Beziehung verändern. Ein Kunde, der mit einer Gründerin oder einem Gründer zusammengearbeitet hat, teilt eher ehrliches Feedback als jemand, der ein Support-Ticket bei einem unbekannten Unternehmen einreicht. Dieses Vertrauen verschafft dem Startup Zugang zu präziseren Produkteinsichten.
Die Diskussionsteilnehmer:innen beschreiben diese persönliche Aufmerksamkeit – „FaceTime“ mit Gründer:innen – als Vorteil, den etablierte Unternehmen oft nicht bieten können. Ein großer Wettbewerber mag über mehr Ressourcen verfügen, doch seine Gründer:innen können sich gewöhnlich nicht persönlich für den Erfolg jedes einzelnen kleinen Kunden einsetzen. Für ein Startup mit einem unvollständigen Produkt und begrenzter Glaubwürdigkeit kann sichtbare Fürsorge Teil des Wertversprechens werden.
Frühe Arbeit auf Lernen ausrichten
Das zentrale Argument der Diskussion lautet, dass Gründer:innen die Frühphase auf Lernen statt auf operative Eleganz optimieren sollten. Manuelle Leistungserbringung hilft festzustellen, ob das versprochene Ergebnis wirklich wertvoll ist, bevor das Team diesen Prozess in Software abbildet.
Dieses Prinzip lässt sich in eine einfache Abfolge übersetzen:
Die wichtigste Unsicherheit im Geschäftsmodell identifizieren.
Den schnellsten glaubwürdigen Weg entwickeln, sie mit echten Kund:innen zu testen.
Die Arbeit manuell erledigen, wenn Automatisierung die Antwort verzögern würde.
Festhalten, was wiederholt Wert schafft oder Reibung verursacht.
Systeme erst entwickeln, wenn das Muster klar wird.
Das bedeutet nicht, jeden improvisierten Prozess als Beweis für ein tragfähiges Geschäftsmodell zu behandeln. Manuelle Arbeit ist nützlich, wenn sie Erkenntnisse liefert. Gründer:innen müssen weiterhin feststellen, ob sich die Nachfrage wiederholt, ob Kund:innen zahlen werden und ob die zugrunde liegende Dienstleistung letztlich ein attraktives Geschäftsmodell tragen kann.
Was sie vermeiden sollten, ist, technische Ausgereiftheit mit Validierung zu verwechseln. Eine hervorragend entwickelte Plattform kann ein unerwünschtes Produkt nicht ausgleichen.
Instacart und DoorDash testeten Nachfrage mit improvisierten Werkzeugen
Die Geschichte von Instacart zeigt, wie Gründer:innen einen Marktplatz testen können, bevor sie sämtliche Partnerschaften sichern, die eine ausgereifte Version erfordern würde. Wie im Video erzählt wird, startete das Unternehmen ohne formelle Beziehungen zu Lebensmittelgeschäften. Das Team kaufte Artikel bei Trader Joe’s, fotografierte sie und stellte sie online ein, um zu sehen, ob Kund:innen Lebensmittel zur Lieferung bestellen würden.
Dieser Ansatz umging einen möglicherweise langen Zyklus von Partnerschaftsverhandlungen. Statt Einzelhändler:innen zu bitten, ein unbewiesenes Konzept zu unterstützen, sammelten die Gründer zunächst Belege dafür, dass Verbraucher:innen den Dienst wollten.
DoorDash wählte einen ähnlich pragmatischen Weg. Die Sprecher:innen beschreiben das frühe Produkt als etwas, das an einem einzigen Tag mit gewöhnlichen Werkzeugen zusammengestellt wurde, darunter Google Drive und Find My Friends. Ziel war nicht, sofort eine dauerhafte Logistikplattform zu schaffen. Es ging darum herauszufinden, ob lokale Verbraucher:innen Essenslieferungen von Restaurants bestellen würden und ob die Gründer diese Bestellungen erfüllen konnten.
Diese Experimente nutzten einen echten Startup-Vorteil: Kleine Teams können Arbeit vorübergehend auf Arten koordinieren, die für große Organisationen unpraktisch wären. Sie haben weniger Prozesse zu schützen, weniger Infrastruktur zu integrieren und mehr Freiheit, nach jedem Ergebnis die Richtung zu ändern.
Unvollkommene Systeme beschleunigen die Anpassung
Dinge manuell zu erledigen, ermöglicht es einem Team, die Erfahrung zu überarbeiten, ohne ein ganzes Produkt neu aufbauen zu müssen. Wenn Kund:innen einen Schritt nicht mögen, können die Gründer ihn bei der nächsten Bestellung ändern. Wenn sich eine Annahme als falsch erweist, können sie sie aufgeben, bevor sie in monatelanger Entwicklungsarbeit verankert wird.
Die Sprecher:innen argumentieren außerdem, dass Gründer:innen sich nicht übermäßig vor frühen operativen Fehlern fürchten sollten. Probleme, die durch wachsende Nachfrage entstehen, schaffen oft starke Anreize, schnell Lösungen zu finden. Wenn ein Startup endlich mehr Nutzer:innen hat, als sein improvisierter Prozess bewältigen kann, wird der Bedarf an Automatisierung konkret, dringend und leichter zu definieren.
Deshalb scheitern Startups selten daran, dass sie zu viele Kund:innen gewinnen und nicht skalieren können. Kapazitätsprobleme sind schmerzhaft, aber sie gehen mit einem Nachweis von Nachfrage einher. Ein Mangel an Nutzer:innen ist weitaus gefährlicher, weil er weder Umsatz noch einen klaren Grund liefert, weiterzubauen.
Die technische Konsequenz ist wichtig: Infrastruktur aufzuschieben kann eine Form von Geschwindigkeit sein und nicht Nachlässigkeit – vorausgesetzt, die Abkürzungen werden verstanden und schaffen keine inakzeptablen Risiken für Kund:innen.
Wissen, wann für Skalierung gebaut werden muss
Nicht skalierbare Arbeit ist eine Entdeckungsmethode, keine dauerhafte Philosophie. Sobald ein Startup die wiederkehrende Aufgabe versteht, anhaltende Nachfrage sieht und auf manuelle Engpässe stößt, muss es beginnen, das Gelernte in wiederholbare Systeme zu überführen.
Das Panel weist darauf hin, dass erfahrene Berater:innen und Investor:innen Gründer:innen helfen können, diesen Übergang zu erkennen. Zu frühe Skalierung verschwendet Ressourcen für unbestätigte Annahmen. Zu späte Skalierung kann die Servicequalität beeinträchtigen, das Team erschöpfen und das Unternehmen daran hindern, Nachfrage zu nutzen.
Ein nützliches Signal ist Wiederholung. Wenn Gründer:innen dasselbe Problem immer wieder auf ungefähr dieselbe Weise lösen, kann Software möglicherweise den Prozess standardisieren. Ein weiteres Signal sind Opportunitätskosten: Wenn manuelle Leistungserbringung Zeit beansprucht, die wertvolleres Lernen oder Wachstum ermöglichen könnte, wird Automatisierung zunehmend attraktiv.
Das Ziel ist nicht, menschliche Beteiligung um ihrer selbst willen zu beseitigen. Es geht darum, die Teile zu automatisieren, die nun verstanden werden, und engen Kontakt dort zu bewahren, wo Kund:innen dem Unternehmen weiterhin etwas Wichtiges beibringen.
Beratung kann eine Brücke sein, aber nicht das Ziel
Die Sprecher:innen behandeln auch die Grenze zwischen einem Software-Startup und einer Beratung. Ein junges Unternehmen kann Umsatz erzielen, indem es Unternehmen praktische Dienstleistungen anbietet, und sein erstes Produkt kann schlicht dazu dienen, diese Dienstleistung schneller oder zuverlässiger zu machen.
Das kann ein produktiver Ausgangspunkt sein. Beratungsarbeit bringt Gründer:innen mit realen Betriebsumgebungen in Kontakt und vermittelt ihnen detailliertes Wissen über Kundenprobleme. Sie kann auch die frühe Entwicklung finanzieren.
Das Panel warnt jedoch davor, dass Dienstleistungsumsätze allein kein stark wachsendes Softwareunternehmen schaffen. Maßgeschneiderte Arbeit wächst vor allem durch zusätzliche Mitarbeitende, während ein skalierbares Produkt weitaus mehr Kund:innen ohne proportionalen Personalaufbau bedienen kann. Ehrgeizige Wachstumsziele helfen dabei, die Unterscheidung zu erzwingen: Wenn das Geschäft voraussichtlich um eine Größenordnung wachsen soll, müssen Gründer:innen wiederholte Expertise letztlich in ein Produkt überführen, statt unbegrenzt maßgeschneiderte Arbeitsleistung zu verkaufen.
Der nachhaltige Vorteil des Einsatzes von Gründer:innen
Die abschließende Botschaft des Videos lautet, dass die Bereitschaft, unbequeme, manuelle oder scheinbar kleine Aufgaben zu erledigen, einer der stärksten Vorteile eines Startups gegenüber etablierten Wettbewerbern ist. Solche Arbeit bringt Gründer:innen näher an Kund:innen, beschleunigt Experimente und schafft Möglichkeiten, ungewöhnlich aufmerksamen Service zu bieten.
Das tiefere Prinzip ist keine Feier der Ineffizienz. Es ist eine disziplinierte Reihenfolge. Zuerst lernen, was Menschen brauchen. Dann nachweisen, dass sie auf dieses Bedürfnis reagieren werden. Das Ergebnis mit jeder verantwortungsvollen verfügbaren Methode liefern, das wiederkehrende Muster untersuchen und erst dann investieren, um es wiederholbar zu machen.
Skalierbarkeit wird wertvoll, wenn die Nachfrage sie verdient hat. Davor besteht das wirksamste System der Gründer:innen möglicherweise einfach aus Neugier, Dringlichkeit und der Bereitschaft, die Arbeit persönlich zu erledigen.
