Nest-Gründer Tony Fadell über die nächste Generation vielversprechender Deep-Tech-Startups
- Aisha Washington
- vor 1 Stunde
- 7 Min. Lesezeit
Tony Fadells Karriere umfasst mehrere prägende Kapitel der Consumer-Technologie: die visionäre, aber zu früh kommende Arbeit von General Magic, die Entwicklung des iPod, die Gründung von Nest und die schwierige Integration eines Startups in Google. Auf der TC Disrupt 2024 griff er auf diese Erfahrungen zurück, um zu erklären, warum bahnbrechende Technologie allein nur selten ein dauerhaft erfolgreiches Unternehmen hervorbringt.
Sein zentrales Argument war eher praktisch als romantisch. Deep-Tech-Gründer brauchen ein echtes Kundenproblem, das richtige Markttiming, einen disziplinierten Kapitaleinsatz und eine Organisation, die Jahre der Ungewissheit überstehen kann. Das Gespräch befasste sich zudem mit Führung, Übernahmen, künstlicher Intelligenz, virtueller Realität und humanoiden Robotern – Bereichen, in denen technische Begeisterung der kommerziellen Realität leicht davonlaufen kann.
Das Produkt ist nur der Anfang
Fadell sagte, er werde es nie leid, über den iPod zu sprechen, selbst Jahrzehnte nach dessen Einführung. Das Gespräch fand rund um den 23. Jahrestag der Markteinführung des iPod und den 13. Jahrestag des ersten Nest-Produkts statt und bot damit eine natürliche Gelegenheit, auf die Einflüsse hinter beiden Erfolgen zurückzublicken.
Einer dieser Einflüsse war sein Vater, dessen Karriere im Vertrieb Fadell lehrte, dass selbst ein starkes Produkt erklärt, positioniert und verkauft werden muss. Fadell vertiefte diese Lektion durch eigene frühe Misserfolge. Als Unternehmer am College gab er sein verfügbares Geld für die Entwicklung eines Produkts aus und ließ fast nichts für dessen Markteinführung übrig.
Diese Erfahrung veränderte seine Sicht auf den Unternehmensaufbau. Für die Zeit, in der er seine Karriere begann, schätzte Fadell, dass Vertrieb und Marketing das Fünf- bis Zehnfache des Budgets für die Produktentwicklung erfordern konnten. Soziale Medien haben dieses Verhältnis seither verändert, nicht aber das zugrunde liegende Prinzip: Gründer müssen von Anfang an für die Distribution planen. Engineering beantwortet die Frage, ob etwas gebaut werden kann; ein Unternehmen muss auch beantworten, wer es braucht, wie diese Menschen es entdecken werden und warum sie dafür bezahlen.
General Magic und die Kosten, zu früh zu kommen
General Magic wurde zu einem wegweisenden Beispiel für Innovation ohne passendes Timing. Die Teams des Unternehmens erforschten mobile E-Mail, elektronische Tickets, herunterladbare Spiele, Animationen und ausdrucksstarke digitale Kommunikation etwa 15 Jahre bevor das iPhone viele dieser Erlebnisse massentauglich machte.
Die Ideen waren bemerkenswert vorausschauend, und mehrere ehemalige General-Magic-Mitarbeiter halfen später beim Aufbau großer Technologieplattformen, darunter Android. Fadell argumentierte jedoch, dass dem Unternehmen ausreichend klare Vorstellungen über die unmittelbaren Probleme fehlten, die es lösen wollte. Die unterstützende Technologie, das Verbraucherverhalten und die Marktinfrastruktur waren noch nicht ausgereift genug.
Für Deep-Tech-Gründer verkompliziert diese Geschichte die übliche Feier des „der Kurve voraus Seins“. Mit Blick auf die Zukunft richtigzuliegen garantiert nicht, dass ein Unternehmen lange genug überleben kann, um sie zu erreichen. Ein Startup braucht einen glaubwürdigen Weg von seiner langfristigen Vision zu einem Problem, das Kunden heute erkennen.
Warum Gründer organisatorische Schwellen verstehen müssen
Fadell ermutigte Unternehmer, Erfahrungen in größeren Organisationen zu sammeln, weil Startups letztlich vor vielen derselben operativen Fragen stehen. Ein fünfköpfiges Team kann sich informell koordinieren; ein Unternehmen mit Dutzenden oder Hunderten Beschäftigten kann das nicht.
Mit steigender Mitarbeiterzahl verändern sich Kommunikationsmuster, Verantwortlichkeiten und kulturelle Erwartungen. Fadell beschrieb deutliche Schwellen bei Phasen wie fünf bis zehn Beschäftigten, 15 bis 20, 30 bis 40 und ungefähr 120. Jeder Übergang schafft neue Anforderungen an das Management, weil menschliche Beziehungen nicht so sauber skalieren wie Software oder Produktion.
Durch Investitionen in mehr als 200 Startups hat Fadell erlebt, wie Gründer immer wieder auf diese Herausforderungen stoßen. Sein Rat lautet, Organisationsgestaltung als zentralen Teil des Produktentwicklungsprozesses zu behandeln. Berichtslinien, Entscheidungsrechte und Kommunikationsgewohnheiten mögen wie administrative Details wirken, bestimmen jedoch oft, ob ein vielversprechendes Team weiterhin umsetzen kann.
Delegieren ist eine erlernte Führungskompetenz
Fadell wurde bereits Anfang zwanzig Chief Technology Officer und Vice President bei Philips und war plötzlich ohne nennenswerte Managementerfahrung für den Aufbau einer Organisation mit Hunderten Mitarbeitenden verantwortlich. Seiner Darstellung nach verlief sein erstes Jahr als Manager schlecht. Schulungen halfen ihm, delegieren zu lernen, Vertrauen aufzubauen und nicht mehr jede Aufgabe kontrollieren zu wollen.
Erfahrung machte ihn nicht unbedingt weniger anspruchsvoll. Stattdessen, so sagte er, machte sie ihn präziser darin, wo Eingreifen nötig war. Effektive Führungskräfte geben Kolleginnen und Kollegen Raum, Entscheidungen zu treffen und zu lernen, während sie Fehler verhindern, die dem Unternehmen irreparablen Schaden zufügen könnten.
Fadell unterschied außerdem zwischen zwei Formen der Detailorientierung. Die eine entspringt dem Ego und dem Wunsch zu dominieren. Die andere ist in der Mission verwurzelt: Eine Führungskraft prüft die Arbeit genau, weil bestimmte Entscheidungen darüber bestimmen, ob das Produkt Kunden angemessen dient. Die Herausforderung im Management besteht darin zu wissen, welche Details das Ergebnis wesentlich beeinflussen und welche in den Händen des Teams bleiben sollten.
Was die Übernahme von Nest über Kultur offenbarte
Die Übernahme von Nest durch Google zeigte, wie abrupt sich eine Organisation nach einem Deal verändern kann. Fadell räumte Fehler des Nest-Managements ein, argumentierte aber zugleich, dass das übernehmende Unternehmen wichtige Zusagen und Elemente der ursprünglichen Kultur des Startups nicht bewahrt habe.
Er bezeichnete Fusionen und Übernahmen als ungewöhnlich fragil und nannte kulturelle Unvereinbarkeit als einen wesentlichen Grund dafür, dass viele Deals scheitern. Ein Vertrag kann Eigentumsverhältnisse und finanzielle Bedingungen festlegen, doch er kann unterschiedliche Annahmen über Dringlichkeit, Verantwortlichkeit, Autonomie und Leistung nicht automatisch miteinander vereinbaren.
Fadell stellte Apples stark programmgesteuertes Umfeld der freizügigeren Kultur gegenüber, die er bei Google erlebt habe. Seiner Beschreibung zufolge machte Apple den Beitrag jeder einzelnen Person deutlich sichtbar, während Googles Traditionen – darunter für Nebenprojekte reservierte Zeit – es einigen Beschäftigten ermöglichen konnten, sich einer vergleichbaren Verantwortlichkeit zu entziehen. Er glaubt, dass sich ein breiteres Anspruchsdenken später in Teilen des Silicon Valley verbreitete.
Unabhängig davon, ob jedes Unternehmen in diesen Vergleich passt, ist die Lehre für Gründer klar: Kultur ist ein Betriebssystem, keine Bürodekoration. Wenn eine Übernahme sie über Nacht ersetzt, kann das Team die Motivation und den gemeinsamen Zweck verlieren, die das Startup wertvoll gemacht haben.
Deep Tech braucht Grenzen, Meilensteine und geduldiges Kapital
Fadell stellte die Annahme infrage, dass ambitionierte „Moonshots“ gedeihen, wenn ihnen nahezu unbegrenzte Unternehmensressourcen zur Verfügung stehen. Ohne Grenzen können sich experimentelle Programme, so argumentierte er, von Kundenbedürfnissen und kommerzieller Disziplin lösen. Als Veranschaulichung des Problems verwies er auf Waymos enorme Investitionen und den langen Weg zu einem nachhaltigen Geschäftsmodell.
Deep Tech verlangt Geduld, aber Geduld ist nicht dasselbe wie ein unbegrenztes Budget. Fadell empfahl, innerhalb eines langfristigen Plans kurzfristige, nachweisbare Meilensteine festzulegen. Diese Meilensteine erhalten den Schwung, liefern Investoren Belege und geben Teams die Möglichkeit, aus Feedback aus der realen Welt zu lernen.
Dieser Ansatz macht auch die Kapitalbeschaffung besser handhabbar. Ein Unternehmen, das einen schwierigen Schritt nachweist, kann das für den nächsten erforderliche Kapital und Talent anziehen. Fadell nannte Diamond Foundry als Beispiel für meilensteinorientierten Fortschritt. Er sprach zudem über langfristige Investitionen, die KI auf Bereiche wie Krebstherapeutika und effiziente Computer Vision anwenden, darunter Unternehmen, die er als Oranus, Plumerai und Tiny AI bezeichnete.
Viele dieser Vorhaben benötigen fünf bis zehn Jahre, bevor ihre Wirkung sichtbar wird. Entsprechend hoch sind die Ausfallquoten; Fadell deutete an, dass die meisten Venture-Portfolios viele Verluste oder Abschreibungen enthalten. Die wenigen Erfolge können jedoch grundlegende Technologien schaffen, deren Auswirkungen weit über ein herkömmliches Software-Feature hinausgehen.
Für Investoren erfordert die Bewertung solcher Unternehmen mehr, als Trends zu folgen. Sie müssen die zugrunde liegende Wissenschaft verstehen, aus ersten Prinzipien heraus argumentieren und sowohl Finanz- als auch Humankapital über einen langen Zeitraum steuern.
KI jenseits des Booms großer Sprachmodelle
Fadell erwartet, dass Teile des Marktes für große Sprachmodelle im Rückblick aufgebläht wirken werden. Er tat LLMs nicht ab, argumentierte jedoch, dass sie eine Klasse von Werkzeugen und keine universelle Lösung seien. In vielen Produkten könnten kleinere oder stärker spezialisierte Modelle genauer, effizienter und zuverlässiger sein.
Der Thermostat von Nest aus dem Jahr 2011 veranschaulichte seine umfassendere Kategorie aufgabenspezifischer maschineller Intelligenz: ein System, das für die Ausführung einer klar abgegrenzten Funktion entwickelt wurde, statt uneingeschränkte Antworten zu generieren. Fadell stellte diesen Ansatz den mit generativen Modellen verbundenen Risiken von Halluzinationen gegenüber.
Er verwies auf kompakte Bildverarbeitungssysteme, die mit in Megabyte gemessenen Modellen anspruchsvolle Analysen ausführen können. Seiner Ansicht nach weist Apples Schwerpunkt auf kleinere, kontrollierte Modelle in eine sinnvolle Richtung, weil diese Systeme auf klar definierte Aufgaben optimiert werden können. Er erwähnte zudem explorative Arbeiten zu Quantenansätzen für KI, behandelte diese jedoch als separates und noch in der Entwicklung befindliches Feld.
Die geschäftliche Lehre lautet, die Technologie zu wählen, die für das aktuelle Problem funktioniert. Ein LLM hinzuzufügen, weil KI gerade angesagt ist, ersetzt kein gutes Produkturteil.
KI-Systeme brauchen Qualifikationen und Rechenschaftspflicht
Fadell schlug etwas vor, das einem beruflichen Profil für KI-Agenten ähnelt. Bevor ein System eingesetzt wird, sollte ein Unternehmen prüfen können, worauf es trainiert wurde, worin es gut arbeitet, welche Verzerrungen oder Fehlermodi bekannt sind und wie häufig es Fehler produziert.
Eine solche Offenlegung wird unverzichtbar, wenn KI Medizin, Kundenservice oder andere folgenreiche Entscheidungen beeinflusst. Fadell äußerte Bedenken hinsichtlich des Einsatzes generativer Werkzeuge durch Kliniker zur Erstellung von Patientendokumentationen und warnte, dass halluzinierte Details schweren Schaden verursachen könnten. Sein weiter gefasster Punkt war, dass Organisationen einen undurchsichtigen digitalen Agenten nicht verantwortungsvoll einstellen können, ohne dessen Qualifikationen und Grenzen zu verstehen.
Er forderte daher regulatorische Anforderungen in Bezug auf Trainingsdaten, Fehler und Systemverhalten. Transparenz wird die „Black Box“ der KI nicht beseitigen, kann Käufern und Nutzern jedoch eine Grundlage bieten, Risiken zu bewerten und Verantwortlichkeit zuzuordnen.
Wo VR und humanoide Roboter zuerst funktionieren könnten
Fadell war skeptisch, dass virtuelle Realität für den dauerhaften Alltagseinsatz bereit ist. Obwohl sich die visuelle Qualität verbessert hat, argumentierte er, dass anhaltende Probleme mit menschlichen Faktoren – physische Größe, Unbehagen und soziale Unbeholfenheit – nach mehreren Entwicklungszyklen weiterhin bestehen.
Er sieht mehr Wert in episodischen, zweckorientierten Anwendungen. Medizinische Schulungen und kollaboratives dreidimensionales Design können es rechtfertigen, für eine begrenzte Sitzung ein Headset zu tragen. Gravity Sketch, eine Plattform für gemeinsames Erstellen in 3D, stand für die Art fokussierten Anwendungsfalls, die er für vielversprechend hält. Erweiterte Realität könnte sich letztlich besser in den Alltag einfügen, sofern die Hardware ausreichend unauffällig wird.
Seine Sicht auf humanoide Roboter war ähnlich abgewogen. Unternehmen wie Agility Robotics können klar begrenzte Umgebungen bewältigen, insbesondere in der Logistik, wo Aufgaben und Umfeld vorhersehbar sind. Allgemeine Hausarbeit ist deutlich schwieriger: Roboter benötigen umfangreiche Trainingsdaten, robuste physische Fähigkeiten und eine Kostenstruktur, die für gewöhnliche Verbraucher akzeptabel ist. Diese Zukunft könnte eintreten, doch Fadell erwartet, dass sie Jahre dauern wird, statt auf einmal zu erscheinen.
Über KI, Robotik und immersives Computing hinweg bleibt sein Maßstab konsistent. Die vielversprechendsten Deep-Tech-Unternehmen sind nicht diejenigen mit den großartigsten Demonstrationen. Es sind jene, die schwierige Technologie mit einem konkreten Bedarf verbinden, Fortschritte schrittweise nachweisen und eine Organisation aufbauen, die diszipliniert genug ist, den Weg durchzustehen.
