Was der 1,8-Milliarden-Solo-Founder für normale KMU bedeutet

Ein Mann, sein Bruder, keine weiteren Mitarbeiter. Und ein Unternehmen, das innerhalb von weniger als zwei Jahren auf 1,8 Milliarden Dollar Umsatz wächst.

Das klingt wie eine Übertreibung. Es ist eine, in gewissem Sinne — das Unternehmen steht inzwischen unter Beschuss wegen fragwürdiger Werbemethoden, darunter KI-generierte Vorher-Nachher-Bilder mit erfundenen Ärzten. Nicht alles, was mit KI skaliert, ist legitim.

Aber das Grundprinzip dahinter ist real — und es ist für ganz normale KMU relevanter als die absurde Umsatzzahl vermuten lässt.

Das Prinzip hinter dem Extrembeispiel

Was dieser Solo-Founder gemacht hat, lässt sich in einem Satz zusammenfassen: Er hat KI-Agenten für Aufgaben eingesetzt, für die andere Unternehmen Teams aufbauen.

Content-Erstellung, Werbekampagnen, Kundenansprache, Datenanalyse — alles durch Agenten und KI-native Tools automatisiert. Statt zwanzig Mitarbeiter einzustellen, hat er zwanzig Agenten konfiguriert.

Das Extrembeispiel funktioniert in diesem Fall auch deshalb so extrem, weil das Geschäftsmodell schlicht ist: Produkt bestellen, bewerben, ausliefern. Keine Kundenbeziehungen, keine komplexe Beratung, kein Dienstleistungsanteil, der menschliches Urteilsvermögen braucht.

Trotzdem zeigt es etwas Strukturelles: Der Hebel von KI-Agenten auf die operative Kapazität eines kleinen Teams ist real. Und er wächst.

Was das für ein 10-Personen-KMU bedeutet

Kein mittelständisches Dienstleistungsunternehmen kann dieses Modell kopieren. Kundenbeziehungen, Qualitätssicherung, rechtliche Verantwortung, Branchenwissen — das sind Bereiche, in denen menschliche Urteilskraft nicht ersetzbar ist und nicht ersetzt werden sollte.

Aber es gibt in jedem Unternehmen Aufgaben, für die das Solo-Founder-Prinzip gilt: Aufgaben, die wiederkehrend, regelbasiert und zeitaufwendig sind — und die heute von Menschen erledigt werden, die ihre Zeit besser einsetzen könnten.

Konkrete Beispiele:

• Eingangsrechnungen verarbeiten — Dokument einlesen, relevante Felder extrahieren, in Buchhaltungssystem übertragen. Ein Agent kann das bei klarer Struktur vollständig übernehmen.
• Bewerbungseingänge vorsortieren — Erste Sichtung anhand definierter Kriterien, Zusammenfassung und Kategorisierung. Kein Mensch muss das zuerst lesen.
• Kundenfeedback aggregieren — E-Mails, Bewertungen, Support-Tickets: Ein Agent kann clustern, zusammenfassen und priorisieren. Ein Mensch entscheidet dann, was er damit macht.
• Standardkommunikation im Erstschritt — Eingangsbestätigungen, FAQ-Antworten, Terminabsprachen für Routineanfragen.

Das sind keine Gedankenexperimente. Das sind Prozesse, die Unternehmen heute mit verfügbaren Tools umsetzen.

Der Unterschied: Amplifikation, nicht Substitution

Der Fehler, den viele bei diesem Thema machen, ist die Rahmung: “KI ersetzt Mitarbeiter.” Das ist die falsche Linse.

Die richtige Frage ist: Was kann ein Mitarbeiter mit dem freigewordenen Zeitbudget anfangen, das er vorher in repetitive Aufgaben investiert hat?

Ein Vertriebsmitarbeiter, der nicht mehr drei Stunden täglich mit manueller CRM-Pflege verbringt, hat drei Stunden mehr für echte Kundengespräche. Eine Sachbearbeiterin, die keine Eingangsbelege mehr manuell eingibt, kann sich auf Ausnahmen konzentrieren, die wirklich Aufmerksamkeit brauchen.

KI-Agenten amplifizieren die Kapazität eines Teams. Sie ersetzen nicht das Urteilsvermögen, das in einem kleinen Team steckt — sie geben ihm mehr Raum.

Das ist der übertragbare Kern aus dem Extrembeispiel: nicht die Umsatzzahl, nicht das Solo-Modell, sondern der Gedanke, dass ein Mensch mit gut konfigurierten Agenten die Kapazität eines deutlich größeren Teams erreichen kann.

Wann Agenten sinnvoll sind — und wann nicht

Nicht jeder Prozess eignet sich für KI-Agenten. Die einfache Heuristik:

Gut geeignet:

• Aufgabe kommt regelmäßig vor (täglich, wöchentlich, ereignisbasiert)
• Input ist semi-strukturiert oder unstrukturiert, aber der erwartete Output ist klar
• Fehler sind erkennbar und korrigierbar, bevor sie Folgewirkungen haben
• Ein Mensch kann im Ausnahmefall eingreifen (Human-in-the-Loop)

Schlecht geeignet:

• Aufgabe erfordert kontextuelles Urteilsvermögen, das schwer formalisierbar ist
• Fehler haben sofortige Außenwirkung (Kundenkommunikation ohne Prüfung, rechtliche Dokumente)
• Der Prozess ist noch nicht stabil — Automatisierung eines schlechten Prozesses produziert schnellere schlechte Ergebnisse

Der erste Schritt: Einen Prozess, nicht eine Strategie

Wer als KMU anfangen will, braucht keine Agenten-Strategie. Er braucht einen konkreten Prozess.

Die Frage lautet: Welche Aufgabe in meinem Unternehmen kommt regelmäßig vor, kostet unverhältnismäßig viel Zeit und hat einen klar definierten Output?

Dort anfangen. Einen einfachen Agenten aufsetzen. Erfahrung sammeln. Dann erweitern.

Das Solo-Founder-Beispiel ist spektakulär, weil es skaliert hat. Der Einstieg für ein KMU muss nicht spektakulär sein — er muss funktionieren. Und er muss vom ersten Tag an ein Mensch im Prozess wissen, der eingreift, wenn der Agent an seine Grenzen stößt.

Das ist Human First. Nicht weil KI schwach ist — sondern weil verantwortungsvolle Automatisierung immer mit einem Menschen beginnt, der die Grenzen des Systems kennt.