AI Friday: KI-Community & Accelerator-Insights

Begründung und Herleitung:

Die klassische Scrum-Struktur mit klar abgegrenzten Rollen – etwa Product Owner, Backend- oder Frontend-Entwickler – ist in modernen KI-Startups weitgehend verschwunden. Nach Beobachtungen von Jonas Gottschalk mit mehreren CTOs aus der Berliner KI-Szene hat sich gezeigt, dass nahezu alle Teams sehr ähnlich organisiert sind:

Die Arbeit wird nicht mehr nach Fachbereichen aufgeteilt, sondern durch sogenannte „AI Full Stack Engineers" erledigt, die sämtliche Aufgaben – von Backend über Frontend bis Infrastruktur und KI-Komponenten – abdecken.

Der Grund liegt vor allem im hohen Innovationstempo der KI-Branche und in der Effizienz, die durch weniger Koordination und mehr Eigenverantwortung pro Teammitglied erreicht wird.

Die Auswirkungen:

• Keine Schnittstellenprobleme mehr zwischen spezialisierten Teams
• Produktmanagement, Nutzerfeedback und Feature-Entwicklung verschmelzen zu einer Aufgabe
• Entwickler sprechen direkt mit Kunden, holen Feedback ein und liefern in kurzen Zyklen aus
• Moderne KI-Tools wie ChatGPT ermöglichen jedem Mitarbeitenden, selbständig Prototypen zu erstellen
• Neue „Agent Operator"-Rollen entstehen für nicht-technische KI-Steuerung per Sprache

Die Situation früher:

Bis vor Kurzem galt es als relativ sicher, dass Absolventen von Hochschulen attraktive Einstiegspositionen in großen, etablierten Unternehmen wie den „Magnificent 7" (Amazon, Apple, Alphabet, Microsoft, Meta, Nvidia, Tesla) finden konnten.

Diese Unternehmen boten eine Vielzahl von Einstiegsjobs mit grundlegenden, oft aufgabenorientierten Tätigkeiten – „new grad grist for the mill" – typische Routinearbeiten für Berufseinsteiger.

Was sich geändert hat:

Genau diese traditionellen Einstiegsrollen sind am stärksten von der Automatisierung durch KI betroffen. Prominente Stimmen aus dem „All-In Podcast" weisen darauf hin:

Chamath Palihapitiya: "Die neuen, inkrementellen, aufgabenorientierten Rollen, die typischerweise an neue Absolventen gegangen wären, werden heute durch fortgeschrittene KI-Modelle erledigt."

Jason Calacanis: "Unternehmen wie die 'Magnificent 7' stellen schlichtweg 'nicht ein', weil sie konsequent auf KI setzen und diese Tools produktiv nutzen."

Die Folgen:

• Bestehende Mitarbeiter leisten mit KI deutlich mehr als zuvor
• Weniger Neueinstellungen bei gleicher oder höherer Produktivität
• Höherer Umsatz pro Mitarbeiter, sinkende operative Kosten
• „Tough job market" für Hochschulabsolventen

Chamaths Kernthese:

Die Art und Weise, wie Menschen heute mit neuen KI-Tools arbeiten, hat einen massiven Einfluss auf Produktivität und Wettbewerbsfähigkeit – und es geht weniger um das Alter, sondern vor allem um die Bereitschaft zur Anpassung.

Besonders junge, „AI-native" Mitarbeitende integrieren KI-Tools wie Coding-Assistants, Automatisierungshilfen oder Recherchebots intuitiv in ihren Arbeitsalltag und erzielen dadurch deutliche Produktivitätssprünge.

Beispiel aus der Praxis:

In Chamaths eigenem Unternehmen 8090 performen Teams am besten, die aus erfahrenen Mentoren UND jungen, KI-affinen Talenten bestehen. Die „Jungen" setzen KI-Coding-Assistants systematisch ein, während ältere Fachkräfte oft noch in traditionellen Arbeitsweisen verharren.

Parallele zu früheren Tech-Umbrüchen:

Chamath zieht eine Parallele zum Wechsel von C++ zu modernen Sprachen wie PHP oder Python: Als diese neuen Sprachen populär wurden, stiegen plötzlich viel mehr Menschen ins Programmieren ein und die Einstiegshürden fielen drastisch.

Genauso wirken heute KI-Tools als „Leveler" – sie machen weniger erfahrene (aber offene) Mitarbeitende plötzlich deutlich leistungsfähiger.