9 min read · 15 sources

Der richtige Harness kann die Kosten für dasselbe KI-Ergebnis um 71 Prozent senken, ohne Genauigkeit zu verlieren. Das ist kein Modell-Upgrade oder ein günstigerer API-Deal - es ist die Infrastruktur um das Modell, und sie ist jetzt der größte Hebel für Ihre Unit-Ökonomie. Eine Berkeley-Studie rahmt es als Software-Gelegenheit der nächsten Generation ein, und ein hypothetisches Unternehmen, das einen Harness nutzt, gibt 37.000 Dollar für Inferenz aus gegenüber 131.000 Dollar für ein naives Setup, was eine Bruttomarge von 75 Prozent gegenüber 38 Prozent ergibt.

Das verändert, was Sie bauen und was Sie verkaufen. Wenn der Harness die Marge ist, dann ist der Burggraben nicht das Modell - es ist Ihre Fähigkeit, gewöhnliche Workflows in deterministischen Code zu komprimieren und teure Modelle nur für die Schritte zu reservieren, die sie benötigen. Ingenieure sollten sich dafür interessieren, weil das Design des Harness, nicht nur das Modell, jetzt der primäre Hebel für die Unit-Ökonomie von KI-Produkten ist.

Das Design des Harness, nicht nur das Modell, ist jetzt der primäre Hebel für die Unit-Ökonomie von KI-Produkten.

Die Harness-Margen-Gelegenheit

Source: tomtunguz.com ↗

Die Berkeley-Studie macht eine konkrete Behauptung: Der richtige Harness kann die Kosten für dasselbe Ergebnis um 71 Prozent senken, ohne Genauigkeitsverlust. Der Autor, Tom Tunguz, argumentiert, dass bessere Harnesses gewöhnliche Workflows in deterministischen Code komprimieren und teure Modelle nur für die Schritte reservieren, die sie benötigen. Das schafft sowohl einen Kostenvorteil als auch einen verteidigungsfähigen Burggraben - der Harness kodiert tiefes Kundenverständnis, eine Sammlung relevanter Evals und eine Fabrik für die Automatisierung von Hill-Climbing.

Im hypothetischen Beispiel gibt ein Unternehmen mit Harness 37.000 Dollar für Inferenz aus gegenüber 131.000 Dollar für ein naives Setup, was eine Bruttomarge von 75 Prozent gegenüber 38 Prozent ergibt. Für Ingenieure ist die Erkenntnis, dass der Harness kein Nachgedanke ist - es ist das, woran Sie iterieren. Das Modell ist eine Kommodität; der Harness ist das Produkt.

Die neuen Königmacher

Source: x.com ↗

Umsatzgröße spielt für Fundraising nicht mehr so sehr eine Rolle. Was zählt, ist, wie viele führende KI-native Unternehmen Ihr Produkt nutzen und lieben. Ein Argument eines Venture-Investors ist, dass diese „Königmacher"-Kunden am schwersten zu gewinnen sind, weil sie intern bauen können und hohen Geschmack haben, daher ist ihre Loyalität das stärkste Signal für Investoren. Der Beitrag behauptet, dass Runden über 50 Millionen Dollar auf dem Rücken eines einzigen zahlenden KI-nativen Kunden eingesammelt wurden.

Der Rat für führe Gründer: Zielen Sie auf Unternehmen wie die auf der Forbes-Liste „AI 50" statt auf große Unternehmen wie CVS oder Walmart. Ingenieure sollten sich dafür interessieren, weil Produktqualität und Adoption durch anspruchsvolle KI-native Nutzer, nicht Enterprise-Vertrieb, jetzt die primäre Fundraising-Währung ist. Umsatz kann gekauft werden, aber Loyalität eines Königmachers kann nicht hergestellt werden.

Pulley stellt ein und übergibt Kunden an Carta

Source: techcrunch.com ↗

Die Cap-Table-Management-Plattform Pulley stellt ein, mit dem letzten Betriebstag am 8. Dezmeber, und hat eine Partnerschaft mit Rivale Carta geschlossen, um Kunden zu übertragen. Gegründet von Yin Wu im Jahr 2020, sammelte Pulley über 50 Millionen Dollar von General Catalyist, Stripe und Founders Fund ein. Ein ehemaliger Mitarbeiter spekulierte, dass Pulley mit Tabellenkalkülen konkurrierte, die Startups jetzt mit KI leicht pflegen können.

Eine separate Analyse deutet darauf hin, dass das Umsatzwachstum weit unter den Venture-Maßstäben blieb - von etwa 5 - 10 Millionen Dollar ARR bei Serie B auf etwa 20 Millionen vier Jahre später - was es für Übernehmer unattraktiv machte. Der Beitrag impliziert, dass Pulley einen Deal mit Carta machte, um Kunden zu übertragen, wobei Carta alle Vertragsbedingungen ehrt. Ingenieure sollten notieren, dass selbst gut finanzierte vertikale SaaS-Tools verwundbar sind, wenn die zugrunde liegende Aufgabe mit generischen, KI-gestützten Tools erledigt werden kann. Langsames Wachstum, nicht Produktversagen, kann ein gut finanziertes Start-up zur Schließung zwingen.

Ein Jahr KI-Suchexperimente im Innenleben

Source: growthunhinged.com ↗

HubSpots ehemaliger Marketing-Leiter detailiert, wie der Blog-Traffic des Unternehmens nach Googles Algorithmus-änderung Ende 2024 stark fiel, obwohl ein Teil des Rückgangs beabsichtigt war, da sie Keywords mit geringer Konversion herabstuften. Die Experimete zeigten, dass das Hinzufügen einer llms.txt-Datei nichts brachte, während 92 Prozent der hochspezifischen Industrie- und Anwendungsfall-Seiten schließlich Zitatierungen erhielten. Eine Seitenlade-Optimierung erhöhte die Besuche von KI-Crawlern um 1.600 Prozent, und qualifizierte Leades aus der KI-Suche stiegen im Jahr um 1.850 Prozent.

HubSpot verlagerte Ressourcen von bildungsbezogenem Inhalt (durch KI-Überblicke und ChatGpt kommoditisiert) zu „Einfluss"-Inhalt wie YouTtube, Podcsts und Newslettern. Der Beitrag rahmt KI als neuen Kanal zum Gewinnen ein, nicht nur als Bedrohung. Ingenieure sollten sich dafür interessieren, weil es zeight, wie KI-Suche die Ökonomie von Inhalt und den strategischen Wert des Aufbaus einzigartiger, nicht-kommoditisierbarer Distribution verändert. Verfolgen Sie jedoch, ob der Inhalt qualifizierte Leades bringt, weil mehr Crawler-Besuche allein nicht zeigen, ob es funktioniert.

Warum sollte jemand für Ihre App zahlen, wenn KI es kostenlos macht?

Source: revenuecat.com ↗

Der RevenueCat-Artikel kontrastiert Chegg, dessen Aktie um 50 Prozent fiel und das sich wegen ChatGpt von Hausaufgaben-Hilfe abwandte, mit Duolingo, das im Q2 2026 den Umsatz um 18 Prozent und die DAU um 23 Prozent auf 58,7 Millionen steigerte, trotz kostenloser KI-Tutoren. Der Unterschied ist, dass Chegg eine Einmal-Abruf-Erfahrung biet, während Duolingo Gamifikaion und Engagement-Mechaniken nutzt, um Nutzer bei der Stange zu halten. Der Autor argumentiert, dass Apps überleben, indem sie sich auf Bereiche konzentrieren, in denen ein LLM-Chat sie nicht schlagen kann, wie Gewohnheitsbildung und Engagement.

Ihr Kunde kann ChatGpt um eine Lekion bitten. Sie dazu zu bringen, morgen wieder zu üben, ist ein anderes Problem. Erinnert sich Ihre App an ihren Fortschritt, organisiert sie, was als Nächstes kommt, oder gibt sie ihnen jemanden zum Üben? Das sind Gründe, sie weiter zu nutzen, auch wenn die Antworten anderswo verfügbar sind. Ingenieure sollten sich dafür interessieren, weil es die Produktdesign-Merkmale identifiiert, die bestimmen, ob eine App durch KI kommoditisiert wird oder neben ihr gedeiht.

Mercury Books bringt KI-gestützte Buchhaltung ins Banking

Source: mercury.com ↗

Mercury Books ist ein doppelte-Buchführung-Produkt, das direkt aus Mercury-Banking-Daten zieht, mit automatischer Kategorisierung, Echtzeit-Abgleich und P&L-, Cashflow- und Bilanzberichten. Es enthält „Command", einen KI-Assistenten, der Fragen zu Finanzen beantwortet und Arbeiten wie das Schreiben von Journaleinträgen und das Organisieren des Kontenplans auslagern kann. Es verbindet externe Bankkonten, Karten und Payroll-Plattformen und ist für Mercury-Kunden kostenlos.

Das Produkt wurde gemeinsam mit Buchhältern führender Firmen entworfen, und bestehende Mercury-Kunden können in Minuten loslegen. Ingenieure sollten sich dafür interessieren, weil es den Trend von Banking-Plattformen repräsentiert, die sich mit eingebetteter KI zu vollständigen Buchhaltungs-Stacks ausbauen. Der Buchhaltungs-Stack wird zu einem Merkmal des Bankkontos.

Column reduziert globale Zahlungen auf vier Produkte

Source: column.com ↗

Column veröfentlichte vier neue Produkte: interoperable Stablecoins (USDC/USDT) mit sofortiger 24/7-Konversion in USD und Zahlungs-Schienen; Full-Stack-Kartenausgabe mit eigenem Issuer-Prozessor für Mastercard und Visa; globales Banking zur Ausgabe von USD- oder Lokalwährungs-Konten an verifiiierte Kunden weltweit; und Multiwährungs-Konten mit lokalen Auszahlungen über SEPA Instant und andere Systeme. Das Unternehmen behauptet, diese seien auf eigenen finanzielen Primitiven aufgebaut, sodass Entwickler nur eine Bank benötigen statt meherere Anbieter zusammenzunähen.

Ingenieure sollten sich dafür interessieren, weil dies die Anzahl der Integrationen reduziert, die benötigt werden, um ein globales Finanzprodukt zu bauen, und komplexe grenzüberschreitende Flüsse über wenige API-Aufrufe ermöglicht. USDC und USDT sind jetzt vollständig interoperabel mit dem US-Dollar und jeder zugrunde liegenden US- und internationalen Zahlungs-Schiene auf Column. Das ist eine große Sache für jeden, der Zahlungsinfrastruktur baut.

Werbung mit KI neu gedacht

Source: openai.com ↗

Ein Kunde kann einer Anzeige jetzt Fragen stellen, bevor er Ihre Website besucht. OpenAI testet Sponsored Agents mit ausgewählten US-Werbetreibenden, die es Nutzern erlauben, mit einem gesponsorten Agenten zu sprechen, bevor sie zum Kauf durchklicken. Es fügt auch ChatGpt-Ads-Integrationen zu HubSpot und Shopifiy hinzu. Das verlageret einen Teil des Verkaufens in die Anzeige selbst.

Wenn Sie Zugang zum Test erhalten, benötigen Ihre Produktinformationen und die Antworten des Agenten genauso viel Aufmerksamkeit wie das Creativ und die Landing-Page. Der Agent wird zur neuen Landing-Page, und die Qualität Ihrer Produktdaten bestimmt, ob das Gespräch in einem Verkauf oder einer Sackgasse endet.

Die wichtigste Produktentscheidung ist, was Sie nicht bauen

Source: liamnugent.me ↗

Das Argument des Autors ist, dass die wichtigste Produktentscheidung ist, was Sie nicht bauen, wobei „Dokument-Hubs" und „Benachrichtigungszentren" im Consumer-Fintech als Beispiele für Funktionen dienen, die zu aufgeblähten Multi-Stakeholder-Projekten werden. Diese Funktionen existieren, um interne/Compliance-Probleme zu lösen (wie Legacy-PDFs und „persistente Kommunikations-Kanäle"), enden aber als schlechte Klone von Google Drive oder Gmail. Der Vorschlag ist, Stakeholdern die laufenden Kosten über Jahre zu zeigen, nicht nur die Baukosten, um solche Projekte zu töten.

Ingenieure sollten sich dafür interessieren, weil es ein Playbook ist, um Scope-Creep zu widerstehen und langfristige Wartungslasten durch Funktionen zu vermeiden, die Nutzern nicht dienen. Seien Sie äußerst wählerisch, was Sie einem System hinzufügen, und seien Sie militant beim Entfernen von Dingen.

Das Kurationsproblem

Source: runthebusiness.substack.com ↗

Der Artikel warnt davor, dass Produktteams, die KI nutzen, um schneller zu liefern, in eine Falle geraten, sich auf Output-Metriken zu konzentrieren, was zu UX-Unübersichtlichkeit und Feature-Bloat führt. Der beste Prädiktor für Produktqualität ist die Anzahl disziplinierter, gezielter Iterationen (Reps), die sich im Laufe der Zeit summieren, nicht das rohe Volumen gelieferter Funktionen. Mit KI können mehr Menschen prototypen und liefern, aber die Fähigkeit der Nutzer, Veränderungen aufzunehmen, ist gesättigt.

Ingenieure sollten sich dafür interessieren, weil es vor der „Ship-all-the-things"-Denkweise warnt und für Kuration und disziplinierte Iteration als Weg zum Product-Market-Fit argumentiert. KI beschleunigt die Produktentwicklung, aber Teams riskieren, Geschwindigkeit über bedeutungsvolle Ergebnise zu stellen, was zu Feature-Bloat führt.

Rendite auf Feedback maximieren

Source: avivbenyosef.com ↗

Das Feedback-Squeezing-Protokoll beginnt mit der Prämisse, dass falsches Handhaben von Feedback (Abweisen, Angreifen oder Ignorieren) zukünftiges Input austrocknet. Das Protokoll umfasst das Fragen: Ist es wahr? Haben Sie es zu spät erkannt (und was hielt die Person zurück)? Haben Sie erwartet, es von jemand anderem zu hören? Die Lücke zwischen dem Zeitpunkt, an dem ein Problem zuerst bemerkt wurde, und dem Zeitpunkt, an dem Sie davon hörten, anzugehen, kann kulturelle Fehlkonfigurationen aufdecken.

Wenn Sie bekannt geben, dass Ihnen jemand Feedback gegeben hat, und sie sehen, wie Sie die Person, die es gegeben hat, akzeptiert und gedankt haben, normalisieren Sie das Verhalten und machen es für andere sicherer, dasselbe zu tun. Ingenieure in Führungspositionen sollten sich dafür interessieren, weil es eine praktische Checkliste ist, um Beschwerden in umsetzbare Verbesserungen zu verwandeln und eine feedbackreiche Kultur zu bewahren.

No Code Is Code: Zapiers Headless-Wette

Source: cognitiverevolution.ai ↗

Zapier-CEO Wade Foster diskutiert, wie sich KI-Arbeit um „Daily-Driver"-Oberflächen wie Cursor, Claude Code und ChatGpt konsolidiert hat, was Headless-Tools wie Zapier-MCP (die Kontext und Daten in diese Harnesse bringen) zur gewinnenden Strategie macht, statt Nutzer auf eine proprietäre Agenten-Plattform zu zwingen. Er zitiert Zapiers AutomationBench, das Frontier-Modelle bei etwa 600 realistischen Wissensarbeits-Aufgaben bewertet, und merkt an, dass GPT-6 Astra mit etwa 40 Prozent Aufgabenabschluss der neue Stand der Technik ist, während Gemini 3.7 bei einem Bruchteil der Kosten gut abschneidet.

Foster betont, dass deterministischer Code für zuverlässige Systeme wesentlich bleibt. Ingenieure sollten sich dafür interessieren, weil es einen Marktwechsel hin zu modell-agnostischen, headlessen Integrationsebenen signalisiert und Benchark-Daten zu Kosten-gegenüber-Fähigkeit-Kompromissen von Modellen liefert. No code is code - die Integrationsebene ist das Produkt.