Station 1: Idee finden und schärfen
Am Anfang steht meist ein diffuses Problem, kein fertiges Konzept. Sprachmodelle wie ChatGPT oder Claude eignen sich als Sparringspartner, um aus einer vagen Beobachtung ein klares Werteversprechen zu formulieren: Welches Problem wird gelöst, für wen, und warum sollte jemand dafür bezahlen? GründerInnen können so in kurzer Zeit mehrere Varianten einer Idee durchspielen, sie auf den Prüfstand stellen oder ein Business Model Canvas als erste Struktur aufsetzen.
Station 2: Idee validieren
Laut Startup Genome Project brauchen Startups zwei- bis dreimal so lange wie erwartet, um ihren Markt tatsächlich zu validieren. Dieser Umstand verleitet zu einer verfrühten Skalierung, bevor ein echter Product-Market-Fit erreicht ist. KI kann in dieser Phase an mehreren Stellen helfen.
Ein Sprachmodell kann einen strukturierten Interviewleitfaden bauen, der nicht nur Zustimmung abfragt, sondern gezielt nach dem tatsächlichen Verhalten potenzieller KundInnen fragt. Tools wie Dovetail fassen mit KI-Unterstützung mehrere Interview-Transkripte oder offene Umfrageantworten zusammen und zeigen wiederkehrende Muster, die einzeln leicht übersehen werden. Und im weiteren Verlauf können KI-gestützte Website-Baukästen wie Framer helfen, in kurzer Zeit eine Landing Page für ein noch nicht existierendes Produkt zu bauen, ein sogenannter Fake-Door-Test. Damit kann man messen, ob echtes Interesse besteht, bevor ein Prototyp gebaut wird. All das ersetzt allerdings die persönlichen Gespräche mit potenziellen KundInnen nicht.
Station 3: Konzept und erster Entwurf
Sobald die Richtung steht, geht es um eine erste sichtbare Form. Tools wie Uizard verwandeln eine handgezeichnete Skizze in einen klickbaren Bildschirm-Entwurf. Für physische Produkte übernehmen KI-Bildgeneratoren eine ähnliche Rolle. Sie erzeugen fotorealistische Visualisierungen eines Konzepts, mit denen sich erste Reaktionen von KundInnen einholen lassen.
Station 4: Name, Marke und Marktpositionierung
Parallel zum Konzept stellt sich die Frage, wie das Produkt heißen, aussehen und wie viel es kosten soll. Für die Marktrecherche liefert Perplexity eine schnelle, quellenbasierte Übersicht über Wettbewerber und Preisniveaus. Für die Namensfindung schlägt Namelix passende, noch verfügbare Domainnamen vor. Für ein erstes Markenbild generiert Looka Logo-Entwürfe und ein Brand-Kit, mit dem sich Markenwelten testen lassen, bevor Geld in eine Designagentur fließt. Bei der Preisgestaltung hilft ein Sprachmodell dabei, verschiedene Preismodelle gegen Wettbewerberdaten und Zahlungsbereitschaft zu spiegeln.
Wichtig bleibt dabei, dass KI zwar Varianten liefert, die endgültige Entscheidung braucht jedoch echtes Marktfeedback.
Station 5: Prototyp bauen
Wie KI bei der eigentlichen Entwicklung hilft, unterscheidet sich stark danach, was am Ende entstehen soll.
Bei Software heißt das Stichwort Vibe Coding, ein Begriff, den der KI-Forscher Andrej Karpathy Anfang 2025 prägte. GründerInnen beschreiben in natürlicher Sprache, was eine Anwendung können soll, während ein KI-Modell den Code schreibt. Tools wie Cursor, Lovable oder Bolt.new machen daraus eine funktionierende Web-Anwendung in Tagen statt Monaten.
Bei physischen Produkten liefert der Hardware-Anbieter RapidDirect neben der Bildgenerierung auch ein automatisch erstelltes Anforderungsdokument zu Maßen und Anwendungsfall. Erst danach prüfen IngenieurInnen, ob sich das Design tatsächlich fertigen lässt. Ergänzend liefert generatives Design in CAD-Programmen wie Autodesk Fusion 360 automatisch Bauteil-Varianten auf Basis von Gewicht, Belastung und Material, ein spürbarer Zeitgewinn gerade bei additiver Fertigung.
Bei Lebensmitteln und Konsumgütern zeigt ein deutsches Beispiel, wie der Einsatz von KI aussehen kann. Das Food-Startup Reoat wollte eine neue, nachhaltige Waffel-Rezeptur entwickeln und nutzte dafür den KI-Assistenten der Umyno Suite. Statt Zutaten und Variationen wie üblich in mühsamer Handarbeit durchzutesten, lieferte die KI direkt Vorschläge zu Rezepturen und Zutatenkombinationen, auf denen das Team aufbauen konnte. Die fertige Waffel kam als Limited Edition unter dem Namen ‚Co-Created with AI‘ in den Handel.
Wo Sorgfalt gefragt bleibt
So groß der Geschwindigkeitsgewinn an jeder Station ist, so klar sind die Grenzen. Bei Software ist KI-generierter Code nicht automatisch sauberer Code. Der Investor Menlo Ventures prägte dafür den Begriff „Cleanup Tax“. Der Zeitgewinn beim Schreiben von Code geht teilweise durch Fehlerbehebung und Qualitätssicherung wieder verloren.
Bei physischen Produkten gilt eine ähnliche Regel. Eine KI-generierte Visualisierung ist noch keine Fertigungsfreigabe. Materialverhalten und Toleranzen muss weiterhin eine Fachperson prüfen. Bei Lebensmitteln kommen Haltbarkeit und Lebensmittelsicherheit hinzu, Bereiche, in denen ein KI-Vorschlag der Ausgangspunkt, aber nie das letzte Wort ist.
Fazit: Sinnvoll, aber mit Bedacht
Was sich für GründerInnen wirklich verändert, ist der Faktor Zeit und die Kalkulation. Wer heute eine Idee testen will, muss dafür kein Team einstellen oder Kapital aufnehmen, sondern kann in wenigen Tagen selbst loslegen. Das senkt die Kosten des Scheiterns und erlaubt, mehrere Ansätze parallel zu testen, statt sich früh auf einen einzigen festzulegen.
