01.11.2015

Scheitern erlaubt: Aus diesen Fehlern haben junge Millionäre gelernt

Auch Millionäre haben klein begonnen. Der Weg zur ersten Million war meist alles andere als geradlinig. Nachfolgend geben junge Millionäre Einblick in eine Zeit, als sie noch keinen großen Reichtum hatten und woran sie fast gescheitert wären.
/artikel/scheitern-erlaubt-aus-diesen-fehlern-haben-junge-millionaere-gelernt
Entrepreneure können aus den Learnings anderer viel lernen.

„Wer nie einen Fehler beging, hat nie etwas Neues ausprobiert“, das wusste schon der geniale Physiker Albert Einstein. Das Scheitern und Fehler machen gehört auch im Startup-Leben dazu: Oft lernt man erst aus seinen Misserfolgen, wie man es richtig macht.

Max Mullen ist der Gründer von Instacart. Das im Jahr 2012 gegründete Startup mit Sitz in San Francisco liefert Einkäufe direkt nach Hause. „Am Anfang sagte mir jeder, dass es niemals funktionieren wird“, sagt der 29 Jährige Entrepreneur.com. Er wusste, dass es mehrere Startups bereits probiert hatten und gescheitert waren, aber „Menschen shoppen die ganze Zeit und daher gibt es hier ein offensichtliches Problem, das es zu lösen gilt.“

(Im Übrigen verfolgen momentan auch Wiener Startups ähnliche Ideen: Zuper liefert dir deine Einkäufe vor die Haustür – wie auch der Online-Supermakt Yipbee)

(c) TwitterGleich zu Beginn schafften es Mullen und sein Partner große Kooperationen zu schließen: Lokale Einkaufsmärkte und über 7000 „Shopper“, die schönes Obst und den richtigen Wein kauften. Das Team startete ohne Fremdfinanzierung und hatte seit dem Start ein unglaubliches Wachstum.

Schon im Jahr 2010 hatte Max Mullen versucht, mit einem Social Network names Volly erfolgreich zu werden. Doch schon nach einem Jahr musste er sich eingestehen, dass er gescheitert war. Sein Learning: „Ich hatte nicht die Leidenschaft dafür. Leidenschaft ist es, die dich hartnäckig bleiben lässt und die Dringlichkeit einer Sache verstehen lässt. Ohne dieser Eigenschaft gibst du auf, wenn du auf ein Hindernis stößt. Ich habe realisiert, dass es, wenn ich nicht leidenschaftlich für etwas brenne, die Sache nicht wert ist. Ich brenne für Instacart und wie man sieht, ist das Unternehmen erfolgreich.“

Die Management-Position will gelernt sein

Emily Weiss ist die Gründerin des Beauty-Blogs „Into the Gloss„, wo sie Beautyprodukte unter dem Namen Glossier vertreibt. Und damit ist sie überaus erfolgreich. Die 30 Jährige gibt zu, dass sie einfach zu jung ist, um das Know-How und die Erfahrung eines Managers mitzubringen. Das führte allerdings zu Problemen. „Menschen zu managen habe ich mir ganz anders vorgestellt“, meint sie ehrlich.

IMG_0421-613x408„Ich dachte immer, es geht darum, Menschen richtig zu positionieren – den „perfect fit“ für sie zu finden. Dabei musste ich lernen, dass es darum geht, die Menschen von der „perfekten Position“ zu lösen. Dann sind sie am produktivsten und hilfreichsten.“

Noch etwas habe sie als junge Managerin lernen müssen: Sie suche nur noch Mitarbeiter für Job-Positionen für die nächsten 18 Monate – nicht mehr für die nächsten drei Jahre. „In der Zukunft werden wir ein komplett anderes Unternehmen als heute sein und die Person, die ich dann brauche, könnte jemand anderer sein, als der, den ich im Moment suchen muss.“

Zu schnell auf den Markt gehen, kann der Todesstoß sein

„Wir haben viele Rückschläge am Weg zum Erfolg gemacht“, meint Austin McChord, der Datto gegründet hat: Das Unternehmen stellt Daten wieder her. „Gerade als unser Unternehmen noch klein war, gab es unendlich viele Herausforderungen und wir haben so ziemlich jeden Fehler gemacht, den man tun kann.“ Er erinnert sich etwa an den Moment, als ein Mitbewerber ein Update auf den Markt brachte. Damals habe das Team alles liegen gelassen und sofort begonnen, an einer Lösung zu arbeiten, um mithalten zu können. 24c20c6

„Schlussendlich war das ein großer Fehler. Wir schufen ein Produkt, das nicht gut funktionierte.“ Sie hatten zu wenig an die Kunden gedacht, die sie bereits gewonnen hatten und die nun mit dem fehlerhaften Produkt umgehen sollten. „Fast wären wir deswegen komplett gescheitert.“ Doch das Team hatte aus dem Fehler gelernt. Das nächste Produkt wurde ein Verkaufsschlager – bis heute. Rund 80 Prozent des Verkaufs sind dem nachfolgenden Produkt zu verdanken, das kein Schnellschuss war.

„Es ist wirklich wichtig, dass das Produkt ordentlich getestet wurde und sicher funktioniert. Davon hängen unsere Kunden ab – und auch unsere Reputation, die ist schließlich alles. Wenn man etwas verkauft, das nicht vertrauenswürdig ist, kann man den eigenenen Brand komplett ruinieren. Und das kann sehr schnell passieren.“ Dies wiederum würde dann zum Scheitern des Business führen.

Scheitern bedeutet eben nicht, komplett aufzugeben. Wichtig ist es, zu erkennen, was schief gelaufen ist und dann daraus zu lernen. Wie man sieht, mussten auch die jungen Millionäre falsche Annahmen korrigieren, bevor sie richtig erfolgreich werden konnten.

Quelle, © Bild 1: Twitter @Max, Bild 2: Emily Weiss, Into the gloss, von Mathea Millman, Bild 3: LinkedIn

Deine ungelesenen Artikel:
21.09.2026

AI Baseline: Wie ein Wiener Startup KI-Agenten effizienter machen will

Das Wiener Startup AI Baseline hat eine Retrieval-Architektur für KI-Agenten entwickelt. Mit Unterstützung von Supercomputing-Ressourcen von AI:AT will das Gründungsteam die Recherche in riesigen Datenmengen drastisch beschleunigen und Kosten senken – bei höherer Antwortqualität und voller Transparenz.
/artikel/ai-baseline-wie-ein-wiener-startup-ki-agenten-effizienter-machen-will
21.09.2026

AI Baseline: Wie ein Wiener Startup KI-Agenten effizienter machen will

Das Wiener Startup AI Baseline hat eine Retrieval-Architektur für KI-Agenten entwickelt. Mit Unterstützung von Supercomputing-Ressourcen von AI:AT will das Gründungsteam die Recherche in riesigen Datenmengen drastisch beschleunigen und Kosten senken – bei höherer Antwortqualität und voller Transparenz.
/artikel/ai-baseline-wie-ein-wiener-startup-ki-agenten-effizienter-machen-will
Das Gründungsteam von AI Baseline: Xenia Galkina, CEO, und Alexander Czech, CTO | © APA-Fotoservice / Krisztian Juhasz
Das Gründungsteam von AI Baseline: Xenia Galkina, CEO, und Alexander Czech, CTO | © APA-Fotoservice / Krisztian Juhasz

KI-Agenten sollen in Unternehmen und Organisationen zunehmend komplexe Aufgaben übernehmen – etwa die Analyse von Hunderttausenden Seiten interner Berichte, Dokumente und Richtlinien. Bisherige Retrieval-Systeme stoßen dabei jedoch an technische und ökonomische Grenzen, meint man beim Wiener Startup AI Baseline. Ein KI-Agent beginne bei aktuellen Ansätzen nämlich für jede neue Frage eine eigenständige Suche, wodurch dieselben Dokumente immer wieder neu verarbeitet werden müssten. Das führe zu einem hohen Verbrauch an kostenpflichtigen Modell-Tokens, Rechenleistung und Zeit. Bei anspruchsvollen Fragen könne die Beantwortung bis zu 40 Minuten dauern, während die zugrunde liegenden Textfragmente oft nicht mehr bis zur Originalquelle zurückverfolgt werden können.

„Knowledge Space“ für mehr Effizienz und Transparenz

Um dieses Zusammenspiel aus Effizienz- und Transparenzproblemen zu lösen, hat das von CEO Xenia Galkina und CTO Alexander Czech gegründete Unternehmen eine neue Retrieval-Architektur entwickelt. Das System bildet Informationen in einer logisch verknüpften Ebene ab, wodurch die Herkunft der Daten über die Struktur des sogenannten „Knowledge Space“ erhalten bleibt. Da die aufwendige Strukturierung einmalig bei der Datenaufnahme erfolgt, soll der anschließende Rechercheprozess auch bei großen Datenmengen wirtschaftlich und nachvollziehbar bleiben. Das Versprechen des Startups: Organisationen müssen bei KI-Anfragen nicht mehr zwischen Geschwindigkeit, Kosten und Qualität wählen.

Überzeugende Benchmark-Vergleiche

Eigenen Benchmark-Tests zufolge soll der „Research Mode“ von AI Baseline im Vergleich zu herkömmlichem agentischen RAG eine um 44 Prozent höhere Antwortqualität liefern, bis zu 22-mal schneller arbeiten und 72 Prozent weniger Input-Tokens verbrauchen. Bei maximaler Performance erreicht das System laut Unternehmensangaben mehr als die doppelte Antwortqualität bei nahezu neunfacher Geschwindigkeit und rund 15 Prozent geringeren Kosten.

20.000 GPU-Stunden auf Supercomputer Leonardo im AI:AT Hub

Das im Dezember 2025 gegründete bzw. im Hub aufgenommene Startup wird von NVIDIA Inception sowie AWS unterstützt und ist Mitglied im AI:AT Coworking Hub der AI Factory Austria. Für die Entwicklung der ersten Produktversion nutzte das bootstrappende Team unter anderem 20.000 GPU-Stunden auf dem europäischen Supercomputer Leonardo, die über die AI Factory Austria und EuroHPC bereitgestellt wurden. „Die Arbeit im AI:AT Hub war für uns ein echter Booster“, heißt es von CEO Xenia Galkina. Der Zugang zu Hochleistungsinfrastruktur habe es erst möglich gemacht, die Technologie in dieser Größenordnung umzusetzen. CTO Alexander Czech verweist zudem auf den Wert des Netzwerks: „Ebenso wertvoll ist die Community: Der Austausch mit anderen Gründern […] und der Zugang zu Experten […] haben uns geholfen, über die Technologie selbst hinauszudenken“.

Die Lösung richtet sich laut AI Baseline vor allem an technische Teams in regulierten und datenintensiven Branchen wie Life Sciences, Healthcare, Recht, Finanzforschung und dem öffentlichen Sektor. Während der aktuellen Beta-Phase kann die Architektur über eine API oder als Claude Skill getestet werden. Zudem sucht das Unternehmen derzeit Design-Partner für seine Ingestion Engine.

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

Scheitern erlaubt: Aus diesen Fehlern haben junge Millionäre gelernt

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Scheitern erlaubt: Aus diesen Fehlern haben junge Millionäre gelernt

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Scheitern erlaubt: Aus diesen Fehlern haben junge Millionäre gelernt

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Scheitern erlaubt: Aus diesen Fehlern haben junge Millionäre gelernt

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Scheitern erlaubt: Aus diesen Fehlern haben junge Millionäre gelernt

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Scheitern erlaubt: Aus diesen Fehlern haben junge Millionäre gelernt

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Scheitern erlaubt: Aus diesen Fehlern haben junge Millionäre gelernt

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Scheitern erlaubt: Aus diesen Fehlern haben junge Millionäre gelernt

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Scheitern erlaubt: Aus diesen Fehlern haben junge Millionäre gelernt