04.02.2019

Das 1 mal 1 des Scheiterns: Aus diesen Gründen versagen Startups

Die Plattform CB Insights hat sich 101 gescheiterte Startups angesehen und nach den Gründen für den Misserfolg gesucht. Die Conclusio: es gibt nicht einen Grund für das Versagen, jedoch lässt sich ein Muster erkennen. Ein Blick auf die Gründe für "Startup Fails".
/artikel/scheitern-gruende-fuers-versagen
Scheitern für Anfänger - asu disen Gründen versagen Startups
(c) fotolia.com - Kaspars Grinvalds

Ohne Scheitern, kein Erfolg. Es gibt unzählige Erfolgsgeschichten in der Startup-Szene. Für junge Gründer sind diese für ihre eigene Motivation enorm wichtig. Allerdings können Lektionen von gescheiterten Unternehmen mindestens ebenso wertvoll sein. Auf Grundlage einer Studie von CB Insights haben wir die wichtigsten Gründe fürs Scheitern von Startups zusammengefasst.

+++ General Magic: Sieben Lehren von sechs Silicon Valley Tech-Stars +++


Kein Bedarf am Markt

Der Hauptgrund fürs Scheitern ist, dass es am Markt schlichtweg keinen Bedarf für das Produkt gibt, schreibt CB Insights. Für 42 Prozent der befragten Gründer wäre das das wichtigste Learning gewesen: kein Markt fürs Produkt vorhanden. „Startups scheitern, wenn sie kein Marktproblem lösen. Wir hatten eine tolle Technologie, genug Daten übers Einkaufsverhalten, eine gute Reputation und tolle Berater. Was uns fehlte war jedoch die Technologie oder das Geschäftsmodell, welches einen kritischen Punkt skalierbar lösen konnte“, wird Treehouse Logic auf CB Insights zitiert.

Heirate nicht deine schlechte Idee

In sieben Prozent der Fälle, die sich CB Insights angesehen hat, war das Festhalten an schlechten Entscheidungen ein Grund fürs Scheitern. Das beinhaltet sowohl ein schlechtes Produkt, als auch Fehlbesetzungen im Team oder eine mangelhafte strategische Ausrichtung.

Teile die Verantwortung

Acht Prozent der Befragten, die ein Startup nicht etablieren konnten, nannten Burnout als Grund fürs Versagen. Die vielzitierte „work-life-balance“ kann bekanntlich von vielen Gründern nicht wirklich gelebt werden. Als Tipp wird empfohlen, Arbeiten anderweitig zu vergeben, wenn man in eine Sackgasse gerät und auf ein Team zurückzugreifen, das sowohl Vision als auch Verantwortung mitträgt.

Werfe dein Netz aus

Ein weiterer Punkt in der Scheiteranaylse ist, dass sich Gründer den Notwendigkeiten eines Netzwerks nicht bewusst sind. Das Einbinden von Investoren und keine Scham um Hilfe zu fragen, wo nötig, sind essentielle Dinge am Anfang eines Unternehmens.

Rechtliche Sicherheit

Manchmal ist es nur ein kleiner Schritt von einer grandiosen Idee hin zu einer Welt rechtlicher Komplexität. Ist dieser Schritt vollzogen, finden sich Startups schnell in einer Situation wieder, in der sie sich mehr mit Gesetzen, Lizenzen und daraus folgenden hohen Kosten herumplagen müssen. Und so kein Kapital für Wachstum haben.

Kein Investor an Board

Wohl der Klassiker unter den Gründen fürs Scheitern: In der CB Insights-Analyse nannten Founder schlicht und einfach fehlende Finanzierung als Punkt, warum ihr Startup gescheitert ist.

Entfernung als Problem

Bei diesem Punkt gibt es zweierlei Problemfelder. Einerseits berichteten CEOs, dass ihr Konzept nicht über die physischen Grenzen hinaus skalierte. Das Produkt wäre an nur einer Location erfolgreich gewesen, „scheiterte aber keine 100 Meilen weiter“. Das zweite Beispiel warnt vor mangelnder Kommunikation zwischen Teams, die an verschiedenen Orten arbeiten. Die Teamarbeit und Planung könne darunter leiden.

+++ 20 Rezepte für die Fahrt in die Hölle der gescheiterten Startups +++

Ein Produkt, das ohne Leidenschaft Leiden schafft

Neun Prozent der Befragten Gründer gaben zu gescheitert zu sein, weil sie zwar eine Idee zum Geldverdienen, aber keine Ahnung von und kein Interesse an der Materie hatten. Fehlende Leidenschaft für das Produkt führte zu einem Mangel an „Know How“ im firmeneigenen Bereich. Und zu Halbherzigkeit. Ähnliches berichtet übrigens die ehemalige DiTech-Mitgründerin Aleksandra Izdebska in einem Gespräch mit dem brutkasten. Sie bezeichnet Authentizität als eines der drei essentiellen Dinge, die Neo-Founder brauchen. „Ein Raumschiff zu bauen, nur weil Menschen in zwanzig Jahren damit fliegen werden, und ich vielleicht damit Geld verdiene, bringt nichts, wenn ich es nicht kann”, warnt sie.

Geschäftsmodelle richtig kalkulieren

Änderungen oder Ausweitungen des Geschäftsmodells sollten richtig kalkuliert sein, Hypothesen getestet und Ergebnisse gemessen werden. Änderungen rein um der Änderung willen, seien wertlos, warnt ein CEO auf der Plattform vor hastigen Kursänderungen.

Scheitern aufgrund von Disharmonie

Zwietracht zwischen Gründern oder Mitgliedern des Teams können sich für Startups als fatal erweisen. Noch drastischer kann die Sache werden, wenn es mit einem Investor Probleme gibt. Als Beispiel dient hier der Fall von „ArsDigital“, die ein Jahr lang unter totaler Kontrolle der Investoren Peter Bloom (General Atlantic), Chip Hazard (Greylock) und Allen Shaheen (CEO) standen. In dieser Zeit wurden 20 Millionen ausgegeben, ohne die Einnahmen des alten CEOs, Phillip Greenspun, zu übertreffen. Ein Angebot von Microsoft wurde abgelehnt und das alte Produkt eingestaubt, bevor das neue überhaupt fertiggestellt war.

Den Fokus verlieren

13 Prozent aller Befragten meinten, dass Ablenkung durch anderweitige Projekte, persönliche Befindlichkeiten und ein allgemeiner Verlust des Fokus das Scheitern des Startups herbeigeführt haben.

Den falschen Zeitpunkt wählen

Sein Produkt zu früh auf den Markt bringen, hat oft zur Folge, dass man es als „nicht gut genug“ abschreibt. Es dann zum richtigen Zeitpunkt wieder auf Kurs zu bringen, kann sich fortan als schwierig erweisen, da dem Gründer seitens „Key Playern“ ein schlechter erster Eindruck nachhängt. Bei diesem Punkt handelt sich wahrlich um eine feine Zeitlinie, denn ist man zu spät dran, verpasst man womöglich das „window of opportunity“.

Nicht auf Kunden hören

In alten Zeiten galt vielleicht noch „der Kunde ist König“ als Maxime des Business. Heutzutage verhält es sich wohl eher so, dass der Kunde Datenträger ist, dessen Vorlieben Startups kennen müssen. Nichtsdestotrotz führt ein Ignorieren des Kunden unweigerlich zum Scheitern. Das Produkt muss kundenfreundlich sein. Ein Tunnelblick und kein Einholen von Kunden-Feedback zählen zu den größten Fehlern junger Startups.

Schlechtes Marketing

Kenne dein Zielpublikum. Und wisse, wie du es begeisterst und seine Aufmerksamkeit erlangst. Diese beiden Sätze definieren bereits die wichtigsten Skills für ein erfolgreiches Unternehmen. Mangelndes Marketing hat bei befragten Personen der Analyse dazu geführt, dass sie ihr Produkt nicht auf den Markt bringen konnten.

Kein „business model“

(Nicht nur) gescheiterte Gründer sind sich einig, dass ein Geschäftsmodell von ungeheurer Wichtigkeit ist. Skalierbarkeit muss beim Produkt gegeben und Wege Geld zu verdienen vorhanden sein. Alles andere schrecke Investoren ab und wirke sich schlecht auf die Finanzierung aus.

Die Kunst nicht gierig, aber profitabel zu sein

Das „Pricing“ wird als die schwarze Kunst beschrieben, wenn gescheiterte Startups darüber berichten, wie schwer es sei hierbei die richtige Mischung zu finden. Das Produkt muss preislich hoch genug angesetzt sein, um die Kosten zu decken und Profit zu generieren, aber niedrig genug um Kunden zu locken.

Beachte deine Konkurrenten

Rund 19 Prozent jener Gründer, die ihr Startup sprichwörtlich gegen die Wand fuhren, gestanden, zu wenig auf die Konkurrenz geachtet zu haben. Die gängige Plattitüde sich nicht auf die anderen, sondern sich nur auf eigene Stärken zu konzentrieren, erwies sich, laut CB Insights als das was sie ist: platt. Die Realität zeige, dass sobald eine Idee zündet oder am Markt ist, Nachahmer sich schnell finden und die Konkurrenz wächst.

Das falsche Team

Viele Gründer gaben bei der Umfrage an, sich für das eigene Team von Anfang an einen CTO gewünscht zu haben. Oder eine Mannschaft mit verschiedenen Skill-Sets. Auch wurde seitens der Founder der Wunsch geäußert, sie hätten mehr auf „checks and balances“ geachtet: Eine Person oder Personengruppe, die Ideen und Entscheidungen validiert oder als „Unsinn“ verwirft.

Einfach Pleite

29 Prozent der „failed Startups“ gaben an, ihnen sei einfach das Geld ausgegangen. Durch Meinungsverschiedenheiten, wie das Firmenkapital aufgewendet werden soll oder welche Geschäftsfelder ausgelotet gehören, konnte in vielen Fällen kein „additional funding“ generiert werden.


⇒ Zu CB Insights

Redaktionstipps
Deine ungelesenen Artikel:
04.11.2026

SAP stellt neue KI-Tools vor – eines davon kommt auf der Internationalen Raumstation (ISS) zum Einsatz

SAP arbeitet an einem umfassenderen Einsatz von KI in Unternehmen und stellte dafür bei seiner Entwicklerkonferenz TechEd neue Technologien vor. Sie sollen unter anderem die Zusammenarbeit von KI-Agenten verbessern, ihren Einsatz besser kontrollierbar machen und Datenanalysen selbst unter den besonderen Bedingungen der ISS ermöglichen.
/artikel/sap-stellt-neue-ki-tools-vor-eines-davon-kommt-auf-der-internationalen-raumstation-iss-zum-einsatz
04.11.2026

SAP stellt neue KI-Tools vor – eines davon kommt auf der Internationalen Raumstation (ISS) zum Einsatz

SAP arbeitet an einem umfassenderen Einsatz von KI in Unternehmen und stellte dafür bei seiner Entwicklerkonferenz TechEd neue Technologien vor. Sie sollen unter anderem die Zusammenarbeit von KI-Agenten verbessern, ihren Einsatz besser kontrollierbar machen und Datenanalysen selbst unter den besonderen Bedingungen der ISS ermöglichen.
/artikel/sap-stellt-neue-ki-tools-vor-eines-davon-kommt-auf-der-internationalen-raumstation-iss-zum-einsatz
ISS, SAP
Philipp Herzig, CTO SAP I © SAP

SAP hat auf seiner jährlichen Entwicklerkonferenz „SAP TechEd“ Ende Oktober eine Reihe von KI-Innovationen bekannt gegeben, die das SAP-Portfolio für Entwickler erweitern. Erweiterungen der Joule-Lösungen und der SAP Business AI Platform – einschließlich des neuesten Foundation Models von SAP für tabellarische Daten – sollen neue Tools zur Entwicklung und Erweiterung von KI-Agenten bereitstellen. Zugleich sollen sie den Agenten Daten- und Geschäftskontext für logisches Denken sowie zusätzliche Governance-Kontrollen bieten. Um sie unternehmensweit verantwortungsvoll einsetzen zu können, so der Plan.

SAP Business AI Plattform als Basis

„Auf der SAP TechEd präsentieren Entwickler seit jeher die neuesten Innovationen“ sagt Philipp Herzig, CTO von SAP. „In diesem Jahr zeigen wir, wie KI nicht einfach nur lernt, Unternehmen zu verstehen, sondern auch Geschäftsprozesse abzuwickeln. In ‚Joule Work‘ machen Nutzer ihre Eingaben und erledigen Aufgaben in einer durchgängigen Anwendungsumgebung, in der gesamten SAP-Landschaft und darüber hinaus. Das ist die Neuerung, die wir in großem Maßstab bereitstellen.“

Die Basis von allem bildet die SAP Business AI Plattform. Sie sorge für eine schnellere Wertschöpfung, da Geschäftsprozesse von Anfang an verstanden würden, und biete eine höhere Genauigkeit. „Außerdem erfüllt sie die Anforderungen von Unternehmen, gewährleistet ab der ersten Implementierung einen sicheren, kontrollierten und konformen Betrieb und bietet eine einzigartige Kontextebene, die auf dem Prozess- und Branchenwissen aus über 50 Jahren aufbaut, das in jeder Agenten-Aktion verankert ist“, so Herzig weiter.

Code und No-Code

Gebaut werden KI-Agenten im „Joule Studio“. Das ist sowohl ohne Programmierkenntnisse per Klick-Baukasten (No-Code) möglich, als auch mit eigenem Code (Pro-Code). Dafür stehen über 70 verschiedene KI-Modelle zur Auswahl.

Durch neue Funktionen für „Joule Work“ sollen KI-Agenten noch wirkungsvoller komplexe Geschäftsprozesse über offene Protokolle (A2A und MCP) handhaben können. Diese Innovationen machen „Joule Work“ leistungsfähiger, um den Kontext besser zu verstehen, Entscheidungen zu treffen und mehrstufige Workflows über Unternehmenssysteme und Geschäftsbereiche hinweg auszuführen, so der Claim.

SAP erweitert seine KI-Plattform damit eigenen Angaben zufolge um eine neue Orchestrierungsschicht, damit Assistenten und Agenten komplexe, mehrstufige Abläufe über verschiedene SAP-Systeme hinweg zuverlässiger erledigen können. Der SAP Knowledge Graph soll künftig auch Daten aus kundeneigenen SAP- und Drittquellen einbinden, sodass Nutzer ihre Informationen in natürlicher Sprache durchsuchen und exakte, auf den eigenen Daten basierende Antworten erhalten.

Auch andere Anbieter-Einbindung möglich

Agenten anderer Anbieter sollen außerdem über ein kontrolliertes Agenten-Gateway sicher auf „Joule Agents“ zugreifen und mit ihnen zusammenarbeiten können, ohne dass „Kontrolle und Governance verloren gehen“. Das neue „SAP Enterprise AI Gateway“ bündelt zudem Authentifizierung, Richtlinien, Routing, Überwachung, Nutzungsverfolgung und Auditing des gesamten KI-Datenverkehrs im Unternehmen. Ergänzend sollen ein neuer „Joule Assistent“, der „SAP AI Agent Hub“ und ein „AI Governance Assistant“ Kunden dabei helfen, die EU-KI-Verordnung einzuhalten.

Beim „Tabular Foundation Model“ kündigt SAP das Modell „SAP-RPT-2.0“ an, das künftig auch Anomalien und Ausreißer in Tabellendaten erkennen soll. „SAP-RPT-TS“ hingegen soll Geschäftskennzahlen prognostizieren können.

Einsatz auf der ISS

„Es gibt große Weiterentwicklungen bei unseren Tabular Foundation Models“, ergänzt Herzig. „Daraus ist inzwischen eine ganze Modellfamilie geworden. Ein etwas ausgefallener technischer Ausblick ist, dass wir diese Modelle gemeinsam mit Hewlett Packard Enterprise auch auf der Internationalen Raumstation (ISS) einsetzen – für die vorausschauende Wartung im Weltraum.“ Das Modell soll zudem Ausfälle vorhersagen können, ohne dass die dafür benötigten Daten zur Erde übertragen werden müssen.

„SAP-RPT wurde generisch trainiert und kann– ähnlich wie große Sprachmodelle im Bereich Sprache – auf eine Vielzahl unterschiedlicher Anwendungsgebiete übertragen werden“, so Herzig weiter. „Creditplus verwendet solche Modelle beispielsweise für die Risikobewertung. Hitachi setzt sie für die vorausschauende Wartung seiner Maschinen ein. ‚Oxford Cancer‚ nutzt sie, um anhand von Proteinmarkern Krebserkrankungen bei Patienten besser vorherzusagen als mit bisherigen Modellen“, sagt er.

Wenn man sich die Internationale Raumstation ansehe, genauer gesagt das Columbus-Modul, in dem SAP das Modell einsetzt, gebe es dort enorme Datenmengen.

„Nicht einfach zur Erde herunterladen“

„Die Maschinen auf der ISS erzeugen Telemetriedaten, die sehr nützlich sind. Allerdings handelt es sich um rund zehn Gigabyte an Daten. Diese kann man nicht einfach zur Erde herunterladen – das würde viel zu lange dauern, wenn man schnell reagieren möchte, etwa um bestimmte Muster oder Auffälligkeiten in Zeitreihen zu erkennen“, erklärt Herzig. „Die Modelle lassen sich direkt vor Ort einsetzen, weil sie im Vergleich zu großen Sprachmodellen relativ klein sind. Sie können also unmittelbar auf der Raumstation betrieben werden. Und es ist kein Training erforderlich. Man speist die aktuellen Daten direkt als Live-Datenstrom ein und erhält sofort Vorhersagen.“

Der CTO sieht den Anwendungsfall auf der Raumstation nicht bloß als eine Marketingaktion, sondern als Zeugnis dafür, wie weit man gehen könne. Er sagt: „Wie nützlich ist die Technologie unter solch extremen Bedingungen? Auf der Erde ist heute vieles einfach. Wir haben schnelle Internetverbindungen und leistungsfähige GPUs. Bei solchen Anwendungsfällen spielt die Latenz kaum eine Rolle. Aber können wir auch in einer Umgebung echten Mehrwert schaffen, die nur eingeschränkt angebunden ist – oder zumindest sehr weit entfernt? Genau das wollten wir zeigen: Mit einer lokalen Verarbeitungsumgebung lassen sich Probleme lösen, deren Lösung sonst schwierig wäre, weil man zunächst sämtliche Daten zur Erde übertragen müsste. Anschließend müsste man sie dort auswerten und die Ergebnisse zurückübermitteln. Dann könnte es aber bereits zu spät sein.“

SAP löst „Data Drift“-Problem

Ein zentrales Problem bei klassischen KI-Modellen ist der sogenannte Data Drift: Data Scientists trainieren ihre Modelle auf historischen Daten, doch schon beim Abschluss des Trainings können sich die eintreffenden Daten statistisch verändert haben. Die neuen Modelle von SAP wollen genau hier ansetzen.

Man könne jederzeit aktuelle Daten ins Kontextfenster geben und erhalte darauf basierend präzise Vorhersagen, ohne neu trainieren zu müssen. „Veränderungen in Struktur oder Eigenschaften der Daten erkennt das Modell unmittelbar“, betont Herzig. „Das wollten wir demonstrieren: Müsste man bei veränderten Bedingungen erst alle Informationen zur Erde übertragen und das gesamte Modell neu trainieren, wäre es dafür viel zu spät. Dann würde man auf der ISS sagen: ‚Schön, dass ihr uns das jetzt mitteilt – aber das hättet ihr uns schon vor einem oder zwei Monaten sagen müssen‘.“

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

Das 1 mal 1 des Scheiterns: Aus diesen Gründen versagen Startups

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Das 1 mal 1 des Scheiterns: Aus diesen Gründen versagen Startups

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Das 1 mal 1 des Scheiterns: Aus diesen Gründen versagen Startups

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 …

Das 1 mal 1 des Scheiterns: Aus diesen Gründen versagen Startups

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 …

Das 1 mal 1 des Scheiterns: Aus diesen Gründen versagen Startups

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 …

Das 1 mal 1 des Scheiterns: Aus diesen Gründen versagen Startups

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 …

Das 1 mal 1 des Scheiterns: Aus diesen Gründen versagen Startups

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Das 1 mal 1 des Scheiterns: Aus diesen Gründen versagen Startups

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Das 1 mal 1 des Scheiterns: Aus diesen Gründen versagen Startups