Die verrückte Ausgangsfrage
Nach Jahren mit Unternehmen und Teams von 20 bis 30 Menschen wollte ich ein radikales Gegenexperiment. Wie weit lässt sich ein echtes, wachsendes Unternehmen ohne festangestellte Mitarbeiter aufbauen? Gemeint war keine Lifestyle-Selbstständigkeit. Ich wollte Produkte, Kunden, Umsatz und eine hohe Marge.
AI machte die Frage größer. Wenn Recherche, Content, Analyse, Support und viele Übergaben nicht mehr jedes Mal einen Menschen brauchen, wie weit kann dann eine einzelne Person ein Unternehmen tragen? Zugespitzt lautete die These: „One Person, One Billion Business?“
Darüber zu sprechen reichte mir nicht. Ich wollte es leben, mit allen Fehlentscheidungen, Kapazitätsgrenzen und Systemproblemen. Aus diesem Experiment entstanden die Produkte und Standpunkte, für die ich heute stehe.
Die drei Stufen: Tool, Workflow, AI-Mitarbeiter
Zwischen einer hilfreichen Antwort im Chat und einem AI-Mitarbeiter, der selbstständig arbeitet, liegen einige Schritte. Wer sie überspringt, verbringt schnell mehr Zeit mit Korrekturen als vorher mit der eigentlichen Aufgabe. Ich unterscheide deshalb diese drei Stufen.
1. Chatbasierte AI
Du gibst eine Aufgabe in den Chat und bekommst eine Antwort. Das hilft. Die nächste Aufgabe musst du aber wieder selbst anstoßen.
2. Automatisierte Workflows
Wiederkehrende Schritte werden über Tools und Trigger verbunden. Der Prozess läuft standardisiert, bleibt aber bei Ausnahmen starr.
3. AI-Mitarbeiter
Die AI hat eine klare Aufgabe, die nötigen Informationen und Zugriff auf passende Werkzeuge. Sie wird aktiv, wenn etwas passiert, und meldet ihr Ergebnis zurück.
Was heute bereits überraschend gut funktioniert
AI kann Leads recherchieren, Meetings vorbereiten, Inhalte strukturieren, Kundenfragen begleiten, Produktfeedback auswerten und interne Informationen zusammenführen. In klar begrenzten Rollen wird daraus mehr als eine Zeitersparnis: Arbeit entsteht, ohne dass ein Mensch jeden einzelnen Schritt anstoßen muss.
Am besten funktioniert AI bei Aufgaben mit viel Sprache, wiederkehrendem Kontext und einem klar prüfbaren Ergebnis. Vorsicht ist geboten, wenn Ziele unscharf sind, die AI ungeprüft nach außen spricht oder ein Fehler hohe Folgen hat.
Ich muss sehen können, was die AI gemacht hat und wo sie nicht weiterkommt. Arbeit abzugeben und danach nichts mehr davon hören zu wollen, war schon bei Menschen eine schlechte Idee. Bei AI können sich Fehler nur noch schneller wiederholen.
- Sales: Recherche, Qualifikation, Briefing und Follow-up-Vorbereitung.
- Marketing: Quellenarbeit, Varianten, Redaktionssystem und Distribution.
- Customer Success: Kontextbezogene Hilfe, Aktivierung und Eskalation.
- Operations: Zusammenfassung, Übergaben, Dokumentation und Qualitätschecks.
- Product: Feedback-Cluster, Tests, Spezifikationen und laufende Verbesserung.
Warum das Experiment nicht bei „alles allein“ endete
Die AI-Apps und die Nachfrage nach Umsetzung ließen das Geschäft wachsen. Aber am Ende gab es immer noch mich. Ich musste entscheiden, Beziehungen pflegen und beurteilen, wo wir als Nächstes hinwollten. Die AI konnte viel erledigen. Ich wurde trotzdem zum Engpass.
Ich wollte deshalb wieder Menschen im Unternehmen, die ihren Bereich selbst führen können. Mit denen ich Ideen durchdenken kann und die sehen, wenn etwas nicht stimmt. AI nimmt ihnen viel Arbeit ab. Ihre Erfahrung und ihr Urteil werden dadurch wertvoller. Das war die Korrektur meiner ursprünglichen Idee.
Wir arbeiten heute mit vier Menschen und mehr als 50 autonomen AI-Mitarbeitern. Das Verhältnis ist keine Trophäe. Es ist ein praktischer Hinweis darauf, wie anders ein Unternehmen strukturiert werden kann, wenn Wachstum nicht automatisch mehr Hierarchie erzeugt.
Wie aus dem Experiment CoachWunder entstand
Ein großer Teil meiner Arbeit drehte sich um die Frage, wie Expertise persönlich wirksam werden kann, statt als Content liegen zu bleiben. Kunden brauchten Antworten, Begleitung und Umsetzung genau in dem Moment, in dem die Situation auftrat. Der nächste Call kam dafür oft zu spät.
CoachWunder entstand als Plattform für persönliche AI-Produkte. Experten laden Wissen, Methode und Kontext hoch. Daraus kann in wenigen Stunden ein erster AI-Coach oder Produktkern entstehen, der mit echten Nutzern arbeitet.
Das ist für mich kein theoretischer AI-Use-Case. Viele Jahre mit digitalen Produkten haben mir gezeigt: Kunden brauchen keinen weiteren Berg Content. Sie brauchen Hilfe, die sie näher an ihr Ergebnis bringt.
Warum aus CoachWunder ConnectWunder folgen musste
Mit jedem neuen AI-Mitarbeiter entstand ein neues Koordinationsproblem. Kontext lag in Chats, Meetings, Projekten, Kundendaten und Köpfen. Ein normaler Messenger oder ein klassisches Projekttool versteht diese Zusammenhänge nicht automatisch.
Wenn vier Menschen mit mehr als 50 AI-Systemen zusammenarbeiten, reicht es nicht, für jeden Prozess einen neuen Chat zu öffnen. Menschen und AI brauchen einen gemeinsamen Arbeitsort, an dem Kunden, Aufgaben, Entscheidungen, Wissen und aktuelle Ereignisse miteinander verbunden sind.
Dafür haben wir ConnectWunder gebaut. Die letzte Kundenentscheidung soll dort liegen, wo auch Mensch und AI weiterarbeiten. Sonst verbringt jemand den Tag damit, Informationen zwischen Chats hin und her zu tragen. Das wäre genau die Arbeit, die wir eigentlich loswerden wollten.
Freiheit, Umsatz und Marge gehören zusammen
Ich wollte nie bloß mehr Arbeit in weniger Zeit pressen. Ein Unternehmen, das nur läuft, solange der Gründer alles anschiebt, ist für mich nicht frei. Klein denken ist aber auch keine Lösung. Das Unternehmen muss Kunden spürbar helfen, profitabel arbeiten und wachsen können, ohne für jeden neuen Auftrag den nächsten Menschen einzustellen.
AI kann Kosten senken und mehr Arbeit erledigen. Profitabel bleibt das nur, wenn das Produkt klar begrenzt ist, Qualität sichtbar wird und das Team nicht jede Ausnahme von Hand retten muss.
Ich will deshalb kein menschenleeres Unternehmen. Ich will ein Unternehmen, in dem Menschen ihre beste Arbeit tun, AI die langweiligen Standards übernimmt und Wachstum nicht automatisch neue Managementebenen erzeugt.
Sieben Learnings aus dem laufenden Experiment
Das Experiment ist nicht abgeschlossen. Deshalb bleibt es die Grundlage meiner Arbeit. Ich teile Entscheidungen aus Produkten und Unternehmen, die heute unter realem Druck laufen. Eine perfekte Blaupause aus der Zukunft habe ich nicht.
- Beginne mit echten Aufgaben, nicht mit einer abstrakten Agentenstrategie.
- Ein AI-Mitarbeiter muss wissen, was er erledigen soll, was er darf und wem er das Ergebnis meldet.
- Gib Arbeit ab und schau auf die Ergebnisse. Eingreifen gehört zur Führung.
- Automatisiere keinen Prozess, dessen Ergebnis du nicht klar beschreiben kannst.
- Starke Menschen werden durch AI wertvoller, nicht überflüssig.
- Wenn jeder Chat etwas anderes weiß, musst du selbst wieder alles zusammenbringen.
- Schau, ob Kunden weiterkommen und Geld übrig bleibt. Eine beeindruckende Demo sagt dir beides noch nicht.
Häufige Fragen
Fragen zum Artikel
Hat Sebastian Maier wirklich keine Mitarbeiter?
Das war die ursprüngliche Idee. Heute arbeiten wir mit vier Menschen und mehr als 50 AI-Mitarbeitern. Im Experiment habe ich gelernt, wie viel stärker die richtigen Menschen mit AI arbeiten können. Deshalb habe ich meine Meinung geändert.
Was ist ein AI-Mitarbeiter?
Ein AI-Mitarbeiter erledigt eine bestimmte Aufgabe selbstständig. Er hat die nötigen Informationen und Werkzeuge und meldet zurück, was fertig ist oder wo er eine Entscheidung braucht.
Kann ein One-Person-Business mit AI Millionenumsatz machen?
AI verschiebt die mögliche Leistung einer Person stark. Umsatz hängt jedoch weiterhin von Markt, Angebot, Vertrieb, Qualität und Verantwortung ab. Die Technik allein garantiert kein Geschäftsmodell.
Warum braucht es ConnectWunder?
Weil Menschen und viele AI-Systeme gemeinsamen Kontext zu Kunden, Aufgaben, Entscheidungen und Wissen benötigen. Klassische isolierte Chats lösen dieses Koordinationsproblem nicht.