.webp)
14 Minuten
Core Stage, Startup Fair Vilnius — Ein voller Saal, grelles Licht und ein Panel, das sich weniger wie eine klassische Diskussion anfühlte als vielmehr wie eine generationsübergreifende Übergabe. Unter der Moderation von Arvydas Bložė von Practica Capital skizzierten drei Gründer unter 25, wie die KI-first-Generation Eintrittsbarrieren abbaut, Geschwindigkeit der Zeremonie vorzieht und Unternehmenskultur wie Software behandelt: früh ausliefern, häufig verbessern und öffentlich lernen. Auf der Bühne: Kristijonas “Chris” Šidlauskas von Sintra.ai, Jonas Bartašius von Based Space und Augustė Brukštutė von Alcemi.
Im Folgenden finden Sie einen eigenständigen, tiefgehenden Bericht des Gesprächs, der die Ideen, Spannungen und praktischen Playbooks dieser Gruppe einfängt. Der Text ist mit klaren Überschriften strukturiert, damit Lesbarkeit und Suche erleichtert werden.
Teil 1 — Kontext, Mindset und warum KI der Wendepunkt ist
Ein Panel über einen Wandel, nicht nur einen Trend
Bložė begann mit einer offenen Beobachtung: Die enge Zusammenarbeit mit Gründerinnen und Gründern, die eine Dekade oder mehr jünger sind als er, offenbart eine grundlegende Änderung in der Haltung. Das ältere Playbook fokussierte sich auf Optimierung und Risikomanagement. Das neue Playbook setzt auf Exploration und schnelle Iteration. Daraus ergibt sich der Rahmen: Sag dieser Generation nicht primär, was sie bauen soll, sondern hör zu, wie sie es baut — und lerne daraus.
Was diese Gründer hierher brachte
Augustė stellte KI als universelle Einstiegsrampe dar. Sie ermöglicht es nicht-technischen und unterrepräsentierten Gründerinnen und Gründern, bedarfsorientiert zu lernen und größere, unstrukturierte Probleme anzugehen, weil die Kosten fürs Lernen und Ausprobieren inzwischen nahe null liegen.
Chris gestand, dass er nie ein Fan starrer Regeln war und lieber seine eigene Realität schaffen wollte. Die Attraktivität der KI liegt für ihn darin, den Bias der Macher zu verstärken: Mit einem Laptop und einem 20-Euro-Abo kann man in Stunden von der Idee zum Prototypen kommen.
Jonas kommt aus dem Performance-Marketing und konkurrierte gegen US-Marken. Für ihn war der erste Tag zwangsläufig global. Diese Erfahrung prägt eine Norm: Man benchmarkt sich am Besten weltweit, nicht am Nächstliegenden.
Warum KI eine einmalige Chance pro Generation ist
Das Panel stimmte bei drei strukturellen Verschiebungen überein:
Niedrigere Eintrittsbarrieren
KI verkürzt die Distanz zwischen Neugier und Fähigkeit. Früher lieferte die Suche Antworten, heute liefert KI praktikable Entwürfe, Gerüste und lauffähigen Code. Das erweitert den Trichter für glaubwürdige Gründerinnen und Gründer und erlaubt kleinen Teams, über ihre Gewichtsklasse hinaus zu wirken.Geschwindigkeit wird zum Schutzgraben
Die Kosten für Validierung sind so stark gefallen, dass die Zeit bis zum ersten Experiment zum Differenzierer geworden ist. Teams, die in kurzen Zyklen ausliefern, beobachten und refaktorisieren, werden schneller lernen und Teams, die lang diskutieren, hinter sich lassen.Software selbst verändert sich
Jonas wies darauf hin, dass Systeme sich von strikt deterministischen zu kontextgesteuerten Lösungen bewegen. Produkte werden adaptiver und ambienter wahrgenommen, Preise werden die Kostenkurven von Modellen widerspiegeln, und Produktarbeit wird Prompt-Design, Tool-Orchestrierung und Evaluationspipelines umfassen. Man kann ein Produkt nicht mehr einmal setzen und verriegeln — man muss messen, steuern und neu trainieren.
Global bereits beim ersten Commit
Da der heimische Markt Litauens von Natur aus klein ist, ist es keine Growth-Hack-Strategie, in Englisch zu entwickeln und international zu verkaufen — es ist der Normalfall. Das hat zwei praktische Folgen:
Message und UX werden von Tag eins an für internationale Nutzerinnen und Nutzer konzipiert.
Benchmarks, Einstellungsstandards und Preisgestaltung orientieren sich an globalen Wettbewerbern, was die Disziplin in der Ausführung erhöht.
Kultur neu denken: bewusst flach, Feedback als System, Spielen als Strategie
Von Hierarchie zur Startbahn für Initiative
Das Panel betrachtet Kultur als Produktionssystem, nicht als Plakat an der Wand.
Bewusst flach: Senior-Hires aus Großunternehmen erwarten oft Titel und Karrierepfade. Die Gründerinnen und Gründer erkennen den Bedarf an Klarheit, lehnen aber zusätzliche Schichten ab, die Initiative verlangsamen. In einem flachen Modell sind Rollen und Entscheidungsrechte explizit, doch jeder kann etwas ausliefern, sofern er den Kontext trägt.
Feedback als Produkt-Schleife: Arvydas fasste eine auf dem Event wiederkehrende Lektion zusammen. Geschwindigkeit hilft nur, wenn man auf Korrektur ausgelegt ist. Manche Teams bestellen sogar eine:n Feedback-Verantwortliche:n, die Signale von Nutzerinnen, Nutzern und dem Team aggregiert, die Schleife wöchentlich schließt und Learnings in das Backlog übersetzt.
Spielen ist kein Luxus: Chris benannte es klar. Exploration und spielerisches Ausprobieren schaffen Fläche für Entdeckung — sowohl bei Einstellungen als auch bei Projekten. Probiert aus, liefert aus, offboardet und komponiert neu — behandelt Wetten wie Features, nicht als dauerhafte Strukturen.
Prozess vor Show
Jonas bot ein hilfreiches Denkmodell an: Bei der Arbeit jagen wir einem Zustand nach, nicht nur einem Ergebnis. Optimiert man die Prozessqualität, den Nutzerwert und die Energie des Teams, dann folgen die Resultate. Optimiert man die Optik, erzeugt man Bewegung ohne Bedeutung. Deshalb spricht diese Kohorte so viel über Takt und Rhythmus, nicht über Zeremonien.
Eine konkrete Praxis, die Verhalten ändert
Augustė teilte eine einfache Regel mit großer Wirkung: Bevor du ein Teammitglied unterbrichst, frag zuerst das Modell. Die Standardnutzung von KI für erste Hilfestellungen reduziert Kontextwechsel im Team und trainiert alle, Wissen selbst zu erschließen — ein Effekt, der sich über Zeit potenziert.
Inklusion ist eine Designentscheidung, kein Pressetext
KI als Ausgleicher für unterrepräsentierte Gründer
Weil Lernen günstiger wurde und erste Versionen aus Modellen plus Low-Code zusammensetzbar sind, verlieren traditionelle Gatekeeper an Bedeutung. Für Frauen in der Tech-Branche ist das spürbar. Remote-first-Arbeit und KI-unterstützte Workflows entfernen mehrere alte Barrieren.
Einstellen nach Lernfähigkeit, nicht nach Herkunft
Zwei Signale zählen für diese Generation besonders:
Intrinsische Neugier: Augen, die aufleuchten, eine Bilanz von Selbstlernen und ausgelieferten Ergebnissen.
Neun bis sechs mit Absicht: lange, fokussierte Blöcke, die sichtbaren Fortschritt liefern. Kein performativer Hustle, sondern Ausdauer.
Wer beide Eigenschaften mitbringt, dem lässt sich der Rest beibringen — häufig mit KI als Unterstützung. Wer hingegen nur auf Abschlüsse und Hierarchieehrerbietung setzt, wird in einer Umgebung mit viel Feedback und hoher Geschwindigkeit vermutlich Schwierigkeiten haben.
Regeln, Institutionen und die Grenzen der Rebellion
Eine gesunde Spannung trat zutage:
Chris wehrte sich gegen Regeln, die kreative Menschen in falsche Formen pressen.
Jonas erinnerte das Publikum daran, dass starke Institutionen ein Grund für den Erfolg ganzer Länder sind. Die Antwort ist nicht Regelosigkeit, sondern die Verantwortung, Regeln umzuschreiben, die nicht mehr zur Realität passen.
Jonas’ drei Worte für ein nachhaltiges Ökosystem kamen beim Publikum gut an: Respekt, Dankbarkeit, Willenskraft. Respekt für Menschen und Systeme, die uns hierher gebracht haben. Dankbarkeit für die Plattform, die sie geschaffen haben. Willenskraft, die nächste Schicht zu bauen, ohne auf Erlaubnis zu warten.
Der Vorteil durch Arbeitsethik
Im Wettbewerb gegen wohlfinanzierte Rivalen sieht das Panel Ausdauer als baltische Stärke. Weniger Ablenkung, eine Neigung zu langen Deep-Work-Phasen und die Bereitschaft, bei gleichmäßigem Tempo länger durchzuhalten, können zum Wettbewerbsvorteil werden. Geschwindigkeit ist wichtig, aber nachhaltige Geschwindigkeit ist entscheidender.
Messy starten, öffentlich lernen
Abschließende Einzeiler von der Bühne spiegelten ein gemeinsames Mantra wider:
Starte messy, denk nicht zu viel nach.
Hab Spaß und bleib spielerisch.
Wähl dein Spiel, kenn die Level und werde gut darin, aufzusteigen.
Diese Sätze sind keine bloßen Slogans. Sie spiegeln wider, wie diese Teams ihre Woche planen, zur Handlung neigen und Produkte bauen, die sich vor Nutzerinnen und Nutzern weiterentwickeln.
Teil 2 — Praktische Playbooks und Operator-Checklisten für KI-first-Teams
Das Gespräch brachte mehrere konkrete Praktiken hervor. Dieser zweite Teil übersetzt ihre Philosophie in Checklisten, die jede:r frühe Gründer:in sofort anwenden kann.
1) Mach KI zum First Responder deines Teams
Leg eine gemeinsame Prompt-Bibliothek für häufige Aufgaben an, von Debugging bis Marktanalyse.
Bringt allen bei, Abfragen zu strukturieren: Problem, Einschränkungen, Artefakte, gewünschtes Ergebnis und Bewertungskriterien.
Fügt jedem Ticket ein Feld hinzu: Was das Modell geraten hat, was ihr probiert habt, was ihr gelernt habt.
Ergebnis: weniger Unterbrechungen, schnellere erste Entwürfe und eine durchsuchbare Spur von Experimenten.
2) Etabliert einen wöchentlichen Feedback-Rhythmus
Benenne eine:n Owner für die Feedback-Schleife.
Jeden Freitag verschickt ihr ein One-Pager: Top drei Nutzersignale, was wir ausgeliefert haben, was sich geändert hat und was wir als Nächstes testen.
Schiebt diese Learnings ins Roadmap-Backlog, damit das Team sieht, wie die Realität die Prioritäten verändert.
Ergebnis: Geschwindigkeit mit Steuerung.
3) Haltet die Organisation flach, macht Entscheidungen aber explizit
Dokumentiert für jeden Bereich: Wer entscheidet, wer muss konsultiert werden und wie werden Entscheidungen zurückgenommen?
Ersetzt lange Statusmeetings durch kurze Entscheidungs-Reviews, die auf Artefakte und Metriken verlinken.
Ermöglicht jedem, einen Blocker schriftlich zu eskalieren und erwarte eine Antwort innerhalb von 24 Stunden.
Ergebnis: Autonomie ohne Chaos.
4) Stelle nach Lernfähigkeit und Energie ein
Ersetzt Credential-Screens durch Arbeits-Proben-Aufgaben.
Interviewt danach, wie Kandidat:innen sich mit KI selbst etwas beibringen — fordert Transkripte oder Notebooks an.
Bewertet die Passung mit einem einwöchigen bezahlten Sprint an einem echten Ticket, nicht an einer Spielerei.
Ergebnis: Builder, die besser werden, während sie ausliefern.
5) Gestaltet Inklusion in die tägliche Arbeit ein
Standardmäßig schriftliche, KI-durchsuchbare Runbooks statt mündlicher Tradition.
Verpflichtet Maker-Zeit für alle, nicht nur für Entwickler:innen.
Offene Office-Hours, geleitet von Gründer:innen, für Erst-Technolog:innen und Frauen, die KI-Rollen erkunden.
Ergebnis: Eine breitere Einstiegsrampe, die tatsächlich Beiträge erzeugt.
6) Definiert euer Produkt als Spiel und steigt bewusst Level für Level auf
Angelehnt an die OpenAI Dev Day-Insight, die Jonas zitierte, betrachtet Fortschritt wie ein Leveling in einem Spiel:
Level 1 — Lernen: Liefert eine dünne Scheibe aus, die einen Nutzerjob löst. Misst die Zeit bis zum ersten Wert.
Level 2 — Fähigkeit: Erhöht die Erfolgsrate und reduziert Handholding. Misst Aufgabenerledigung ohne Aufforderung.
Level 3 — Meisterschaft: Erweitert die Grenze. Misst Nutzerergebnisse, nicht nur Feature-Nutzung.
Ergebnis: Eine gemeinsame Sprache für Fortschritt, an der sich das ganze Unternehmen ausrichten kann.
7) Entscheidet eure Standard-Wachstumsgeschichte
Wenn ihr in einem schnelllebigen Bereich seid und schnell Retention und Engagement nachweisen könnt, tendiert zur globalen Expansion.
Wenn euer Problem komplex ist und Vertrauen braucht, fokussiert euch zuerst tief auf ein enges Segment.
In beiden Fällen veröffentlicht eine einfache Narrative: Wen wir bedienen, was wir verbessern und wie wir jede Woche den Beweis erbringen.
Ergebnis: Investor:innen und Bewerber:innen können sich selbst selektieren, und Kunden erzählen eure Geschichte zurück.
8) Kodifiziert eure Ausdauer
Plant eine quartalsweise Kadenz, die Sprints mit Erholungswochen ausbalanciert.
Automatisiert lästige Tätigkeiten, damit eure Deep-Work-Zeiten heilig bleiben.
Verwendet Metriken, die nachhaltige Verbesserung belohnen statt punktuelle Heldentaten.
Ergebnis: Kompoundierung schlägt Ausbrüche.
Was das für Litauen und das Baltikum bedeutet
Kleine Märkte schaffen globale Gewohnheiten: Englisch-first-Produkte und Outbound-Strategien sind Standard, nicht bloße Aspiration.
Communities sind der Beschleuniger: Mikro-Pods von Gründer:innen in ähnlichen Phasen transferieren Lernen über Tage statt über Jahre.
Institutionen zählen: Klare Spielregeln verringern Reibung. Die nächste Aufgabe ist, diese Regeln für eine KI-native Ökonomie zu überarbeiten, ohne Vertrauen zu verlieren.
Abschließende Erkenntnis
Die KI-first-Generation wartet nicht auf bessere Bedingungen. Sie nutzt günstige Intelligenz, flache Teams und unerbittliche Feedback-Schleifen, um schneller zu handeln als formale Erlaubniszyklen es zulassen. Sie respektiert das Vorangegangene, ist dankbar für die Plattform, die sie geerbt hat, und hat die Willenskraft, die nächsten Regeln selbst zu schreiben.
Wenn Sie einen Satz wollen, der die Stimmung auf der Core Stage in Vilnius einfängt: Liefern Sie jetzt, hören Sie genau zu, steigen Sie Level für Level auf und lassen Sie die Kultur so schnell lernen wie den Code.
Quelle: smarti
Kommentar hinterlassen