Was Y Combinator mich über AI-Revenue-Nachweis gelehrt hat (was ich gerne früher gewusst hätte)

Die Entscheidung, mich bei YC zu bewerben

Ich habe mich aus dem UK bei Y Combinator beworben, wo ich Clarm seit etwa sechs Monaten gebaut hatte. Zu dem Zeitpunkt hatten wir erste Kunden, echte Ergebnisse, die sich abzeichneten, und eine klare These. Aber ich hatte auch das starke Gefühl, dass ich mit der falschen Geschwindigkeit operierte—dass es eine Version dieses Unternehmens gab, die schneller agierte, größer dachte und von Menschen umgeben war, die es in Richtungen pushen würden, die ich von meinem Standort aus nicht sehen konnte.

Als Clarm in YC X25 aufgenommen wurde, traf ich die Entscheidung, nach San Francisco zu ziehen, ohne viel Überlegung. Es war die richtige Entscheidung. Das sage ich heute ohne jeden Vorbehalt.

Nach Silicon Valley zu gehen hat mein Leben als Founder verändert. Es ist wie die Formel 1 der Welt. Die Leute sind so schnell und denken so viel größer—es gibt so viel zu lernen, und das meiste davon lernt man nicht aus Vorlesungen, sondern durch Nähe.

Was sich verändert, wenn du im Raum bist

Es passiert etwas, wenn du Zeit mit Foundern verbringst, die auf einem genuinely hohen Level operieren. Deine Baseline verschiebt sich. Die Dinge, die du für ehrgeizig hieltest, fangen an, sich wie vernünftige Mindeststandards anzufühlen.

Ich hatte früh im Batch ein Gespräch mit einem anderen Founder, der 100 Cold Calls pro Tag machte. Nicht als einmaliger Sprint—als tägliche Praxis, konsistent, über Monate. Ich hatte mich beglückwünscht, weil ich 20 machte. Dieses Gespräch rekalibrierte etwas darin, wie ich darüber dachte, was möglich ist.

Du wirst sehr von den Menschen beeinflusst, mit denen du deine Zeit verbringst. Mit wem du ein Büro teilst, ist wirklich wichtig. Wenn jemand 100 Cold Calls am Tag macht, fängst du an zu glauben, dass du das auch kannst. Es verändert etwas in deinem Gehirn. Dein internes Modell davon, was normal aussieht, justiert sich nach oben.

Für Founder, die es nicht nach San Francisco schaffen: Das Prinzip gilt trotzdem. Finde die richtigen Leute in deiner Stadt. Entdecke sie früh. Umgib dich mit ihnen. Im DACH-Raum gibt es zunehmend Hubs—Zürich, Berlin, München—mit Foundern, die auf einem internationalen Level operieren. Clarm selbst operiert von San Francisco und Zürich.

Das AI-Revenue-Beweis-Problem

Das Wichtigste, was YC mich gelehrt hat, war etwas Spezifisches für den Aufbau einer AI-Company: der Unterschied zwischen beweisen, dass deine AI funktioniert, und beweisen, dass deine AI Revenue generiert.

Das ist nicht dasselbe. Es ist nicht einmal annähernd dasselbe.

Vor YC investierte ich viel Energie in Capability Proofs. Schau, wie genau die Antworten sind. Schau auf die Latenz. Schau, wie gut sie Edge Cases handhabt. Das sind genuinely wichtige Dinge. Aber es sind Produktmetriken, keine Business-Metriken. Ein technischer Founder defaultet zu Produktmetriken, weil das ist, wofür wir trainiert sind zu optimieren.

YC pushte mich, konsistent und unerbittlich, Richtung Revenue Proof. Nicht “die AI hat korrekt geantwortet”—sondern “die AI hat dazu geführt, dass ein Kunde zahlt.” Nicht “die AI hat Zeit gespart”—sondern “die AI hat X $ an Kosten eingespart oder X $ an neuem Revenue generiert.”

Die Frage, die mein Framing verändert hat, war einfach: “Was hätte der Kunde ohne euch gemacht?” Wenn die Antwort “es manuell gemacht” ist, ist die nächste Frage: “Und was hätte das gekostet?” Wenn du das klar beantworten kannst, hast du Revenue Proof. Wenn nicht, hast du Capability Proof.

Wie das die Messung von Clarm verändert hat

Vor YC maß ich Clarm an bearbeiteten Conversations, Antwortgenauigkeit und Support-Deflection-Rate. Gute Metriken. Nützliche Signale. Kein Revenue Proof.

Nach etwa sechs Wochen im Batch baute ich unser Measurement-Framework komplett um, zentriert auf Revenue-Attribution. Die Frage, die wir jetzt für jeden Kunden beantworten: Welche Pipeline hat Clarm sichtbar gemacht, die ohne uns nicht existiert hätte, und was hat sie konvertiert?

Dieses Reframing produzierte Zahlen, die deutlich überzeugender waren—und deutlich ehrlicher darüber, was wir tatsächlich taten. GiveLegacy ging von 0 $ zur Top-Inbound-Revenue-Quelle in 90 Tagen mit Clarm. 25,2 % der Conversations zeigten Kaufabsicht—das ist eine Conversion-Rate, keine Vanity-Metrik. Es beantwortet die Frage “Was hätten sie ohne euch gemacht?” mit einem Prozentsatz, den jeder benchmarken kann.

Es veränderte auch, wie wir mit potenziellen Kunden sprachen. Statt mit Genauigkeitsraten und Antwortzeiten zu führen, führten wir mit Pipeline-Ergebnissen. Statt “unsere AI bearbeitet bis zu 94 % der Support-Fragen automatisch” sagten wir: “Ein Kunde ging von 760 E-Mail-Anfragen auf 4.624 Conversations mit 25 % Buyer-Intent—aus einem Kanal, der vorher 0 $ produzierte.” Das sind fundamental andere Gespräche.

Drei Dinge, die YC an meinem Denken über Growth verändert hat

1. Revenue ist der einzige Beweis, der tatsächlich übertragbar ist

Technische Beweise überzeugen technische Buyer. Revenue-Beweise überzeugen alle. Wenn du ein AI-Produkt für ein Business-Publikum baust, ist dein Ziel, Beispiele zu sammeln, bei denen ein echter Kunde für etwas bezahlt hat und das Ergebnis unmissverständlich besser war als das Kontrafaktische.

2. Tu Dinge, die nicht skalieren, bis die Lektionen auf Dinge übertragen werden, die skalieren

Die AI-Version davon ist es wert, explizit zu sein. In AI sind die Dinge, die nicht skalieren, die High-Touch-Kunden-Deployments, bei denen du persönlich an jeder Entscheidung beteiligt bist. Die Lektion, die du daraus extrahierst—das Muster, was eine Conversation konvertieren lässt, welche Frage einen Deal vorhersagt, welches Signal deine Kunden interessiert—diese Lektion skaliert.

Ich verbrachte viel Zeit in frühen Deployments damit, persönlich Conversation-Logs zu reviewen. Es fühlte sich an, als würde es nicht skalieren. Es produzierte die Trainingsdaten und die Mustererkennung, die unsere Intent-Detection tatsächlich funktionieren ließen. Tu das Unskalierbare zuerst.

3. Das Unternehmen, das seine Unit Economics kennt, gewinnt

YC ist unerbittlich bei Unit Economics. Was kostet es, einen Kunden zu akquirieren? Was ist der LTV? Wie verändert sich das Verhältnis mit Skalierung? Für eine AI-Company kommt die zusätzliche Frage: Was sind die Compute-Kosten pro Ergebnis, und wie bewegen sie sich mit zunehmendem Volumen?

Diese Zahlen zu kennen verändert, wie du verkaufst. Wenn dein CAC Payback drei Monate beträgt und dein LTV in Jahren gemessen wird, verkaufst du mit Zuversicht. Wenn du diese Zahlen nicht kennst, gibst du zu viel Rabatt und triffst Entscheidungen, die bei einem Kunden gut aussehen und bei hundert katastrophal sind.

Was ich einem Founder sagen würde, der sich heute bei YC bewirbt

Hol dir den Revenue Proof, bevor du dich bewirbst. Kein Versprechen von Revenue. Keine Absichtserklärungen. Echte Kunden, die echtes Geld bezahlt haben, weil deine AI etwas getan hat, das ein messbares Ergebnis für sie verändert hat.

YC kann dir helfen, fast alles zu beschleunigen. Aber es kann dir nicht das fundamentale Insight geben, das nur von einem zahlenden Kunden kommt, der sagt: “Das ist es wert.” Das ist es, wonach YC sucht. Das ist auch das, wonach du suchen solltest, ob du dich bewirbst oder nicht.

Und wenn du etwas im AI-Revenue- oder Inbound-Bereich baust, rede ich genuinely gern darüber, was wir gelernt haben und wie wir das angehen. Schreib mir direkt.

FAQ

Weiterführende Artikel

Für den spezifischen Revenue Proof, den wir mit Early Customers gebaut haben, lies die Founder-Origin-Story hinter Clarm. Für die taktische Seite des Aufbaus von Inbound-Revenue ohne Team, lies warum Founder-Led Sales an der Skalierung scheitert und was man stattdessen baut.