70% der KI-Startups in Indien bestehen nicht einmal den grundlegenden MarktfFilter
Mitte März 2026 veröffentlichten Google und Accel die Ergebnisse eines der am härtesten umkämpften Auswahlprozesse des Jahres im Bereich der künstlichen Intelligenz: über 4.000 Bewerbungen für fünf Plätze in ihrem Programm Atoms AI Cohort 2026. Die fünf gewählten Startups — Dodge AI, K-Dense, LevelPlane, Persistence Labs und Zingroll — erhalten bis zu zwei Millionen Dollar in Co-Investition sowie 350.000 Dollar zusätzlich an Cloud-Computing-Guthaben von Google Cloud, Gemini und DeepMind. Das Programm, das offiziell am 11. März in Bengaluru gestartet wurde, endet im Juni mit einem Besuch in Mountain View, wo die Teilnehmer Zugang zu KI-Führungskräften und globalen Investoren erhalten.
Aber die wirklich wichtige Zahl liegt nicht bei den fünf Ausgewählten. Sie liegt bei den 3.995, die nicht ausgewählt wurden.
Laut Prayank Swaroop, Partner bei Accel, wurden etwa 70% der Vorschläge aus Indien abgelehnt, weil sie „Wrappers“ seien: oberflächliche Schichten, die auf bestehenden Sprachmodellen basieren, ohne irgendeine eigene Innovation. Zudem zielten 62% aller eingereichten Vorschläge auf Produktivitätswerkzeuge ab; weitere 13% auf Software-Entwicklung. Drei von vier Ideen versuchten, Unternehmenssoftware zu verkaufen, die auf fremder Infrastruktur basierte.
Wenn das Bauen auf Fremdem zur kognitiven Falle wird
Die Logik hinter der Zunahme von Wrappers ist nachvollziehbar. Wenn sich eine Technologie schlagartig demokratisiert — wie es zwischen 2023 und 2025 mit großen Sprachmodellen der Fall war — besteht der erste Instinkt vieler Gründer darin, die Eintrittsbarrieren auf ein Minimum zu reduzieren: Bestehendes übernehmen, eine benutzerfreundlichere Schnittstelle oder eine spezifische vertikale Integration hinzufügen und das Ganze als Produkt verkaufen. Von außen betrachtet erscheint dies als rationale Entscheidung. Von innen heraus ist es jedoch eine Entscheidung, die vom Magnetismus der Geschwindigkeit und der Angst vor tiefgreifendem technischen Aufwand geprägt ist.
Das Problem ist nicht moralischer Natur. Es gibt nichts Falsches daran, schnell zu starten. Das Problem ist struktureller Natur: Wenn das Alleinstellungsmerkmal deines Startups in dem Modell eines anderen Unternehmens verankert ist, kann dieses Alleinstellungsmerkmal in einem nächsten Update verschwinden. Google, OpenAI oder Anthropic müssen nicht um Erlaubnis fragen, um deine zusätzliche Schicht obsolet zu machen. Was ein Gründer als Wettbewerbsvorteil wahrnimmt — ein klares Verständnis für einen Anwendungsfall, die Gestaltung einer überlegenen Schnittstelle — ist genau die Art von Funktion, die Anbieter von Modellen bei jeder neuen Version nativ integrieren.
Die 70%ige Ablehnungsquote offenbart nicht, dass indische Gründer weniger fähig sind. Sie zeigt, dass der Drang, schnell zu bauen, das Streben nach der Lösung eines ungelösten Problems überwogen hat. Die meisten der 2.800 abgelehnten Startups entstanden nicht aus einer echten Frustration mit den Grenzen der derzeitigen Technologie. Sie entstanden aus der Beobachtung, dass „KI im Trend liegt“ und der Ableitung, dass jedes als KI etikettierte Produkt Kapital anziehen würde. Das ist der Unterschied zwischen einem nachgefragten Geschäft und einem, das von der Marktnarrative angetrieben wird.
Was die fünf Ausgewählten über die Architektur des Wertes offenbaren
Ich habe keinen Zugang zu den technischen Details der fünf ausgewählten Startups, jedoch ist die Beschreibung des Auswahlprozesses bereits sehr aufschlussreich. Accel und Google haben explizit für eigene Modelle, eigene Infrastruktur und Agenten-Orchestrierung gefiltert und nicht für Schnittstellen, die über APIs Dritter erstellt wurden. Der Satz von Jonathan Silber, Mitbegründer und Direktor des AI Futures Fund von Google, fasst es unmissverständlich zusammen: Das Programm sucht Startups, die „schwierige Probleme schneller und verantwortungsbewusster lösen“ und dabei vorzeitig Zugang zu den fortschrittlichsten Modellen erhalten.
Das ist keine technologische Philanthropie. Es ist ein sehr spezifisches Marktsignal.
Wenn Google beschließt, bis zu zwei Millionen Dollar pro Startup zu investieren und zusätzlich vorzeitig Zugang zu Gemini und DeepMind zu gewähren — ohne Exklusivität für Modelle zu verlangen — setzt es auf Gründer, die Nutzungsdaten generieren werden, die Google intern nicht erzeugen kann. Die fünf ausgewählten Startups sind in der Praxis reale Validierungslabore für die fortschrittlichsten Modelle von Google. Die Investition hat einen Ertrag, der über das Kapital hinausgeht: Sie bietet wertvolles Feedback darüber, wie sich ihre Modelle in Anwendungsbereichen wie Fertigung, Lebenswissenschaften und ERP-Systemen bewähren. Das sind Umgebungen, in denen Fehler echtes Geld kosten, nicht nur Reputation.
Dieses Schema offenbart auch etwas über die Ökonomie des frühen Risikos: Indem Computing-Gutschriften in funktionalen Kapital umgewandelt werden, wandeln Accel und Google fixe Infrastrukturkosten — die normalerweise eine Pre-Seed-Startup erdrücken — in etwas um, das nur konsumiert wird, wenn es Traktion gibt. Es ist eine Möglichkeit, die fragilste Phase des Zyklus abzusichern, ohne dass der Gründer vor Zugriff auf die Ressourcen Einnahmen haben muss.
Das Signal, das Führungskräfte aus diesem massiven Abgelehnungsprozess lesen sollten
Die Geschäftswelt in Indien — und in weiten Teilen der Welt — reproduziert in ihren internen Innovationsabteilungen genau denselben Fehler, den auch diese 2.800 abgelehnten Gründer gemacht haben. Die Versuchung, „KI zu integrieren“, indem man ein Abonnement für ein Sprachmodell kauft und einen Chatbot darauf aufbaut, ist das unternehmerische Äquivalent eines Wrappers: Es generiert die Erzählung von Modernisierung, ohne irgendein eigenes, differenzierendes Asset zu schaffen.
Swaroop erwähnte etwas, das direkte Aufmerksamkeit verdient: Er wollte mehr Vorschläge im Gesundheits- und Bildungsbereich sehen, und nahezu keine gab es. Der 75% der Ideen konzentrierten sich auf Unternehmenssoftware, weil dies das Terrain ist, wo die Erzählung von „Effizienz durch KI“ den kürzesten Weg zu einem Verkaufsgespräch hat. Aber die operative Effizienz, die auf Modellen Dritter basiert, hat eine immer kürzere Lebensdauer. Was ein externer Anbieter innerhalb von zwölf Monaten replizieren kann, ist kein Asset; es ist eine Miete.
Führungskräfte, die heute evaluieren, wie sie ihre Organisationen in der nächsten Phase der künstlichen Intelligenz positionieren, stehen vor derselben Wahl wie diese Gründer. Der Unterschied ist, dass ein Startup in sechs Wochen pivotieren kann. Eine Organisation mit 5.000 Personen braucht viel länger, um eine falsche Wette zu korrigieren.
Die Frage, die sie sich stellen sollten — auch wenn wenige Vorstandsetagen sie mit dieser Schärfe formulieren — ist, ob ihre KI-Strategie etwas aufbaut, was ihnen gehört, oder ob sie einfach Kapazitäten von jemand anderem mieten. Die 70%ige Ablehnungsquote in Atoms ist keine Statistik des indischen Startup-Ökosystems. Sie ist eine Diagnose der Logik, mit der zu viele Akteure, unabhängig von ihrer Größe, technologische Investitionsentscheidungen treffen.
Das am meisten ignorierte Asset in einer Strategie zur Technologisierung
Nach der Analyse dieses Auswahlprozesses fällt mir auf, dass nicht der strenge Filter von Accel und Google im Mittelpunkt steht. Es ist die Kluft zwischen dem, was Gründer als Wert wahrnehmen, und dem, was der Kapitalmarkt als Wert belohnt.
Ein Gründer, der einen Wrapper erstellt, tut dies, weil er seine Ausführungsangst verringert: weniger Entwicklungszeit, weniger technisches Risiko, funktionierender Prototyp in Wochen. Diese Senkung der eigenen Angst hat einen Preis, der später zu zahlen ist: die Angst, die er bei potenziellen Investoren weckt, wenn sie die Verteidigungskraft des Modells bewerten. Was bei der Konstruktion an Reibung eingespart wird, wird bei der Finanzierung erneut fällig.
Diese Mechanik funktioniert auch innerhalb von Organisationen. Wenn ein Technologieteam eine KI-Lösung vorschlägt, die in Wirklichkeit nur eine oberflächliche Integration eines externen Modells ist, senkt das kurzfristig die Angst der Führungskräfte — es sieht wie Fortschritt aus, es kann auf einem Dashboard angezeigt werden — aber es erzeugt eine strategische Schuldenlast, die niemand im Budget erfasst.
Die Führungskräfte, die aus diesem Zyklus besser positioniert hervorgehen werden, sind nicht die, die am meisten investiert haben, um ihre Produkte und Prozesse vermeintlich modern mit KI zu gestalten. Es sind die, die die Disziplin hatten, zu identifizieren, wo die tatsächliche Reibung ihrer Nutzer und Kunden lag, und etwas Eigenes zu bauen, um diese zu beseitigen, auch wenn das mehr Zeit und Kapital als der Kauf einer API und das Umgeben mit einer Schnittstelle benötigte.
