KI statt Hilfskraft: Wie ein Solo-Investor seinen Workflow automatisiert
Ein Risikokapitalgeber führt seinen gesamten Investmentbetrieb ohne Praktikanten oder Assistenten. Möglich macht das ein selbst gebauter KI-Stack aus mehreren spezialisierten Agenten.
Marc Palet, 26 Jahre alt, arbeitet als einziger Mitarbeiter eines US-amerikanischen Risikokapitalfonds außerhalb der USA. Er sitzt in Singapur, verwaltet Beteiligungen im asiatisch-pazifischen Raum und hat kein Team. Was er hat: ein System aus KI-Werkzeugen, das ihm nach eigener Einschätzung deutlich mehr als zwanzig Stunden pro Monat einspart.
Kein Selbstläufer: KI kostet zuerst Geld und Zeit
Palet zahlt monatlich mehr als 120 US-Dollar für verschiedene KI-Dienste. Dazu gehören Claude und ChatGPT als Sprachmodelle sowie n8n, ein Automatisierungswerkzeug, das Abläufe ohne Programmierkenntnisse verbinden kann. Hinzu kommen Transkriptions-Schnittstellen und weitere Spezialdienste. Die Abonnements haben sich mit der KI nicht reduziert, sondern vermehrt.
Für Gründerinnen und Gründer gilt: KI-Automatisierung senkt nicht automatisch die Softwarekosten, sie verschiebt sie. Die Frage ist, ob der Zeitgewinn die Ausgaben rechtfertigt.
Was konkret automatisiert wird
Gesprächszusammenfassungen ohne Nacharbeit
Palet zeichnet alle Gespräche mit Gründern über das Tool Fireflies auf. Ein KI-Agent verarbeitet die Transkripte danach automatisch und erstellt strukturierte Investitionsnotizen mit Informationen zu Geschäftsmodell, Markt und offenen Fragen. Palet muss die Aufzeichnungen nicht mehr manuell durchhören.
Für kleine Unternehmen ist das direkt übertragbar: Wer regelmäßig Kundengespräche, Vertriebsanrufe oder Teammeetings führt, kann denselben Ansatz nutzen. Fireflies und vergleichbare Dienste sind auch ohne Programmierkenntnisse einsetzbar.
Eine Wissensdatenbank, die sich selbst aktualisiert
Ein häufiges Problem im Arbeitsalltag: Man liest etwas Relevantes, vergisst es aber wieder. Palet kopiert alles Lesenswerte in ein zentrales Repository bei NotebookLM, das er später abfragen kann, wenn er Inhalte produziert oder Recherchen braucht.
Inspiriert durch einen Beitrag von Andrej Karpathy, einem Mitgründer von OpenAI, hat Palet mit Claude Code ein eigenes System entwickelt. Es zieht Informationen aus Gmail, Slack, Transkriptionsdiensten, Newslettern und Podcasts. Ein KI-Agent sortiert diese Daten und schreibt relevante Seiten in einer Wissensdatenbank neu. Der Agent fasst zusammen, ergänzt und strukturiert.
Für jedes Portfoliounternehmen gibt es Seiten zu Themen wie Finanzlage, Neuigkeiten und Kapitalbeschaffung. Wenn eine neue Nachricht in Slack eintrifft, ordnet die KI sie automatisch dem richtigen Unternehmen zu und aktualisiert die Seite.
Berichte und Prüfungsarbeit ohne manuellen Aufwand
Risikokapitalfonds müssen ihre Investoren regelmäßig informieren. Diese Berichte, sogenannte Limited-Partner-Reports (Quartalsberichte für die Geldgeber des Fonds), entstehen bei Palet weitgehend automatisch. Ein Workflow zieht alle relevanten Informationen aus dem Berichtszeitraum zusammen und erstellt einen Entwurf.
Ein weiterer Prozess unterstützt die Prüfungsarbeit vor Investitionsentscheidungen, die sogenannte Due Diligence. Auch hier sammelt ein Agent Informationen aus verschiedenen Quellen und bereitet sie auf.
Was das für kleine Unternehmen bedeutet
Die meisten Leser dieses Artikels führen keinen Risikokapitalfonds. Aber die zugrundeliegenden Probleme sind dieselben: zu viele Routineaufgaben, zu wenig Zeit, kein Budget für zusätzliches Personal.
Palets Ansatz lässt sich auf kleinere Unternehmen übertragen. Die einfachste Variante ist Meeting-Transkription mit automatischer Zusammenfassung. Das erfordert kein Programmieren. Tools wie Fireflies oder Otter.ai in Verbindung mit ChatGPT oder Claude reichen aus.
Ein selbst entwickeltes System mit n8n oder Claude Code setzt Bereitschaft voraus, sich in Automatisierungswerkzeuge einzuarbeiten. Das kostet anfangs Zeit. Wer das scheut, kann Freelancer oder spezialisierte Agenturen beauftragen, solche Systeme einzurichten. Auch das ist günstiger als eine Vollzeitstelle.
KI übernimmt Routinearbeit. Kundengespräche, strategische Entscheidungen und Verhandlungen bleiben Menschenarbeit. Palet hat keinen Mitarbeiter ersetzt, weil er nie einen hatte. Er hat verhindert, dass er einen braucht.
Fazit
Das Beispiel von Marc Palet zeigt, dass ein strukturierter KI-Einsatz echten Kapazitätsgewinn bringen kann, aber einen initialen Aufwand, laufende Kosten und die Bereitschaft erfordert, Prozesse zu hinterfragen. Wer erwartet, einfach ein Tool einzuschalten und sofort produktiver zu sein, wird enttäuscht.
