Ich habe meinen Job gekündigt, um meinen Kindern den Aufbau von KI-Unternehmen beizubringen

Ich habe kürzlich meine Rolle bei Superlogic verlassen.

Ich verlasse nicht die Technologie. Ich trete nicht vom Bauen zurück. Und ich nehme kein klassisches Sabbatical.

Stattdessen nutze ich das nächste Kapitel, um mich auf meine Familie zu konzentrieren, beim Aufbau einer gemeinnützigen Organisation zu helfen und meinen Kindern beizubringen, mit KI echte Produkte und Unternehmen zu schaffen.

Dieser letzte Teil ist das Experiment, das mich am meisten interessiert.

Meine Kinder wachsen in einer Welt auf, in der die Kosten, aus einer Idee funktionierende Software zu machen, schnell fallen. Wer motiviert ist, kommt heute in Tagen, manchmal in Stunden vom Konzept zum Prototyp.

Aber schnellere Entwicklung erzeugt nicht automatisch bessere Produkte.

KI kann Code, Designs, Texte, Recherche und Geschäftspläne erzeugen. Sie kann nicht zuverlässig entscheiden, welche Probleme es wert sind, gelöst zu werden, ob Nutzerinnen es wirklich kümmert, welche Kompromisse akzeptabel sind oder wann ein Produkt reif für die Auslieferung ist.

Genau diese Fähigkeiten möchte ich vermitteln.

Das Ziel ist nicht, ihnen Prompting beizubringen

Ich versuche nicht, aus meinen Kindern professionelle Prompt-Ingenieure zu machen.

Ich möchte, dass sie lernen zu bauen.

Das heißt zu lernen, wie man:

• echte Probleme bemerkt
• mit möglichen Nutzerinnen spricht
• Annahmen prüft
• eine kleine erste Version definiert
• KI nutzt, um die Umsetzung zu beschleunigen
• erzeugte Arbeit prüft und infrage stellt
• etwas öffentlich veröffentlicht
• misst, was passiert
• es verbessert oder einstellt

Die KI-Werkzeuge sind wichtig, aber sie sind nicht der Lehrplan.

Der Lehrplan ist Urteilskraft.

Ein Kind, das ein KI-Modell dazu bringen kann, eine App zu erzeugen, hat etwas Interessantes geschafft. Ein Kind, das erklären kann, warum diese App existieren sollte, wem sie dient, wie sie Geld verdienen könnte, wo sie scheitern könnte und was zuerst gebaut werden sollte, hat etwas viel Wertvolleres gelernt.

Senternet ist unsere Werkstatt

Ich habe Senternet gestartet, ein Produkt- und Beratungsstudio. Der Name ist nicht neu: Senternet war mein erstes Unternehmen, vor 27 Jahren gegründet, und es jetzt wiederzubeleben fühlt sich richtig an.

Es ist das Dach, unter dem ich Produkte baue, Apps schaffe, Unternehmen berate und neue Geschäftsideen ausprobiere. Meine Kinder machen mit, wo es sinnvoll ist, nicht als passive Beobachter, sondern als Mitwirkende.

Das kann bedeuten:

• einen Markt untersuchen
• ein Produkt benennen
• Nutzerinnen befragen
• eine Oberfläche entwerfen
• Marketingmaterial erstellen
• einen Prototyp testen
• Analysedaten durchsehen
• mitentscheiden, was als Nächstes gebaut wird

Manche Projekte werden Kundenarbeit sein. Andere werden Produkte sein, die uns gehören.

Manche werden vielleicht Unternehmen. Manche scheitern schnell. Das ist eingeplant.

Ich möchte, dass sie die ganze Schleife von der Idee bis zur Umsetzung erleben, einschließlich der unangenehmen Teile: unklare Anforderungen, falsche Annahmen, Fehler, Ablehnung und Nutzerinnen, die sich anders verhalten als erwartet.

KI macht es leichter, schneller das Falsche zu bauen.

Die einzige Verteidigung ist, denken zu lernen.

Wir nutzen KI, aber wir lagern die Verantwortung nicht aus

Mein Hintergrund reicht von Engineering, Sicherheit und Betrieb über Produkt und Design bis zur Unternehmensführung. Ich war CEO, CTO, COO, CISO, Gründer und Bauender.

Das Nützlichste, was ich meinen Kindern beibringen kann, ist kein bestimmtes Framework und keine Programmiersprache. Die ändern sich.

Ich kann ihnen beibringen, über Systeme nachzudenken.

Wenn wir KI nutzen, um Software zu erzeugen, werden sie fragen müssen:

• Funktioniert dieser Code tatsächlich?
• Ist er sicher?
• Welche Annahmen hat das Modell getroffen?
• Welche Daten sammeln wir?
• Wem gehören diese Daten?
• Was passiert, wenn die API ausfällt?
• Was kostet das im großen Maßstab?
• Lösen wir das ursprüngliche Problem oder fügen wir nur Features hinzu?
• Würde jemand dafür bezahlen?
• Sollte das überhaupt existieren?

Das Modell kann eine Antwort erzeugen.

Die Folgen gehören weiterhin der Person, die baut.

Diese Unterscheidung zählt, besonders für Kinder, die sonst in dem Glauben aufwachsen könnten, plausible Ausgabe sei dasselbe wie richtige Ausgabe.

BeeReady gibt uns ein echtes Problem

Ich werde außerdem bei BeeReady mitarbeiten, einer gemeinnützigen Organisation, die meine Frau Andi Senter, eine weitere Ärztin und Mutter, Elda Fisher, und ich gegründet haben.

BeeReady arbeitet daran, die Notfallvorsorge bei Jugendsportveranstaltungen zu verbessern: durch Schulungen in Reanimation und Defibrillatorgebrauch, sichtbar gekennzeichnete Freiwilligenteams und besseren Zugang zu lebensrettender Ausrüstung.

Ich werde dort CTO und COO sein.

Das heißt, bei Technik, Betrieb, internen Systemen, Freiwilligenkoordination, Datenerhebung und der Infrastruktur zu helfen, die für das Wachstum der Organisation nötig ist.

Das gibt uns etwas Besseres als eine Klassenzimmerübung.

Es gibt uns echte Beschränkungen.

Gemeinnützige haben knappe Budgets. Freiwillige haben wenig Zeit. Nutzerinnen können gestresst, abgelenkt oder technikfern sein. Systeme müssen auf Sportplätzen, in Schwimmbädern und bei Gemeindeveranstaltungen funktionieren. Software darf nicht existieren, bloß weil sie interessant zu bauen ist.

Sie muss Reibung verringern.

Sie muss die Mission stützen.

Und hier kann Scheitern wirklich etwas bedeuten.

Das macht BeeReady zu einem ungewöhnlich sinnvollen Umfeld, um Produktentwicklung, Betrieb und verantwortungsvolle Technik zu lehren.

Der Technologie-Stack zählt weniger als der Prozess

Wir werden moderne KI-gestützte Entwicklungswerkzeuge nutzen. Dazu gehören wohl Coding-Agenten, Design-Werkzeuge, Automatisierungsplattformen, Clouddienste, Analytik und klassische Entwicklungsumgebungen.

Aber ich will nicht, dass dieses Projekt zu einer fortlaufenden Werkzeugliste wird.

Werkzeuge ändern sich zu schnell.

Der wiederholbare Prozess ist wichtiger:

1. Finde ein echtes Problem.
2. Bestimme die Nutzerin.
3. Erkenne die riskanteste Annahme.
4. Baue den kleinsten Test.
5. Nutze KI, um die Arbeit zu beschleunigen.
6. Prüfe alles kritisch.
7. Lege es echten Menschen vor.
8. Miss Verhalten, statt Komplimente zu sammeln.
9. Entscheide, ob es weitergeht.

Dieser Prozess funktioniert, ob das Produkt eine Mobil-App, ein gemeinnütziger Arbeitsablauf, eine Beratungsleistung oder ein kleines Onlinegeschäft ist.

Er verhindert auch, dass KI-gestützte Entwicklung zu endloser Prototyperzeugung wird.

Ausliefern ist nicht das Ende des Prozesses.

Ausliefern ist der Moment, in dem die Wirklichkeit anfängt, die Arbeit zu benoten.

Ich erwarte, dass sie scheitern

Ich erwarte nicht, dass jedes Projekt gelingt.

Es würde mich beunruhigen, wenn es so wäre.

Ein Projekt, das niemand nutzt, kann Positionierung lehren.

Ein Produkt, das niemand kauft, kann Preisgestaltung lehren.

Ein verwirrender Einstieg kann Design lehren.

Ein Sicherheitsfehler kann Bedrohungsmodellierung lehren.

Ein Feature, das drei Wochen dauert und keinen Nutzen bringt, kann Umfangskontrolle lehren.

Es geht nicht darum, eine Reihe beeindruckender Launches für soziale Medien zu fabrizieren.

Es geht darum, ihnen zu helfen, sich zu erholen, sich anzupassen und weiterzubauen, ohne Scheitern mit persönlicher Unzulänglichkeit zu verwechseln.

KI senkt die Kosten des Experimentierens. Das sollte uns bereiter machen, Ideen zu testen, und nicht anhänglicher an jede Idee, die wir erzeugen.

Das ist auch ein Bildungsexperiment

Traditionelle Bildung trennt die Disziplinen oft.

Programmieren ist ein Fach. Wirtschaft ein anderes. Schreiben, Design, Finanzen, Betrieb und Marketing wohnen woanders.

Ein Produkt zu bauen bringt sie alle zusammen.

Ein kleines Softwareprojekt kann von einem Lernenden verlangen, klar zu schreiben, mathematisch zu denken, Nutzerinnen zu verstehen, Abwägungen zu bewerten, Zeit einzuteilen, Entscheidungen zu erklären und Kritik anzunehmen.

KI kann in jeder Phase helfen, schafft aber auch ein neues pädagogisches Problem: Lernende können Arbeit erzeugen, die sie nicht verstehen.

Deshalb gilt eine einfache Regel:

Du solltest erklären können, was du gebaut hast.

Das heißt nicht, jede Zeile erzeugten Codes auswendig zu können. Berufsentwicklerinnen verlassen sich längst auf Frameworks, Bibliotheken, Abstraktionen und Werkzeuge, die sie nicht geschrieben haben.

Es heißt, das System gut genug zu verstehen, um über sein Verhalten, seine Grenzen, seine Risiken und seinen Zweck nachdenken zu können.

Wenn du nicht erklären kannst, warum es funktioniert, bist du nicht fertig.

Worüber ich schreiben will

Ich habe vor, dieses Experiment hier zu dokumentieren.

Das kann umfassen:

• wie wir Projekte auswählen
• wie ich Kindern beibringe, Coding-Agenten verantwortungsvoll zu nutzen
• wo KI-gestützte Entwicklung gut funktioniert
• wo sie verborgene Probleme schafft
• wie wir Produktideen prüfen
• wie wir kleine Familienprojekte aufbauen
• Lehren aus dem Bau gemeinnütziger Technik
• Fehler, die wir machen
• Produkte, die wir veröffentlichen
• Projekte, die wir einstellen

Besonders interessiert mich die Kluft zwischen dem Erzeugen von Software und dem Aufbau eines Geschäfts.

Diese Kluft ist weiterhin gewaltig.

KI macht die Umsetzung billiger. Sie macht Kundenverständnis, Vertrieb, Urteilskraft, Führung und Verantwortlichkeit nicht überflüssig.

In vielen Fällen macht sie diese Dinge wichtiger.

Eine andere Art von Karriereschritt

Einen Job aufzugeben wird oft als dramatischer Sprung ins Unternehmertum dargestellt.

Das hier fühlt sich anders an.

Ich setze nicht alles auf ein einziges Start-up. Ich baue ein Studio auf, helfe beim Betrieb einer gemeinnützigen Organisation, verbringe mehr Zeit mit meinen Kindern und schaffe einen Ort, an dem wir gemeinsam Ideen testen können.

Den größten Teil meiner Laufbahn habe ich Unternehmen geholfen, Produkte zu bauen und technische Probleme zu lösen.

Jetzt will ich diese Erfahrung unmittelbarer anwenden und der nächsten Generation meiner Familie beibringen, zu schaffen statt bloß zu konsumieren.

Wir werden KI intensiv nutzen.

Wir werden sie auch hinterfragen, testen, ihre Ausgaben verwerfen und Verantwortung für das übernehmen, was wir ausliefern.

Das ist der Teil des Bauens mit KI, der meiner Ansicht nach am meisten zählt.