SAN FRANCISCO / LONDON (IT BOLTWISE) – Brent Franson beschreibt, warum Startups in einer „slow failure“ stecken bleiben können, obwohl Nutzerinnen und Nutzer das Produkt mögen. Er schloss Most Days im Spätjahr 2024, warf das bestehende Code-Base-Projekt weg und setzte stattdessen komplett auf Death Clock. Die neue App nutzt KI, um aus Gesundheits- und Lifestyle-Daten eine geschätzte „Sterbe-Alter“-Spanne abzuleiten und daraus konkrete Verhaltensänderungen abzuleiten. Für Gründerinnen und Gründer wird damit vor allem eine Frage zentral: Wann ist es Zeit für einen sauberen Schnitt statt weiterer Iterationen?
Der Knackpunkt an Fransons Geschichte liegt weniger im einzelnen Feature einer Longevity-App als im Muster, das viele frühe Teams kennen: Ein Produkt wirkt „ziemlich gut“, hat sogar Rückmeldungen von Nutzern, scheitert aber an den wirtschaftlichen Fundamenten. Brent Franson, CEO von Death Clock, nennt diesen Zustand „slow failure“ und verortet ihn dort, wo Gründer nicht mehr über die Richtung diskutieren, sondern sich selbst überzeugend erklären, warum es trotz schwacher Unit Economics in absehbarer Zeit doch noch funktionieren könnte. Genau hier wird das eigentliche Risiko für Startups sichtbar: Nicht der offene Misserfolg ist am gefährlichsten, sondern die verlängerte Phase des Hoffens und Nachjustierens, die Ressourcen bindet und gleichzeitig den lernenden Feedback-Loop verwässert.
Franson berichtet, dass er vier Jahre lang an Most Days arbeitete, einer mental-health App, die bei der Zielgruppe Anklang fand, jedoch als Geschäft nicht tragfähig wurde. Entscheidend war dabei nicht, dass das Produkt als „Flop“ durchging, sondern dass die Kosten für die Akquise neuer Nutzer zu hoch blieben, um daraus ein dauerhaftes Geschäftsmodell zu formen. Dieses Detail ist für Technologie- und Produktteams wichtig, weil es die häufige Verwechslung offenlegt: Nutzerbindung und Produktliebe sind noch keine Garantie für skalierbare Wachstumsmechanismen. Wenn die Traktion zwar existiert, aber der Erwerb neuer Nutzer nicht genügend Marge schafft, geraten Teams schnell in einen Iterationsmodus, der eher Optimierung an Symptomen als an der eigentlichen Geschäftsannahme betreibt.
Nach eigener Darstellung testete er den Denkfehler, der in „slow failure“ entsteht, an einem einfachen Kriterium: Arbeiten die Gründer konsequent an konkreten Problemen mit Überzeugung – oder versuchen sie, sich durch Argumentationsketten weiter in der Spur zu halten? In dieser Logik ist Pivotieren kein Marketing-Begriff, sondern ein disziplinierter Wechsel von Annahmen. Franson beschreibt, wie die „scary part“ beim Pivot nicht dort beginnt, wo das Scheitern offensichtlich ist oder wo ein Unternehmen klar nach oben zieht, sondern in der Grauzone, in der Menschen das Produkt mögen und es genug Hoffnung gibt, um die nächste Runde zu rechtfertigen. Aus seiner Sicht führt genau diese Zwischenstufe zu einer Selbstberuhigung: „You can convince yourself to keep iterating on it“ – sinngemäß also, dass das Team die Iteration so lange rationalisiert, bis Zeit, Budget und Know-how faktisch „verbraucht“ sind, ohne dass die zentrale Hypothese wirklich kippt.
Der zweite, praktischere Teil seiner Lektion lautet: Wenn ein Pivot ansteht, sollte er sich in der Organisation spiegeln – inklusive Code und Produktidentität. Franson entschied sich, Most Days nicht nur umzubenennen oder mit einer „halbem Maß“-Strategie fortzuführen, sondern schloss das Projekt vollständig. Er habe es als harte Entscheidung beschrieben, eine Firma aufzugeben, an der das Team jahrelang gearbeitet hatte und die weiterhin einen mental-health Bedarf adressierte. Doch die Schlussfolgerung fiel laut Franson so klar aus, dass ein sauberer Bruch nötig war: Das Team verwirft das bestehende System, beendet die alte Produktlinie und setzt den Fokus vollständig auf den neuen Ansatz. Für die KI-Entwicklung bedeutet das auch, dass bestehende Modell- und Datenpipelines nicht nur „weitergezogen“ werden, sondern man bewusst entscheidet, welche Teile aufgehoben werden und welche man als Lernartefakte betrachtet.
Mit Death Clock verschiebt sich der Schwerpunkt von mental-health hin zu consumer health mit einem KI-gestützten Versprechen. Nutzer geben Gesundheitsdaten ein – von Cholesterinwerten bis zu Ernährungs- und Schlafgewohnheiten – und die Plattform nutzt Longevity-Forschung, um eine Schätzung dafür zu erzeugen, in welchem Alter Personen möglicherweise sterben, sowie um Änderungen vorzuschlagen, die dabei helfen könnten, länger gesund zu leben. Franson beschreibt das Ergebnis dabei als eine Art „AI private doctor“. Technisch betrachtet heißt das: Die App muss Daten aus verschiedenen Quellen vereinheitlichen, sie in eine modellierbare Form bringen und dann erklärbare Empfehlungen erzeugen, die sich nicht nur als generische Lifestyle-Ratschläge lesen. Genau diese Kombination – strukturierte Eingaben, datengetriebene Schätzung und anschließende Handlungsableitungen – entscheidet über die Qualität der Nutzererfahrung und damit auch darüber, ob ein Geschäftsmodell überhaupt tragfähig skaliert.
Interessant ist außerdem, dass Franson die Startup-Philosophie aus seiner früheren Rolle mitnimmt: Er hatte 2019 ein vorheriges Softwareunternehmen, das er leitete, an WeWork verkauft. Das deutet darauf hin, dass er unternehmerische Entscheidungen nicht nur als technischen Fortschritt betrachtet, sondern als Abwägung zwischen Marktfit, Ressourcenallokation und Produktdisziplin. In der Praxis wirkt das wie eine Warnung an Teams, die zu lange auf „Promise“-Signale setzen: Wenn das Team die Hoffnung über die Validierung von Wachstumskosten stellt, entsteht eine produktseitige Optimierungsmaschine, die den entscheidenden Nachweis – kaufbares Wachstum und wiederholbare Akquise – nicht erbringt.
Für Unternehmen, die KI-gestützte Consumer-Produkte oder digitale Gesundheitsangebote entwickeln, lassen sich daraus mehrere Konsequenzen ableiten, ohne dass es dabei um „mehr Iterationen“ oder „weniger Experimente“ geht. Entscheidend ist die klare Trennung zwischen Produktverbesserung und Geschäftsvalidierung: Es reicht nicht, eine App zu bauen, die Nutzer mögen; sie muss auch die Kosten und Mechaniken abbilden, mit denen neue Nutzer dauerhaft gewonnen werden können. Ebenso zeigt Fransons Ansatz, dass ein erfolgreicher Pivot nicht zwingend ein Feigenblatt für Kontinuität ist. Manchmal ist der schnellste Weg nach vorn tatsächlich ein Entschluss zum Abschalten – inklusive dem Mut, Jahre Code nicht „weiterzuverwerten“, sondern als Lernschritt hinter sich zu lassen, damit der nächste Produktzyklus wirklich bei den richtigen Annahmen startet.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Startup-Pivot statt „Slow Failure“: Lehren eines Longevity-Founders" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Startup-Pivot statt „Slow Failure“: Lehren eines Longevity-Founders" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Startup-Pivot statt „Slow Failure“: Lehren eines Longevity-Founders« bei Google Deutschland suchen, bei Bing oder Google News!