Agentic GTM und Product Engineering: früher 30, heute 3

Früher brauchte eine GTM- oder Produkt-Abteilung 30 Leute. Heute reichen drei. Das ist keine Prognose, das ist mein Arbeitsalltag in der agentic GTM- und Product-Engineering-Welt.

Was du hier mitnimmst:

• Warum AI die Ausführung billig gemacht hat und was jetzt der echte Engpass ist.
• Wie Get Multiplayer auf beiden Seiten funktioniert: GTM und Produkt.
• Drei konkrete Wege, das in deiner Firma einzubauen.

Die These in einem Satz

Wer heute noch eine GTM- oder Produkt-Abteilung mit 30 Leuten baut, baut teuer, langsam und ohne System. Der Hebel liegt nicht mehr im Ausführen, sondern im Führen und im Kontext, wenn zehn Agents gleichzeitig laufen.

Warum ist Ausführung plötzlich der falsche Engpass?

Weil AI die Kosten pro Ausführung gegen null gedrückt hat. Eine Sales-Sequenz, eine Account-Recherche, ein erster Pull-Request: Stunden Arbeit sind Minuten geworden. Damit ist nicht mehr die Frage, wer die Arbeit macht, sondern wer sie führt und auf welchem Kontext sie läuft.

Noch vor zwei Jahren war Ausführung das Teure. Eine Sequenz schreiben, einen Markt analysieren, eine Landingpage bauen, einen Pull-Request reviewen: alles Stunden, alles Köpfe, alles Gehalt. AI hat das gekippt. Ein Agent schreibt die Sequenz in Minuten, analysiert hundert Accounts über Nacht, baut den ersten Pull-Request, während du schläfst.

Damit verschiebt sich der Engpass. Wenn zehn Agents gleichzeitig laufen, ist die Frage nicht mehr "wer macht die Arbeit", sondern "wer führt sie und auf welchem Kontext arbeiten sie". Zehn Maschinen ohne Führung produzieren zehnmal so schnell Mist. Das ist Garbage in, Garbage out, nur schneller und im grossen Stil. Generische AI kennt deinen Code nicht, dein Jira nicht, dein Business nicht. Sie produziert plausible Nebelkerzen. Deshalb braucht jeder Agent eine gemeinsame Grundlage: den Business- und Code-Kontext deiner Firma, aufbereitet für Agents. Ich nenne das die Context Engine. Sie ist die Magic Ingredient, nicht das Modell.

Wie baust du Get Multiplayer auf GTM und Produkt?

Auf beiden Seiten gleich: drei Profis übernehmen die Führung, drei bis fünf Agents übernehmen die Ausführung, eine Context Engine hält das Wissen. Auf GTM heisst das Resultat Autonomous GTM, auf der Produkt-Seite Autonomous Product Management. Eine Idee, zwei Anwendungen.

Das Muster ist auf beiden Seiten der Firma dasselbe. Gutes Produkt, aber kein System, das mitskaliert. Diesen Zustand nenne ich stuck in the middle: nach dem Product-Market-Fit, vor der Skalierung. Das Produkt läuft, aber es fehlt das Fundament aus Prozessen und Daten.

Auf der GTM-Seite baue ich es so:

1. Erst messen, nicht raten. Wo ist der echte Engpass? Positionierung, Pipeline, Kanäle.
2. Ein zentrales System statt drei Wahrheiten. Sauberes CRM, eine Pipeline, eine Positionierung in einem Satz.
3. Agents nach Engpass-Priorität, nicht nach Hype. Drei bis fünf produktive Agents, die laufen, auch wenn du eine Woche weg bist.

Auf der Produkt-Seite heisst das Resultat Autonomous Product Management. Produktentscheidungen auf echtem Kontext, mit AI-Agents, statt aus dem Bauch. Das Wissen liegt heute verteilt: in Jira, in PRDs, in Stories, in den Köpfen der Senior-Devs. Ein Agent, der diesen Kontext kennt, wird vom Code-Affen zum Sparring-Partner. Er startet den ersten PR-Agent, baut die Test-Gap-Map, zeigt, wo es sicher ist auszuliefern und wo nicht.

Beide Seiten teilen dieselbe Grundlage. Auf GTM angewandt lebt die Context Engine als Software, die wie Jira für GTM-Teams funktioniert. Auf Code und Produkt angewandt steckt sie in einem Agenten, der deinen Code studiert.

Welche Wege gibt es zum selben Resultat?

Lernen, bauen lassen. Und die Software dazu. Du musst nicht jeden Weg gehen, du musst wissen, welcher zu deiner Phase passt. Lernen und bauen lassen sind eine Eskalation, von selbst machen bis machen lassen. Teklens läuft als Software parallel mit, egal welchen Weg du gehst.

• Lernen: gtm.science ist ein Open-Source-Framework für GTM-Teams. In Live-Cohorts installierst du Autonomous GTM hands-on in deiner Firma.
• Bauen lassen: Pedalix baut deine GTM- und Produkt-Abteilung bei dir ein, done for you. Ein kleines Team plus AI-Agents. Am Ende steht ein laufendes System, in deiner Firma installiert. Mehr zu meinem Arbeitsmodus.
• Und die Software dazu: teklens.ai ist Software, die deinem Produkt-Team beitritt, als AI-Agents. Sie kennt deinen Code, dein Jira und dein Business. Sie läuft parallel mit, egal welchen Weg du gehst. Ich habe sie mitgegründet und baue gerade das Team auf.

Der Unterschied zum Markt: eine Agentur macht abhängig, ein System macht frei. Die Agentur liefert schnell, aber das Wissen bleibt aussen. Geht sie, geht das Wissen mit. Ich baue ein System, das bleibt. Ich gehe, das System bleibt.

Was zeigt der härteste Proof, dass das funktioniert?

Konkrete Resultate aus Mandaten, nicht Folien. Bei Emporix habe ich über Pedalix mehr als 100 Prozent Umsatzwachstum mitbegleitet, bei Xorlab lag der ROI unter zwei Monaten. Die Track-Record-Datenpunkte sind nachvollziehbar, kein Pitch.

Drei Profis plus zehn Agents ersetzen heute Teams, die früher 30 Leute zählten, weil die Agents auf einer sauberen Context Engine laufen und ein Mensch sie führt. Wer dieselbe Logik auf das eigene Produkt-Team legt, kommt aus dem Engineering-Stau heraus, ohne 20 zusätzliche Devs einzustellen. Das ist die Variable, die heute den Unterschied macht.

Was bleibt

✅ Was funktioniert. Mit drei Profis und einem Team aus Agents spielst du gross, ohne gross einzustellen. Das ist heute Realität, kein Pitch.

❌ Was nicht funktioniert. Agents auf einer leeren Grundlage. Ohne Kontext und ohne Führung bekommst du schnelleren Mist, kein Resultat. Wer glaubt, AI macht die Arbeit magisch von allein, wird enttäuscht.

⚠️ Warnung. Der Engpass ist nicht das Tool. Der Engpass bist du, wenn du zehn Maschinen ohne Plan loslässt. Führung und Kontext zuerst, dann die Agents.

Früher 30, heute 3. Der Grund ist nicht, dass AI alles kann. Der Grund ist, dass die Ausführung billig wurde und Führung plus Kontext den Ausschlag geben. Wenn du an der Schnittstelle von Product, GTM und AI stehst und aus "stuck in the middle" rauswillst, ist das dein Hebel.

Nächster Schritt. Trag dich für meinen Newsletter ein und bekomme die nächsten Operator-Notizen direkt in den Posteingang.

Häufige Fragen

Was heisst Agentic GTM in der Praxis?

Agentic GTM heisst, dass ein kleines Profi-Team die Führung übernimmt und drei bis fünf AI-Agents die Ausführung in Marketing, Sales und Operations rund um die Uhr fahren. Die Agents arbeiten auf einer geteilten Context Engine, damit sie deinen Markt, dein Angebot und dein CRM kennen.

Was ist die Context Engine?

Die Context Engine ist der aufbereitete Business- und Code-Kontext deiner Firma, lesbar für AI-Agents. Sie hält Positionierung, Pipeline-Daten, Produkt-Wissen und Code-Verständnis an einem Ort. Ohne sie produzieren Agents plausible Nebelkerzen statt brauchbarer Arbeit.

Wann ist eine Firma stuck in the middle?

Nach dem Product-Market-Fit, vor der Skalierung. Das Produkt verkauft sich, aber Prozesse, Daten und Team sind nicht parat, um den nächsten Sprung zu tragen. Typisch zwischen 20 und 200 Mitarbeitenden in B2B-Software.

Ersetzt Agentic GTM die Menschen im Team?

Nein. Es ersetzt die Ausführungs-Mengen, nicht die Führung. Die drei Profis werden wichtiger, weil sie zehn Agents führen statt zehn Sales-Reps. Wer führen kann, gewinnt. Wer nur ausführen konnte, verliert Hebel.

Wie starte ich mit drei statt dreissig?

Erst messen, wo der Engpass wirklich sitzt (Positionierung, Pipeline, Produkt), dann ein zentrales System bauen, dann drei bis fünf Agents auf den grössten Engpass setzen. Lernen über gtm.science, bauen lassen über Pedalix. Und die Software dazu über teklens.ai.