40 Menschen, 400 Kl-Agenten: Wie der Ex-GitHub-CEO seine KI-Firma baut (Thomas Dohmke)

Thomas Dohmke war CEO von GitHub. Jetzt baut er mit Entire die nächste Entwicklerplattform – für die Ära der KI-Agenten. Die Zahlen dahinter sind ungewöhnlich: 60 Millionen Dollar Seed-Finanzierung bei 300 Millionen Bewertung, ein Team, das in unter einem Jahr von 3 auf 40 Mitarbeiter gewachsen ist, und 400 KI-Agenten, die dieses Team faktisch multiplizieren.

Im Gespräch erklärt Thomas, was es bedeutet, ein Startup AI-Native zu gründen – und warum das mehr ist als KI-Tools zu benutzen.

Was AI-Native gründen wirklich bedeutet

Für Thomas heißt AI-Native, jeden Prozess konsequent durch die KI-Linse neu zu denken. Nicht für die Anforderungen von heute, sondern mit Blick auf eine Generation, die erst in 16 Jahren aus der Schule kommt und mit KI als Selbstverständlichkeit aufwächst.

Das zeigt sich auch im Planungshorizont. Thomas berichtet, dass OpenAI maximal acht Wochen im Voraus plant – Product Manager mit klassischen Sechs-Monats-Roadmaps werden dort zurückgeschickt. In einem Feld, das sich so schnell bewegt, ist Planungssicherheit über Monate schlicht eine Illusion.

Wie schnell dieses Prinzip in der Praxis funktioniert, zeigt Entire selbst: Das Unternehmen wuchs von 3 auf 40 Mitarbeiter – und diese 40 Menschen arbeiten mit 400 Agenten zusammen. Das Ergebnis ist eine Firma, die von außen deutlich größer wirkt, als ihre Kopfzahl vermuten lässt.

Softwareentwicklung mit Agenten

Ein zentraler Punkt in der Episode: der eigentliche Durchbruch liegt nicht darin, dass Agenten Code schreiben können, sondern dass sie echte Developer-Tools direkt auf der lokalen Codebase nutzen – grep, Suche, Tests schreiben, Bugs fixen. Sie arbeiten also wie ein Entwickler mit dem vollen Werkzeugkasten, nicht wie ein Chatbot, der Vorschläge macht.

Thomas beschreibt außerdem, wie sogenannte RAV Loops funktionieren: Agenten bekommen eine Aufgabe mit einem klaren Evaluationskriterium und loopen so lange, bis dieses Ziel erreicht ist. Genau hier verschiebt sich laut Thomas auch die Kompetenz von Entwicklern – weg vom reinen Schreiben von Code, hin zur richtigen Formulierung von Evaluationskriterien. Er ist überzeugt, dass Agent-Code inzwischen die Qualität des durchschnittlichen Entwicklers übertrifft.

Differenzierung: Warum Technologie allein nicht reicht

Ein Kernthema der Episode ist, dass Technologie heute Table Stakes ist – die Grundvoraussetzung, aber kein Wettbewerbsvorteil mehr. Entscheidend sind Brand, Positionierung und Netzwerkeffekte. Thomas bringt dazu ein Beispiel aus seiner eigenen Vergangenheit: Den Code von GitHub konnte im Prinzip jeder schreiben – aber den Octocat kennt die ganze Welt.

Er macht klar, warum ein Produkt zehnmal besser sein muss, um eingespielte Nutzergewohnheiten zu brechen. Als Beispiele nennt er Tesla, das den klassischen Tachometer komplett abgeschafft hat, und das iPhone, das zu Beginn nicht einmal Copy-Paste beherrschte – und trotzdem Nutzerverhalten grundlegend verändert hat. Der gefährlichste Fehler, den ein Startup machen kann, ist laut Thomas, nur ein Klon eines bestehenden Produkts zu sein, der einzig über den Preis konkurriert.

Fundraising und die 10-Jahres-Vision

Wie lässt sich eine 60-Millionen-Dollar-Seed-Runde schließen – für ein Startup ohne fertiges Produkt? Thomas erklärt, dass seine Reputation und eine klare Vision dabei den entscheidenden Unterschied gemacht haben. Gleichzeitig ist er überzeugt: AI-Startups brauchen heute mindestens 10 Millionen Dollar, um überhaupt ernsthaft an den Start zu gehen.

Er unterscheidet dabei drei Budget-Kategorien, die für AI-native Startups zentral sind: Personal, Marketing und Tokens. Gerade die Tokenkosten werden häufig unterschätzt – sie können sehr schnell in die Millionen gehen.

Am Ende beschreibt Thomas seine Haltung zu Entire als unendliches Spiel: Einzelne Launches sind für ihn nur Minigames innerhalb einer viel größeren Geschichte. Gewinnen bedeutet für ihn nicht der nächste PR-Erfolg, sondern in zehn Jahren immer noch relevant zu sein.

Die komplette Episode gibt tiefe Einblicke in den Aufbau eines AI-native Startups – von der Teamstruktur über die technische Architektur mit Agenten bis zur strategischen Positionierung im Markt.