Ein-Person-Unternehmen mit agentischer KI — Teil 0: Ausgangslage, Ziele und präregistriertes Studiendesign einer longitudinalen n=1-Fallstudie

Read full text
Authors: Andrii Solokha
Cited by: 4
References: 1

Abstract

Generative und agentische KI senkt die Kosten der Softwareproduktion drastisch — ob sie auch die Produktivität eines einzelnen Unternehmers über einen vollen Geschäftszyklus hebt, ist empirisch offen. Die vorhandene Evidenz besteht überwiegend aus Kurzexperimenten, Befragungen und Benchmarks; longitudinale, forensisch rekonstruierbare Produktionsdaten eines Solo-Founders sind uns nach einer kuratierten — nicht systematischen — Recherche nicht bekannt (die systematische Kurzsuche folgt in Teil 1). Diese Einstiegsstudie (Teil 0) eröffnet eine longitudinale n=1-Fallstudie über eine reale deutsche Ein-Personen-Unternehmergesellschaft (UG, haftungsbeschränkt), die seit 2025 mit agentischen Coding-Werkzeugen betrieben wird. Teil 0 leistet vier Beiträge: (1) Dokumentation der Ausgangslage mit ausdrücklich vorläufigen Eckzahlen in Größenordnungen (mehrere Dutzend App-Codebasen, davon nur ein einstelliger Prozentsatz mit signiertem Release — Release-Konversion < 10 %; kumuliert mehrere Millionen Brutto-LOC; mehrere Dutzend laufende Dienste; exakte forensische Verifikation in Meilenstein M1); (2) Präregistrierung von Zielen, Forschungsfragen und Hypothesen mit Entscheidungsregeln vor Beginn der konfirmatorischen Erhebung (T0); (3) Festlegung des Auswertungsplans (Endpunkte, Nenner, Zeitfenster, Missing-Data-Regeln, H1–H5-Entscheidungstabelle), mit strikter Trennung von Brutto-Output, Netto-Engineering, Distribution und Ökonomie und Mitpublikation negativer Ergebnisse; (4) eine Audit-Mechanik (eingefrorenes Inventar, Hash-Kette, Amendment-Log, Zweitkodierung), die nachträgliches Hypothesen-Anpassen strukturell erschwert. Zentrale Arbeitshypothese: Agentische KI verschiebt Solo-Gründerarbeit von der Erstellung zur Supervision und Markt-Konversion — der Brutto-Output kann um Größenordnungen steigen, während der wirtschaftliche Wert durch Verifikationslast, Wartbarkeit und Distribution begrenzt bleibt. Konfirmatorische Datenerhebung ab T0 (spätestens 2026-07-31) über 12 Monate. Teil 0 einer mehrteiligen, aufeinander aufbauenden Studienreihe (Substrat → Architektur → Empirie).

Fields of Study & Subjects

Digital Innovation in Industries Corporate Management and Leadership Robotic Process Automation Applications

Publication details

Journal / source
Zenodo (CERN European Organization for Nuclear Research)
Publication date
14 June 2026
Language
DE
Document type
Preprint