Warum Startups scheitern: Was Studien über die eigentlichen Ursachen zeigen

Warum Startups scheitern, erklären Studien mit vier Mustern: fehlende Kundennähe, ausbleibende Tests, falsches Timing und unklare Abgrenzung zum Wettbewerb.

Unternehmertum · · 8 Min.

Titelbild zum Artikel „Warum Startups scheitern: Was Studien über die eigentlichen Ursachen zeigen“ von Felix Schmitz (Unternehmertum)

Kurz gesagt

  • Startups scheitern selten an einem einzelnen Grund, und das leere Konto ist meist das letzte Glied einer längeren Kette.
  • In 50 Berichten gescheiterter Gründer fehlte es am häufigsten an zwei Kompetenzen: Informationen zu suchen und sich am Kunden zu orientieren.
  • Eine Studie mit 106 gescheiterten Software-Startups zeigt, dass Experimentieren in fünf Stufen abläuft und Teams auf jeder davon hängen bleiben können.
  • Bei mehr als 700 europäischen Gründungen hing der Erfolg davon ab, wie nah sie zeitlich am Höhepunkt ihrer Technologiewelle starteten.
  • Wer Kunden früh fragt, Annahmen testet und daraus Konsequenzen zieht, senkt das Risiko an den Stellen, die er selbst in der Hand hat.
Mit ChatGPT, Claude oder Perplexity weiterdenken
Inhalt6 Abschnitte

Warum Startups scheitern, lässt sich fast nie mit einem einzigen Grund erklären. Die Forschung zeigt vor allem vier Muster: Das Team sucht zu wenig Informationen über seine Kunden, es prüft seine Annahmen nicht oder zieht daraus keine Konsequenzen, es startet zum falschen Zeitpunkt, oder es grenzt sich zu wenig oder zu stark vom Bestehenden ab. Das leere Konto steht meist am Ende dieser Kette.

Ich schreibe das nicht als Beobachter von außen. Ich habe selbst einmal drei Monate in ein Produkt gesteckt, das niemand wollte. Was mich das gekostet hat und was ich daraus gelernt habe, steht im Artikel Scheitern als Unternehmer. Dort geht es um die persönliche Seite.

Hier geht es um die Ursachen. Dafür habe ich mir angesehen, was begutachtete Studien dazu sagen, und vier ausgewählt, die über die üblichen Listen hinausgehen. Eine davon untersucht Metal-Bands, und sie war am Ende eine der lehrreichsten.

Warum die üblichen Listen wenig erklären

Wer nach den Gründen sucht, findet schnell Ranglisten: kein Marktbedarf, Geld ausgegangen, falsches Team, von der Konkurrenz überholt. Solche Listen stammen meist aus Umfragen unter Gründern, die zurückblicken. Schlichte, Junge und Mammen (2019) erwähnen im Journal of Business Economics genau solche Praxisumfragen: Dort tauchen ein fehlender Marktbedarf und ein falsch gewählter Zeitpunkt des Markteintritts als zentrale Gründe auf. Die Autoren merken an, dass die Forschung diese Punkte lange kaum aufgegriffen hat.

Mein Problem mit den Listen ist ein anderes. Sie beschreiben, was am Ende sichtbar war. Kein Marktbedarf ist eine Feststellung, keine Erklärung. Die interessante Frage lautet, warum ein Team monatelang an etwas bauen konnte, ohne das zu merken.

Vergleichsgrafik dazu, warum Startups scheitern: sichtbare Gründe wie kein Marktbedarf, Geld ausgegangen, von Wettbewerbern überholt und zu früh am Markt stehen den Ursachen dahinter gegenüber, etwa fehlender Kundennähe und ungetesteten Annahmen
Die bekannten Gründe sind oft Symptome, die Ursachen liegen meist Monate früher im Verhalten des Teams.

Die rechte Spalte ist meine Zuordnung. Sie stützt sich auf die vier Studien, um die es in den nächsten Abschnitten geht.

Warum Startups scheitern: vier Studien, vier Blickwinkel

Die vier Arbeiten nähern sich der Frage auf sehr verschiedene Weise. Zwei schauen auf das Verhalten gescheiterter Teams, zwei auf die Bedingungen, unter denen Gründungen starten.

Kennzahlen-Grafik zu Studien darüber, warum Startups scheitern: 50 Berichte gescheiterter Gründer, 106 gescheiterte Software-Startups, mehr als 700 europäische Gründungen und 1.668 britische Metal-Bands
Zwei Studien fragen gescheiterte Teams, zwei werten große Datensätze zu Zeitpunkt und Abgrenzung aus.

Kompetenzlücken: Wer nicht fragt, erfährt es zu spät

Szathmári, Varga, Molnár, Németh, Szabó und Kiss (2024) haben in Frontiers in Psychology einen ungewöhnlichen Weg gewählt. Sie nahmen 50 online veröffentlichte Berichte, in denen Gründer das Ende ihres Startups schildern, und ließen sie von drei Personen systematisch auswerten. Die Frage war, welche Kompetenzen den Teams aus Sicht ihrer Geschäftsführer gefehlt haben.

Zwei Lücken stachen heraus:

  • Informationssuche. Die Teams haben zu wenig aktiv nach Informationen gesucht.
  • Kundenorientierung. Sie haben sich zu wenig an dem ausgerichtet, was Kunden brauchen.

Dahinter folgten Lücken bei fachlichem Können, analytischem Denken und Flexibilität.

Informationssuche klingt abstrakt. Ich verstehe darunter das aktive Bemühen, mehr herauszufinden, als einem zufällig begegnet: Fragen stellen, nachhaken und Annahmen prüfen, bevor man entscheidet.

Bemerkenswert finde ich die Reihenfolge. Fehlendes technisches Können steht nicht an erster Stelle. Vorn liegen zwei Dinge, die jeder sofort ändern könnte: fragen und zuhören. Die Einschränkung ist offensichtlich. Es sind 50 Berichte, die Gründer freiwillig veröffentlicht haben, und sie schildern ihre eigene Sicht im Rückblick. Wer so einen Text schreibt, ist vermutlich reflektierter als der Durchschnitt. Trotzdem passt der Befund zu dem, was ich selbst erlebt habe. Wie du Kunden so befragst, dass du ehrliche Antworten bekommst, beschreibe ich im Artikel Kundengespräche führen.

Experimentieren: fünf Stufen, auf denen Teams hängen bleiben

Melegati, Edison und Wang (2022) gehen in den IEEE Transactions on Software Engineering einem Widerspruch nach. Die Forschung legt nahe, dass Experimente die Erfolgschancen von Software-Startups verbessern können, weil sich damit Annahmen über Kunden prüfen lassen, bevor ein vollständiges Produkt entsteht. In der Praxis nutzen Startups das laut den Autoren aber seltener als erwartet. Um zu verstehen warum, haben sie 106 gescheiterte Software-Startups qualitativ befragt.

Ihr Ergebnis ist ein Stufenmodell. Wirksames Experimentieren entsteht in fünf Schritten, die aufeinander aufbauen:

Grafik mit den fünf Stufen des Experimentierens, an denen Startups scheitern können: Experimente kennen, die Absicht entwickeln, Experimente durchführen, Ergebnisse auswerten und nach dem Gelernten handeln
Ein Experiment nützt erst, wenn ein Team auch die letzte Stufe erreicht und seine Entscheidung ändert.

Entlang dieser Stufen fanden die Autoren 25 Hindernisse, die ein Team am Weiterkommen hindern. Welche das im Einzelnen sind, steht nicht im Abstract.

Mir hat das Modell die Augen für einen Denkfehler geöffnet. Ich hatte Experimentieren für eine Frage des Wissens gehalten: Wer Lean Startup kennt, testet auch. Das Modell zeigt, dass Wissen nur die erste von fünf Stufen ist. Ein Team kann die Methode kennen und nie einen Test aufsetzen. Es kann testen und die Ergebnisse schönreden. Und es kann sie richtig lesen und trotzdem weitermachen wie zuvor. Der Schaden entsteht auf jeder Stufe gleich, denn in allen Fällen baut das Team auf einer ungeprüften Annahme weiter.

Die letzte Stufe halte ich für die härteste. Nach dem Gelernten zu handeln heißt manchmal, die Richtung zu wechseln. Wie das geht, steht im Artikel über den Pivot.

Timing: Der Abstand zur Welle zählt

Schlichte, Junge und Mammen (2019) untersuchen, ob der Zeitpunkt der Gründung über den Erfolg mitentscheidet. Sie werten Daten von mehr als 700 europäischen Gründungen aus, die auf wichtige Technologien setzen. Ihre Idee: Die Zahl der Neugründungen zu einer Technologie verläuft über die Zeit wie eine Welle. Sie steigt an, erreicht einen Höhepunkt und flacht ab.

Der Befund: Der zeitliche Abstand zum Höhepunkt dieser Welle hängt deutlich mit dem Erfolg zusammen. Je weiter eine Gründung davon entfernt lag, desto schlechter schnitt sie ab. Dazu kommt ein regionaler Effekt. In Regionen, in denen Menschen Unsicherheit eher scheuen, hatten Gründungen tendenziell weniger Erfolg, während der Nachteil des Abstands in weniger unsicherheitsscheuen Regionen schwächer ausfiel.

Ob ein Abstand vor dem Höhepunkt anders wirkt als einer danach, lese ich aus dem Abstract nicht heraus. Ich nehme deshalb nur die grobe Aussage mit. Sehr früh zu sein ist riskant, weil Kunden und Umfeld noch nicht bereit sind. Sehr spät zu sein ist riskant, weil der Markt verteilt ist. Wann sich frühes Starten trotzdem lohnt, behandle ich im Artikel zum First Mover Advantage.

Angenommen, du baust ein Werkzeug auf einer Technologie, zu der gerade jede Woche neue Anbieter entstehen. Dann bist du nah am Höhepunkt der Welle. Das Umfeld versteht, was du tust, du brauchst aber einen klaren Unterschied zu den anderen. Baust du dagegen auf etwas, das noch kaum jemand kennt, solltest du Zeit und Geld für Erklärarbeit einplanen.

Abgrenzung: zwischen Kopie und Sonderling

Die vierte Studie kommt aus einer unerwarteten Ecke. Goldenstein, Hunoldt und Oertel (2019) testen im Journal of Business Venturing das Konzept der optimalen Unterscheidbarkeit, und zwar an 1.668 Metal-Bands, die zwischen 1967 und 2005 in Großbritannien gegründet wurden. Bands sind für die Forscher neue Unternehmungen in einem Markt mit klaren Kategorien, hier den Unterarten des Genres.

Sie messen, wie stark eine Band mehrere Kategorien überspannt, und setzen das ins Verhältnis zum Risiko, sich aufzulösen. Der Zusammenhang ist nicht linear, er hat die Form eines U. Das niedrigste Risiko hatten Bands, die optimal unterscheidbar waren, also den Ausgleich fanden zwischen Anpassung an die Konkurrenz und Abgrenzung von ihr. Besonders wichtig war das in den ersten Jahren. Und je dichter eine Kategorie besetzt war, desto stärker wirkte der Effekt.

Eine Band ist kein Softwareunternehmen, das ist mir klar. Der Gedanke überträgt sich für mich trotzdem gut. Wer genauso aussieht wie zehn andere Anbieter, gibt niemandem einen Grund zu wechseln. Wer so anders ist, dass ihn keiner einordnen kann, muss erst erklären, was er überhaupt ist. Für eine Agentur, einen Coach oder ein Werkzeug gilt dasselbe: vertraut genug, um verstanden zu werden, und eigen genug, um im Gedächtnis zu bleiben.

Was die Studien offenlassen

Keine der vier Arbeiten nennt eine Quote dafür, wie viele Startups scheitern, und ich nenne deshalb auch keine. Die Zahlen, die dazu kursieren, hängen stark davon ab, was als Startup und was als Scheitern zählt.

Offen bleibt auch, wie die Muster zusammenwirken. Jede Studie beleuchtet einen Ausschnitt mit eigenen Daten. Ob fehlende Kundennähe schwerer wiegt als ein schlechter Zeitpunkt, lässt sich daraus nicht ablesen. Ich vermute, dass sich die Muster gegenseitig verstärken. Ein Team, das wenig fragt, merkt auch spät, dass der Zeitpunkt nicht stimmt oder dass Kunden es mit drei anderen Anbietern verwechseln.

Und schließlich fehlt in allen vier Studien der Zufall. Manche guten Teams scheitern an Dingen, die niemand vorhersehen konnte. Die Forschung beschreibt, was das Risiko erhöht. Eine Garantie gibt sie in keine Richtung.

Frühe Zeichen und was du dagegen tun kannst

Aus den vier Studien habe ich eine Liste gebaut, die ich auf eigene Projekte anwende. Die Zeichen und Gegenmittel stammen von mir.

Muster Frühes Zeichen Gegenmittel
Fehlende Kundennähe Im letzten Monat kein Gespräch mit einem möglichen Kunden Feste Zahl an Gesprächen pro Woche
Ungetestete Annahmen Du baust seit Wochen, ohne dass jemand etwas ausprobiert hat Die unsicherste Annahme zuerst klein testen
Test ohne Folgen Ergebnisse werden besprochen, aber nichts ändert sich Vor dem Test festlegen, was bei welchem Ergebnis passiert
Ungünstiger Zeitpunkt Niemand versteht das Problem oder alle haben schon eine Lösung Beobachten, wie viele Anbieter gerade entstehen
Unklare Abgrenzung Kunden vergleichen dich nur über den Preis Einen Unterschied benennen, den ein Kunde in einem Satz wiedergibt

Zu jedem Muster gehört am Ende die Frage nach dem Geld. Je niedriger deine laufenden Kosten sind, desto mehr Zeit hast du, die frühen Zeichen zu bemerken und zu reagieren. Wie du das rechnest, steht im Artikel zur Burn Rate.

Was ich daraus für meine Projekte mache

Seit meinem Fehlstart stelle ich vor jedem neuen Projekt die Frage, ob jemand dafür Zeit, Daten oder Geld hergeben würde. Die Antwort hole ich mir, bevor ich baue.

KI hat daran etwas verändert, aber weniger, als man denkt. Mit Claude Code habe ich quik connect in zwei Wochen gebaut. Das senkt den Preis eines Irrtums enorm, denn ein falsches Produkt kostet mich heute Wochen und keine Monate mehr. Eines meiner Learnings aus dem Projekt gilt aber weiter: KI ändert das Tempo, nicht das Verstehen. Wer schneller baut, ohne mehr zu fragen, scheitert nur schneller am selben Punkt.

Das Geld geht am Ende aus, die Fragen an die Kunden sind meist schon viel früher ausgegangen.

Deshalb behandle ich Kundengespräche und kleine Tests wie feste Termine und nicht wie etwas, das ich erledige, wenn Zeit ist. Systeme statt Willenskraft gilt hier besonders, weil der Wunsch, einfach weiterzubauen, immer stärker ist als die Lust auf unbequeme Antworten.

Fazit

Warum Startups scheitern, zeigt sich in den Studien als Kette. Am Anfang stehen fehlende Informationssuche und fehlende Kundennähe. Dann folgen Annahmen, die nie geprüft wurden, oder Tests, aus denen niemand Konsequenzen zog. Hinzu kommen Bedingungen wie der Zeitpunkt und die Abgrenzung zum Wettbewerb. Am Ende fehlt das Geld, und das wird dann als Grund genannt.

Mein Vorschlag für diese Woche: Schreib die Annahme auf, von der dein Vorhaben am stärksten abhängt, und überleg dir den kleinsten Test, der sie widerlegen könnte. Leg vorher fest, was du tust, wenn er sie widerlegt. Welche Tests ich bei meinen eigenen Projekten mache und was dabei herauskommt, teile ich in den Unternehmer Thoughts.

Mit KI weiterdenken

Frag deine KI zu diesem Artikel

Öffnet den Dienst in einem neuen Tab. Erst mit dem Klick geht der Prompt an den Anbieter, vorher wird nichts übertragen.

Häufige Fragen

Warum scheitern die meisten Startups?

Die Forschung nennt vor allem fehlende Kundennähe, ungetestete Annahmen, einen ungünstigen Zeitpunkt des Markteintritts und eine unklare Abgrenzung zu bestehenden Angeboten. Geldmangel ist häufig die Folge dieser Ursachen. Meist wirken mehrere Faktoren zusammen.

Was ist der häufigste Grund für das Scheitern von Startups?

In Umfragen unter Gründern werden ein fehlender Marktbedarf und ein falscher Zeitpunkt besonders oft genannt. Eine Analyse von 50 Berichten gescheiterter Gründer fand dahinter vor allem zwei Kompetenzlücken: zu wenig Informationssuche und zu wenig Orientierung am Kunden.

Wie kann man das Scheitern eines Startups verhindern?

Verhindern lässt es sich nicht sicher, aber das Risiko sinkt, wenn du vor dem Bauen mit möglichen Kunden sprichst, deine wichtigsten Annahmen mit kleinen Tests prüfst und aus den Ergebnissen tatsächlich Konsequenzen ziehst. Dazu gehört auch, den Zeitpunkt und die eigene Abgrenzung zum Wettbewerb bewusst zu wählen.

Scheitern Startups am Geld?

Das Geld geht am Ende fast immer aus, es ist aber selten die erste Ursache. Meist fehlen vorher zahlende Kunden, weil das Angebot am Bedarf vorbeigeht oder zu spät geprüft wurde. Wer seine Ausgaben niedrig hält, gewinnt Zeit, um das zu merken.

Quellen4 Quellen
  1. Szathmári, Varga, Molnár et al. (2024): Why do startups fail? A core competency deficit model. Frontiers in psychology (öffnet in neuem Tab)
  2. Melegati, Edison, Wang (2022): XPro: A Model to Explain the Limited Adoption and Implementation of Experimentation in Software Startups. IEEE Transactions on Software Engineering (öffnet in neuem Tab)
  3. Schlichte, Junge, Mammen (2019): Being at the right place at the right time: does the timing within technology waves determine new venture success?. Journal of Business Economics (öffnet in neuem Tab)
  4. Goldenstein, Hunoldt, Oertel (2019): How optimal distinctiveness affects new ventures' failure risk: A contingency perspective. Journal of Business Venturing (öffnet in neuem Tab)

Passt dazu

Alle Artikel