Lifecycle stage — Govern
Das ist nicht das Fractional-CAIO-Engagement. Es ist die Startup-Adaption fraktionaler Führungsarbeit, und die Arbeit ist strukturell anders. Ein mittelständisches Unternehmen mit einem Portfolio an KI-Initiativen braucht einen Chief AI Officer — Governance, P&L, Board-Reporting, Vendor-Aufsicht. Ein Seed-bis-Series-B-Startup, bei dem KI das Produkt ist, braucht das nicht. Es braucht einen Chief Technology Officer, der in der Codebasis ist, die technische Roadmap besitzt, die Critical-Path-Code-Reviews fährt, Build-vs.-Buy-Entscheidungen trifft, die ersten drei Engineers einstellt und die On-Call-Disziplin setzt, die das Team eines Tages selbst besitzt. Ein CAIO regiert ein Portfolio; ein CTO liefert das Produkt. Einen Fractional-CAIO in ein Startup zu stecken, das einen CTO braucht, erzeugt eine Beratungsschicht, die keinen Code ausliefert, und das Unternehmen zahlt für Aufsicht, die es noch nicht benötigt, während das Auslieferungsproblem ungelöst bleibt. Ich habe zehn KI-Ventures als Gründer und Operator ausgeliefert — Auralink ist das größte mit 1,7 Millionen Zeilen Produktionscode und peer-reviewed auf arXiv —, was ein anderes Credential ist als Enterprise-KI-Governance geführt zu haben. Dieses Engagement nutzt dieses Credential. Sechs bis zwölf Monate, zwei bis drei Tage pro Woche, Exit-Kriterien beim Kickoff definiert: eine benannte Vollzeit-CTO-Einstellung, der Gründungs-CTO, der mit transferiertem Muster-Know-how in den Sitz rückt, oder ein Series-Level-Reifegrad, ab dem die Engineering-Organisation ohne fraktionale Führung läuft.
Das Gründerteam hat einen besten Engineer, keine technische Führungskraft. Jemand aus dem Gründerteam hat die erste funktionierende Version des Produkts geschrieben und führt Engineering nun standardmäßig. Die Umsetzungsstärke ist da, aber die Muster fehlen, die erst nach mehreren Produktiv-Deployments sichtbar werden — Architektur-Entscheidungen, die sich summieren, Review-Disziplin, die Regressionen vor den Kunden abfängt, Einstellungsfilter, die die Engineers einlassen, die auch bei zehn Personen produktiv bleiben. Das Startup braucht diese Muster jetzt, nicht erst nach einer Vollzeit-CTO-Einstellung im Monat zwölf. Der Fractional CTO bringt die Muster sofort mit und transferiert sie bewusst.
Die erste ML-Engineer-Einstellung ist die Entscheidung mit dem höchsten Einsatz, die das Startup noch nicht gut getroffen hat. Die erste produktive ML-Engineer-Einstellung — diejenige, die die Modellpipeline, den Eval-Harness und den Inferenzstack tatsächlich besitzen wird — verlangt die Beurteilung von Kandidaten anhand von Urteilsentscheidungen, die die Gründer selbst noch nicht treffen mussten. Typisches Ergebnis: entweder eine teure Senior-Einstellung, die das Unternehmen nicht produktiv führen kann, oder eine Junior-Einstellung, die die Form des Problems noch lernt. Ein Fractional CTO, der selbst feingetunte Modelle in Produktion gebracht hat, fährt die Interview-Loops, schreibt die technischen Problem-Sets und führt die Reference Calls, die eine Nichtspezialistin im Gründerteam nicht glaubwürdig führen kann.
Architektur-Entscheidungen im Seed werden zur Refactoring-Schuld in der Series A. Die Model-Serving-Entscheidung, die in Monat drei für die Demo getroffen wurde, die Vektordatenbank, die wegen eines guten Tutorials gewählt wurde, der Inferenzstack, zusammengestückelt aus Frontier-API-Calls und Python-Skripten — jedes davon summiert sich. In der Series A kostet das Auftrennen dieser Entscheidungen mehrere Engineer-Monate und ein verpasstes Roadmap-Quartal. Ein CTO in der Codebasis fängt die sich kumulierenden Entscheidungen an dem Punkt ab, an dem ihre Korrektur ein Tagesaufwand ist, kein Quartalsaufwand. Das fraktionale Modell macht diesen CTO sechs Monate früher leistbar, als es eine Vollzeit-Einstellung wäre.
Technische Due Diligence für Series A oder strategische Kunden läuft schlecht ohne technische Vertretung, die die Investoren respektieren. Ein Series-A-Technical-DD-Call oder die Architektur-Review, die ein Fortune-500-Pilot blockiert, verlangt eine glaubwürdige technische Stimme im Raum — kein Slide Deck. Gründer ohne tiefe Produktiv-ML-Mustererkennung werden bei Fragen infrage gestellt, die ein erfahrener CTO in neunzig Sekunden beantworten würde. Der Fractional CTO führt diese Gespräche im Engagement direkt und bereitet das Gründerteam darauf vor, sie anschließend eigenständig zu führen. Das Credential, das die Investoren prüfen, ist das, das das Engagement in den Raum bringt.
Das Engagement läuft mit zwei bis drei Tagen pro Woche, eingebettet ins Engineering-Team, mit Exit-Kriterien, die beim Kickoff definiert werden. Die Arbeit ist operativ: Architektur-Review auf kritischen Pfaden, Code-Review auf den Commits, die zählen, Interview-Loops für die ersten Engineering-Einstellungen, On-Call-Teilnahme, bis das Team sie besitzen kann, und die Vendor-Gespräche — Inferenz-Anbieter, Base-Model-Lizenzierung, Cloud-Credits —, die Verhandlungen auf Startup-Maßstab verlangen. Board- und Investorenvertretung ist Teil des Sitzes; Portfolio-Governance nicht. Das ist ein CTO-Engagement, kein CAIO-Engagement.
Tiefes Lesen der Codebasis, der Datenpipelines, der Infrastruktur und des Modellstacks. Identifikation der Architektur-Entscheidungen, die sich kumulieren, der Produktionsreife-Lücken und der Engineering-Einstellungen, die das Unternehmen in den nächsten zwei Quartalen braucht. Eine schriftliche technische Roadmap landet am Ende von Monat eins — spezifisch, sequenziert, mit dokumentierten Trade-offs, damit die Gründer dort widersprechen können, wo ihre Produktprioritäten abweichen. Die Roadmap ist das Artefakt, gegen das der Rest des Engagements läuft, kein Strategie-Deck.
Den Sitz betreiben. Architektur-Reviews zu den Entscheidungen, die die Form des Produkts setzen — Model-Serving-Entscheidung, Evaluations-Infrastruktur, Observability-Stack, Inferenz-Kostenmodell. Code-Review auf den kritischen Pfaden, bis die Disziplin des Teams sie tragen kann. Die ersten zwei oder drei Engineering-Einstellungen werden Ende-zu-Ende geführt — Scorecard, Interview-Loop, technische Problem-Sets, Reference Calls, Closing —, weil der Schaden einer falschen Einstellung größer ist als die Kosten des Engagements selbst. Vendor-Gespräche beginnen: Inferenz-Anbieter, Cloud-Credits, Base-Model-Lizenzierung.
Die Engineering-Organisation beginnt, Produktionsbetrieb ernst zu nehmen. On-Call-Rotation, Incident-Response-Disziplin, der Eval-Harness, der Modell-Updates messbar macht, der Observability-Stack, der Regressionen vor den Kunden abfängt. Technische Vertretung in Series-A- oder -B-Due-Diligence-Calls, in Architektur-Reviews für strategische Kundenpiloten und in den Board-Sitzungen, in denen technische Fragen auf der Agenda stehen. Das Gründerteam übernimmt zunehmend die weniger kritischen Gespräche direkt, mit Vorbereitung und Debrief, weil der Mustertransfer der Punkt ist.
Die beim Kickoff definierten Exit-Kriterien rücken in Sichtweite. Eine benannte Vollzeit-CTO-Einstellung landet, oder der Gründungs-Engineer rückt mit transferiertem Muster-Repertoire in den Sitz, oder die Organisation erreicht einen Series-Reifegrad, ab dem sie ohne fraktionale Schicht läuft. Ich fahre die Interview-Loop für den Vollzeit-CTO, wenn das der gewählte Pfad ist. Der interne Nachfolger, wenn das der Pfad ist, führt ab Monat neun bereits relevante Teile des Sitzes und übernimmt ihn sauber in Monat zwölf. Der Exit hinterlässt die Engineering-Organisation stärker als zuvor und ausdrücklich nicht mehr abhängig von meiner Präsenz, um auszuliefern.
Seed- bis Series-B-Startups mit fünf bis dreißig Engineers, KI im kritischen Pfad des Produkts — kein Enablement-Werkzeug, das einem anderen Geschäft aufgesetzt ist — und einem Gründerteam, dem Senior-ML-Engineering-Führung fehlt. Unternehmen, die auf einen Series-A- oder -B-Technical-DD-Zyklus, einen ersten strategischen Enterprise-Piloten oder einen Produktions-Wendepunkt zusteuern, an dem das Fehlen einer technischen CTO-Stimme zum bindenden Engpass wird. Gründer, die verstehen, dass die Arbeit Engineering-Führung ist — Architektur, Hiring, Code-Review, On-Call — und keine beratende Governance. Das ist nicht für Startups, bei denen KI ein Feature eines Nicht-KI-Produkts ist; diese brauchen in diesem Scope oft eher eine erfahrene Engineering-Leitung als einen Fractional CTO. Es ist auch nicht für mittelständische Unternehmen mit einem KI-Portfolio über mehrere Geschäftseinheiten — das Fractional-CAIO-Engagement ist in diesem Scope die korrekte Variante, weil die Arbeit dort Governance und Board-Reporting ist, nicht Code auszuliefern.
Ein CAIO regiert ein Portfolio an KI-Initiativen in einem Enterprise — Strategie, Risiko-Posture, Board-Reporting, Vendor-Aufsicht — und liefert typischerweise keinen Code aus und fährt keine Interview-Loops für Engineering-Einstellungen. Ein CTO in einem Startup ist in der Codebasis, besitzt die technische Roadmap, fährt Critical-Path-Code-Reviews, stellt die ersten Engineers ein und setzt die On-Call-Disziplin. Für ein Startup, bei dem KI das Produkt ist, ist der CAIO-Scope die falsche Arbeit auf der falschen Flughöhe. Wenn Ihr Unternehmen ein mittelständisches Unternehmen mit einem KI-Portfolio über mehrere Geschäftseinheiten ist, ist das Fractional-CAIO-Engagement die korrekte Variante; wenn Sie ein Startup sind, ist es dieses hier.
Ja, auf den kritischen Pfaden, wo eine erfahrene Hand an der Tastatur materiell schneller ist als das Reviewen fremder Arbeit — Prototyp-Model-Serving-Entscheidungen, Gerüste für den Eval-Harness, der erste Wurf des Observability-Stacks. Der Großteil der Schreibtätigkeit ist Code-Review und Architektur, nicht Individual-Contributor-Output, weil der Punkt ist, die Flughöhe der Engineering-Organisation anzuheben, nicht ihr produktivster Einzelbeitragender zu sein. Der Test ist, ob das Team besser und schneller ausliefert, nicht, wie viel Code ich persönlich in der Woche geschrieben habe.
Das Engagement passt sich an. Die Series A setzt die Engineering-Trajektorie meist zurück — größere Einstellungen, anspruchsvollere Kunden, härtere Produktionsanforderungen —, und die CTO-Arbeit während und nach dieser Runde ist genau die Arbeit, für die das Engagement gebaut wurde. Die Exit-Kriterien werden an diesem Punkt neu geprüft, weil die Vollzeit-CTO-Einstellung auf eine Weise realistisch wird, wie sie es im Seed nicht war, und wir fahren die Interview-Loop Ende-zu-Ende, wenn das der gewählte Pfad ist. Mehrere Engagements endeten stattdessen mit dem Aufstieg des internen Nachfolgers, was meist das bessere Ergebnis ist, wenn der Gründungs-Engineer die Trajektorie hat.
Ja, im Rahmen des Engagements. Series-A- oder -B-Technical-DD-Calls, strategische Kunden-Architektur-Reviews und Board-Sitzungen, in denen technische Fragen auf der Agenda stehen, sind Teil des Sitzes. Was ich nicht tue, ist CTO auf einem Slide Deck zu spielen — ich stehe als fraktionaler Executive auf der Payroll, während des Engagements auf der Team-Seite namentlich aufgeführt, und bin glaubwürdig repräsentiert, weil die Arbeit real ist. Nach dem Engagement bin ich auf spezifische Eskalationen per Vorab-Vereinbarung verfügbar, aber die fortlaufende Vertretung ist die Aufgabe des Vollzeit-Nachfolgers, nicht meine.
Wenn diese Engineer persönlich produktive KI-Systeme an mehrere Enterprise-Kunden ausgeliefert, ein Team von zehn Personen eingestellt und geführt, technische Gespräche auf Board-Ebene geführt und Vendor-Verträge auf Startup-Maßstab verhandelt hat, dann brauchen Sie mich wahrscheinlich nicht. Die meisten Senior Engineers in KI-nativen Startups haben das nicht — sie haben Produktfeatures ausgeliefert, aber keinen CTO-Sitz Ende-zu-Ende betrieben. Das Engagement ist explizit so strukturiert, diese Engineer bis Monat neun in den Sitz zu coachen, wenn die Trajektorie da ist, oder den Sitz mit ihr zusammen zu führen, bis eine Vollzeit-Einstellung landet, wenn sie es nicht ist. In jedem Fall ist die Nachfolger-Vorbereitung der Punkt, nicht meine unbefristete Präsenz.
30 Minuten. Ich diagnostiziere Ihre Situation und sage Ihnen ehrlich, ob dieser Service passt — und wenn nicht, welcher.