Garry Tan hat kürzlich einen langen Beitrag mit dem Titel „Meta-Meta-Prompting: The Secret to Making AI Agents Work“ veröffentlicht und im Detail offengelegt, wie er ein durch AI-agent getriebenes „Second-Brain“-System aufgebaut hat. Er sagt, dass ihn AI in den vergangenen fünf Monaten wieder dazu gebracht habe, sich neu in einen Builder zu verwandeln – ja sogar seine tägliche Arbeitsweise als CEO von Y Combinator grundlegend verändert habe.
YC-CEO: Die Zukunft gehört denen, die compound AI systems aufbauen
Garry Tan ist der Ansicht, dass die meisten Menschen AI weiterhin als Chat-Window nutzen, aber die echte Chance darin liegt, AI als ein „Betriebssystem (operating system)“ zu betrachten: ein System, das dauerhaft speichert, aufbaut, aktualisiert und die eigenen Kenntnisse, Meetings, das Lesen und Workflows miteinander verknüpft. Er sagt sogar wörtlich: „Die Zukunft gehört denen, die compound AI systems aufbauen, nicht denen, die nur die zentralisierten AI-Tools großer Unternehmen nutzen.“
(YC-Partner teilen, wie man mit AI von Null an ein Unternehmen aufbaut; Startups sollten AI als Betriebssystem und nicht als Tool begreifen)
Das deckt sich auch mit unserem vorherigen Bericht: Egal ob bei den Y Combinator Summer 2026 Requests for Startups (RFS) oder bei der YC-Partnerin Diana im Startup School – überall wird erwähnt, dass AI-Startups sich von „der Verbesserung der persönlichen Arbeitseffizienz“ hin zu „dem Wiederaufbau von Organisationen und Industrieprozessen“ bewegen. AI sollte nicht nur ein Effizienz-Tool sein, das ein Unternehmen gelegentlich nutzt, sondern sollte bereits ab dem ersten Tag so konzipiert werden, dass es das Betriebssystem des ganzen Unternehmens bildet.
(YC veröffentlicht 15 neue Startup-Richtungen, in die es im Summer 2026 investieren will: AI-Entrepreneurship bedeutet nicht, einen Chatbot in ein Produkt zu stopfen)
AI macht ihm buddhistische Bücher zu einem „Spiegel fürs Leben“
Garry Tan teilt mit, dass er beim Lesen von Pema Chödröns Buch „When Things Fall Apart“ zum ersten Mal die wirkliche Stärke von personal AI erkannt habe. Er hat von seinem AI-System einen „book mirror“-Ablauf eingefordert: Zuerst werden die 22 Kapitel des gesamten Buchs zerlegt, dann erledigen mehrere sub-agents gleichzeitig zwei Aufgaben: die Kernthesen des Autors zusammenzufassen und jede dieser Thesen auf Garry Tans eigenes Leben abzubilden.
Und das ist kein allgemeines Seelennahrung-Gerede, sondern wird direkt kombiniert mit:
Familienhintergrund
Gründungshistorie
YC-Arbeit
Late-Night-Notizen
Lesehistorie
Inhalte aus der Therapie
Gespräche mit Gründern
Am Ende entsteht ein über 30.000 Wörter langes „brain page“.
Wenn das Buch zum Beispiel über groundlessness (mangelnde Verankerung) spricht, verknüpft das System es mit einem konkreten Gespräch mit einem founder in der Woche zuvor; wenn es um fear geht, greift es ein von der therapist genanntes Verhaltensmuster auf; und wenn es um letting go geht, verknüpft es es mit dem kreativen Freiheitsgefühl, das er nachts in sein Notizbuch geschrieben hat.
Garry Tan sagt, dass der gesamte Prozess nur etwa 40 Minuten dauert. Er glaubt, dass selbst ein Psychotherapeut im Stundenlohn von 300 US-Dollar eine vergleichbare Analyse nicht in 40 Stunden schaffen könnte, weil Menschen nicht in der Lage sind, gleichzeitig alle Arbeitskontexte, die Lesehistorie, Meeting-Protokolle und das Beziehungs-Map zu laden – AI dagegen schon.
Der eigentliche Schlüssel ist nicht das Modell, sondern „ein Skillsystem“
Allerdings ist Garry Tan der Meinung, dass bei AI-agenten das wirklich Wichtige nicht das einzelne Modell ist, sondern „skills“. Sein System umfasst derzeit mehr als 100 [AI skills](https://www.gate.com/zh/skills-hub) und etwa 100.000 Seiten Wissensdaten.
Er nennt diese Architektur:
Fat skills. Fat code. Thin harness.
Das bedeutet:
Harness (runtime/router) sollte dünn sein
Skills sollten fett sein
Der echte Wert liegt in Wissen, Workflows und Daten
Aktuell nutzt er Anthropic Claude Opus 4.7 für Precision, GPT-5.5 für Recall und Extraction, DeepSeek V4-Pro für kreatives Arbeiten sowie Groq + Llama für schnelles Reasoning, während OpenClaw und Hermes Agent für Routing zuständig sind.
Garry Tan glaubt: „Modelle sind nur der Motor, der Rest ist das Auto.“ AI-agents sind nicht mehr nur Prompting, sondern ein beliebig wiederholbarer Workflow mit Zinseszins-Effekt. Garry Tan betont, dass er mittlerweile fast gar nicht mehr AI promptet. Entscheidend ist das skill system.
Beispiele:
meeting-ingestion
media-ingest
enrich
perplexity-research
investor-update-ingest
email-triage
calendar-check
Jeder skill ist ein wiederholbares, testbares und kombinierbares Workflow-Modul. Und am wichtigsten: Er hat außerdem ein Metaskill namens „Skillify“ aufgebaut. Wenn er feststellt, dass ein bestimmter Workflow immer wieder auftaucht, reicht es, Folgendes einzugeben: skillify this
Dann analysiert das System die gerade durchgeführten Aktionen, extrahiert wiederholbare Muster, erstellt eine skill file, fügt ein resolver routing system hinzu und sammelt alles für alle zukünftigen Workflows.
100.000 Seiten Wissensdatenbank: AI wird zu einem Nervensystem statt zu einer Aktenschublade
Garry Tan sagt, dass er derzeit eine strukturierte knowledge base mit etwa 100.000 Seiten pflegt. Für jede Person, jedes Unternehmen, jedes Meeting, jedes Buch, jeden Podcast, jeden Artikel und jede Idee wird eine eigene Seite angelegt. Und nach jedem Meeting erstellt die AI automatisch ein Transcript, erzeugt Zusammenfassungen, aktualisiert die Personen-Seiten, aktualisiert die Unternehmens-Seiten, aktualisiert die Timeline, aktualisiert open threads und aktualisiert den relationship context.
Das bedeutet: AI speichert nicht mehr nur Daten, sondern beginnt, wie ein „Nervensystem“ zu wirken. Er beschreibt den Unterschied so: Eine Aktenschublade speichert nur Dinge – ein Nervensystem verknüpft, erinnert, aktualisiert und leitet Schlussfolgerungen ab.
Im AI-Zeitalter ist das Wichtigste ein persönliches compound system
Zum Schluss bringt Garry Tan seinen Kernpunkt sehr klar auf den Punkt: Die stärksten Menschen in Zukunft sind nicht unbedingt diejenigen, die die stärksten Modelle verwenden, sondern diejenigen, die Folgendes aufbauen können:
einen eigenen knowledge graph
eigene workflows
ein eigenes skill system
ein eigenes personal AI OS
Denn mit jeder gelesenen Buchseite, jedem Meeting, jeder Skill-Verbesserung und jedem Daten-Update, das fortlaufend weiter akkumuliert, beginnt das gesamte AI-System einen compound effect zu zeigen. Er sagt sogar, dass er jetzt jeden Tag um zwei Uhr nachts noch am Coden ist – nicht weil es zu viel Arbeit gäbe, sondern weil: „AI gibt mir die Freude am Builder zurück.“
Dieser Beitrag von Garry Tan: „Ich setze mittlerweile nur noch selten AI mit Prompts in Bewegung!“ YC-CEO analysiert „belastbare AI-Workflows mit Zinseszins-Effekt“ erschien zuerst bei Chain News ABMedia.
