Vom Luftfahrtkonstrukteur zum KI-Gründer im a16z-Programm: Edvard Sivickij und Condense

Lukas Kaminskis · 6 min · 15. Oktober 2026

Diese Woche habe ich mit Edvard Sivickij gesprochen. Angefangen hat er als Konstrukteur in der Luftfahrt. Danach lernte er Data Science am Turing College und wurde bei uns Junior Team Lead. Er arbeitete als Data Scientist bei Kilo Health und als AI Engineer bei Nexos AI, kam dann für unser AI-Engineering-Programm zurück und gründete schließlich Condense.

Condense sitzt zwischen KI-Agenten und den Modellen, die sie aufrufen, und reduziert die Tokens, die jede Anfrage verbraucht. Gerade wurde Edvard zum Gründer-Bootcamp a16z speedrun eingeladen. Von rund 4.500 Bewerbungen haben es etwa 20 geschafft.

Alles begann mit Drohnen

Seit seinem letzten Schuljahr hat Edvard immer ein Nebenprojekt. Als Konstrukteur arbeitete er an verschiedenen UAV-Typen, darunter Morphing-Flügel. Zwischen 2018 und 2020 durften Unternehmen Drohnen praktisch nur für eines einsetzen: um Events zu filmen.

Mehrmals versuchte er, ein eigenes Drohnen-Startup zu gründen. Jedes Mal hieß es, es sei noch zu früh. Sein Team hatte nur Europa im Blick, weil dort das Geld war. Zur selben Zeit ließ Zipline in Afrika schon Drohnen fliegen. Einen Markt gab es dort nicht, aber eben auch keine Vorschriften. „Man ist einfach gestartet“, erzählt er. „Wenn irgendwo eine Drohne runterkam, passierte nichts.“

Er merkte außerdem, dass selbst ein Drohnenunternehmen letztlich von Software lebt. Also fing er an, programmieren zu lernen.

Lernen am Turing College

Die Grundlagen brachte er sich zuerst selbst bei, dann kam er ans Turing College, um Python und Data Science zu lernen. Danach machte er noch einen Master in ML und KI. Unser Programm nennt er die Praxis, den Master die Theorie.

Er gehörte zu unseren aktivsten Lernenden und wurde später Junior Team Lead. Er war bei unseren eigenen Hackathons dabei und bei vielen anderen auch. Wir stellten ihn Kilo Health vor. Dort fing er als Data Analyst an und wurde später Data Scientist. Danach ging er als AI Engineer zu Nexos AI.

Ich habe ihn gefragt, welches Programm ihm beim Jobeinstieg am meisten gebracht hat. Seine Antwort: Data Science, weil Nexos AI ML Engineers mit starken Entwicklungsskills suchte. „Data Science ist der Kern von allem“, sagt er.

Für die Gründung war es etwas anderes. Laut Edvard war das AI-Engineering-Programm das letzte fehlende Puzzleteil. Es half ihm, als Gründer erfolgreich zu sein und eine Nische zu finden, die funktioniert.

Da gebe ich ihm recht. Fähigkeiten bauen aufeinander auf, deshalb zählen die Grundlagen am meisten. Der andere Teil ist das, was jemand außerhalb des formalen Lernens macht. Edvard sagt es so: Je mehr du lernst und mitmachst, desto größer ist die Chance, zur richtigen Zeit am richtigen Ort zu sein.

Der lange Weg

Schon bei Kilo Health fing er an, eigene Agenten zu bauen. Die ersten liefen auf GPT-3.5. Sie sahen großartig aus, konnten aber fast nichts, weil die Modelle zu wenig verstanden.

Bis zur eigenen Gründung brauchte er länger als die meisten. Ein Grund war, dass er in Italien lebte. Die Startup-Szene dort bestand nach seinen Worten kaum aus mehr als Bending Spoons. In Vilnius findest du Leute, die die Fehler schon vor dir gemacht haben. In Italien musste er sie selbst machen.

Einer davon war eine Lern-App. Sein Team baute ein Jahr lang daran und stellte sie uns dann vor. Das Feedback war hart. Seine Lehre daraus: Zeig anderen viel früher, woran du arbeitest.

Als er letzten Sommer in unser AI-Engineering-Programm einstieg, nutzte er schon Cursor. Ein Entwickler, der heute zum Condense-Team gehört, hatte seinen Code bis dahin immer von Hand geschrieben. Er hielt Cursor für Unsinn und meinte, so etwas werde nie Menschen ersetzen. Heute lässt genau dieser Entwickler fünf oder sechs Agenten parallel laufen. Menschen brauchen den Beweis, dass etwas funktioniert. Sobald sie ihn haben, ändert sich alles sehr schnell.

Was Condense macht

Anfangs baute Condense eigene Modelle für bestimmte Aufgaben. Das Team gab das auf, weil sich Modelle leicht austauschen lassen. „Gestern hattest du Opus, heute steckst du GPT rein, und alles läuft weiter“, sagt Edvard. Vom Harness rund um ein Modell kommt man viel schwerer los. Genau dort haben alle angefangen zu bauen.

Heute läuft Condense als Proxy zwischen Agent und LLM. Es steuert Kosten und Caching und komprimiert den Kontext, damit jede Anfrage mit weniger Tokens auskommt. Außerdem verfolgt es, wie sich Unterhaltungen entwickeln. Als Nächstes will das Team diese Daten nutzen, um anderen Teams Insights zu liefern und ihnen zu helfen, ihre Agenten zu verbessern.

Edvard sieht sich selbst als Generalisten. Richtig voran ging es laut ihm erst, als jemand ins Team kam, der sich in einer Nische tief auskennt. Einen Allzweck-Agenten kann OpenAI seiner Meinung nach leicht ersetzen. Ein KI-Startup braucht deshalb ein konkretes Problem. Condense hat sich für Developer Tools entschieden, weil das Team diese Probleme aus der eigenen Arbeit kennt.

Das Consumer-Produkt behält das Team als Lead-Magnet. Einzelne Nutzer spüren die Token-Kosten kaum, und man muss jeden einzeln überzeugen. Seit Anfang des Sommers arbeitet das Team Vollzeit an Condense. Das Startup hat eine sechsstellige Finanzierungsrunde abgeschlossen, mit Investoren von Lovable.

Ein Team von Europa einstellen und aufbauen

Vorerst arbeitet Condense mit Fractional Hires. Die ersten Vollzeitstellen kommen in Go-to-Market und Marketing, weil das Team dort am schwächsten ist. Edvard will einen starken Vertriebler einstellen und lernen, indem er direkt mit ihm zusammenarbeitet. „Sales muss beim Gründer liegen“, sagt er. „Das kannst du nicht einfach jemandem geben und sagen: Mach mal.“

Bei Engineers zählt für ihn mehr, wie sehr jemand bauen will, als wie viele Jahre Erfahrung er hat. Das Team soll klein bleiben. Dasselbe höre ich auch von Gründern größerer Unternehmen. Die meisten hätten gern wieder ein Team mit unter 100 Leuten, in dem jeder jeden kennt und der Gründer noch selbst mit anpackt.

Für ihn zeigen NordVPN und Vinted, dass man auch von Europa aus große Unternehmen aufbauen kann. Er nennt Stockholm als Beispiel, wo Gründer auch am Wochenende arbeiten. Schwierig ist die Regulierung, denn Datenschutzregeln machen das Training von Modellen kompliziert.

Ich finde, das hängt davon ab, wer der Kunde ist. Ein Consumer-Produkt kannst du von überall aus bauen. Im B2B braucht es meist ein hybrides Modell, bei dem ein Teil des Teams dort sitzt, wo die Kunden sind.

Sein Ratschlag

Ich habe ihn gefragt, was er tun würde, wenn er noch einmal dort stünde, wo er vor sieben Jahren war. „Du kannst nicht vorhersagen, was passiert“, sagt er. „Du kannst nur auf Basis deiner aktuellen Situation entscheiden.“ Schau, was du jetzt kannst und wo du hinwillst, und dann entscheide.

Programmieren würde er auf jeden Fall wieder lernen. Dinge selbst zu bauen war für ihn das Wichtigste. Wenn er etwas nicht konnte, hat er es eben gelernt.

Den Großteil seines Erfolgs führt er auf Sturheit zurück. Bei manchen Gründern dauert es eben länger als bei anderen. Mich erinnert das an Akio Morita, den Mitgründer von Sony. In seinem Buch Made in Japan schrieb er: „Die Herausforderung ist groß; der Erfolg hängt allein von der Stärke unseres Willens ab.“

Condense ausprobieren

Condense funktioniert als Drop-in-Proxy für Claude Code, Codex und OpenCode, und du behältst deinen bisherigen Provider-Key. Bei einer langen Coding-Session hat Condense die Rechnung nach eigenen Angaben um 72 % gesenkt (TestingCatalog).

Du kannst es unter condense.chat ausprobieren. Wenn dein Unternehmen jeden Monat Tausende für KI-Credits ausgibt, solltest du es auf jeden Fall ausprobieren.

Möchtest du eigene Tools mit KI entwickeln?

Entwickle eigene Produkte mit KI-Agenten im Kurs Building with AI Agents.