Kennen Sie das?
Drei Sätze aus Gesprächen mit Produktverantwortlichen und CTOs – meist in dieser Reihenfolge:
„Unsere Kunden fragen, wann endlich KI kommt – die Konkurrenz hat sie schon.“
„Unser Team ist mit der Roadmap ausgelastet. Für KI-Experimente bleibt keine Zeit.“
„Wir wissen nicht, was ein KI-Feature im Betrieb pro Monat kostet.“
Alle drei beschreiben dasselbe Problem: Die Entscheidung lässt sich nicht treffen, weil die Grundlage fehlt. Niemand kann sagen, welche Funktion Ihre Nutzer wirklich entlasten würde, wie tief sie in die bestehende Architektur schneidet und was sie im Monat kostet. Ein Workshop beantwortet das nicht – ein lauffähiger Prototyp mit gemessenen Kosten schon.
Typische Funktionen, die dazukommen
Das sind die vier Funktionen, die in bestehenden Anwendungen am häufigsten als Erstes sinnvoll sind. Welche bei Ihnen am meisten bringt, hängt daran, wo Ihre Nutzer heute am längsten brauchen – das klären wir im Erstgespräch.
Smarte Suche
Nutzer finden Inhalte und Dokumente mit einer Frage statt mit sechs Filtern – und bekommen die Fundstelle mit Quellenangabe, nicht eine erfundene Antwort. Technisch eine Vektorsuche über Ihre eigenen Daten, eingebettet in Ihre bestehende Rechteprüfung.
Zusammenfassen & Entwürfe
Lange Texte, Berichte, Tickets oder Kundenantworten direkt im Arbeitsablauf der Nutzer – an der Stelle, an der sie bisher selbst getippt haben. Der Entwurf bleibt ein Entwurf: Freigeben, ändern, verwerfen macht der Mensch.
Assistent in der Anwendung
Ein Chat, der Daten Ihrer Software abfragt und Aktionen auslöst – nicht ein Widget, das danebensteht. Jede Aktion läuft durch Ihre vorhandene Berechtigungslogik und wird protokolliert, damit nachvollziehbar bleibt, wer was ausgelöst hat.
Daten aus Uploads
Hochgeladene Dokumente werden klassifiziert und ausgelesen: Rechnungen, Verträge, Formulare, Lieferscheine. Aus einem PDF-Anhang werden strukturierte Felder in Ihrer Datenbank – der Schritt, der bei Ihren Nutzern am meisten Tipparbeit abschafft.
Warum ich
Ich bin freiberuflicher Softwareentwickler mit über 10 Jahren Erfahrung in PHP, Java und Angular – auch in Konzernprojekten. KI ist bei mir nicht der Ausgangspunkt, sondern eine Schicht, die in bestehende Systeme eingebaut wird.
Der Unterschied zu einer reinen KI-Beratung ist praktisch, nicht rhetorisch: Ich arbeite in Ihrem Repository, in einem eigenen Branch, mit Ihren Konventionen und Ihrem Review-Prozess – wie ein Teammitglied auf Zeit. Was ich vorschlage, muss ich danach selbst zum Laufen bringen und begründen. Das verändert die Vorschläge.
Die Anbindung bleibt dabei modellunabhängig: Der Aufruf läuft über eine eigene Schnittstelle in Ihrem Code, nicht über ein SDK, das überall verstreut liegt. Damit können Sie das Modell oder den Anbieter später wechseln, ohne die Funktion neu zu bauen – und das wird passieren, denn Modelle werden im Jahresrhythmus abgekündigt.
Brauchen Sie keine einzelne Funktion, sondern über Monate Kapazität im Team, ist Für Inhouse-Teams & Recruiter die passende Seite – dort finden Sie Eckdaten, Stack und Profil als PDF.
- Ihr Code, Ihr Prozess: eigener Branch, Merge Request, Ihre Review-Regeln – kein Code, der neben Ihrem Projekt entsteht
- Modellunabhängig: Claude, OpenAI oder ein selbst gehostetes Modell hinter einer eigenen Schnittstelle, austauschbar ohne Umbau
- Kosten gemessen, nicht geschätzt: Kosten pro Anfrage aus echten Aufrufen, bevor das Feature in die Roadmap kommt
- Alles bleibt bei Ihnen: Code, Prompts, Konfiguration und Dokumentation liegen in Ihrem Repository
So läuft die Integration ab
Vier Schritte, der erste kostenlos. Nach Schritt zwei haben Sie ein lauffähiges Feature und eine Zahl – und können danach entscheiden, ob es überhaupt in die Roadmap kommt.
-
Erstgespräch
Per Video: Was macht Ihre Software, wo brauchen Nutzer heute am längsten, welcher Stack liegt darunter. Danach sage ich Ihnen, welche Funktion am meisten bringt – und welche sich technisch noch nicht lohnt.
-
Prototyp in Ihrem Code
Ein Feature in einem eigenen Branch, lauffähig an Ihren echten Daten – inklusive gemessener Kosten pro Anfrage und einer Einschätzung, was die produktionsreife Umsetzung braucht. Festpreis, Ergebnis nach ein bis zwei Wochen.
-
Produktionsreife Umsetzung
Gemeinsam mit Ihrem Team: Fehlerbehandlung, Rechte, Protokollierung, Tests, Lastverhalten und ein Kostenlimit pro Nutzer. Hier entsteht aus dem Prototyp ein Feature, das Sie Ihren Kunden gegenüber verantworten können.
-
Betrieb & Modell-Updates
Monitoring der Aufrufe und Kosten, Anpassung bei abgekündigten Modellen, Nachjustieren anhand echter Nutzung – im Monatsabo, damit kein Ausfall erst durch einen Kunden auffällt.
Was es kostet
Der Einstieg hat einen Festpreis, die Umsetzung läuft nach Aufwand zum Tagessatz – mit vorab abgestimmtem Rahmen. Alle Preise netto.
Prototyp
1.500 – 3.500 € Festpreis, je nach Umfang
Ein Feature in einem eigenen Branch, lauffähig an Ihren Daten – mit gemessenen Kosten pro Anfrage und einer Einschätzung für die Umsetzung.
- Eine KI-Funktion, lauffähig in Ihrem Repository
- Kosten pro Anfrage aus echten Aufrufen, nicht aus einer Preisliste
- Modellunabhängige Anbindung, von Anfang an austauschbar
- Einschätzung für die produktionsreife Umsetzung, schriftlich
- Merge Request in Ihrem Prozess – oder begründete Empfehlung, es nicht zu mergen
Umsetzung
nach Aufwand Tagessatz, Rahmen vorab
Aus dem Prototyp wird ein Feature, das in Produktion gehen kann – zusammen mit Ihrem Team, in Ihrem Review-Prozess.
- Fehlerbehandlung, Rechte und Protokollierung auf Produktionsniveau
- Tests und Lastverhalten, inklusive Verhalten bei Modell-Ausfall
- Kostenlimit pro Nutzer oder Mandant, damit die Rechnung planbar bleibt
- Übergabe an Ihr Team: Dokumentation, Pairing, Review-Begleitung
- Rahmen und Etappen vorab – kein offenes Budget
Betrieb
ab 449 € im Monat, 3 Monate Mindestlaufzeit
Monitoring, Modell-Updates und Anpassungen, damit das Feature auch nach dem nächsten Modellwechsel noch läuft.
- Monitoring von Aufrufen, Fehlern und Kosten, mit Alarm
- Modell- und Anbieter-Updates, bevor etwas abgekündigt wird
- Monatlicher Kurzbericht zu Nutzung, Kosten und Fehlern
- Enthaltene Stunden für Anpassungen – Details auf der Seite KI-Betreuung
Fast alle starten mit dem Prototyp – er ist der einzige Weg, die Frage nach den Betriebskosten mit einer Zahl statt mit einer Schätzung zu beantworten.
- Der Prototyp hat einen Festpreis: Was er kostet, steht vorher. Was er ergibt, entscheidet, ob es weitergeht.
- Der Code gehört Ihnen: alles liegt in Ihrem Repository – auch wenn Sie nach dem Prototyp aufhören.
- Kein Anbieter-Lock-in: Die Anbindung ist austauschbar angelegt, damit ein Modellwechsel eine Konfigurationsänderung bleibt.
- Betreuung ist optional: Die KI-Betreuung ist ein Angebot für Teams ohne eigene Kapazität, keine Bedingung.
- Ehrliches Nein: Wenn Ihre Datenlage für die gewünschte Funktion nicht reicht, sage ich das im Erstgespräch – nicht nach dem Prototyp.
Dazu kommen die laufenden Modellkosten, und die hängen am Nutzungsverhalten, nicht am Projekt. Genau deshalb werden sie im Prototyp gemessen: Eine Zusammenfassung über ein langes Dokument kostet ein Vielfaches einer Klassifizierung, und das lässt sich vorher nicht sinnvoll schätzen. Sensible Daten laufen bei Bedarf über ein selbst gehostetes Modell – dann entfallen die Modellkosten, und Serverkosten kommen dazu.
Das sagen Teams, mit denen ich gearbeitet habe
Beides Projekte in bestehendem Code: eine gewachsene Angular/Ionic-Anwendung samt Outlook-Add-In und über 15 Jahre alte PHP-Systeme.
Häufig gestellte Fragen zur KI-Integration
Welches KI-Modell nutzen Sie?
Das passende für den Fall – etwa Claude, ein Modell von OpenAI oder ein selbst gehostetes. Das entscheidet sich nicht nach Vorliebe, sondern nach Aufgabe, Datenschutzanforderung und Kosten pro Anfrage: Eine Klassifizierung braucht kein großes Modell, eine Zusammenfassung über ein langes Dokument schon. Wichtiger als die Wahl ist, dass sie austauschbar bleibt: Der Aufruf läuft über eine eigene Schnittstelle in Ihrem Code, damit ein Wechsel eine Konfigurationsänderung ist und kein Umbau.
Was kostet die KI im laufenden Betrieb?
Das messen wir im Prototyp mit echten Anfragen, bevor Sie sich festlegen – deshalb steht er am Anfang. Pauschal lässt sich das nicht sagen, weil die Kosten an der Menge Text pro Aufruf hängen und damit an Ihrem Anwendungsfall. Was Sie aus dem Prototyp mitnehmen, sind die Kosten pro Anfrage und eine Hochrechnung auf Ihre erwartete Nutzung – plus ein Kostenlimit pro Nutzer oder Mandant, damit ein einzelner Power-User Ihre Marge nicht auffrisst.
Gehört der Code danach uns?
Ja, alles liegt in Ihrem Repository: Code, Prompts, Konfiguration und Dokumentation. Es gibt keine Bibliothek von mir, die Sie lizenzieren müssen, und keinen Dienst, der bei mir läuft. Wenn Sie nach dem Prototyp selbst weiterbauen wollen, ist das der normale Fall und kein Problem – dafür ist der Prototyp im eigenen Branch mit Merge Request gedacht.
Wie steht es um Datenschutz und Auftragsverarbeitung?
Für Cloud-Modelle arbeite ich mit Anbietern, die einen Auftragsverarbeitungsvertrag anbieten, und achte auf EU-Hosting sowie darauf, dass Ihre Eingaben nicht zum Training verwendet werden. Für sensible Daten läuft die Funktion mit einem selbst gehosteten Modell auf Ihrer Infrastruktur – dann verlässt kein Inhalt Ihr Netz. Vor dem ersten Aufruf halten wir schriftlich fest, welche Felder überhaupt in den Prompt gehen; oft sind das weniger, als man zuerst annimmt.
Müssen wir unsere Architektur umbauen?
In der Regel nicht. Eine KI-Funktion kommt als zusätzliche Schicht dazu: ein Aufruf aus Ihrer Anwendung, eine eigene Schnittstelle, gegebenenfalls ein Index für die Suche. Was dagegen sehr wohl geprüft werden muss, ist Ihre Datenlage – eine smarte Suche über Dokumente, die niemand gepflegt hat, liefert schlechte Antworten, egal welches Modell darunter läuft. Das ist der häufigste Grund, warum ich ein Feature anders zuschneide, als es angefragt war.
Arbeiten Sie mit unserem Team zusammen oder getrennt?
Mit Ihrem Team, in Ihrem Prozess. Der Prototyp entsteht in einem Branch in Ihrem Repository und läuft als Merge Request durch Ihr Review – nicht als ZIP-Datei per E-Mail. In der Umsetzung ist Pairing üblich, damit die Funktion nach der Übergabe von Ihren Leuten weiterentwickelt werden kann. Wenn Ihr Team keine Kapazität hat, übernehme ich mehr; wenn es Kapazität hat, übernehme ich weniger und dokumentiere mehr.
Was, wenn das Modell halluziniert?
Das ist keine Frage, die man wegprompten kann, sondern eine Frage des Zuschnitts. Funktionen, bei denen eine falsche Antwort teuer ist, werden so gebaut, dass sie belegen müssen: Die smarte Suche antwortet mit Fundstelle, der Entwurf bleibt ein Entwurf, der Assistent löst nur Aktionen aus, die Ihre Berechtigungslogik erlaubt und die protokolliert werden. Wo sich das nicht sauber eingrenzen lässt, rate ich von der Funktion ab – auch dann, wenn der Wettbewerber sie bewirbt.
Wie schnell ist der Prototyp da?
Ein bis zwei Wochen nach Zugang zum Repository, abhängig davon, wie lange Zugänge und Testdaten brauchen. Der Aufwand auf Ihrer Seite liegt bei wenigen Stunden: Repository-Zugang, ein Gespräch mit jemandem, der die Fachlichkeit kennt, und das Review am Ende.