Ich habe vor acht Monaten mein erstes SaaS AI-Produkt gestartet. Es ist ein Tool, das SEC-Einreichungen liest und einfache Zusammenfassungen in Englisch für Privatanleger erstellt. Umsatz: 4.200 $/Monat. Nutzer: etwa 340 zahlende Abonnenten. Zeit zur Erstellung des MVP: 12 Tage.
Ich sage das nicht, um anzugeben — 4.200 $/Monat sind kein Geld, um seinen Job zu kündigen. Ich sage es, weil ich vor acht Monaten noch nie ein SaaS-Produkt erstellt hatte, ich kein besonders talentierter Entwickler bin und die gesamte technische Architektur im Wesentlichen eine gut gestaltete Schicht um die API von Claude ist. Wenn ich das schaffen kann, ist die Eintrittsbarriere wirklich niedrig.
Hier ist alles, was ich gelernt habe, einschließlich der Fehler.
Die Idee finden (Nicht zu viel nachdenken)
Ich habe zwei Monate damit verbracht, nach „der perfekten SaaS AI-Idee“ zu suchen. Ich habe Artikel über Marktgröße, TAM und Wettbewerbsvorteile gelesen. Nichts davon war wichtig.
Was wichtig war: Mein Schwiegervater rief mich an einem Samstag an, um zu fragen, was eine 10-K-Einreichung bedeutet. Ich habe 30 Minuten damit verbracht, es ihm zu erklären. Dann dachte ich: Wie viele Privatanleger haben die gleiche Frage, aber niemanden, an den sie sich wenden können?
Das ist alles. Das ist der gesamte Ideationsprozess. Jemand hatte ein Problem. Das Problem war mit einem LLM lösbar. Ich habe die Lösung gebaut.
Die besten SaaS AI-Ideen sind nicht ausgeklügelt. Sie sind im Nachhinein offensichtlich. Finden Sie einen Arbeitsablauf, bei dem jemand Stunden damit verbringt, kognitive Arbeit zu leisten, die ein LLM in Sekunden erledigen kann. Bauen Sie ein Produkt um diesen Arbeitsablauf. Das ist es.
Die Falle, die es zu vermeiden gilt: „[generisches Ding] powered by AI“ ist kein Produkt. „AI-Schreibtool“ ist eine Funktion. „AI-Tool, das Immobilienanzeigenbeschreibungen aus Fotos von Immobilien und Spezifikationen generiert, formatiert für Zillow und Realtor.com“ ist ein Produkt. Die Spezifität ist das Produkt.
Technische Architektur (Halten Sie es langweilig)
Mein Tech-Stack: Frontend Next.js, Backend Node.js, PostgreSQL-Datenbank, Claude-API für AI, Stripe für Zahlungen, Vercel für das Hosting. Gesamte monatliche Infrastrukturkosten: 87 $.
Das ist alles. Keine Mikrodienste. Kein Kubernetes. Keine Vektordatenbank (ich habe später eine hinzugefügt, als ich RAG für den historischen Vergleich von Einreichungen benötigte, aber das MVP hatte keine). Kein ausgeklügeltes Orchestrierungsframework.
Ich sehe Gründer, die komplexe AI-Architekturen aufbauen, bevor sie ihren ersten Nutzer haben. Sie verbringen Monate mit LangChain-Workflows, der Orchestrierung von Agenten und dem Feintuning von Pipelines. Dann starten sie und entdecken, dass ihre Nutzer einfach ein Textfeld und einen „Go“-Button wollen.
Bauen Sie das einfachste Ding, das das Problem löst. Sie können später Komplexität hinzufügen, wenn Sie Nutzer haben, die Ihnen sagen, was sie wirklich brauchen.
Die AI-Schicht war buchstäblich: den Text der SEC-Einreichung nehmen, ihn mit einem sorgfältig ausgearbeiteten Prompt an Claude senden, die Antwort an den Nutzer weiterleiten. Das Prompt-Engineering hat zwei Tage gedauert. Der Rest des 12-tägigen MVP bestand aus Authentifizierung, Zahlungen und der visuellen Aufwertung.
Der Prompt ist Ihr Produkt
Hier ist etwas, das ich zu lange nicht erkannt habe: Für die meisten SaaS AI-Produkte ist der Prompt DAS Produkt. Nicht die Infrastruktur. Nicht das Framework. Nicht das Datenbankschema. Der Prompt.
Ich habe zwei Tage damit verbracht, meinen Zusammenfassungs-Prompt zu entwickeln und zu testen. Ich habe etwa 40 Iterationen gemacht. Der finale Prompt enthält spezifische Anweisungen dazu, was hervorgehoben werden soll (wesentliche Risiken, Umsatzänderungen, zukunftsgerichtete Aussagen), welches Format verwendet werden soll (Stichpunkte für die Essentials, Erzählung für den Überblick) und welches Sprachniveau angestrebt werden soll (Jargon vermeiden, technische Begriffe erklären).
Dieser Prompt ist das, was mein Produkt von „einen 10-K in ChatGPT einfügen“ unterscheidet. Die UX ist eine schöne Verpackung, aber der Prompt ist dort, wo der wahre Wert liegt.
Versionieren Sie Ihre Prompts. Testen Sie sie in A/B-Tests. Verfolgen Sie, welche Prompts Ergebnisse liefern, die die Nutzer am höchsten bewerten. Behandeln Sie das Prompt-Engineering wie die Produktentwicklung, nicht wie eine einmalige Einrichtung.
Preisgestaltung (Lassen Sie sich mehr bezahlen, als Sie denken)
Ich habe mit 9 $/Monat gestartet. Die Nutzer haben sich angemeldet. Ich habe auf 19 $/Monat erhöht. Die Nutzer haben sich weiterhin angemeldet, fast im gleichen Tempo. Ich hätte mit 19 $ anfangen sollen.
Mein Kosten pro Nutzer pro Monat liegen bei etwa 2,50 $ für API-Aufrufe (der durchschnittliche Nutzer fasst etwa 8 Einreichungen pro Monat zusammen). Bei 9 $/Monat lag meine Marge bei 72 %. Bei 19 $/Monat liegt sie bei 87 %. Gleicher Aufwand, dasselbe Produkt, fast doppelt so viel Umsatz.
Die Lektion: AI-Produkte bieten im Vergleich zu ihren Kosten einen enormen Wert. Ein Privatanleger, der die SEC-Einreichungen in 5 Minuten statt in 2 Stunden verstehen kann, würde bereitwillig 19 $/Monat zahlen. Viele würden 49 $/Monat zahlen. Ich habe meine Preise basierend auf meinen Kosten festgelegt, anstatt auf dem Wert für meine Nutzer. Klassischer Fehler.
Die Fehler, die ich gemacht habe
Funktionen bauen, die niemand angefordert hat. Ich habe eine Woche damit verbracht, eine Funktion zur „Vergleich von Einreichungen“ vor dem Start zu erstellen. Kein Nutzer hat sie in acht Monaten genutzt. Ich hätte stattdessen eine Woche früher starten sollen.
Nicht früh genug mit den Nutzern sprechen. Ich habe zwei Wochen gebaut, bevor ich es jemandem gezeigt habe. Als ich es schließlich tat, sagten die ersten drei Personen: „Das ist großartig, aber kann es die Risiken speziell hervorheben?“ Das wurde die beliebteste Funktion — und ich hätte es am ersten Tag wissen können, wenn ich gefragt hätte.
Die Latenz ignorieren. Meine erste Version sendete die gesamte Einreichung an Claude und wartete auf die vollständige Antwort, bevor irgendetwas angezeigt wurde. Die Nutzer sahen 30 bis 45 Sekunden lang einen Ladebalken. Der Wechsel zu Streaming-Antworten (die Zusammenfassung wird während ihrer Erstellung angezeigt) hat das wahrgenommene Erlebnis erheblich verbessert. Die Latenz zählt mehr, als Sie denken.
Nicht genug in die Integration investieren. Meine ersten Nutzer landeten auf dem Dashboard und wussten nicht, was sie tun sollten. Das Hinzufügen eines einfachen Prompts „Fügen Sie ein Börsensymbol ein, um zu beginnen“ mit einer Beispiel-Einreichung erhöhte die Aktivierung von 40 % auf 78 %.
Was ich anders machen würde
Mit 10 zahlenden Beta-Nutzern beginnen, bevor ich irgendetwas baue. Ihnen 29 $/Monat berechnen. Verwenden Sie die Gespräche, um das Produkt zu gestalten. Bauen Sie nur das, was diese 10 Personen benötigen. Öffentlich starten, wenn 8 von 10 sagen, dass sie verärgert wären, wenn Sie das Produkt entfernen.
Dieser Ansatz hätte mir zwei Wochen gespart, in denen ich Funktionen gebaut hätte, die niemand wollte, und mir ein präziseres Produkt von Anfang an gegeben.
SaaS AI ist die größte zugängliche Geschäftsmöglichkeit im Technologiesektor im Moment. Die Tools sind ausgereift, die Kosten niedrig und die Nachfrage real. Der schwierige Teil ist nicht die Technologie — es ist, ein spezifisches Problem zu finden und die Disziplin zu haben, es einfach zu lösen.
🕒 Published: