Ich habe vor acht Monaten mein erstes AI SaaS-Produkt gestartet. Es ist ein Tool, das SEC-Einreichungen liest und Zusammenfassungen in einfachem Englisch für Privatanleger erstellt. Einnahmen: 4.200 $/Monat. Nutzer: etwa 340 zahlende Abonnenten. Zeit zur Erstellung des MVP: 12 Tage.
Ich erzähle dir das nicht, um anzugeben — 4.200 $/Monat sind kein Geld, um den Job zu kündigen. Ich erzähle es dir, weil ich vor acht Monaten noch nie ein SaaS-Produkt gebaut hatte, ich kein besonders begabter Entwickler bin und der gesamte technische Stack im Wesentlichen eine gut gestaltete Hülle um Claudes API ist. Wenn ich das schaffen kann, ist die Einstiegsbarriere wirklich niedrig.
Hier ist alles, was ich gelernt habe, einschließlich der Fehler.
Die Idee finden (Hör auf, darüber nachzudenken)
Ich habe zwei Monate damit verschwendet, die „perfekte AI SaaS-Idee“ zu brainstormen. Ich habe Artikel über Marktgröße, TAM und Wettbewerbsbarrieren gelesen. Das alles spielte keine Rolle.
Worauf es ankam: Mein Schwiegervater rief mich an einem Samstag an und fragte, was eine 10-K-Einreichung bedeutet. Ich verbrachte 30 Minuten damit, es ihm zu erklären. Dann dachte ich: Wie viele Privatanleger haben dieselbe Frage, aber niemanden, den sie anrufen können?
Das ist es. Das ist der gesamte Ideationsprozess. Jemand hatte ein Problem. Das Problem ließ sich mit einem LLM lösen. Ich baute die Lösung.
Die besten AI SaaS-Ideen sind nicht clever. Sie sind im Nachhinein offensichtlich. Finde einen Workflow, bei dem jemand Stunden mit kognitiver Arbeit verbringt, die ein LLM in Sekunden erledigen kann. Baue ein Produkt rund um diesen Workflow. Ende.
Die Falle, die zu vermeiden ist: „AI-unterstütztes [generisches Ding]“ ist kein Produkt. „AI-Schreibwerkzeug“ ist eine Funktion. „AI-Tool, das Immobilienanzeigenbeschreibungen aus Immobilienfotos und -spezifikationen generiert, formatiert für Zillow und Realtor.com“ ist ein Produkt. Die Spezifität ist das Produkt.
Technische Architektur (Halte es langweilig)
Mein Tech-Stack: Next.js-Frontend, Node.js-Backend, PostgreSQL-Datenbank, Claude API für die KI, Stripe für Zahlungen, Vercel für das Hosting. Gesamte monatliche Infrastrukturkosten: 87 $.
Das ist es. Keine Mikroservices. Kein Kubernetes. Keine Vektordatenbank (ich habe später eine hinzugefügt, als ich RAG für den historischen Vergleich von Einreichungen benötigte, aber das MVP hatte sie nicht). Kein ausgefallenes Orchestrierungsframework.
Ich sehe Gründer, die komplexe AI-Architekturen aufbauen, bevor sie ihren ersten Nutzer haben. Sie verbringen Monate mit LangChain-Workflows, Agentenorchestrierung und Feinabstimmungspipelines. Dann starten sie und entdecken, dass ihre Nutzer einfach ein Textfeld und einen „Loslegen“-Button wollen.
Baue die einfachste Lösung, die das Problem löst. Du kannst später Komplexität hinzufügen, wenn du Nutzer hast, die dir genau sagen, was sie brauchen.
Die AI-Ebene war buchstäblich: Den Text der SEC-Einreichung nehmen, ihn mit einem sorgfältig formulierten Prompt an Claude senden, die Antwort streamen und an den Nutzer zurückgeben. Die Prompt-Entwicklung dauerte zwei Tage. Der Rest des 12-tägigen MVP bestand aus Authentifizierung, Zahlungen und dem Aussehen, dass es nicht schrecklich aussieht.
Der Prompt ist dein Produkt
Hier ist etwas, das ich zu lange nicht realisiert habe: Für die meisten AI SaaS-Produkte ist der Prompt DAS Produkt. Nicht die Infrastruktur. Nicht das Framework. Nicht das Datenbankschema. Der Prompt.
Ich verbrachte zwei Tage mit dem Entwerfen und Testen meines Zusammenfassungs-Prompts. Ich durchlief etwa 40 Iterationen. Der finale Prompt umfasst spezifische Anweisungen darüber, worauf man Wert legen sollte (materielle Risiken, Änderungen der Einnahmen, zukunftsgerichtete Aussagen), welches Format zu verwenden ist (Aufzählungspunkte für wichtige Erkenntnisse, narrative Darstellung für einen Überblick) und welches Sprachniveau anzustreben ist (Fachbegriffe vermeiden, technische Begriffe erklären).
Dieser Prompt macht mein Produkt anders als „Füge eine 10-K-Einreichung in ChatGPT ein.“ Die Benutzererfahrung ist eine nette Hülle, aber der Prompt ist der Ort, an dem der eigentliche Wert liegt.
Versioniere deine Prompts. A/B teste sie. Behalte im Auge, welche Prompts Ausgaben erzeugen, die von den Nutzern am besten bewertet werden. Behandle die Prompt-Entwicklung wie Produktentwicklung, nicht als einmalige Einrichtung.
Preise (Berechne mehr, als du denkst)
Ich habe mit 9 $/Monat gestartet. Nutzer haben sich angemeldet. Ich habe es auf 19 $/Monat erhöht. Die Nutzer haben sich weiterhin angemeldet, fast mit der gleichen Rate. Ich hätte mit 19 $ beginnen sollen.
Meine Kosten pro Nutzer und Monat liegen bei etwa 2,50 $ für API-Aufrufe (der durchschnittliche Nutzer fasst etwa 8 Einreichungen pro Monat zusammen). Bei 9 $/Monat betrug meine Marge 72 %. Bei 19 $/Monat sind es 87 %. Gleiches Engagement, dasselbe Produkt, fast doppelte Einnahmen.
Die Lektion: AI-Produkte bieten im Verhältnis zu ihren Kosten enorme Werte. Ein Privatanleger, der SEC-Einreichungen in 5 Minuten anstelle von 2 Stunden verstehen kann, würde bereitwillig 19 $/Monat bezahlen. Viele würden 49 $/Monat bezahlen. Ich habe meine Preise auf Grundlage meiner Kosten festgelegt, statt auf dem Wert, den meine Nutzer erhalten. Klassischer Fehler.
Die Fehler, die ich gemacht habe
Funktionen zu bauen, die niemand angefordert hat. Ich habe eine Woche damit verbracht, eine „Einreichungsvergleich“-Funktion vor dem Start zu entwickeln. Keiner der Nutzer hat sie in acht Monaten verwendet. Ich hätte stattdessen eine Woche früher starten sollen.
Zu spät mit Nutzern zu sprechen. Ich habe zwei Wochen lang entwickelt, bevor ich es jemandem zeigte. 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 Tag 1 wissen können, wenn ich gefragt hätte.
Die Latenz zu ignorieren. Meine erste Version sendete die gesamte Einreichung an Claude und wartete auf die vollständige Antwort, bevor sie irgendetwas anzeigte. Nutzer starrten 30-45 Sekunden auf einen Ladevorgang. Der Wechsel zu Streaming-Antworten (die Zusammenfassung anzuzeigen, während sie generiert wird) verbesserte die wahrgenommene Erfahrung erheblich. Latenz ist wichtiger, als du denkst.
Zu wenig in das Onboarding zu investieren. Meine ersten Nutzer landeten auf dem Dashboard und wussten nicht, was sie tun sollten. Ein einfacher „Füge ein Tickersymbol hinzu, um loszulegen“-Prompt mit einer Beispiel-Einreichung erhöhte die Aktivierung von 40 % auf 78 %.
Was ich anders machen würde
Beginne mit 10 zahlenden Beta-Nutzern, bevor du etwas baust. Berechne ihnen 29 $/Monat. Nutze die Gespräche, um das Produkt zu gestalten. Baue nur das, was diese 10 Personen brauchen. Starte öffentlich, wenn 8 von 10 sagen, dass sie verärgert wären, wenn du das Produkt wegnehmen würdest.
Dieser Ansatz hätte mir zwei Wochen der Entwicklung unnötiger Funktionen erspart und mir ein Produkt gegeben, das von Anfang an gezielter war.
AI SaaS ist die derzeit zugänglichste Geschäftsmöglichkeit im Techbereich. Die Tools sind ausgereift, die Kosten sind niedrig und die Nachfrage ist real. Der schwierige Teil ist nicht die Technologie — es besteht darin, ein spezifisches Problem zu finden und die Disziplin zu haben, es einfach zu lösen.
🕒 Published: