Von Dotcom zu Dot-AI: Wie wir aus der letzten Technologietransformation lernen können (und dieselben Fehler vermeiden)

Auf dem Höhepunkt des Dotcom-Booms reichte die Erweiterung „.com“ im Firmennamen aus, um den Aktienkurs in die Höhe zu treiben – selbst wenn das Unternehmen weder echte Kunden noch Umsatz hatte und keine Aussicht auf Profitabilität hatte. Heute wiederholt sich die Geschichte. Ersetzen Sie „.com“ durch „AI“, und die Geschichte klingt unheimlich vertraut.

Unternehmen stürmen in die Schlagzeilen, um „KI“ in ihre Pitch Decks, Produktbeschreibungen und Domainnamen einzubinden, in der Hoffnung, vom Hype zu profitieren. Wie Domain Name Stat berichtet, stiegen die Registrierungen für „.ai“-Domains im Jahr 2024 im Vergleich zum Vorjahr um etwa 77,1 %. Begünstigt wurden diese Zuwächse von Startups und etablierten Unternehmen, die sich gleichermaßen mit künstlicher Intelligenz assoziieren – unabhängig davon, ob sie einen echten KI-Vorteil haben oder nicht.

Die späten 1990er Jahre machten eines klar: Der Einsatz bahnbrechender Technologien allein reichte nicht aus. Die Unternehmen, die den Dotcom-Crash überlebten, verfolgten keinen Hype – sie lösten echte Probleme und skalierten zielgerichtet.

Bei KI ist das nicht anders. Sie wird ganze Branchen umgestalten, aber die Gewinner werden nicht diejenigen sein, die „KI“ auf ihre Landingpages klatschen – sie werden diejenigen sein, die den Hype hinter sich lassen und sich auf das Wesentliche konzentrieren.

Die ersten Schritte? Fangen Sie klein an, finden Sie Ihren Keil und skalieren Sie bewusst.

Einer der kostspieligsten Fehler der Dotcom-Ära bestand darin, zu früh den Durchbruch zu schaffen – eine Lektion, die sich die Entwickler von KI-Produkten heute nicht mehr entgehen lassen dürfen.

Nehmen wir zum Beispiel eBay. Es begann als einfache Online-Auktionsseite für Sammlerstücke – zunächst mit etwas so Nischenhaftem wie Pez-Spendern. Die ersten Nutzer waren begeistert, weil es ein ganz spezifisches Problem löste: Es vernetzte Hobbyisten, die sich offline nicht finden konnten. Erst nachdem eBay diese anfängliche Branche dominiert hatte, expandierte es in breitere Kategorien wie Elektronik, Mode und schließlich in fast alles, was man heute kaufen kann.

Zum Vergleich: Webvan , ein weiteres Start-up aus der Dotcom-Ära mit einer ganz anderen Strategie, wollte den Lebensmitteleinkauf revolutionieren: mit Online-Bestellungen und schneller Lieferung nach Hause – und das alles gleichzeitig und in mehreren Städten. Das Unternehmen investierte Hunderte Millionen Dollar in den Bau riesiger Lagerhallen und komplexer Lieferflotten, bevor es eine starke Kundennachfrage verzeichnete. Als das Wachstum nicht schnell genug eintrat, brach das Unternehmen unter seiner eigenen Last zusammen.

Das Muster ist klar: Beginnen Sie mit einem klaren, spezifischen Benutzerbedürfnis. Konzentrieren Sie sich auf einen schmalen Bereich, den Sie dominieren können. Erweitern Sie ihn nur, wenn Sie eine starke Nachfrage nachweisen können.

Für Entwickler von KI-Produkten bedeutet dies, dem Drang zu widerstehen, eine „KI zu entwickeln, die alles kann“. Nehmen wir zum Beispiel ein generatives KI-Tool für die Datenanalyse. Sprechen Sie Produktmanager, Designer oder Datenwissenschaftler an? Konzipieren Sie Ihr Produkt für Personen ohne SQL-Kenntnisse, für Personen mit wenig Erfahrung oder für erfahrene Analysten?

Jeder dieser Nutzer hat ganz unterschiedliche Bedürfnisse, Arbeitsabläufe und Erwartungen. Wenn Sie mit einer kleinen, klar definierten Gruppe beginnen – beispielsweise technischen Projektmanagern (PMs) mit eingeschränkter SQL-Erfahrung, die schnelle Einblicke für Produktentscheidungen benötigen –, können Sie Ihre Nutzer genau verstehen, das Erlebnis optimieren und etwas wirklich Unverzichtbares entwickeln. Von dort aus können Sie gezielt auf angrenzende Personas oder Fähigkeiten ausweiten. Im Wettlauf um die Entwicklung nachhaltiger KI-Produkte der nächsten Generation werden nicht diejenigen gewinnen, die versuchen, alle gleichzeitig zu bedienen – sondern diejenigen, die klein anfangen und jemandem unglaublich gute Dienste leisten.

Klein anzufangen hilft Ihnen, die passende Produkt-Markt-Lösung zu finden. Sobald Sie jedoch Fuß gefasst haben, ist Ihre nächste Priorität, die Verteidigungsfähigkeit zu stärken – und in der Welt der KI bedeutet das, dass Sie Ihre Daten besitzen.

Die Unternehmen, die den Dotcom-Boom überlebten, zogen nicht nur Nutzer an sich, sondern auch proprietäre Daten. Amazon beispielsweise beschränkte sich nicht auf den Verkauf von Büchern. Das Unternehmen verfolgte Käufe und Produktaufrufe, um die Empfehlungen zu verbessern, und nutzte anschließend regionale Bestelldaten, um die Auftragsabwicklung zu optimieren. Durch die Analyse des Kaufverhaltens in verschiedenen Städten und Postleitzahlengebieten prognostizierte Amazon die Nachfrage, bestückte Lager intelligenter und optimierte Versandrouten. Damit legte Amazon den Grundstein für die Zwei-Tages-Lieferung von Prime – ein entscheidender Vorteil, mit dem die Konkurrenz nicht mithalten konnte. Nichts davon wäre ohne eine von Anfang an in das Produkt integrierte Datenstrategie möglich gewesen.

Google verfolgte einen ähnlichen Weg. Jede Suchanfrage, jeder Klick und jede Korrektur diente als Trainingsdaten zur Verbesserung der Suchergebnisse – und später auch der Anzeigen. Google entwickelte nicht einfach nur eine Suchmaschine, sondern eine Echtzeit-Feedbackschleife, die ständig von den Nutzern lernte. Dadurch entstand ein Wettbewerbsvorteil, der die Ergebnisse und die Zielgruppenansprache unschlagbarer machte.

Die Lektion für die Entwickler von Produkten der neuen KI-Generation ist klar: Ein langfristiger Vorteil ergibt sich nicht einfach aus dem Zugriff auf ein leistungsstarkes Modell, sondern aus der Entwicklung eigener Datenschleifen, die ihr Produkt im Laufe der Zeit verbessern.

Heute kann jeder mit den nötigen Ressourcen ein Open-Source-Large-Language-Model (LLM) optimieren oder für den Zugriff auf eine API bezahlen. Viel schwieriger – und weitaus wertvoller – ist das Sammeln von aussagekräftigen, realen Benutzerinteraktionsdaten, die sich im Laufe der Zeit anhäufen.

Wenn Sie ein KI-Produkt der neuen Generation entwickeln, müssen Sie frühzeitig kritische Fragen stellen:

• Welche einzigartigen Daten erfassen wir, wenn Benutzer mit uns interagieren?
• Wie können wir Feedbackschleifen gestalten, die das Produkt kontinuierlich verbessern?
• Gibt es domänenspezifische Daten, die wir (ethisch und sicher) erfassen können und über die die Konkurrenz nicht verfügt?

Nehmen wir zum Beispiel Duolingo. Mit GPT-4 geht das Unternehmen über die einfache Personalisierung hinaus. Funktionen wie „Erkläre meine Antwort“ und KI-Rollenspiele ermöglichen eine intensivere Benutzerinteraktion – sie erfassen nicht nur Antworten, sondern auch, wie Lernende denken und kommunizieren. Duolingo kombiniert diese Daten mit seiner eigenen KI, um das Erlebnis zu verfeinern und so einen Wettbewerbsvorteil zu schaffen, den die Konkurrenz kaum erreichen kann.

Im Zeitalter der künstlichen Intelligenz (KI) sollten Daten Ihr entscheidender Vorteil sein. Unternehmen, die ihre Produkte so gestalten, dass sie proprietäre Daten erfassen und daraus lernen, werden überleben und führend sein.

Die Dotcom-Ära hat uns gezeigt, dass Hypes schnell vergehen, die Grundlagen aber Bestand haben. Der Boom der Gen-KI bildet da keine Ausnahme. Erfolgreiche Unternehmen werden nicht diejenigen sein, die Schlagzeilen machen – sie werden diejenigen sein, die echte Probleme lösen, diszipliniert wachsen und echte Wettbewerbsvorteile schaffen.

Die Zukunft der KI gehört den Entwicklern, die verstehen, dass es sich um einen Marathon handelt – und die Courage haben, ihn zu laufen.

Kailiang Fu ist KI-Produktmanager bei Uber.