AI löst eure Probleme nicht. Architektur schon.
Alle wollen AI in ihrem Produkt. Die wenigsten fragen sich, was passiert, wenn echte Nutzerdaten ins Spiel kommen. Über Datenschutz, Kosten und die Frage, wo KI wirklich hingehört.
Jedes zweite Briefing beginnt mit dem Satz: „Wir brauchen da was mit AI.“ Kein Satz erzeugt mehr Arbeit – und weniger Klarheit.
In unserem Team gibt es gerade drei Fraktionen. Die einen bauen seit Jahren stabile Backends und sehen keinen Grund, daran etwas zu ändern. Die anderen experimentieren mit LangChain, RAG-Pipelines und Vibe Coding. Und einer stellt die unbequemen Fragen: Wem gehören die Daten, die wir durch ein LLM jagen? Wer haftet, wenn die KI eine Frist falsch liest? Und verstehen wir eigentlich, was diese Systeme tun – oder tun wir nur so?
Alle drei haben recht. Und genau das ist das Problem.
Die Illusion vom AI-Feature
Wenn Kunden „AI-Lösung“ sagen, meinen sie: alles automatisch, alles intelligent, am besten gestern live. Was sie nicht meinen: Daten, die auf Servern in den USA landen. API-Kosten, die bei wachsender Nutzung explodieren. Und ein System, das sich bei jedem Preisupdate des Anbieters verändert.
AI ist kein Feature, das man auf ein Produkt draufsetzt wie einen Dark Mode. AI verändert, wo Daten fließen, welche Abhängigkeiten entstehen und was passiert, wenn etwas schiefgeht. Es ist eine Architekturentscheidung. Und wer sie als Marketing-Entscheidung behandelt, bezahlt dafür – spätestens beim Skalieren.
Ein Beispiel, das den Unterschied zeigt
Wir haben kürzlich eine Plattform gebaut, auf der Nutzer Immobiliendokumente hochladen – Versicherungspolicen, Wartungsverträge, Grundbuchauszüge. Das System soll Dokumententypen erkennen, Fristen extrahieren und alles automatisch zuordnen.
Der naheliegende Weg: Jedes Dokument an eine KI-API schicken. Claude, OpenAI, Gemini – die Erkennung ist exzellent. Aber: Die Dokumente verlassen den Server. Mietverträge, Steuerbescheide, persönliche Unterlagen – verarbeitet auf Infrastruktur außerhalb der EU. DSGVO-Konformität gibt es nur mit Enterprise-Verträgen, die für die meisten Unternehmen weder verfügbar noch bezahlbar sind. Und die Kosten? Bei 400 Nutzern: 1.500 bis 3.000 Euro im Monat. Nur für die Dokumentenverarbeitung.
Der andere Weg: OCR auf dem eigenen Server. Texterkennung lokal, regelbasierte Extraktion, keine Daten, die das System verlassen. Kosten: 50 bis 100 Euro im Monat.
Und jetzt der Punkt, der in der „AI ja oder nein“-Debatte immer fehlt: AI hat trotzdem eine zentrale Rolle gespielt. Nicht bei der Verarbeitung der Nutzerdaten – sondern beim Schreiben der Extraktionsregeln. Die KI hat das Regelwerk gebaut, nach dem das System arbeitet. Ein deterministisches, nachvollziehbares System, dessen Intelligenz von AI stammt, ohne dass ein einziges Nutzerdokument jemals einen externen Server berührt hat.
Die richtige Frage
Die Frage ist nie „AI ja oder nein“. Die Frage ist: An welcher Stelle im System erzeugt AI den größten Wert – ohne die größten Risiken?
Manchmal ist das ein LLM im Backend. Manchmal ist es OCR mit AI-generierten Regeln. Und manchmal ist es eine Lösung ganz ohne AI, weil sie schlicht besser funktioniert.
Wer Systeme baut, muss beide Welten verstehen. Die eigentliche Kompetenz liegt nicht darin, AI einsetzen zu können. Sie liegt darin, zu wissen, wann man es lassen sollte.
apprime entwickelt seit 2011 digitale Plattformen und Systeme in Berlin. Wir integrieren AI dort, wo sie Architektur verbessert – nicht dort, wo sie Pitchdecks verschönert.