Chrome-Erweiterung für strukturierte Notizen: Was ich beim Bau von R-Searcher lernte

Seit Jahren suchen Nutzer nach Wegen, lange Texte schneller zu erfassen. Doch die meisten Lösungen setzen auf künstliche Intelligenz als Alleskönner – und scheitern an Genauigkeit. Ein Entwickler aus Berlin hat eine Alternative getestet: die Chrome-Erweiterung R-Searcher, die Artikel in prägnante Notizen verwandelt. Das Projekt begann als Experiment, endete aber mit zwei teuren Erkenntnissen über KI, Datenschutz und Benutzerfreundlichkeit.

Warum klassische KI-Lösungen oft scheitern

Künstliche Intelligenz kann Textzusammenfassungen erstellen – doch oft mit einem entscheidenden Nachteil: Sie verlässt sich auf ihr eigenes Wissen statt auf die Quelle. Wer schon einmal eine KI-gestützte Zusammenfassung gelesen hat, kennt das Problem: Die Antwort klingt plausibel, doch ob sie tatsächlich dem Original entspricht, bleibt unklar.

Der Entwickler von R-Searcher wollte genau das vermeiden. Sein Ziel war nicht, eine weitere KI-Chat-Oberfläche zu bauen, sondern ein Hilfsmittel, das direkt im Browser arbeitet – ohne die Originalquelle zu ersetzen. Die Idee: Eine Erweiterung, die lange Artikel in drei Teile unterteilt: Kernaussagen, wichtige Notizen und konkrete nächste Schritte. Zusätzlich sollte sie schwierige Textstellen inline erklären, ohne den Nutzer auf externe Tools zu verweisen.

Die zwei kostspieligen Lektionen

Der Bau von R-Searcher begann als kleines Nebenprojekt. Doch schnell zeigte sich, dass selbst einfache KI-Tools unvorhergesehene Fallstricke bereithalten – insbesondere in drei Bereichen:

• Kostenkontrolle: KI-Modelle mögen zwar günstig pro Anfrage sein, doch bei hoher Nutzung summieren sich die Ausgaben rasant. Der Entwickler musste lernen, wie man Token-Kosten pro Nutzer begrenzt, ohne die Benutzerfreundlichkeit zu opfern.
• Datenschutz vs. Funktionalität: Viele Nutzer lehnen Konten ab, doch ohne Nutzeridentifikation lassen sich Missbrauch und Spam kaum verhindern. Eine Lösung musste her, die beides vereint.
• Benutzererwartungen: Nutzer erwarten oft mehr als eine einfache Zusammenfassung – etwa kontextsensitive Erklärungen oder personalisierte Vorschläge. Doch diese Funktionen erfordern komplexere KI-Modelle, die wiederum teurer sind.

Wie R-Searcher funktioniert – und warum es anders ist

Die meisten KI-Erweiterungen für Texte arbeiten nach einem ähnlichen Schema: Sie extrahieren den gesamten Inhalt, senden ihn an einen Server und liefern eine generische Antwort. R-Searcher geht einen anderen Weg:

1. Seitenanalyse mit Fokus auf Lesbarkeit: Bevor der Text analysiert wird, filtert die Erweiterung Navigationselemente, Werbung und Sidebars heraus. Das Ergebnis ist ein bereinigter Text, der sich besser verarbeiten lässt.

1. Strukturierte Ausgaben statt Fließtext: Die KI liefert keine lange Zusammenfassung, sondern drei klar getrennte Abschnitte:

• Essence (Kernaussage in 2–3 Sätzen)
• Notes (wichtige Details mit Kontext)
• Next Steps (konkrete Handlungsempfehlungen)

1. Inline-Erklärungen für schwierige Passagen: Statt den Nutzer auf eine externe Suchmaschine zu verweisen, erklärt die Erweiterung hervorgehobene Textstellen direkt im Browser – und bietet sogar Folgeaktionen wie Umformulierungen oder Beispiele an.

Die technische Umsetzung: Einfach, aber durchdacht

Der Entwickler setzte auf eine minimalistische Architektur, die sowohl Kosten als auch Komplexität reduziert:

Client (Chrome Extension MV3)  →  Backend (Cloudflare Worker)  →  KI-Modell (Gemini 2.5 Flash-Lite)

• Backend: Ein Cloudflare Worker verarbeitet die Anfragen und speichert Nutzerdaten in Cloudflare KV – einer schlanken Datenbank für Quoten und Anti-Spam-Maßnahmen.
• KI-Modell: Statt teurer LLMs setzt das Projekt auf ein günstigeres, aber zuverlässiges Modell, das speziell für präzise Antworten trainiert ist.
• Nutzeridentifikation: Ohne Zwang zu einem Konto generiert die Erweiterung eine lokale Installations-ID, die für wöchentliche Quoten genutzt wird. Das schafft einen Mittelweg zwischen Anonymität und Missbrauchsschutz.

Ein entscheidender Punkt war die Aufteilung der Verantwortlichkeiten: Die Erweiterung zeigt zwar an, wie viele Anfragen noch möglich sind – doch die tatsächliche Sperre oder Freigabe erfolgt auf Serverseite. Das verhindert, dass Nutzer durch lokale Manipulationen die Quoten umgehen.

Was der Entwickler heute anders machen würde

Nach monatelanger Nutzung und Feedback von Testern hat der Entwickler zwei kritische Punkte identifiziert, die er in zukünftigen Versionen anders angehen würde:

1. Bessere Integration von Nutzerfeedback: Aktuell gibt es keine Möglichkeit, die KI-Ergebnisse zu bewerten oder zu korrigieren. Eine Funktion wie "Diese Zusammenfassung ist falsch" könnte die Qualität langfristig verbessern.

1. Mehrsprachige Unterstützung: Die aktuelle Version funktioniert nur auf Englisch. Eine Erweiterung für mehrsprachige Artikel würde die Nutzerbasis deutlich vergrößern.

Fazit: Kleine Tools, große Auswirkungen

R-Searcher beweist, dass KI nicht immer komplex sein muss, um nützlich zu sein. Die Erweiterung zeigt, wie ein gezieltes Problem – das Lesen langer Artikel – mit einer schlanken Architektur und klaren Nutzererwartungen gelöst werden kann. Die beiden teuren Lektionen des Entwicklers (Kostenkontrolle und Datenschutz) sind keine Einzelfälle, sondern typisch für viele KI-Projekte.

In Zukunft könnten Tools wie R-Searcher dazu beitragen, dass KI nicht als Blackbox, sondern als präzises Werkzeug wahrgenommen wird – eines, das den Nutzer unterstützt, ohne ihn zu überwältigen.