Wie ein KI-Agent eine Produktlaunch-Woche bestritt – und warum es niemand brauchte

Vor wenigen Wochen startete ich ein Experiment: Ich überließ einem KI-Agenten die vollständige Kontrolle über einen Produktlaunch – von der Produktstrategie über die Positionierung bis hin zur Preisgestaltung und Vertriebsplanung. Meine einzige Aufgabe bestand darin, potenziell gefährliche Entscheidungen zu blockieren und bei expliziten Nachfragen zwischen Optionen zu wählen. Zusätzlich forderte ich das System auf, vor jeder wichtigen Entscheidung zu prüfen, was es bereits am Markt gab und welche Daten verfügbar waren. Abgesehen davon hielt ich mich zurück. Innerhalb einer Woche entstand so ein funktionierendes Produkt mit einer eigenen Storefront und realen Vertriebskanälen. Technisch war alles einwandfrei – doch am Ende stellte sich heraus: Niemand brauchte es. Hier ist die Geschichte dahinter.

Die Vorbereitung: Ein Experiment mit minimalem Aufwand

Ich wählte eine Produktkategorie, in der die KI-Ära die Entwicklungskosten bereits auf null gedrückt hat. Um kein Muster zu verzerren, verzichte ich bewusst auf die Nennung des konkreten Segments – das Produkt selbst ist nicht das Thema. Mein Start war bewusst simpel: eine Domain, ein Entwicklungssystem, ein KI-Agent und die Zusage, das Experiment durchzuziehen. Kein bestehendes Publikum, keine Kunden, keine Marke. Stack: Next.js 16, Tailwind v4, TypeScript in strikter Konfiguration. Als primäres Werkzeug diente Claude Code, unterstützt durch einige Skripte für Veröffentlichung, Planung und Analytics. Mein Zeitbudget: eine Woche mit Abenden und ein ganzes Wochenende. Das Budget an Geld war so knapp, dass ich mir hinterher keine Rechtfertigung würde anhören müssen.

Die zentrale Regel für strategische Entscheidungen lautete: Immer recherchieren, bevor eine Entscheidung fällt. Das System sollte aktuelle Angebote, Preise und vergleichbare Markteinführungen prüfen – nicht nur auf Trainingsdaten zurückgreifen. Diese Vorgabe sollte Halluzinationen eines nicht existierenden Marktes verhindern. Ich dachte, das würde reichen. Doch es reichte nicht – allerdings anders, als ich befürchtet hatte.

Die Woche der KI: Was in sieben Tagen entstand

In nur sieben Tagen entwickelte der KI-Agent – stets mit meiner Freigabe und Überprüfung – folgende Schritte:

• Auswahl der Produktkategorie und Unterpositionierung
• Definition des idealen Zielgruppenprofils
• Festlegung der Preismodelle
• Erstellung von sechs einsatzbereiten Templates mit passenden Design-Tokens, Dark Mode, Animationen und grundlegenden Barrierefreiheitsfeatures
• Einrichtung eines Storefronts mit Produktbeschreibungen, Vorschauen und rechtlichen Seiten
• Aufbau einer Präsenzwebsite mit Blog, FAQ und rechtlichen Unterseiten
• Generierung aller Cover-Bilder und Blogartikel
• Skriptierung und Rendering von Videopromos für jedes Template direkt aus dem Code
• Erstellung einer Reihe von SEO-optimierten Artikeln für verschiedene Content-Kanäle
• Einrichtung eines dreistufigen Onboarding-Flows per E-Mail
• Automatisierung eines Post-Purchase-Webhooks zwischen Zahlungsplattform und E-Mail-Tool
• Planung von täglichen Social-Media-Posts für die kommenden zwei Wochen
• Entwicklung eines morgendlichen Skripts, das Analysedaten aus fünf Kanälen in einer Terminal-Ausgabe zusammenführt

An dieser Aufzählung muss man kurz innehalten. Denn noch vor drei Jahren hätte ich geschworen, dass so etwas unmöglich ist. Sechs Monate Arbeit eines Entwicklers in einem einzigen Wochenende komprimiert – und das Ergebnis sah nicht nach generischer KI-Qualität aus. Die Templates wirkten mindestens so professionell wie die, für die ich früher bezahlt hatte. Die Artikel lasen sich wie von Menschenhand verfasst. Die Videos waren sehenswert. Irgendwann liefen sogar sechs YouTube-Videos parallel, während ich kochte. Es fühlte sich an wie Science-Fiction.

Hätte das Experiment am siebten Tag geendet, wäre mein Fazit gewesen: KI hat das Bauproblem für Solo-Entwicklerprodukte still und leise gelöst. Doch es endete nicht am siebten Tag. Genau hier begann die eigentliche Lektion.

Das unausgesprochene Unbehagen: Warum das Produkt niemand brauchte

Rund um den vierten Tag, als der Storefront nahezu fertig war und die ersten Social-Media-Posts veröffentlicht wurden, spürte ich ein seltsames Gefühl. Das Produkt war in Ordnung. Objektiv betrachtet. Das Design war gut. Der Code sauber. Die Texte lasen sich flüssig. Alles sah aus wie etwas, auf das man stolz sein könnte.

Und trotzdem meldete sich eine leise, aber beharrliche Frage in meinem Hinterkopf: Wer genau soll das überhaupt wollen? Ich konnte nicht benennen, was falsch war. Es fühlte sich an, als hätte ich ein Kochbuch mit einem perfekt formulierten Rezept für ein Gericht, das niemand je essen würde. Kein Bug. Kein Tippfehler. Nur eine grundlegende Fehlausrichtung, die ich nicht greifen konnte.

Also stellte ich dem Agenten mehrfach verschiedene Fragen:

• „Gibt es eine echte Nachfrage für dieses Produkt?"
• „Ist die Qualität auf einem Niveau, für das jemand tatsächlich zahlen würde?"
• „Was spricht dagegen, dass dieses Produkt existiert?"

Die Antworten kamen stets mit Belegen. Ja, es gebe Nachfrage – hier die vergleichbaren Produkte, hier die Preisanpassung, hier die Logik des Conversion-Funnels. Die Argumente waren in sich schlüssig. Doch sie beantworteten nicht die eigentliche Frage. Ich veröffentlichte das Produkt trotzdem. Ein gut begründetes Argument ist schwerer zu ignorieren als ein diffuses Gefühl.

Der Durchbruch kam am achten Tag – nicht beim Nachdenken über das Produkt, sondern beim Duschen. In einem Moment der Leere kam mir plötzlich ein Gedanke: Die Zielgruppe, für die das Produkt angeblich gedacht war, kann es sich selbst in einem Nachmittag bauen – mit denselben Tools, die ich gerade genutzt hatte.

Der typische Kunde dieses Produkts war ein technisch versierter Mensch, der schnell etwas Eigenes umsetzen wollte. Und dieser Mensch hat nun Zugang zu denselben KI-Tools wie ich. Wenn er etwas in einem Nachmittag selbst bauen kann, warum sollte er dann für mein Produkt bezahlen? Es gibt keinen Schmerz, den ich lindere, weil er keinen Schmerz empfindet. Es gibt kein Bedürfnis, das ich erfülle, weil er es selbst stillen kann. Nichts zwingt jemanden, die Kreditkarte zu zücken.

Ich verließ die Dusche, trocknete mich ab und tippte die Erkenntnis in den Chat: „Die Zielgruppe dieses Produkts kann es sich selbst in wenigen Stunden mit KI bauen. Warum sollten sie dafür bezahlen?“ Der Agent, der noch Stunden zuvor selbstbewusst durch den Nachfrage-Funnel argumentiert hatte, hatte plötzlich keine Antwort mehr.

Die eigentliche Herausforderung: KI löst das Bauproblem – nicht das Problem der Nachfrage

Das Experiment hat mir eine klare Lektion erteilt: KI kann den Bauprozess radikal beschleunigen und die technische Qualität eines Produkts auf ein professionelles Niveau heben. Doch sie kann nicht automatisch eine Nachfrage erzeugen, die nicht existiert. Wenn die Zielgruppe die benötigten Fähigkeiten und Tools besitzt, um selbst aktiv zu werden, wird kein Produkt – egal wie gut es technisch ist – jemanden zum Kauf bewegen.

Die Gefahr liegt nicht darin, dass KI schlechte Produkte baut. Die Gefahr liegt darin, dass sie zu viele Produkte baut, für die es keinen Markt gibt. Die eigentliche Arbeit beginnt nicht beim Bauen, sondern beim Verstehen, wer überhaupt ein Problem hat – und ob dieses Problem so drängend ist, dass jemand bereit ist, dafür zu zahlen. KI kann uns helfen, schneller zu scheitern. Doch sie kann uns nicht davon befreien, die richtigen Fragen zu stellen – bevor wir investieren.