Ein Spielzeug für alle
Wir bauen den KI-Bundestrainer —
damit du lernst, wie du mit KI Produkte baust.
Der KI-Bundestrainer ist Satire-Tabloid, klar. Aber er ist vor allem eines: ein lebendes Beispiel, wie man heute mit Künstlicher Intelligenz selbst Produkte bauen kann — wenn man sich traut, anzufangen.
Warum wir das machen
Klar: Wir wollen Aufmerksamkeit. Für inzpyre.me, für unser Dachprojekt, für unsere Apps. Und weil wir glauben: Bildung darf Spaß machen. Eine Tabloid-Satire ist eine seltsame Verpackung für ein Bildungsversprechen — genau deswegen funktioniert sie.
Wichtiger aber: Wir wollen dir zeigen, was mit KI wirklich geht — nicht in PowerPoint-Folien, sondern in einem echten Tool, das du in 30 Sekunden benutzt. Wenn du hier durchklickst, siehst du, was KI alles kann: recherchieren, schreiben, bewerten, zuspitzen. Nicht perfekt — aber oft schneller als ein ganzes Redaktionsteam.
Das ist die eine Seite: wir wollen dir die Fähigkeiten von KI vor Augen führen. Die andere: wir wollen dir zeigen, wie du selbst Produkte mit KI baust — egal ob Web-Tool wie der KI-Bundestrainer, eigene iPhone-App oder eine kleine Automatisierung auf deinem Rechner. Heute könnte jeder mit Tools wie Claude Code eigene Software schreiben. Zwischen einem hübschen Demo und einem Tool, das nicht auseinanderfällt, wenn 100.000 Leute gleichzeitig draufklicken, liegt aber eine Menge Arbeit. Welche Probleme warten, welche Fallstricke es gibt, wie man sie löst — genau das findest du weiter unten im Protokoll.
Unser Ziel
Vom Klick zur Schlagzeile in 15 Sekunden
Jede Generation durchläuft denselben Ablauf — ein bisschen KI- Recherche, ein bisschen Algorithmus, ein bisschen Bundestrainer- Bauchgefühl. Und am Ende ein Stück Content, das du teilen kannst.
Du machst Eingaben
Das Frontend ist die Oberfläche, auf der du klickst — Trainer-Stil, Ziel, Filter. Wir haben sie bewusst einfach gebaut, damit du keinen komplizierten KI-Prompt schreiben musst. Du entscheidest, was du willst — den Rest übersetzen wir in einen Prompt. Nichts anderes passiert hier.
KI zieht Daten aus dem Netz
Wir suchen die Kandidaten zusammen, die zu deinen Regeln passen. Aktuelle Form, Statistiken, Gegner-Analysen, Marktwerte — alles wird live geladen und mit deinen Filtern abgeglichen. Hier passiert die eigentliche Arbeit.
Der KI-Bundestrainer entscheidet
Deine Filter werden mit den Daten abgeglichen — dann fällt die Entscheidung. Welche Elf? Welche Begründung? Welcher Ton? "72 % Passquote. Spielt den Ball lieber als dass er redet." Datenbasiert, aber mit Augenzwinkern.
Du kriegst den Output
Eine kurze Stellungnahme, ein kompletter Kader, oder eine Einzelbenotung — inklusive Daten, Fakten, Rollen und Pointen. Alles in ein paar Sekunden, alles teilbar, alles in einer UX, die Spaß macht.
So baust du dir dein eigenes KI-Produkt
Hier ist der Workflow, mit dem wir den KI-Bundestrainer gebaut haben — und mit dem heute jeder sein eigenes KI-Produkt bauen kann: eine Web-App wie der Bundestrainer, eine iPhone-App oder eine kleine Automatisierung auf deinem Computer. Drei Phasen, ein paar Tools, viele Links — damit du nicht raten musst, wo du anfangen sollst.
Hinweis: Wir haben keine Partnerschaften mit den hier genannten Anbietern. Wir empfehlen ausschließlich Tools, die wir selbst aktiv nutzen und für sinnvoll halten.
Mit welchen Tools wir bauen
Wir sind selbst Praktiker, keine Theoretiker. Für jeden Schritt der Produktion gibt es heute ein KI-Tool, das Wochen an Arbeit spart. Das ist unser Stack:
Wispr Flow
Mit der KI sprechen statt tippen
Du sprichst schneller, als du tippst — und du teilst Gedanken so spontan wie mit einem Mitarbeiter. Wispr Flow läuft im Hintergrund und transkribiert deine Stimme direkt in jedes Eingabefeld. Kein Must-have, um ein Tool zu bauen — aber wir empfehlen es, weil wir glauben: Die Zukunft der Bedienung von KI liegt in der Spracheingabe, nicht mehr in der Tastatur.
Claude Cowork
Konzept und Planung
Brainstorming, Spec-Schreiben, Architektur-Skizzen. Vor jeder Zeile Code liegt ein Markdown-Dokument, das wir gemeinsam mit Claude Cowork durchgespielt haben — Feature-Definition, Edge-Cases, Zielgruppe. Cowork ist auch unser täglicher Mitarbeiter für Marketing, Content und Recherche.
Claude Code
Programmierung — du brauchst keine Programmierkenntnisse
Vom ersten Scaffold bis zum finalen Deploy: den gesamten Code hat Claude Code geschrieben, Refactorings inklusive. Wir geben Richtung vor, Claude Code setzt um — und widerspricht, wenn unsere Idee Quatsch ist. Wichtig: Du musst dafür nicht programmieren können. Wir sind selbst keine Techies.
GitHub
Versionskontrolle und Backup
GitHub speichert deinen Code-Stand in einem sogenannten Repository — einem Backup, zu dem du jederzeit zurückkehren kannst. Wir empfehlen ein privates Repository, damit dein Code nicht für jeden öffentlich ist.
Supabase
Datenbank und Backend
Wir speichern Daten in einer Datenbank — beim KI-Bundestrainer z. B. Newsletter-Anmeldungen und das Anfrage-Cache. Dafür nutzen wir Supabase: Datenbank, Auth und Storage in einem. Notwendig nur, wenn deine App ein Backend braucht — manche Tools (etwa reine Automatisierungen) kommen ohne aus.
Vercel
Hosting der Website
Eine Website muss irgendwo gehostet werden. Vercel war für uns die einfachste Wahl: automatische Deploys bei jedem Push, Edge-Functions für die API-Routes, Hosting-Zeitaufwand quasi null.
Cloudflare
Schnelle Bereitstellung & Sicherheit
Cloudflare liegt vor unserer Seite und sorgt für zwei Dinge: Geschwindigkeit (CDN — Inhalte werden weltweit nah am User ausgeliefert) und Schutz (DDoS-Abwehr, Bot-Filter, SSL).
Claude Design
Video und Animation
Die Erklär-Animationen und Videos auf dieser Seite sind mit Claude Design entstanden. Aus einem Brief und ein paar Iterationen wird ein selbst-laufendes HTML-Bundle — kein Video-Schnitt, kein After-Effects.
Planungsphase — du beschreibst, Claude stellt die Fragen
Hauptwerkzeug: Claude Cowork. Du beschreibst, was deine App können soll, und gibst Claude den Auftrag, dich so lange zu fragen, bis das Konzept steht. Am Ende generiert Claude eine Markdown-Datei mit dem fertigen Konzept — sie ist dein Briefing für die Programmierphase.
Standard-Prompt für Claude Cowork — anpassen und kopieren
Ich möchte eine [Web-App / iOS-App / Android-App] bauen. Folgende Funktionen soll sie haben: [hier Funktionen beschreiben] Die Zielgruppe ist: [hier Zielgruppe beschreiben] Stelle mir so lange Fragen zu Funktionen, Edge-Cases und Zielgruppe, bis du das Konzept vollständig verstanden hast. Kläre mit mir außerdem die Daten- und Architektur-Seite: - Welche Daten speichert und verarbeitet die App? - Welche davon sind kritisch (sensibel, vertraulich, regulatorisch heikel — z.B. Gesundheit, Finanzen, persönliche Notizen)? - Welche Daten müssen WIR als Betreiber ownen (Server, Datenbank, Backups)? - Welche Daten sollten ausschließlich dem Nutzer gehören (nur lokal auf dem Gerät, Ende-zu-Ende-verschlüsselt, niemals auf unseren Servern)? - Welche Software-Architektur passt dazu (reine Frontend-App mit Local Storage, Backend mit Auth + Datenbank, E2E-verschlüsselter Sync, …)? Baue dann eine Markdown-Datei mit dem fertigen Konzept, die ich im nächsten Schritt mit Claude Code teilen kann.
Warum die Daten-Frage? Software-Architektur 101
Du musst heute nicht mehr selbst coden können — ein Grundverständnis für Software-Architektur lohnt sich trotzdem. Das spannendste Thema dabei ist fast immer: Was passiert eigentlich mit den Daten? Welche landen auf deinen Servern, welche nur auf dem Gerät des Nutzers, welche dürfen den Browser nie verlassen?
Beim KI-Bundestrainer ist das vergleichsweise harmlos — wir verarbeiten keine sensiblen Nutzerdaten, alles ist öffentlich und satirisch. Sobald du aber eine App baust, in der kritische Daten verarbeitet werden (Gesundheit, Finanzen, Tagebuch, Kund:innen-Daten …), solltest du diese Architektur-Entscheidung bewusst treffen, bevor die erste Zeile Code geschrieben wird. Genau dafür ist der Datenblock im Prompt oben.
Programmierphase — Claude Code baut, du gibst Richtung
Dein Werkzeug: Claude Code. Bevor wir loslegen, musst du dich entscheiden, wie du Claude Code überhaupt nutzen willst. Es gibt drei Wege — wähle den, der sich für dich am wenigsten nach „Tech-Bunker“ anfühlt.
Aber ehrlich: Wenn du am Ende wirklich ein Produkt live stellen willst — eigene Domain, Deploy auf Vercel/Netlify, Push zu GitHub, Anbindung an Supabase & Co. — kommst du mit der Desktop-App schnell an Grenzen. Für echte Launch-Workflows empfehlen wir Visual Studio Code oder das Terminal. Die Desktop-App ist super zum Reinkommen und für Prototypen — aber kein Produktiv-Werkzeug.
Drei Wege, Claude Code zu nutzen
Claude Code Desktop-App
Eigene App von Anthropic, eigene Oberfläche. Plus: am freundlichsten für Nicht-Techies, perfekt zum Reinkommen und für erste Tests. Minus: weniger flexibel, sobald du tiefer in den Code schauen willst — und für Production-Workflows (GitHub-Push, Deploy zu Vercel/Netlify, Anbindung an externe Services) ist die App aus unserer Sicht noch nicht ausgelegt. Sobald du wirklich launchen willst, lieber Weg 2 oder 3.
In Visual Studio Code
Code-Editor mit Claude-Code-Plugin. Plus: Code, Terminal und Claude in einem Fenster — perfekt, sobald du Lust hast, am Code mitzulesen. Minus: anfangs einschüchternd, weil du alles auf einmal siehst.
Im Terminal
Direkte Installation, schnellster Start für Tech-Affine. Plus: maximal flexibel. Minus: das Terminal ist für Nicht-Techies ungewohnt — wirkt schnell wie eine Hacker-Konsole.
Workflow
Lege auf deinem Computer einen Projektordner an. Lege dort die Markdown-Datei aus Phase 1 hinein. Öffne Claude Code in diesem Ordner und schicke ihm den folgenden Prompt:
Standard-Prompt für Claude Code — kopieren und einsetzen
Lies die Markdown-Datei, die ich im Projektordner abgelegt habe. Baue auf Basis dieses Konzepts die Applikation. Wenn du Fragen hast, stelle sie mir bitte, bevor du anfängst. Bitte programmiere die App in mehreren Sprints — wir machen immer nur einen klar abgegrenzten Teil auf einmal. Sag mir am Ende jedes Sprints, was du gebaut hast und was als Nächstes ansteht.
Tipp: Nutze den Planungsmodus
Wenn du einen Prompt absetzt, plant Claude Code im Planungsmodus erst einmal, was er tun will. Du liest gegen, sagst „passt“ — und erst dann legt er los. Nichts wird sofort umgesetzt. Alternativ gibt es einen Auto-Modus, der direkt arbeitet.
Modus wechseln:
- Im Terminal: mit der Shift + Tab-Taste durch die Modi schalten. Der aktive Modus wird unten in der Eingabezeile angezeigt.
- In der Desktop-App / VS Code: Toggle in der UI unter der Eingabezeile (gleiche Tastenkombination funktioniert in der Regel auch).
Warum Sprints?
Nach jedem Sprint kannst du Claude Code (oder die Desktop-App oder das Terminal) schließen und neu starten. Zwei Vorteile: (1) Du sparst Tokens, weil Claude nicht jedes Mal den gesamten bisherigen Verlauf neu lesen muss. (2) Du kannst nach jedem Sprint zwischenspeichern — am besten in einem GitHub-Repository (siehe direkt darunter). Wenn der nächste Sprint in die Hose geht, kannst du jederzeit zum letzten guten Stand zurück.
Empfehlung: Lege ein GitHub-Repository an
GitHub speichert deinen Code-Stand — und ist gleichzeitig dein Backup. Du kannst nach jedem Sprint committen und jederzeit zu einem früheren Stand zurück. Wichtig: Lege ein privates Repository an, damit dein Code nicht öffentlich einsehbar ist (Stichwort API-Keys, interne Notizen). Vercel und Netlify deployen direkt aus GitHub heraus — der Workflow lohnt sich also doppelt.
In der Regel führt dich Claude Code auch durch den weiteren Prozess: nach jedem Sprint fragt es „Machen wir mit dem nächsten Schritt weiter? Was möchtest du als Nächstes tun?“ — und es weist dich auf Dinge hin, die noch fehlen, etwa Tools, die du anbinden musst, oder eine Datenbank, die noch nicht angeschlossen ist.
Wenn du nicht weißt, wie es weitergeht, frag Claude Code einfach: „Was fehlt noch, damit ich die App nutzen kann?“ oder „Was muss ich vor dem Testen finalisieren?“
Im Folgenden bekommst du einen Überblick, was wir beim KI-Bundestrainer alles berücksichtigen mussten — und was bei dir je nach App-Typ relevant ist.
Wenn dein Tool KI nutzt (wie der KI-Bundestrainer)
Du brauchst einen API-Account bei einem oder mehreren Anbietern — das ist die Schnittstelle, über die deine App mit dem Sprachmodell sprechen kann. Welcher Anbieter passt, hängt von Sprache, Aufgabe und Budget ab. Wir nutzen Anthropic + OpenAI (Modellwahl im Detail siehe Phase 3).
Wenn du Daten speichern willst
Sobald deine App Daten merkt — Newsletter-Anmeldungen, Caches, Profile, Inhalte — brauchst du eine Datenbank. Wir nutzen Supabase (Datenbank, Auth und Storage in einem, einsteigerfreundlich). Andere populäre Optionen sind MongoDB Atlas, PlanetScale oder Firebase. Reine Automatisierungen ohne gespeicherte Daten brauchen das nicht.
Wenn du eine Web-App baust
Eine Web-App muss irgendwo gehostet werden, damit sie unter einer URL erreichbar ist. Wir nutzen Vercel — weil das Hosting bei jedem Code-Push (über GitHub) automatisch neu deployt, weltweit ausgeliefert wird und für kleine Projekte kostenlos ist. Eine bekannte Alternative ist Netlify mit ähnlichem Modell.
Wenn du eine iOS-App baust
iOS-Apps werden in Swift geschrieben — Apples eigener App-Sprache. Als Entwicklungs-Tool brauchst du Xcode (kostenfrei im Mac App Store): hier wird gebaut, getestet und am Ende deine App in den App Store hochgeladen — über App Store Connect. Dafür benötigst du einen Apple Developer Account (≈99 USD/Jahr).
Test- und Optimierungsphase — Feintuning am echten Tool
Bis hierhin ist alles noch ziemlich einfach. Du sprichst mit der KI, sagst ihr, was sie tun soll — und die KI erledigt den Rest. Die Test- und Optimierungsphase ist der spannendste Teil. Hier geht es um echte Problemlösung: ob dein Tool wirklich tut, was es soll. Bei uns: die richtigen Spieler aufstellen oder ein passendes Statement abgeben. Bei dir: das Problem lösen, für das du dein Tool gebaut hast.
Web-Apps testest du im Browser, iOS-Apps im Xcode-Simulator. Wenn du Probleme identifizierst, beginnt das Feintuning. Typische Fragen, die dabei auftauchen:
- Funktioniert die UX auch dann, wenn der Nutzer etwas Unerwartetes tut? Wenn er die App schnell schließt — bleiben seine Daten erhalten? Lädt nach einem Refresh wieder der richtige Stand?
- Wenn du KI nutzt: Liefert dein Tool wirklich die Antworten, die es ausgeben soll — oder halluziniert das Modell?
- Wenn du KI nutzt: Welche Token-Kosten entstehen pro Aufruf? Wie managst du sie, damit dein Tool bei viralem Erfolg nicht zum Geldgrab wird?
- Musst du weitere APIs anbinden, weil du über externe Tools an bessere Daten kommst?
- Nutzt du eine Suche? Kannst du die Suchergebnisse in einem Zwischenschritt zwischenspeichern oder aufbereiten, damit das Endergebnis stimmt?
Im Folgenden zeigen wir dir, welche Probleme wir beim KI-Bundestrainer hatten — und wie wir sie gelöst haben.
Die Token-Frage: würde uns das viral nicht killen?
Bevor wir die erste Zeile Code geschrieben haben, haben wir eine Frage gestellt: Was passiert, wenn der KI-Bundestrainer viral geht? Die Antwort war unangenehm.
Die Hochrechnung
Stell dir vor, 100.000 Menschen probieren den KI-Bundestrainer an einem Tag aus. Jeder klickt zweimal — ein Kader, eine Stellungnahme. Das sind 200.000 Generierungen. Jede mit ~8.000 Input- und ~8.000 Output-Tokens.
Auf einem Premium-Reasoning-Modell (GPT-4, Claude Opus) kostet jede Generierung rund $0,78. Macht in Summe:
Kommt nicht in Frage.
Also: Welche Hebel haben wir, die Kosten zu reduzieren?
Modellwahl
$0,78 → $0,002 pro CallDer größte Hebel und der erste. Premium-Reasoning-Modelle sind für unseren Use-Case Overkill — der KI-Bundestrainer trifft strukturierte Entscheidungen aus einem vordefinierten Pool, das ist kein freies Philosophieren. Wir sind auf stats-optimierte Klassen gewechselt: OpenAI GPT-4o-mini für den Kader, Claude Haiku 4.5 für Stellungnahmen und Halbzeit. Beide kosten Sub-Cent pro Call.
Aus den $156.000 pro Tag werden plötzlich ~$400. Allein durch eine einzige Entscheidung am Anfang.
| Modell | Input / 1M Tok | Output / 1M Tok |
|---|---|---|
| Claude Opus 4 (Premium-Reasoning) | $15 | $75 |
| GPT-4 (Classic) | $30 | $60 |
| Claude Haiku 4.5· unsere Wahl | $1 | $5 |
| OpenAI GPT-4o-mini· unsere Wahl | $0,15 | $0,60 |
| Gemini 2.0 Flash | $0,10 | $0,40 |
| Qwen 2.5 72B (China) | $0,35 | $0,40 |
| DeepSeek V3 (China) | $0,27 | $1,10 |
Kein Anspruch auf Vollständigkeit — das sind die Modelle, die wir evaluiert haben. Preise sind gerundete Listenpreise pro 1 Mio. Tokens. Am Markt gibt es deutlich mehr Optionen, und die Preise ändern sich schnell.
Was wir gelernt haben: Chinesische Modelle sind nominal günstig — aber bei deutscher Sprachgenerierung in bestimmten Formen (z.B. Stellungnahmen im Bundestrainer-Duktus) leider unbrauchbar. Die Wortwahl kippt schnell ins Generische oder ins Falsche. Für strukturierte Picks (Kader, Aufstellung) geht GPT-4o-mini — für Satire und Ton musst du bei Claude Haiku bleiben. Ein einziges Modell für alles gibt’s nicht.
Unsere Modell-Story
Claude war uns zu teuer. China-Modelle haben wir getestet und verworfen (deutsche Satire nicht verlässlich). Dann Gemini Flash probiert — schnell, aber unsere Kader-Calls sind regelmäßig abgebrochen, weil das Modell Schema-Fehler lieferte und Timeouts produzierte. Am Ende haben wir auf GPT-4o-mini gewechselt für den Kader, Haiku 4.5 für die Satire-Texte. Preis-Leistung-Sieger: GPT-4o-mini, wo Struktur zählt. Qualitäts-Sieger: Haiku, wo Ton zählt.
Pre-Computation — einmal recherchieren, oft wiederverwenden
−98 % Web-Search-KostenZwei Ebenen: Der WM-Kader selbst steht ja schon — wir haben die 108 Kandidaten einmal gründlich recherchiert und in einer Datenbank abgelegt. Die KI greift beim Generieren nur noch darauf zu, anstatt bei jedem Call erneut zu suchen. Zusätzlich läuft einmal pro WM-Spiel ein Recherche-Call, der aktuelle Form, Verletzungen und Gegner-Analyse aus dem Netz holt. Alle User-Features picken denselben Context aus der DB. Live-Daten, die sich stündlich ändern, holen wir nur einmal am Tag.
Wenn alle Features denselben Context teilen, sparen wir nicht nur Geld — wir gewinnen auch Konsistenz. Alle Features sehen dasselbe Weltbild.
Zwischenspeicher — gleiche Frage, gleiche Antwort
~65 % der Anfragen entfallen komplettViele User wählen ähnliche Kombinationen — zum Beispiel "Klopp-Stil + Torgefahr + nur Bundesliga". Wenn zwei Leute dasselbe anfragen: Warum die KI zweimal rechnen lassen? Wir prüfen bei jeder Anfrage, ob die gleichen Eingaben schon mal durchgekommen sind. Wenn ja, liefern wir die fertige Antwort aus unserer Datenbank statt die KI erneut zu starten. Gültig für 6 Stunden. In der WM-Gruppenphase greift das bei etwa 60–70 % aller Anfragen.
Je größer der Ansturm, desto mehr greift der Zwischenspeicher. Viralität wird billiger statt teurer.
Max-Tokens cappen
−30 % LatenzDas Modell darf "bis zu 16 000 Output-Tokens" — viele Modelle nutzen das als Freifahrtsschein zum Nachdenken, selbst wenn der finale JSON nur 3 000 braucht. Hartes Cap auf 7 000. Das Modell interpretiert das als Budget-Signal und kürzt automatisch. Kein Qualitätsverlust, weil das echte Output-Volumen eh drunter liegt.
Nebeneffekt, der später noch wichtig wird: das Cap hilft auch gegen Timeouts. Wenn das Modell ewig rechnet, bricht unser Website-Hoster ab — dazu gleich mehr.
Und jetzt sind wir hier
Aus dem $156.000-Tag sind rund 65 Dollar geworden. Kombiniert: −99,96 %. Ja, das ist immer noch Geld. Aber für uns ist die Rechnung klar.
Wenn das Tool viral geht: bringt uns das Aufmerksamkeit, die du mit Paid Ads wahrscheinlich nicht mal kaufen kannst:
- Screenshots auf Social Media
- Gespräche beim Bier
- Klicks auf inzpyre.me
Paid Ads mit vergleichbarer Reichweite wären um ein Vielfaches teurer.
Wenn es nicht viral geht: zahlen wir auch nichts — ohne Nutzung laufen keine Token- Kosten auf. Bleibt nur der Entwicklungsaufwand. Und mit KI ist das Bauen solcher Tools heute längst nicht mehr die Hürde, die es mal war.
Und falls die Rechnung doch mal daneben liegt: Unser Budget bei Claude und OpenAI ist hart gekappt. Wir können jederzeit entscheiden, wie viele Generierungen wir zulassen — im Zweifel drehen wir den Hahn runter. Kontroll- verlust ist damit ausgeschlossen.
Welche weiteren Herausforderungen gab es?
Günstige Modelle sind schön — aber sie bringen neue Probleme mit. Drei davon haben uns am meisten beschäftigt.
Halluzinationen
Problem
Das Modell "erfand" Spieler außerhalb unseres Kaders. Mal kam ein Belgier, mal ein Kroate, mal ein Fabelname wie "Sandro Duxch" — eine Verschmelzung aus zwei echten Spielern. Für die deutsche Nationalmannschaft natürlich Quatsch.
Fix
Vier-Schritte-Verteidigung: (1) Wir haben den WM-Kader einmal sauber recherchiert und in einer Datenbank hinterlegt — daraus wird ausgewählt, fertig. (2) Regel im Prompt: "Nur Deutsche. Nur weil jemand in der Bundesliga spielt, ist er noch kein deutscher Nationalspieler." (3) Wenn zu wenig Spieler matchen, soll die KI lieber aus unserem Satire-Kader picken als zu halluzinieren. (4) Server-seitiger Namen-Check: Wer nicht in der Liste steht, fliegt automatisch raus.
Timeouts
Problem
Wenn die KI zu lange rechnete, brach unser Website-Hoster nach 60 Sekunden einfach ab — der User sah keine Antwort, sondern eine Fehlermeldung. Gerade bei der Kader-Nominierung, wo die KI 26 Spieler + Begründungen auf einen Schlag zusammenbaut, war das ein Dauerproblem.
Fix
Drei Sachen gleichzeitig: Erstens haben wir der KI gesagt, sie darf pro Anfrage nur noch eine bestimmte Textmenge ausspucken — lieber knapp und schnell als ausschweifend und abgebrochen. Zweitens haben wir die Daten, die wir ihr mitgeben, entschlackt — weniger Input, weniger Lesearbeit. Drittens haben wir das Modell gewechselt auf eins, das strukturierte Antworten schneller liefert. Ergebnis: keine Timeouts mehr, und es war wieder derselbe Hebel wie beim Kostensparen — einmal gelöst, doppelt gewonnen.
Sprachstil trotz günstigem Modell
Problem
Günstige Modelle können Fakten, aber sie klingen oft generisch. Eine Halbzeitansprache von Trapattoni muss nach Trapattoni klingen, Magath nach Magath, Klopp nach Klopp. Das kriegt kein Budget-Modell von alleine hin.
Fix
Wir haben für jeden Trainer ein ausführliches Sprachprofil erstellt — typische Phrasen, Satzbau, Gesten, Running Gags, Negativ-Heuristik ("das würde der nie sagen"). Das Profil wandert bei jedem Call in den System-Prompt. Ergebnis: trotz Budget-Modell bleibt der Ton erstaunlich nah am Original. Hör rein, du wirst es merken.
Das größte Learning
Durch Tools wie Claude Code oder Codex (das Coding-Tool von OpenAI / ChatGPT) kann inzwischen jeder Software bauen. Wer programmieren kann, ist nicht mehr automatisch im Vorteil. Entscheidend wird etwas anderes:
1 · Effizienz
Wie kosteneffizient läuft dein Tool?
Token-Nutzung = operative Kosten. Wer Modelle, Caching und Pre-Computation nicht im Griff hat, wird beim ersten viralen Tag von der Rechnung erschlagen.
2 · Daten
Welche Daten machst du nutzbar?
KI alleine ist Sprachgewandtheit ohne Substanz. Welche bestehenden Daten kannst du in deine App holen, damit sie klüger wird? Bei uns: alles über die Spieler.
3 · Kreativität
Wie smart verbindest du KI mit deiner Idee?
Die Möglichkeiten von KI kann jeder nutzen. Entscheidend ist, ob du eine coole Idee mit den richtigen Daten und den richtigen KI-Fähigkeiten verbindest — um ein hilfreiches Produkt zu bauen, ein Problem zu lösen oder eine richtig gute Experience zu schaffen.
Überlege dir, wie du die Fähigkeiten von KI in deinem Tool nutzbar machen kannst, um coole Produkte zu bauen, die begeistern und Probleme lösen.
- Recherche
- Daten analysieren & auswerten
- Verbindungen zwischen Themen herstellen und Muster erkennen
- Sprache generieren
- Personalisierung & passgenaue Empfehlungen
- Aufgaben automatisieren
- … und vieles mehr.
Der Hebel hinter allen anderen Hebeln.
Gefällt dir, was du gelernt hast?
Dann geht es jetzt in die Umsetzung. Versuch selber, etwas zu bauen.
Nur wenn du KI selber nutzt, verstehst du, wie sie funktioniert. Ein kleines Tool mit Claude Code, ein Wochenend-Experiment, ein internes Skript — völlig egal. Du kannst Claude Cowork jederzeit fragen, wie du ein Problem löst. Loslegen schlägt lesen.
Lebenslanges Lernen hält uns jung
Wir bauen Tools, die lebenslanges Lernen ermöglichen.
Bei inzpyre.me wollen wir dir helfen, die KI-Welt besser zu verstehen. KI ist gerade das spannendste Thema, über das man lernen kann — und der KI-Bundestrainer ist eines unserer Experimente, mit dem wir das zeigen.
Wenn du mehr von uns sehen willst, besuche unsere Website:
Und du bekommst die wichtigsten Inhalte monatlich in deinem Postfach, indem du unseren Newsletter abonnierst:
Der KI-Bundestrainer ist Satire, inzpyre.me ist ernst gemeint.