Ein Guthaben für drei Produkte
Ich hole die Diktier-App in den Hub und versuche, drei Produkte auf drei verschiedenen Technologien zu einem Abo zu verbinden. Gemeinsam ist ihrer Ökonomie bisher nur eines: Sie ist überall negativ.
Von Georg Malahov
Die ganze letzte Woche im Juni arbeite ich an der Diktier-App. Die Idee ist simpel: Man spricht — und bekommt sauberen Text. Ein Knopf, diktiert, kopiert, eingefügt. Minimalismus und Design gefallen mir, aber alles drumherum ist ein einziges Stolpern. Der Anfang des Projekts war wie üblich schnell und rund, dann krochen die Bugs hervor: Requests gingen zu lang raus, Antworten kamen in der falschen Form zurück, die Oberfläche verhielt sich anders als gedacht. Ein eigenes Problem ist die Aufnahme im Hintergrund: Im Browser kann man den Bildschirm ausschalten, und die Aufnahme läuft weiter — in einer PWA, einer auf dem Handy installierten Web-App, verschwindet das Hintergrund-Mikrofon.
Die Hauptentscheidung ist gefallen: Das Diktieren zieht auf meinen Server und wird Teil des Hubs. Es passt gut dorthin — und dort baue ich auch das gemeinsame Abo und die Möglichkeit zu bezahlen.
Unterwegs musste ich dreimal den KI-Anbieter wechseln. Zuerst dachte ich, überall würde bei mir OpenRouter laufen — ein Zwischenhändler, der Zugang zu verschiedenen Modellen über eine einzige API verkauft. Es stellte sich heraus: nicht GDPR-konform — er kommt nicht durch die europäischen Datenschutzregeln —, teuer und unberechenbar im Tempo: Das Modell ist ein Reasoning-Modell, mal antwortet es schnell, mal denkt es nach. Ich habe einen europäischen Zwischenhändler probiert — der nimmt aus unerfindlichen Gründen keine Audiodateien an. Am Ende bin ich auf Vertex AI umgestiegen, den direkten Zugang zu Googles Modellen mit wählbarer europäischer Region. Und das hat funktioniert: eine Anfrage — Audio plus Prompt — und zurück kommen sowohl der Text als auch die Übersetzung. Schnell, ich bin zufrieden.
Aber jetzt habe ich drei Werkzeuge auf drei Technologien. Die Untertitel laufen über Deepgram — einen Transkriptionsdienst, der exaktes Timing pro Wort liefert, was ein Universalmodell nicht kann. Das Diktieren läuft über Vertex AI. Call Copilot — eine Extension, die Anrufe transkribiert — steht komplett auf einem eigenen Stack. Wenn ein Kunde auf meiner Website ein gemeinsames Guthaben hat und alle drei Werkzeuge nutzt, muss das auf drei verschiedene Arten gezählt werden. Gemeinsam ist dieser Ökonomie nur, dass sie überall negativ ist.
Wo ich am Ende gelandet bin: Pflicht-Registrierung. Jeder bekommt ein paar Gratis-Minuten zum Ausprobieren — mit Minuten kann ich jede der drei Technologien begrenzen —, danach Abo und keine Limits. Das einzige Limit innerhalb des Abos ist die Länge einer einzelnen Aufnahme, damit niemand das eingeschaltete Mikrofon drei Stunden lang vergessen kann. Bei Call Copilot habe ich mir daran schon die Finger verbrannt: Auch damals sagte ich mir „es gibt keine Nutzer, was soll ich darüber nachdenken, das kläre ich später“ — und es endete damit, dass ich den Gratis-Zugang geschlossen habe, als ich sah, wohin die Tokens fließen.
Komisch, natürlich: Das Diktieren hat noch überhaupt keine Nutzer, und ich entwerfe schon einen Missbrauchsschutz. Aber genau deshalb entwerfe ich ihn — denselben Fehler will ich kein zweites Mal machen.
Und parallel kreist ein Gedanke um die Extension: Wenn bei Call Copilot stabil Leute aus dem Store ankommen, kann ich sie vielleicht nach und nach auf den Haupt-Hub weiterleiten — und vom Hub aus finden sie dann zu den anderen Produkten.
An Arbeit, Gedanken und Überlegungen frisst das alles enorm viel — während es noch keine Nutzer gibt, die Ausgaben aber real sind. Und ständig scheint es: noch ein kleines Stück — und das Ökosystem wächst zusammen.