GenderAI
Vom KI-Experiment zum bezahlten SaaS-Produkt

Die Ausgangslage:
Ein KI-Modell zum Produkt machen

Ich lerne am besten, indem ich baue. Ich wollte nicht nur verstehen, wie man ein Modell trainiert, sondern den ganzen Weg gehen: vom Datensatz bis zum Produkt, das jemand kauft.

Die Aufgabe, die ich mir gestellt habe:

1. Einen grossen Datensatz beschaffen und bereinigen.
2. Ein eigenes neuronales Netz trainieren und betreiben.
3. Eine Full-Stack-Anwendung mit Oberfläche und öffentlicher API bauen.
4. Den Dienst mit einem Token-Bezahlsystem verkaufen.

Mein Ansatz:
Ein Produkt, kein Prototyp

Die Architektur

Das Backend läuft auf Node.js und Express und stellt die API bereit. Das Frontend ist mit Angular gebaut.

Vom Modell zum Werkzeug

Nutzer bekommen Ergebnisse direkt im Browser: einen einzelnen Namen eingeben, oder eine ganze CSV-Liste hochladen und auf einmal verarbeiten lassen.

Bezahlen mit Tokens

Damit aus dem Tool ein Produkt wird, habe ich ein Token-Bezahlsystem mit Stripe gebaut. Nutzer kaufen so viele Tokens, wie sie brauchen; jeder verarbeitete Name verbraucht einen. Das lässt sich für API und Web-Tool gleich abrechnen. Und weil niemand mehr kauft, als er braucht, fällt die Entscheidung leichter. Das hilft der Conversion.

Das Ergebnis:
Ein KI-Produkt mit Umsatz

Das Ergebnis war eine funktionierende SaaS-Anwendung mit zahlenden Kunden und rund 500 CHF Umsatz. Das belegt nicht nur, dass die Technik funktioniert, sondern dass jemand dafür bezahlt.

Was dieses Projekt über meine Arbeit zeigt:

• Ich bringe ein KI-Produkt von den Daten bis zum Umsatz.
• Ich baue eine Full-Stack-Anwendung mit Node.js, Express und Angular.
• Ich setze ein Bezahlsystem mit Stripe um.
• Ich verbinde Data Science mit einem Produkt, das sich verkaufen lässt.