AI-first, geführt wie ein Produkt — nicht wie eine Demo

Jobsucher ist das Produkt, das ich von Anfang bis Ende verantworte: Vision, Architektur, die Grenzen dessen, was KI tun darf, Abrechnung und Betrieb. Elf Wochen von einem leeren Repository bis zu einem zahlenden Produkt auf eigener Domain.

Jobsucher ist ein KI-gestütztes Jobsuche-CRM: Stellen, Unternehmen, Kontakte und die eigenen Belege — Projekte, Skills, Arbeitsproben — in einem Arbeitsbereich, mit KI, die auf die Aufgaben begrenzt ist, in denen sie sich verdient: eine Stelle parsen, gegen dokumentierte Erfahrung abgleichen, einen zugeschnittenen Lebenslauf zusammenstellen und prüfen. Es läuft als gehostetes Produkt unter jobsucher.app.

Die CTO-Entscheidungen, die es zum Laufen brachten

• KI als begrenzter Dienst, nicht als ChatJeder Modellaufruf läuft durch ein Gateway: eine zehnstufige Pipeline mit strikten JSON-Schema-Ausgabeverträgen, genau einem Reparaturversuch bei einer schlechten Antwort, Circuit Breaker, Caching und Telemetrie. Zehn versionierte Verträge legen fest, was die KI zurückgeben darf. Der offene Chat wurde gebaut, gemessen und entfernt — er hat sich nicht verdient.
• Anbieterunabhängig von Anfang anDas Produkt begann mit lokalen Modellen, wechselte zu gehosteten, als die Qualität es verlangte, und endete mit einem Routing, das je Aufgabe ein Modell nach Geschwindigkeit und Kosten wählt. Ein Anbieterwechsel ist eine Konfigurationsänderung, kein Neubau — weil die Grenze am ersten Tag gezogen wurde.
• Jede Aussage nachvollziehbarEin generierter Lebenslauf wird nur veröffentlicht, wenn jeder Punkt an einen Beleg im Profil gebunden ist, Jobtitel mit der offiziellen Historie übereinstimmen und das gerenderte PDF eine Geometrieprüfung auf Überlauf und Abschneiden besteht. KI-Ausgabe ist ein Entwurf; der Validator entscheidet.
• Kosten und Risiko vor dem Aufruf unter KontrolleEin Token-Stop-Loss pro Lauf, ein Prompt-Guard, der durchgesickertes HTML, Debug-Traces und Scope-Verletzungen abweist, Tagesquoten, ein Runtime-Preflight und Kostenreporting je Modell. Das Budget ist eine Produktregel, keine Überraschung auf der Rechnung.
• Gebaut, um gut zu scheiternEigene Queues je Arbeitslast, Timeouts so geordnet, dass ein abgeschossener Worker keinen Lauf hängen lassen kann, ein Reaper für die, die es doch tun, sauberes Herunterfahren, Mail, die es sagt, wenn sie nicht senden kann. Datenspeicher nur auf Loopback, TLS auf eigener Domain, Mandantentrennung durch Audit-Tests belegt.
• Geschäftsschicht, nicht nur CodeKartengedeckte Testphasen, Abonnements, Verlängerungen, Mahnwesen und Streitfälle; Planlimits und Nutzungsmessung; ein geführtes Onboarding und ein Aktionsjournal, die ein Werkzeug zur Gewohnheit machen. Das Produkt ist vom ersten Tag an ein Geschäft, kein Prototyp, der auf eines wartet.

Ergebnisse, nicht Output

• 11 Wochen von einem leeren Repository bis zu einem Produkt mit Abrechnung, TLS und eigener Domain
• 100 Pull Requests in 10 Wochen nach main gemergt — bis zu 31 pro Woche — mit nur vorwärts gerichteten Migrationen und ohne Big-Bang-Releases
• KI-Kosten sind eine Produktregel: Jede Lebenslauf-Generierung ist hart auf 40.000 Tokens begrenzt — unter 0,03 $ pro Lebenslauf mit dem Standardmodell
• Das gesamte Produkt — App, Worker, PostgreSQL, Elasticsearch, TLS — läuft auf einem Server für 6 $ im Monat
• Eine hängende Generierung erholt sich innerhalb von 25 Minuten von selbst, ohne Mensch; die Mandantentrennung ist durch Audit-Tests belegt, nicht angenommen

Wie ich ein AI-first-Team führe

• Recherche vor Neubau: schriftliche Engpass-Analysen und Refactoring-Pläne gehen jeder großen Änderung voraus
• Ein wiederholbares QA-Protokoll: Personas × Stellenqualitätsstufen in drei Sprachen, Token-Verbrauch je Lauf protokolliert
• KI-Agenten sind Beitragende unter Regeln: Branch-Konventionen, PR-only main, menschlicher Merge, nur vorwärts gerichtete Migrationen
• Ehrliche Positionierung: Die README sagt, was die KI nicht kann, und das Produkt ist um diese Wahrheit herum gebaut

Was das für Ihr Produkt bedeutet

• Ein CTO, der ein KI-Produkt von null bis zu zahlenden Nutzern bringt — und das Repository als Beleg hat
• KI-Features, die ein Audit überstehen: begrenzte Aufgaben, validierte Ausgabe, nachvollziehbare Aussagen, kontrollierte Kosten
• Governance für ein Team, das mit KI-Agenten baut, ohne die Kontrolle über den Code zu verlieren
• Eine Architektur, mit der Sie Modellanbieter wechseln, wenn der Markt sich ändert