Die Mail, bei der ich rot wurde

Zu diesem Zeitpunkt waren 859 Familienhotels auf wir-waren-da.info gelistet. Genau eines davon hatte ich persönlich besucht und ausführlich getestet. Trotzdem sprach die Seite an mehreren Stellen von ehrlichen Einschätzungen, persönlichen Empfehlungen und davon, dass wir Fans bestimmter Häuser seien. Meine Sprache war weiter als das, was ich belegen konnte.

Ein bisschen „fake it till you make it" gehört für mich zum Bauen dazu. Man beschreibt schließlich oft auch das Produkt, das man gerade erst erschafft. Hier hat die Seite aber eine ganz andere DNA transportiert, und da kann ich den Unmut schon verstehen. Dazu kam das AI-Bild. An zwei Stellen hatte ich tatsächlich ein AI-generiertes Porträt von mir eingebaut. Nicht gekennzeichnet.

Warum? Keine große Strategie.

Nachlässigkeit.

Auch die Bewertung war nicht sauber genug erklärt. Ein Hotel konnte auf seiner eigenen Seite eine Zahl sehen, aber nicht direkt nachvollziehen, welche Portale, wie viele Bewertungen und welcher Datenstand dahinterstanden. Und es gab sachliche Fehler. Das Gesamtbild war entsprechend ungünstig:

Eine Plattform, die Transparenz verspricht, war selbst nicht transparent genug.

Autsch.

Spannend finde ich im Nachhinein nicht nur, was in der Mail stand. Sondern was so eine Mail mit einem selbst macht. Feedback ist rational betrachtet kostenloses Lernen. Emotional fühlt es sich manchmal eher wie ein Angriff an. Das ist nicht komplett eingebildet. Eine aktuelle psychologische Review von Matthias Burghart und Kollegen beschreibt genau diesen Konflikt: Feedback über die eigene Person oder die eigene Arbeit kann wertvolle Erkenntnisse liefern und gleichzeitig das positive Selbstbild bedrohen. Menschen neigen deshalb teilweise dazu, solche Informationen aktiv zu vermeiden.

Ich kenne das aus Unternehmen sehr gut. Wir sagen alle, wir wollen eine offene Feedbackkultur. Solange das Feedback ungefähr lautet:

„Schon ziemlich geil. Hier sind noch drei kleine Ideen." Wirklich interessant wird es bei:

„Ich halte eure zentrale Annahme für falsch." Oder eben:

„Was ihr da gebaut habt, wirkt unglaubwürdig." Die Person auf der anderen Seite dieser Mail wusste nicht, wie viele Nächte ich daran gesessen hatte. Sie wusste nicht, dass ich kein Entwickler bin. Sie wusste nicht, dass ich das Ding neben meinem eigentlichen Job baue. Und es war ihr vollkommen zu Recht egal. Kein Freundlichkeitsfilter.

Kein „für einen ersten Versuch schon ganz cool".

Sie sah das Produkt.

Das ist ein ziemlich guter Test.

Das Naheliegendste wäre gewesen, ausführlich zu antworten. Zu erklären, wie das alles gemeint war. Warum wir diese Formulierungen gewählt hatten. Wie früh das Projekt noch ist. Warum die Bewertung so aussieht. Warum AI an bestimmten Stellen eingesetzt wurde. Hätte ich alles machen können. Ich habe trotzdem kurz geantwortet und mich für das Feedback bedankt.

Nur wäre dadurch das Produkt keinen Millimeter besser geworden.

Also habe ich angefangen umzubauen.

Später habe ich die Änderungen nachgeschickt.

Die Bewertungsmechanik wurde komplett überarbeitet. Der öffentliche Wert basiert jetzt auf den Bewertungen externer Portale. Unterschiedliche Skalen werden auf zehn Punkte normalisiert und entsprechend der Zahl der Bewertungen gewichtet. Eine Wertung erscheint erst, wenn mindestens ein Portal 50 belastbare Bewertungen hat. Direkt daneben stehen die verwendeten Quellen, Einzelbewertungen, Anzahl der Reviews und der jeweilige Abrufzeitpunkt.

Wenn wir ein Hotel selbst besuchen, kommt unsere eigene Bewertung separat und sichtbar hinzu. Sie ersetzt nicht den externen Bewertungswert, sondern ergänzt ihn um die Perspektive, die wir tatsächlich selbst beurteilen können. Das klingt banal. Ist aber ein fundamental anderer Claim.

Ich habe außerdem Texte korrigiert, in denen die AI zu suggestiv oder zu wertend formuliert hatte. Seit dem 26. August kann direkt am Datenblock eine Korrektur gemeldet werden. Hotels haben einen eigenen Kontaktweg. Auf der Autorenseite stehen inzwischen auch mehrere Menschen. Zwei, um genau zu sein ;). Weitere liegen schon in meinem Postfach.

Heute sind 978 Familienhotels aus 23 Ländern live. Zwei davon mit persönlichem Testbericht.

Nicht schlecht.

174 Hotels habe ich bisher einmalig wegen Bildmaterial angeschrieben. 28 haben geantwortet. 17 davon kooperativ, zehn mit Rückfragen, eines mit einer klaren Absage.

Fast gleichzeitig passierte etwas anderes. In Teil 1 dieser Reihe hatte ich ziemlich begeistert über meinen Fragebogen geschrieben.

Acht Fragen. Schöne Übergänge. Wintermotive, Herbstmotive, kleine Animationen. Ich hatte da wirklich Liebe reingesteckt. Und dann habe ich ihn selbst benutzt. Noch einmal. Und noch einmal. Und irgendwann dachte ich:

Boah, nervt das Ding.

Wer einfach ein Familienhotel suchen wollte, musste sich erst durch acht Fragen klicken. Beim nächsten Besuch wieder. Es gab dafür keine böse Mail. Kein Hotel schrieb mir drei Seiten. Die Nutzer machten etwas viel Brutaleres. Sie benutzten ihn einfach nicht so, wie ich es mir vorgestellt hatte.

Also flog er raus.

Heute führt /fragebogen direkt ins Verzeichnis. Die Startseite zeigt Hotels, Regionen, Erfahrungsberichte, Newsletter und Feedbackmöglichkeiten.

Die beste Änderung der letzten Wochen hat Code gelöscht.

Das ist eine Lektion, die ich eigentlich längst kenne. Vor vielen Jahren haben wir für ein digitales Premiumprodukt ausführliche Nutzerinterviews geführt. Irgendwann kam die Frage:

„Kannst du dir vorstellen, dafür zu bezahlen?" Klar. Viele konnten sich das vorstellen. Das ist nur leider etwas anderes als:

Kreditkarte rausziehen.

Psychologen beschäftigen sich seit Jahrzehnten mit dieser Lücke zwischen Absicht und Verhalten. Paschal Sheeran und Thomas Webb fassen die Forschung dazu unter dem Begriff Intention-Behavior Gap zusammen. In einer großen Meta-Analyse früherer Arbeiten lag die Korrelation zwischen geäußerter Absicht und späterem Verhalten bei rund 0,53. Absichten sind also relevant, aber sie erklären tatsächliches Verhalten nur begrenzt.

Für ein Produkt heißt das:

Nicht fragen, ob jemand den Fragebogen gut findet. Schauen, ob er ihn benutzt. Nicht fragen, ob ein Hotel grundsätzlich Bilder bereitstellen würde. Eine konkrete Anfrage schicken. Nicht fragen, ob jemand wiederkommen würde. Retention messen.

Tatsächliche Nutzung ist die deutlich bessere Antwort.

Und genau hier wird AI für mich wirklich interessant. Nicht weil ich jetzt schneller Code schreiben kann. Sondern weil sich dadurch meine Bereitschaft verändert, Dinge wieder wegzuwerfen. Früher war eine größere Produktänderung schnell eine kleine Organisationsveranstaltung. Ticket schreiben. Designer briefen. Mit Entwicklung diskutieren.

Prioritäten verschieben. Sprint. QA. Deployment. Gott, wie viel wir mit Produktentwicklern über Funktionalitäten diskutiert haben. Wahnsinn. Und bei jedem Änderungswunsch lief automatisch eine Rechnung im Kopf:

Ist das Feedback wirklich so wichtig, dass ich jetzt dafür drei Leute aus ihrem aktuellen Thema herausziehe? Heute ist diese Schwelle bei einem Projekt wie wir-waren-da.info dramatisch niedriger. Die Bewertungslogik ändern. Einen Meldeweg einbauen. Texte neu generieren. Den Fragebogen entfernen. Datenbank umbauen. Alles immer noch Arbeit.

Aber sehr viel weniger Arbeit. Kent Beck hat diese Entwicklung 2025 in seinem Essay „Programming Deflation" beschrieben. Sein Gedanke ist simpel:

AI senkt die Kosten der Umsetzung. Und damit verändert sich auch die optimale Art zu bauen.

Es gibt noch einen zweiten Effekt. Wenn ich drei Monate und 80.000 Euro in ein Feature investiert habe, fällt es mir psychologisch schwerer zu sagen:

War Quatsch. Weg damit. Klassischer Sunk-Cost-Effekt. Kennt jeder. Hal Arkes und Catherine Blumer zeigten bereits 1985 experimentell, dass Menschen eher an Vorhaben festhalten, wenn sie bereits Geld, Zeit oder Aufwand investiert haben. Die versunkenen Kosten beeinflussen Entscheidungen, obwohl sie rational für die zukünftige Entscheidung keine Rolle mehr spielen sollten.

AI lässt diesen Effekt nicht verschwinden. Aber sie verkleinert häufig den Einsatz. Wenn mein toller Fragebogen statt mehrerer Wochen Produktarbeit nur noch einen Abend kostet, fällt es mir leichter, ihn am nächsten Abend wieder zu löschen. Versunkene Kosten verschwinden durch AI nicht. Sie werden kleiner. Das halte ich für eine ziemlich fundamentale Veränderung.

Die andere Gefahr besteht darin, jetzt jeder Beschwerde hinterherzubauen. Auch das wäre Quatsch. Die Menschen, die Feedback geben, sind keine repräsentative Stichprobe. Gerade freiwilliges Feedback unterliegt einem Selection Bias. Forschung zu Onlinebewertungen zeigt beispielsweise, dass selbstmotivierte Reviews systematisch anders ausfallen als aktiv eingeholte Rückmeldungen. Menschen mit besonders starken positiven oder negativen Erfahrungen sind überrepräsentiert.

Die Hotelmail beweist also nicht, dass 978 Hotels meine Seite für unseriös halten. Viele haben auch sehr positiv reagiert. Sie hat etwas anderes getan. Sie hat konkrete Fehler gefunden. Dafür brauche ich keine repräsentative Umfrage. Wenn mir jemand zeigt, dass die Bewertungsmethodik nicht nachvollziehbar ist, ist die richtige Frage nicht:

„Wie viel Prozent meiner Nutzer stört das?" Sondern:

„Hat er recht?"

In diesem Fall hatte sie recht.

Das macht solches Feedback noch wertvoller. Denn ein großer Teil der Nutzer schreibt keine dreiseitige Analyse. Sie öffnen dein Produkt. Verstehen etwas nicht. Denken vielleicht kurz:

„Hm. Crap." Und sind weg. Du bekommst keine Push-Nachricht:

Wäre praktisch. Gibt es leider nicht. Deshalb ist frühes echtes Verhalten so viel wertvoller als eine Diskussion im Freundeskreis. Freunde sehen, dass man sich Mühe gegeben hat. Ein Hotel sieht seinen eigenen Namen. Ein echter Nutzer will sein Problem lösen. Das sind komplett unterschiedliche Tests.

Trotzdem gibt es eine Grenze. „Früh an den Markt" klingt in Gründerpräsentationen immer herrlich sauber. MVP. Learning. Iteration. Fail fast. „Fail fast" sagen viele, machen es am Ende aber doch die wenigsten. Denn was „fast" wirklich heißt, definiert niemand. Deshalb erzähle ich lieber meine Geschichte: wie ich es mache und wie es sich anfühlt. Auch nach zwei Exits und zwanzig Jahren als CEO ist es für mich immer noch magisch und lebendig, etwas Neues zu bauen und damit an den Markt zu gehen.

In Teil 1 dieser Reihe hatte ich geschrieben:

Das war meine maximale Interpretation eines berühmten Satzes von Reid Hoffman:

Nur zieht Hoffman selbst eine ziemlich wichtige Grenze. Er schreibt ausdrücklich, dass der Satz keine Einladung zu Verantwortungslosigkeit ist. Wenn ein Produkt Nutzer verprellt, Klagen produziert oder Ressourcen verbrennt, ohne dass daraus ein sinnvoller Lerneffekt entsteht, war der Start eben zu früh.

Diese Grenze halte ich für sehr wichtig. Ein früher Start ist keine Einladung zur Schlampigkeit und schon gar nicht dazu, Verantwortung abzuschieben. Es geht vor allem darum, innerlich offen für frühes, ehrliches Feedback zu sein und es auszuhalten. Nicht um „don't give a fuck". Ganz im Gegenteil. Bei mir waren zwei Hotels verärgert.

Eines vielleicht dauerhaft. 17 haben gleichzeitig kooperativ reagiert, viele davon mit zusätzlichem Feedback. Ich würde deshalb weiterhin sagen:

Der frühe Start war richtig. Ein Teil der Fehler war es nicht.

Das ist ein Unterschied.

Ich baue wir-waren-da.info abends und am Wochenende parallel zu STADTSALAT.

Ich bin BWLer, kein Entwickler. Und ich baue das Projekt allein mit AI. Viel davon ist im YOLO-Modus entstanden. „You only live once." In AI-Coding-Kreisen bezeichnet das einen Workflow, in dem der Agent nicht vor jedem Eingriff um Erlaubnis bittet. Claude Code nennt die entsprechende Einstellung bypassPermissions. Agent los. Machen.

Das ist unglaublich produktiv. Und ein bisschen wahnsinnig. Dass diese Bezeichnung nicht zufällig gewählt ist, zeigte unter anderem der bekannte Replit-Fall aus dem Sommer 2025. Dort löschte ein AI-Agent während eines Code-Freezes eine Produktionsdatenbank mit rund 1.200 Datensätzen. Bei meinem kleinen Hotelverzeichnis ist das Schadenspotenzial ein anderes.

Aber null ist es nicht. Ein AI-generierter Satz steht schließlich neben dem Namen eines realen Unternehmens. Schnelligkeit befreit mich nicht von Verantwortung. Sie erhöht eher die Geschwindigkeit, mit der ich Verantwortung übernehmen muss.

Gestern Abend saß ich wieder an wir-waren-da.info. Diesmal nicht an einer hübschen Animation. Sondern an Datenbankstruktur, Backend und Frontend. 64 Tickets umfasst mein bislang größtes Epic für das Projekt. Das ist die nächste Phase. Denn irgendwann reicht YOLO nicht mehr. Ein Prototyp darf improvisiert sein. Ein System, das wächst, braucht Struktur.

Context Engineering. Skills. Saubere Workflows. Tests. Dexter Horthy, Gründer von HumanLayer und Autor von „12-Factor Agents", beschreibt AI-Coding inzwischen als eine eigene technische Engineering-Disziplin. Genau darum wird es in Teil 3 gehen. Aber die wichtigste Lektion der vergangenen Wochen ist viel einfacher:

AI macht es unglaublich billig, etwas zu bauen. Sie macht es auch billiger, sich zu irren. Das Urteil darüber, was schlau ist und was dumm, liefert sie nicht mit. Das Wissen, wann man AI schlecht, mittelmäßig oder sehr gut einsetzt, bleibt vorerst bei uns.

Beim Human Gate.

Dafür braucht man Realität. Und manchmal eine Mail, bei der man ziemlich rot wird. Wenn du auf wir-waren-da.info etwas siehst, das falsch, umständlich oder unglaubwürdig ist:

Sag es mir. Je früher ich davon erfahre, desto günstiger kann ich es ändern.