Ein Unternehmen hat jahrelang Fachwissen aufgebaut: Schulungsunterlagen, Fachbeiträge, Experteninterviews, Praxisleitfäden. Bisher war der Zugang an physische Formate gebunden: Seminare, Bücher, Beratungsgespräche. Jetzt lässt sich dieses Wissen als KI-gestütztes Produkt zugänglich machen: ein Assistent, der auf kuratierte Quellen zugreift und fundierte Antworten mit nachvollziehbaren Quellenangaben liefert.
Die technische Umsetzung ist lösbar. Die schwierigere Frage ist das Geschäftsmodell: Wie viel ist kostenlos? Was kostet der Vollzugang? Wie verhindert man, dass kostenlose Alternativen den eigenen Preis untergraben?
Kostenlos ausprobieren lassen, dann bezahlen
Niemand kauft ein KI-Produkt, das er nicht ausprobiert hat. Der Einstieg muss kostenlos sein, damit Nutzer die Antwortqualität erleben, bevor sie eine Kaufentscheidung treffen.
Das Prinzip ist vergleichbar mit einer Verkostung: Man probiert, stellt fest, dass die Qualität stimmt, und kauft. Die Kosten für die kostenlosen Nutzungen trägt der Betreiber als Marketingausgabe. Bei einem KI-Assistenten mit kuratierter Wissensbasis liegen diese Kosten im Cent-Bereich pro Anfrage.
Die Anzahl der kostenlosen Nutzungen ist eine Stellschraube, die sich im laufenden Betrieb anpassen lässt. Der Richtwert: genug, um die Qualität zu erkennen, aber nicht genug, um den Bedarf vollständig zu decken. Wenn alle Nutzer ihr kostenloses Kontingent ausschöpfen, ist es zu niedrig. Wenn niemand je zahlt, fehlt ein überzeugender Grund für das Upgrade.
Unbegrenzt fragen, für Premiumzugang bezahlen
Eine der wichtigsten Entscheidungen: Sollen Nutzer pro Anfrage bezahlen oder für den Zugang insgesamt?
Pro Anfrage zu bezahlen hemmt die Nutzung. Wenn jede Frage Geld kostet, überlegt der Nutzer dreimal, ob er wirklich fragen soll. Das widerspricht dem Ziel, dass Nutzer das Produkt intensiv verwenden und dadurch den Wert erkennen. Schlecht formulierte Fragen, die eine Nachfrage erfordern, fühlen sich wie verschwendetes Geld an.
Der bessere Ansatz: Fragen sind im Paketpreis enthalten und praktisch unbegrenzt. Ein Fair-Use-Limit schützt vor Missbrauch, ist aber so hoch gesetzt, dass ein normaler Nutzer es nie erreicht. Kostenpflichtige Zusatzleistungen sind klar abgegrenzte Einzelwerte: der Zugang zu einer kompletten Schulungsaufzeichnung, der Download eines Praxisleitfadens, ein tiefgehendes Gutachten. Diese haben einen eigenständigen Wert, der über "eine Antwort auf eine Frage" hinausgeht.
Drei Stufen, die Mitte gewinnt
Die Preisstruktur folgt einem bewährten Muster: Drei Stufen, wobei die mittlere am häufigsten gewählt wird.
Basis: Einstiegspreis, Zugang zum KI-Assistenten mit praktisch unbegrenzten Fragen. Deckt die Grundbedürfnisse ab. Kein Zugriff auf Premiumformate.
Standard: Mittlerer Preis, alles aus Basis plus Zugang zu Premiumformaten (Schulungen, Leitfäden, vertiefende Inhalte). Für die Mehrheit der Nutzer der richtige Umfang.
Premium: Höchster Preis, zusätzliche Funktionen wie priorisierter Support, exklusive Inhalte oder erweiterte Nutzungsrechte. Für intensive Nutzer und Organisationen.
Psychologisches Pricing funktioniert: Bei nur zwei Paketen wählen die meisten das günstigere. Sobald eine dritte, teurere Stufe existiert, verschiebt sich die Kaufentscheidung hin zur Mitte.
Neue Features in bestehende Angebote integrieren
KI-Features nicht als Einzelprodukt zu verkaufen, sondern in bestehende Angebote zu integrieren, hat sich als wirkungsvollste Strategie erwiesen.
Ein Beispiel: Ein Anbieter von Fachschulungen ergänzt sein Seminarangebot um einen KI-Assistenten. Teilnehmer können nach der Schulung Fragen zum Inhalt stellen, Quellen nachschlagen und das Gelernte vertiefen. Der Schulungspreis steigt leicht, der wahrgenommene Mehrwert steigt deutlich. Es braucht keine separate Kaufentscheidung, der Nutzer kommt automatisch mit dem KI-Produkt in Kontakt.
Neue Funktionen (KI-generierte Zusammenfassungen, thematische Recherche über mehrere Quellen, automatisch erstellte Arbeitshilfen) werden in die höheren Pakete integriert, statt sie einzeln anzubieten. Das schafft Gründe für Upgrades und hält die Produktkomplexität niedrig.
Warum kostenlose Generalisten keine echte Konkurrenz sind
Die naheliegende Sorge: "Warum sollte jemand für unser KI-Produkt bezahlen, wenn ChatGPT kostenlos ist?"
Die Antwort liegt in der Quelle der Antworten. Ein allgemeines Sprachmodell hat kein Wissen über die spezifischen Fachinhalte eines Unternehmens, über die Auslegung konkreter Vorschriften oder über die Empfehlungen aus der letzten Expertenschulung. Es kann nur raten, und es rät oft falsch.
Ein spezialisiertes System basiert auf kuratierten Quellen: Fachbeiträge anerkannter Experten, Schulungsunterlagen, Gutachten, Praxisleitfäden. Es antwortet nur, wenn eine Quelle die Frage abdeckt, und gibt die Quelle an. Der Nutzer kann die Antwort nachprüfen und sieht, woher die Information stammt.
Dieses Qualitätsniveau erzeugt Zahlungsbereitschaft, die ein kostenloser Generalist nicht bedrohen kann. Vergleichbare Systeme verarbeiten seit über einem Jahr zehntausende Fragen pro Monat. Die Nutzer kommen wieder, weil die Antwortqualität stimmt.
Messen, was zählt
Die wichtigste Kennzahl für ein KI-Produkt ist die Nutzungsintensität. Nicht die Anzahl der Registrierungen, nicht die Conversion-Rate beim ersten Kauf, sondern: Kommen die Nutzer wieder?
Pro Nutzer wird gemessen: Wie oft wird gefragt, zu welchen Themen, wie lang sind die Sessions? Daraus lässt sich ablesen, welche Inhalte besonders gefragt sind und ergänzt werden sollten, welche Nutzer Upgrade-Kandidaten sind und welche Nutzer die Nutzung eingestellt haben.
Diese Datengrundlage ist auch die beste Rechtfertigung des Preismodells. Wenn die durchschnittliche Nutzerin 30 Fragen pro Monat stellt und jede Antwort dem Gegenwert einer zehnminütigen Fachrecherche entspricht, ist der Paketpreis leicht zu begründen.
Starten, beobachten, anpassen
Die ehrliche Wahrheit über Pricing: Kein Preismodell stimmt am ersten Tag. Die richtige Anzahl kostenloser Nutzungen, der optimale Paketpreis, die sinnvolle Abgrenzung zwischen den Stufen: all das zeigt sich erst im laufenden Betrieb.
Der pragmatische Ansatz: Mit einem Modell starten, das auf gesundem Menschenverstand basiert, und dann die tatsächliche Nutzung beobachten. Verbrauchen alle Nutzer ihr kostenloses Kontingent? Dann ist es zu niedrig. Verlässt niemand den Free Tier? Dann fehlt ein überzeugender Grund für das Upgrade. Kündigen viele nach dem ersten Monat? Dann stimmt die Erwartung nicht mit der Erfahrung überein.
Die Fähigkeit, das Modell schnell anzupassen, ist wichtiger als der perfekte Start.
