{"id":28658,"date":"2026-05-03T11:02:00","date_gmt":"2026-05-03T10:02:00","guid":{"rendered":"https:\/\/www.web-systems.pl\/weg-zur-mobilen-app-mit-ki-lodz-software-house\/"},"modified":"2026-05-03T11:02:00","modified_gmt":"2026-05-03T10:02:00","slug":"weg-zur-mobilen-app-mit-ki-lodz-software-house","status":"publish","type":"post","link":"https:\/\/www.web-systems.pl\/de\/weg-zur-mobilen-app-mit-ki-lodz-software-house\/","title":{"rendered":"Mein Weg zur mobilen App mit KI in einem software house in \u0141\u00f3d\u017a"},"content":{"rendered":"\n<p class=\"wp-block-paragraph\">2006 haben wir Web Systems in \u0141\u00f3d\u017a gegr\u00fcndet. Mobile Apps? Steckten in den Kinderschuhen. KI? Eingeschlossen in Laboren. Heute kommen unsere Kunden mit konkreten Anliegen &#8211; sie wollen Apps, die den Kontext verstehen, die Bed\u00fcrfnisse der Nutzer vorhersehen und Arbeit automatisieren, f\u00fcr die bisher ein Mensch n\u00f6tig war. Das ist keine KI-Mode. Das ist die Antwort auf einen Markt, der sich ver\u00e4ndert hat. Unternehmen aus E-Commerce und B2B brauchen <a href=\"https:\/\/www.web-systems.pl\/de\/entwicklung-von-anwendungen-basierend-auf-kunstlicher-intelligenz\/\">intelligente mobile Werkzeuge auf Basis von KI<\/a>, weil ihre Kunden schlicht personalisierte Erlebnisse erwarten. So einfach ist das. Wir teilen hier die Perspektive eines Dienstleisters, der den Weg von den ersten Experimenten mit Sprachmodellen bis zu produktiven Einf\u00fchrungen gegangen ist. Wir zeigen Ihnen die Architekturentscheidungen, die Fehler (davon gab es einige), die Kosten und die Lehren aus realen Projekten.<\/p>\n\n\n\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_86 counter-hierarchy ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">Spis tre\u015bci<\/p>\n<span class=\"ez-toc-title-toggle\"><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1 ' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/www.web-systems.pl\/de\/weg-zur-mobilen-app-mit-ki-lodz-software-house\/#Woher_die_Idee_kam_eine_mobile_App_mit_KI_zu_verbinden\" >Woher die Idee kam, eine mobile App mit KI zu verbinden<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/www.web-systems.pl\/de\/weg-zur-mobilen-app-mit-ki-lodz-software-house\/#Mobile_Architektur_die_fuer_Kuenstliche_Intelligenz_bereit_ist\" >Mobile Architektur, die f\u00fcr K\u00fcnstliche Intelligenz bereit ist<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/www.web-systems.pl\/de\/weg-zur-mobilen-app-mit-ki-lodz-software-house\/#Herausforderungen_bei_der_Integration_von_KI-Modellen_in_eine_mobile_App\" >Herausforderungen bei der Integration von KI-Modellen in eine mobile App<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/www.web-systems.pl\/de\/weg-zur-mobilen-app-mit-ki-lodz-software-house\/#RAG_Fine-Tuning_und_Prompt_Engineering_in_der_Projektpraxis\" >RAG, Fine-Tuning und Prompt Engineering in der Projektpraxis<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/www.web-systems.pl\/de\/weg-zur-mobilen-app-mit-ki-lodz-software-house\/#Kosten_Zeitplan_und_MVP_%E2%80%93_was_man_dem_Kunden_offen_sagen_sollte\" >Kosten, Zeitplan und MVP &#8211; was man dem Kunden offen sagen sollte<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/www.web-systems.pl\/de\/weg-zur-mobilen-app-mit-ki-lodz-software-house\/#FAQ\" >FAQ<\/a><ul class='ez-toc-list-level-3' ><li class='ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/www.web-systems.pl\/de\/weg-zur-mobilen-app-mit-ki-lodz-software-house\/#Was_kostet_eine_mobile_App_mit_KI_in_einem_polnischen_software_house\" >Was kostet eine mobile App mit KI in einem polnischen software house?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/www.web-systems.pl\/de\/weg-zur-mobilen-app-mit-ki-lodz-software-house\/#Braucht_KI_in_einer_mobilen_App_eine_staendige_Internetverbindung\" >Braucht KI in einer mobilen App eine st\u00e4ndige Internetverbindung?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-9\" href=\"https:\/\/www.web-systems.pl\/de\/weg-zur-mobilen-app-mit-ki-lodz-software-house\/#Wie_lange_dauert_die_Einfuehrung_eines_MVP_einer_mobilen_App_mit_Kuenstlicher_Intelligenz\" >Wie lange dauert die Einf\u00fchrung eines MVP einer mobilen App mit K\u00fcnstlicher Intelligenz?<\/a><\/li><\/ul><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-10\" href=\"https:\/\/www.web-systems.pl\/de\/weg-zur-mobilen-app-mit-ki-lodz-software-house\/#Fazit_und_der_naechste_Schritt\" >Fazit und der n\u00e4chste Schritt<\/a><\/li><\/ul><\/nav><\/div>\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Woher_die_Idee_kam_eine_mobile_App_mit_KI_zu_verbinden\"><\/span>Woher die Idee kam, eine mobile App mit KI zu verbinden<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Der Impuls kam nicht von einer Konferenz und nicht aus einem Gartner-Report. Er kam aus Gespr\u00e4chen mit Kunden. Einer von ihnen verwaltete Hunderte von Produkten in einem B2B-System und brauchte einen Weg, damit seine Vertriebsmitarbeiter Antworten auf Fragen von Gesch\u00e4ftspartnern schneller finden. Er sagte es ganz direkt: &#8220;Meine Leute verlieren jeden Tag eine Stunde damit, Spezifikationen in PDFs zu suchen, macht was dagegen.&#8221; Also haben wir es gemacht. Ein solches Problem l\u00f6st ein gut entworfenes KI-Modul, nicht die n\u00e4chste Volltextsuche.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Der Unterschied zwischen einem Modewort und etwas, das tats\u00e4chlich funktioniert? Riesig. Viele Firmen schreiben &#8220;KI&#8221; in ihre Produktbeschreibung, weil es modern klingt. Realer Nutzen entsteht aber erst dann, wenn das Modell ein konkretes Problem der Nutzer l\u00f6st. In unserer Praxis sind das meistens Frage-Antwort-Systeme auf Basis einer firmeneigenen Wissensdatenbank, intelligente Produktempfehlungen oder die automatische Kategorisierung von Inhalten. Jedes dieser Szenarien verlangt einen anderen technischen Ansatz. Und eine andere Architektur.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Die Entscheidung f\u00fcr RAG (Retrieval-Augmented Generation) ergab sich ganz nat\u00fcrlich. Ein klassisches LLM erzeugt Antworten auf Basis seiner Trainingsdaten &#8211; und das bedeutet ein Risiko von Halluzinationen und veralteten Informationen. RAG beseitigt dieses Problem, weil das Modell sein Wissen aus einer konkreten, kuratierten Dokumentenbasis des Kunden bezieht. Doch nicht jedes Projekt braucht eine so fortgeschrittene L\u00f6sung. Einfachere F\u00e4lle? Die erledigen wir mit gut zugeschnittenem Prompt Engineering, ohne zus\u00e4tzliche Infrastruktur f\u00fcr semantische Suche.<\/p>\n\n\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\">\n<p>\u201eDer Retrieval-Mechanismus in RAG ist von entscheidender Bedeutung. Sie brauchen die beste semantische Suche auf einer kuratierten Wissensdatenbank, damit die abgerufenen Informationen wirklich zur Anfrage oder zum Kontext passen. Sind die abgerufenen Informationen irrelevant, kann Ihre Generierung zwar in Quellen verankert, aber trotzdem am Thema vorbei oder schlicht falsch sein.&#8221;<\/p>\n<\/blockquote>\n\n\n\n<p class=\"wp-block-paragraph\">Dieses Zitat trifft genau das, was wir in Projekten sehen. Die Qualit\u00e4t der KI-Antworten h\u00e4ngt vor allem von der Qualit\u00e4t des Suchmechanismus und der Wissensdatenbank selbst ab. Die Investition in die Kuratierung der Daten zahlt sich vielfach aus. Und der Versuch, schwache Quellen durch ein besseres Sprachmodell auszugleichen? Der f\u00fchrt ins Leere. Ich habe es ausprobiert.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Mobile_Architektur_die_fuer_Kuenstliche_Intelligenz_bereit_ist\"><\/span>Mobile Architektur, die f\u00fcr K\u00fcnstliche Intelligenz bereit ist<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Die Wahl des Technologie-Stacks f\u00fcr eine mobile App mit KI-Komponente ist eine der ersten Entscheidungen, die \u00fcber den Erfolg des gesamten Projekts bestimmt. Bei Web Systems arbeiten wir mit nativen L\u00f6sungen (Kotlin, Swift) und plattform\u00fcbergreifenden Ans\u00e4tzen (Flutter, React Native). Bei KI-Integrationen bevorzugen wir ein Vorgehen, bei dem die Logik der Kommunikation mit den Modellen im Backend liegt und die mobile App ein leichter Pr\u00e4sentationsclient bleibt. Warum? Weil das die Flexibilit\u00e4t gibt, das KI-Modell zu wechseln, ohne die App im Store aktualisieren zu m\u00fcssen. Und Modelle wechseln wir h\u00e4ufig.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Das Fundament einer skalierbaren mobilen App ist die Trennung der Schichten. Die UI-Schicht ist ausschlie\u00dflich f\u00fcr Darstellung und Interaktion zust\u00e4ndig. Die Datenschicht verwaltet die Kommunikation mit dem API, das Caching und die Offline-Synchronisierung. Dazwischen liegt optional eine Dom\u00e4nenschicht, die komplexe Gesch\u00e4ftslogik kapselt. Und was bringt diese Aufteilung? Das Hinzuf\u00fcgen eines KI-Moduls &#8211; eines Chatbots, eines Empfehlungssystems, einer Bildanalyse &#8211; erfordert keinen Umbau der bestehenden Anwendung. Sie stecken einfach ein neues Element ein.<\/p>\n\n\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\">\n<p>\u201eDie App-Architektur ist das Fundament einer hochwertigen Android-Anwendung. Eine klar definierte Architektur erlaubt es Ihnen, eine skalierbare, wartbare App zu bauen, die sich an das st\u00e4ndig wachsende \u00d6kosystem der Android-Ger\u00e4te anpassen kann. (&#8230;) Das wichtigste Prinzip ist die Trennung der Zust\u00e4ndigkeiten: die Aufteilung der App in Methoden, Klassen, Dateien, Pakete, Module und Schichten mit klar definierten Verantwortlichkeiten und Grenzen.&#8221;<\/p>\n<\/blockquote>\n\n\n\n<p class=\"wp-block-paragraph\">Zwanzig Jahre <a href=\"https:\/\/www.web-systems.pl\/de\/softwareentwicklung\/\">Softwareentwicklung<\/a>. Ich best\u00e4tige dieses Prinzip ohne Einschr\u00e4nkung. Projekte, in denen der Kunde auf schnelles Prototyping auf Kosten der Architektur bestand, erzeugten technische Schulden, die sp\u00e4ter ein Vielfaches jener anf\u00e4nglichen &#8220;Zeitersparnis&#8221; gekostet haben. Gerade bei der Integration von KI &#8211; wo sich die Anforderungen mit jeder neuen Modellversion dynamisch \u00e4ndern &#8211; ist eine solide Architektur kein Luxus. Sie ist die Bedingung daf\u00fcr, dass das Projekt \u00fcberlebt.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Tipp:<\/strong> Wenn Sie eine mobile Architektur f\u00fcr k\u00fcnftige KI-Module entwerfen, f\u00fchren Sie von Anfang an eine Abstraktionsschicht f\u00fcr die Kommunikation mit Inferenzdiensten ein. Definieren Sie eine Schnittstelle, \u00fcber die sich der Modellanbieter (OpenAI, Anthropic, lokale Modelle) austauschen l\u00e4sst, ohne die Pr\u00e4sentationsschicht zu ver\u00e4ndern. In der Praxis hei\u00dft das: ein eigenes Daten-Repository f\u00fcr KI-Antworten mit einem einheitlichen Vertrag, unabh\u00e4ngig vom konkreten API.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Herausforderungen_bei_der_Integration_von_KI-Modellen_in_eine_mobile_App\"><\/span>Herausforderungen bei der Integration von KI-Modellen in eine mobile App<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Die erste Frage zu Beginn jedes Projekts mit KI-Komponente lautet: Wo soll das Modell laufen? Inferenz auf dem Ger\u00e4t (Edge) beseitigt die Netzwerklatenz und erm\u00f6glicht den Offline-Betrieb, begrenzt aber die Modellgr\u00f6\u00dfe drastisch. Man muss auf konkrete mobile Chips hin optimieren. Die Cloud gibt Zugang zu den leistungsst\u00e4rksten Modellen, erzeugt aber Kosten proportional zur Zahl der Anfragen und macht abh\u00e4ngig von der Stabilit\u00e4t der Verbindung. In den meisten unserer Projekte w\u00e4hlen wir einen hybriden Ansatz. Einfache Aufgaben (Klassifizierung, Extraktion von Schl\u00fcsselw\u00f6rtern) laufen lokal. Komplexe Textgenerierung geht in die Cloud.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Datensicherheit ist das Thema, das bei Unternehmenskunden die gr\u00f6\u00dften Bedenken weckt. Und das zu Recht. Nutzeranfragen an ein externes API eines Sprachmodells zu senden bedeutet, dass sensible Informationen die kontrollierte Infrastruktur des Unternehmens verlassen. Wir setzen mehrere Strategien ein &#8211; Anonymisierung der Daten vor dem Versand, dedizierte Modellinstanzen mit der Garantie, dass die Daten nicht f\u00fcr das Training verwendet werden, Ende-zu-Ende-Verschl\u00fcsselung sowie eine lokale Vorverarbeitung, die personenbezogene Daten herausfiltert, bevor sie das LLM erreichen. Jede L\u00f6sung w\u00e4hlen wir individuell nach den regulatorischen Anforderungen des Kunden. Einen universellen Ansatz gibt es hier nicht.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Der Umgang mit Offline-Zust\u00e4nden ist eine weitere Besonderheit mobiler Plattformen. Ein Nutzer im Au\u00dfendienst (Vertriebsmitarbeiter, Pr\u00fcfer, Servicetechniker) verliert den Empfang und erwartet, dass die App weiterhin funktioniert. Und was dann? Wir entwerfen Systeme zum Zwischenspeichern von KI-Antworten, zum Einreihen von Anfragen f\u00fcr die sp\u00e4tere Verarbeitung und zum intelligenten Prefetching der am h\u00e4ufigsten ben\u00f6tigten Informationen. Diese Mechanismen erfordern eine sorgf\u00e4ltige Verwaltung des Ger\u00e4tespeichers, denn Modelle brauchen viel Platz und \u00e4ltere Telefone haben begrenzte Ressourcen.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Die typischen Fehler, die wir bei den ersten Integrationen zu vermeiden gelernt haben? Keine Behandlung von Timeouts bei Anfragen an das Modell-API. Das Ignorieren der Eingabe-Token-Limits (was dazu f\u00fchrt, dass der Kontext abgeschnitten wird). Das Nicht-Protokollieren der Kosten pro Anfrage. Und mein Favorit: Tests ausschlie\u00dflich im schnellen B\u00fcro-WLAN statt unter realen Bedingungen eines Mobilfunknetzes. Jedes dieser Probleme haben wir in der Produktion entdeckt. Schmerzhafte Lektionen, aber wirksame.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"RAG_Fine-Tuning_und_Prompt_Engineering_in_der_Projektpraxis\"><\/span>RAG, Fine-Tuning und Prompt Engineering in der Projektpraxis<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Die Wahl der KI-Technik f\u00fcr einen konkreten Gesch\u00e4ftsfall sollte sich aus der Analyse der Daten und der Bed\u00fcrfnisse ergeben. Nicht aus der Faszination f\u00fcr Technologie. Prompt Engineering bew\u00e4hrt sich, wenn der Kunde standardisierte Anfragen hat und vorhersehbare Antwortformate braucht &#8211; Erzeugen von Produktbeschreibungen, \u00dcbersetzungen, Extraktion von Daten aus Formularen. Fine-Tuning kommt ins Spiel, wenn das Modell spezifisches Branchenvokabular oder die Tonalit\u00e4t der Unternehmenskommunikation verstehen muss. RAG wiederum ist dort unersetzlich, wo Antworten auf einer aktuellen, firmeneigenen Wissensdatenbank beruhen m\u00fcssen &#8211; technische Dokumentation, Gesch\u00e4ftsbedingungen, Produktkataloge.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Der Ansatz RAG Ops, also das metrikgest\u00fctzte Qualit\u00e4tsmanagement eines Retrieval-Augmented-Generation-Systems, hat ver\u00e4ndert, wie wir KI-Projekte f\u00fchren. Statt eines subjektiven &#8220;die Antwort sieht gut aus&#8221; messen wir konkrete Kennzahlen jeder erzeugten Antwort. Das erlaubt es, die gesamte Pipeline systematisch zu optimieren &#8211; vom Parsen der Quelldokumente \u00fcber die Chunking-Strategie bis zum Prompt, der die Generierung steuert. Ohne Metriken ist jede Iteration ein Schuss ins Dunkle. Mit ihnen wird daraus ein ingenieurm\u00e4\u00dfiger Prozess.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Die Kennzahlen zur Bewertung von KI-Antworten, die wir in Projekten einsetzen:<\/p>\n\n\n\n<ol class=\"wp-block-list\">\n<li><strong>Coherence<\/strong> &#8211; logische Stimmigkeit der Antwort, keine inneren Widerspr\u00fcche<\/li>\n<li><strong>Groundedness<\/strong> &#8211; Verankerung in den Quellen, das Ma\u00df, in dem die Antwort auf den gelieferten Dokumenten beruht<\/li>\n<li><strong>Fluency<\/strong> &#8211; sprachliche Fl\u00fcssigkeit und Nat\u00fcrlichkeit des erzeugten Textes<\/li>\n<li><strong>Safety<\/strong> &#8211; Sicherheit der Inhalte, keine sch\u00e4dlichen oder unangemessenen Antworten<\/li>\n<li><strong>Instruction following<\/strong> &#8211; \u00dcbereinstimmung mit den gegebenen Anweisungen und dem Antwortformat<\/li>\n<li><strong>Question answering quality<\/strong> &#8211; Treffsicherheit der Antwort in Bezug auf die gestellte Frage<\/li>\n<\/ol>\n\n\n\n<p class=\"wp-block-paragraph\">Die Kuratierung der Wissensdatenbank ist der Punkt, den Kunden am h\u00e4ufigsten untersch\u00e4tzen. Chunking-Strategien, also die Art, wie Dokumente in Fragmente zerlegt werden, die die semantische Suche indexiert, wirken sich unmittelbar auf die Antwortqualit\u00e4t aus. Zu gro\u00dfe Fragmente verw\u00e4ssern die Pr\u00e4zision der Suche. Zu kleine verlieren den Kontext. In unseren Projekten experimentieren wir mit semantischem Chunking (Teilung entlang logischer Abs\u00e4tze), \u00fcberlappendem Chunking (overlapping chunks) und hierarchischem Chunking (Erhalt der Dokumentstruktur). Die optimale Variante? Die ermitteln wir empirisch f\u00fcr jeden Dokumentationstyp. Eine Abk\u00fcrzung gibt es hier nicht.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Kosten_Zeitplan_und_MVP_%E2%80%93_was_man_dem_Kunden_offen_sagen_sollte\"><\/span>Kosten, Zeitplan und MVP &#8211; was man dem Kunden offen sagen sollte<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Kostentransparenz wird in der IT-Branche gerne selektiv gehandhabt. Bekanntes Bild. Bei Web Systems gilt der Grundsatz, dass der Kunde das vollst\u00e4ndige finanzielle Bild eines Projekts kennen sollte, bevor er entscheidet. Ein realistisches Budget f\u00fcr eine mobile App mit KI-Komponente beginnt bei 80.000 bis 150.000 PLN f\u00fcr ein MVP und w\u00e4chst proportional zur Komplexit\u00e4t des Modells, zum Umfang der Wissensdatenbank sowie zu den Anforderungen an Leistung und Sicherheit. Allein die Einf\u00fchrung von RAG mit einer eigenen Vektordatenbank und einem API f\u00fcr die Anfragen macht in der Regel 30 bis 50 Prozent dieses Budgets aus.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Die MVP-Strategie ist sinnvoll, weil sie den gesch\u00e4ftlichen Nutzen der KI \u00fcberpr\u00fcfen l\u00e4sst, bevor der Kunde in die Vollversion investiert. F\u00fcr die erste Iteration w\u00e4hlen wir eine einzige, wichtigste KI-Funktion &#8211; meistens einen Frage-Antwort-Chatbot auf der firmeneigenen Wissensdatenbank oder eine intelligente Produktsuche. Bildanalyse, Berichtserzeugung, Prognosen? Die heben wir uns f\u00fcr sp\u00e4tere Iterationen auf, wenn wir wissen, dass die Nutzer die KI-Komponente tats\u00e4chlich verwenden und sie messbaren Nutzen bringt.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Versteckte Betriebskosten eines KI-Projekts sind ein Thema, \u00fcber das viele Dienstleister schweigen. Ein Sprachmodell braucht regelm\u00e4\u00dfige Aktualisierungen. API-Anbieter wechseln Versionen, stellen Endpunkte ab, \u00e4ndern Preislisten. Die Wissensdatenbank braucht Pflege, weil sich die Dokumente des Kunden \u00e4ndern und alte Chunks veralten. Das Monitoring der Antwortqualit\u00e4t verursacht Infrastrukturkosten, und allein die Token-Kosten k\u00f6nnen bei vielen Nutzern so manchen Product Owner \u00fcberraschen. Wir sch\u00e4tzen die j\u00e4hrlichen Betriebskosten eines KI-Systems auf 15 bis 25 Prozent der Anfangsinvestition.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Warum schreiben wir dar\u00fcber so offen? Weil ein Kunde, der die Kostenstruktur versteht, bessere Entscheidungen trifft. Und weil er das Vertrauen in den Dienstleister nicht verliert, wenn nach einem halben Jahr die Rechnungen f\u00fcr das API kommen oder die Wissensdatenbank neu indexiert werden muss. Transparenz sch\u00fctzt beide Seiten vor Entt\u00e4uschung. Sie baut eine partnerschaftliche Beziehung auf, die sich auf lange Sicht bew\u00e4hrt. Ich habe beide Wege ausprobiert &#8211; ich wei\u00df, welcher funktioniert.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"FAQ\"><\/span>FAQ<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<h3 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Was_kostet_eine_mobile_App_mit_KI_in_einem_polnischen_software_house\"><\/span>Was kostet eine mobile App mit KI in einem polnischen software house?<span class=\"ez-toc-section-end\"><\/span><\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Ein MVP einer mobilen App mit KI-Komponente in einem polnischen software house kostet ab etwa 80.000 bis 150.000 PLN netto. Der endg\u00fcltige Betrag h\u00e4ngt von der Komplexit\u00e4t des KI-Modells, dem Umfang der Wissensdatenbank, den Sicherheitsanforderungen und der Zahl der Plattformen ab (iOS, Android oder beide). Dazu kommen die Betriebskosten &#8211; Modellaktualisierungen, Monitoring der Antwortqualit\u00e4t und Geb\u00fchren f\u00fcr die APIs der Sprachmodellanbieter. Das sind grob 15 bis 25 Prozent der Anfangsinvestition pro Jahr. Die MVP-Strategie erlaubt es, die anf\u00e4nglichen Ausgaben zu begrenzen und das Projekt erst dann zu skalieren, wenn best\u00e4tigt ist, dass die KI tats\u00e4chlich gesch\u00e4ftlichen Nutzen bringt.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Braucht_KI_in_einer_mobilen_App_eine_staendige_Internetverbindung\"><\/span>Braucht KI in einer mobilen App eine st\u00e4ndige Internetverbindung?<span class=\"ez-toc-section-end\"><\/span><\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Nicht immer. Hybride L\u00f6sungen erlauben es, einfachere Modelle direkt auf dem Ger\u00e4t auszuf\u00fchren &#8211; Textklassifizierung, Extraktion von Schl\u00fcsselw\u00f6rtern oder Bilderkennung lassen sich offline erledigen. Komplexe generative Aufgaben (Chatbot-Antworten, Erzeugung von Inhalten, Dokumentenanalyse per RAG) brauchen die Kommunikation mit einem Server, denn gro\u00dfe Sprachmodelle ben\u00f6tigen Rechenressourcen, die ein durchschnittliches Smartphone nicht hat. Wir entwerfen Apps mit Anfrage-Warteschlangen und zwischengespeicherten Antworten &#8211; so k\u00f6nnen Nutzer offline arbeiten und die Ergebnisse synchronisieren, sobald die Verbindung zur\u00fcck ist.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Wie_lange_dauert_die_Einfuehrung_eines_MVP_einer_mobilen_App_mit_Kuenstlicher_Intelligenz\"><\/span>Wie lange dauert die Einf\u00fchrung eines MVP einer mobilen App mit K\u00fcnstlicher Intelligenz?<span class=\"ez-toc-section-end\"><\/span><\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Realistisch? Drei bis f\u00fcnf Monate, je nach Komplexit\u00e4t. Der erste Monat umfasst die Anforderungsanalyse, den Entwurf der Architektur und die Vorbereitung der Wissensdatenbank. Die n\u00e4chsten sechs bis acht Wochen entfallen auf die Umsetzung der mobilen App und die Integration mit dem KI-Modell. Den Rest verwenden wir auf Tests der Antwortqualit\u00e4t, die Optimierung der Prompts, Performance-Tests und die Einf\u00fchrung selbst. Projekte mit fortgeschrittenem Fine-Tuning des Modells oder mit komplizierten Sicherheitsanforderungen k\u00f6nnen l\u00e4nger dauern &#8211; den genauen Zeitplan legen wir nach einem Analyse-Workshop fest.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Fazit_und_der_naechste_Schritt\"><\/span>Fazit und der n\u00e4chste Schritt<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Der Bau mobiler Apps mit KI-Komponente verlangt die Verbindung von mobiler Ingenieurskunst, Architektur verteilter Systeme und praktischer Kenntnis des \u00d6kosystems der Sprachmodelle. Nach zwanzig Jahren in der Branche sehe ich, dass der Erfolg solcher Projekte von drei Dingen abh\u00e4ngt &#8211; einer soliden Schichtenarchitektur, einem metrikgest\u00fctzten Umgang mit der Qualit\u00e4t der KI und einer ehrlichen Kommunikation \u00fcber Kosten gegen\u00fcber dem Kunden. Keines dieser Elemente ist optional.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Die Partnerschaft mit einem erfahrenen technischen Team z\u00e4hlt nicht nur in der Bauphase. Vor allem z\u00e4hlt sie beim Betrieb und der Weiterentwicklung des Systems. KI-Modelle entwickeln sich weiter, APIs \u00e4ndern sich, Wissensdatenbanken wachsen &#8211; und dann zeigt sich, wie gut die Architektur und wie reif die Prozesse sind, die der Dienstleister am Anfang eingef\u00fchrt hat. Billige Prototypen, die ohne Trennung der Schichten und ohne Teststrategie geschrieben wurden, werden nach einigen Monaten im Betrieb zu teuren Problemen. Ich habe das oft genug gesehen.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Denken Sie \u00fcber eine mobile App mit Elementen K\u00fcnstlicher Intelligenz nach? Suchen Sie einen Partner f\u00fcr den Bau eines MVP oder wollen Sie RAG in ein bestehendes System integrieren? Melden Sie sich bei uns. Bei Web Systems verbinden wir Projekterfahrung mit praktischer Kenntnis von KI &#8211; wir sprechen gerne \u00fcber Ihren Gesch\u00e4ftsfall, die realen Kosten und einen Zeitplan, der Sinn ergibt.<\/p>\n\n","protected":false},"excerpt":{"rendered":"<p>2006 haben wir Web Systems in \u0141\u00f3d\u017a gegr\u00fcndet. Mobile Apps? Steckten in den Kinderschuhen. KI? Eingeschlossen in Laboren. Heute kommen unsere Kunden mit konkreten Anliegen &#8211; sie wollen Apps, die den Kontext verstehen, die Bed\u00fcrfnisse der Nutzer vorhersehen und Arbeit automatisieren, f\u00fcr die bisher ein Mensch n\u00f6tig war. Das ist keine KI-Mode. Das ist die [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":28276,"comment_status":"","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[261,217,179],"tags":[84,152,712,215,763,659,532,764],"class_list":["post-28658","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-aplikacje-mobilne","category-biznes","category-sztuczna-inteligencja","tag-ai","tag-aplikacje-mobilne","tag-b2b","tag-lodz","tag-machine-learning","tag-rag","tag-software-house","tag-wdrozenia"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.web-systems.pl\/de\/wp-json\/wp\/v2\/posts\/28658","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.web-systems.pl\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.web-systems.pl\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.web-systems.pl\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.web-systems.pl\/de\/wp-json\/wp\/v2\/comments?post=28658"}],"version-history":[{"count":0,"href":"https:\/\/www.web-systems.pl\/de\/wp-json\/wp\/v2\/posts\/28658\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.web-systems.pl\/de\/wp-json\/wp\/v2\/media\/28276"}],"wp:attachment":[{"href":"https:\/\/www.web-systems.pl\/de\/wp-json\/wp\/v2\/media?parent=28658"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.web-systems.pl\/de\/wp-json\/wp\/v2\/categories?post=28658"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.web-systems.pl\/de\/wp-json\/wp\/v2\/tags?post=28658"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}