200+ Support-Anfragen pro Monat bei einem sensiblen Thema: "Haarausfall & Glatze". Ich wollte Menschen nicht abwimmeln mit Standard-Antworten. Also habe ich mein komplettes Wissen zur Basis einer KI gemacht. Support skaliert. System lernt. Ich höre zu, mit künstlicher Intelligenz als Ohr. Seit 2023.
✺ KEY FACTS
Projekt: wenighair KI-Chatbot "Hairy"
Timeline: Seit 2023 täglich im Einsatz
Challenge: Support bei sensiblem Thema skalieren + Content-Lücken identifizieren
Rolle: System-Architekt, Prompt-Engineer, UX-Konzepter
Tech-Stack: RAG (Retrieval Augmented Generation), 500+ Video-Transkripte, 100+ Blogartikel als Wissensbasis
Impact: 200+ Anfragen/Monat automatisiert, 15–20 Stunden Support-Zeit gespart, datengetriebene Content-Entwicklung
01 ✺ BUSINESS CHALLENGE
Hunderte Fragen zu einem sensiblen Thema – ohne Team, ohne Standardantworten
Haarausfall ist persönlich. Menschen googeln, klicken sich durch FAQ-Seiten, finden generische Antworten. "Haarausfall kann viele Ursachen haben." Wow, hätte ich nicht gedacht.
Bei wenighair hatte ich ein anderes Problem. Nicht zu wenig Traffic. Nicht zu wenig Interesse. Sondern: Zu viele individuelle Fragen, die ich alleine nicht beantworten konnte, ohne dass mein Tag nur noch aus Support besteht.
Die meisten würden sagen: "Bau ein Support-Team auf." Oder: "Erstell eine bessere FAQ." Beides ist Unsinn, wenn du ein Ein-Personen-Startup bist und deine Expertise in Videos, Artikeln und Podcasts seit 2019 dokumentiert hast.
Ich wollte zwei Dinge gleichzeitig:
- Menschen bei einem sensiblen Thema wirklich helfen (nicht abwimmeln mit Standard-Textbaustein-Antworten)
- Verstehen, welche Fragen immer wiederkommen (um besseren Content zu entwickeln)
Ein klassischer Support-Chatbot macht keins von beidem gut. Er wehrt Anfragen ab. Er liefert generische Textbausteine. Und er sagt dir nichts über die echten Bedürfnisse deiner Community.
Also habe ich etwas anderes gebaut.
02 ✺ LÖSUNG
Kein Standard-Chatbot, sondern ein lernendes System
Ich wollte keinen Chatbot, der Anfragen abwehrt. Ich wollte ein offenes Ohr.
Also habe ich meine komplette Expertise aus hunderten Artikeln, Transkripte aus 500+ Videos und Podcasts zur Wissensbasis einer künstlichen Intelligenz gemacht. Das Ziel: Echte Hilfe durch KI statt Standard-Antworten.
Säule 1: Support skalieren durch trainiertes Wissen
500+ Video-Transkripte. 100+ Blogartikel. Alles, was ich seit 2019 über Haarausfall, Glatze, Selbstbewusstsein gelernt und dokumentiert habe, wurde zur Grundlage.
Keine generischen Phrasen aus dem Internet. Sondern meine Erfahrung, meine Tests, meine offenen Antworten. Die künstliche Intelligenz durchsucht mein gesamtes Wissensarchiv und liefert kontextuelle Antworten statt Copy-Paste-Floskeln.
TKTKTK [INTERNER LINK ZU UX-SHOWCASE] → Meine UX-Erfahrung half mir zu verstehen: Menschen wollen nicht abgefertigt werden, sondern verstanden werden.
Das Ergebnis? Menschen bekommen Antworten, die auf jahrelanger Arbeit basieren. Und ich spare 15–20 Stunden Support-Arbeit pro Monat. Mehrere Arbeitstage, die ich jetzt in mein TKTKTK showcase-business Business stecke statt in E-Mail-Tennis.
Säule 2: Mein digitales Ohr – Content-Lücken durch Daten statt Bauchgefühl
Aber der Chatbot ist mehr als nur ein Support-Tool. Er ist ein Rückkanal.
Vorher dachte ich, ich weiß, was meine Community braucht. Heute zeigt mir die Community, was sie braucht. Jeden Tag.
- Wo sind meine Content-Lücken?
- Was beschäftigt Menschen wirklich?
- Welche Fragen kommen immer wieder?
Die Antworten liefert mir "Hairy", mein KI-Chatbot.
Kein Raten mehr. Keine Bauchgefühl-Content-Planung. Sondern: Daten aus echten Anfragen. Menschen fragen. Der Chatbot antwortet. Ich sehe die Muster.
Daraus entstanden: 10+ Blogartikel direkt aus den häufigsten Fragen. Videos zu Themen, die hundertmal aufkamen. Diese Artikel habe ich dann TKTKTK verlinken: SEO-optimiert aufgebaut – aus echten Nutzerfragen statt Keyword-Tools.
Säule 3: Der Kreislauf – Fragen → Content → System
Neue Fragen führen zu neuen Artikeln. Diese Artikel werden wieder ins System eingespeist. Der Chatbot wird besser. Die Antworten präziser. Das System lernt mit.
Ein Kreislauf, der seit 2023 täglich läuft:
- Menschen fragen
- Chatbot antwortet (aus bestehendem Wissen)
- Ich sehe Content-Lücken
- Ich erstelle neuen Content (Blog, Video, was auch immer passt)
- Neuer Content wird trainiert
- Zurück zu Schritt 1
Keine Content-Planung mehr nach "Was könnte interessant sein". Sondern: Was wird tatsächlich gefragt.
03 ✺ IMPACT
Zeit gespart, Lücken gefunden, bessere Hilfe geliefert
Die Zahlen sind klar:
- 200+ Support-Anfragen pro Monat automatisiert
- 15–20 Stunden Support-Zeit gespart (mehrere Arbeitstage)
- 10+ Blogartikel entstanden aus echten Nutzerfragen
- Content-Roadmap basiert jetzt auf Daten statt Annahmen
Aber die eigentliche Wirkung ist woanders.
Menschen bekommen bessere Antworten. Nicht schneller. Nicht effizienter. Sondern: besser. Weil die künstliche Intelligenz auf mein gesamtes Wissen zugreift, nicht nur auf die drei Punkte, die ich in einer FAQ hätte unterbringen können.
Und ich entwickle besseren Content. Nicht mehr nach Gefühl "Das könnte interessant sein", sondern nach Fakten: "Diese Frage kam 47-mal, Zeit für einen Artikel."
TKTKTK [INTERNER LINK ZU BUSINESS-SHOWCASE] → Etwa hier: "Datengetriebene Entscheidungen statt Bauchgefühl. So entwickle ich auch meine Online-Kurse für die größte deutschsprachige Glatzen-Community."
Kein Marketing-Sprech. Die meisten Creator erstellen Content nach Intuition. Ich erstelle Content nach Daten.
04 ✺ TAKEAWAYS
1. System-Building schlägt Tool-Hopping
Der Unterschied zwischen "Ich benutze ChatGPT für Support" und "Ich habe ein KI-System gebaut" ist: Eins skaliert, das andere nicht.
Jeder kann ein Tool benutzen. Wenige bauen Systeme, die zwei Probleme gleichzeitig lösen. Support automatisieren UND Content-Lücken identifizieren ist kein Feature-Request. Das ist strategisches Design.
2. UX-Denke ist der Hebel bei KI-Integration
Technologie kann jeder kaufen. Aber nutzerzentrierte KI-Systeme zu designen? Das erfordert Verständnis für Menschen, nicht für APIs.
Meine User-Experience-Erfahrung half mir mehr als jedes Tutorial. Weil die Frage nicht war: "Welche KI-Technologie nehme ich?", sondern "Wie helfe ich Menschen besser?"
3. Training in Echtzeit: Das System lernt mit
Die meisten denken: Einmal trainieren, dann läuft's. Falsch.
Ein gutes KI-System ist ein Kreislauf:
Fragen → Antworten → Analyse → Neuer Content → Training → Bessere Antworten.
Wenn dein System nicht lernt, hast du kein System. Du hast eine Datenbank mit Sprachausgabe.
4. Empathie skaliert durch Technologie
Künstliche Intelligenz kann mit hundert Menschen gleichzeitig sprechen. Aber sie spricht mit meiner Stimme, meiner Erfahrung, meinem Verständnis.
Das ist der Unterschied zwischen einem nervigen und einem nützlichen KI-Chatbot: Was du reinsteckst. Und ob du bereit bist, wirklich zu helfen, statt nur zu antworten.
5. Der unbequeme Teil: Es braucht echtes Wissen
Wenn du nicht bereit bist, dein Wissen zu teilen, das echte, das unperfekte, das ehrliche, dann brauchst du keinen KI-Chatbot. Dann brauchst du ein FAQ.
Die Technologie ist nicht das Problem. Die Bereitschaft, echte Hilfe zu liefern statt Marketing-Phrasen, ist das Problem.
Willst du wissen, ob künstliche Intelligenz auch für dein Business Sinn macht?