Wir haben mit einem Berliner Health-Tech-Startup ein KI-first Mental-Wellness-Produkt entwickelt — vom Konzept zum funktionierenden MVP in 6 Wochen, das 1,2 Mio. € Seed-Finanzierung sicherte.
Die Herausforderung
Zwei Gründer — eine klinische Psychologin und ein Software-Ingenieur — hatten eine überzeugende These: Tägliche Mikro-Reflexionen, angeleitet durch KI, können das mentale Wohlbefinden junger Berufstätiger messbar verbessern. Sie hatten Domänenexpertise, frühe Nutzerforschung mit 50 potenziellen Nutzern und eine klare Vision.
Was ihnen fehlte, war KI-Architektur-Erfahrung. Ihr erster Versuch — ein ChatGPT-Wrapper mit individuellen Prompts — produzierte inkonsistente Antworten, vergaß den Kontext zwischen Sitzungen und fühlte sich generisch an. Nutzer beschrieben es als „mit einer Suchmaschine über meine Gefühle reden”.
Sie brauchten:
- Ein KI-System mit Gedächtnis — das die Historie, Präferenzen, emotionalen Muster und den Fortschritt jedes Nutzers kennt
- Konsistente Persönlichkeit — einen warmen, professionellen Ton, der sich wie ein vertrauenswürdiger Begleiter anfühlt, nicht wie ein Chatbot
- Klinische Sicherheit — angemessene Grenzen, Krisenerkennung und Eskalationsprotokolle
- Geschwindigkeit — sie hatten 8 Wochen Runway bis zum nächsten Investorengespräch
Unser Ansatz
Wir haben die Ophelin-Methode mit einem Startup-optimierten Rhythmus angewandt — den typischen Zeitrahmen komprimiert, ohne die architektonische Sorgfalt aufzugeben.
Beobachten (Woche 1)
Statt einer langen Discovery-Phase führten wir einen intensiven 3-Tage-Workshop durch:
- Tag 1: Nutzerforschung der Gründer ausgewertet, 12 Kern-User-Journeys kartiert und das einzelne wertvollste Interaktionsmuster identifiziert
- Tag 2: 200 Beispielkonversationen aus dem Prototyp analysiert, um zu verstehen, wo und warum die KI versagte
- Tag 3: MVP-Scope definiert — ein Kernfeature (tägliche geführte Reflexion) exzellent umgesetzt, alles andere zurückgestellt
Die entscheidende Erkenntnis: Die Nutzer wollten keine Therapie. Sie wollten einen strukturierten Moment der Klarheit in ihrem Tag. Diese Neuausrichtung prägte jede Design-Entscheidung.
Architektieren (Woche 2)
Wir haben eine schlanke, aber erweiterbare Architektur entworfen:
- Kontext-Engine — Speichert und ruft Nutzerhistorie, emotionale Muster und Sitzungszusammenfassungen ab. Jedes Gespräch baut auf dem vorherigen auf.
- Persönlichkeitsschicht — Eine sorgfältig gestaltete System-Prompt-Architektur, die konsistenten Ton bewahrt, sich an den Kommunikationsstil des Nutzers anpasst und klinische Grenzen respektiert.
- Sicherheits-Framework — Schlüsselworterkennung, Sentiment-Analyse und Eskalationsprotokolle, die Krisensituationen an menschliche Ressourcen weiterleiten.
Wir wählten bewusst eine modulare Architektur, damit das Startup sie nach der Finanzierung erweitern kann, ohne den Kern neu schreiben zu müssen.
Verfeinern (Woche 3-5)
Drei Wochen Build-Test-Refine-Zyklen:
- Woche 3: Kern-Reflexionsflow betriebsbereit. 10 Beta-Tester eingebunden.
- Woche 4: Kontext-Engine verfeinert basierend auf echten Gesprächen. Persönlichkeitstuning nach Nutzerfeedback („zu formell” → angepasst auf warm-professionell).
- Woche 5: Sicherheits-Framework mit klinischer Beraterin validiert. Grenzfälle adressiert. Onboarding-Flow hinzugefügt.
Entstehen (Woche 6)
Beta-Launch mit 50 Nutzern von der Warteliste der Gründer. Wir haben Monitoring, Analytics und Feedback-Sammlung eingerichtet. Das System war live, lernend und verbesserte sich vom ersten Tag an.
Die Lösung
Das finale MVP bestand aus drei Kernkomponenten:
-
Täglicher Reflexionsflow — Eine 5-minütige geführte Reflexion, die ihre Fragen basierend auf der Stimmung des Nutzers, aktuellen Einträgen und langfristigen Mustern anpasst. Kein Fragebogen — ein Gespräch.
-
Gedächtnis & Fortschritt — Die KI erinnert sich an Themen, verfolgt emotionale Muster über die Zeit und referenziert frühere Sitzungen natürlich. Nutzer berichteten, sich „wirklich verstanden” zu fühlen — der primäre Differenzierungsfaktor gegenüber generischen Wellness-Apps.
-
Sicherheitsnetz — Für die meisten Nutzer unsichtbar, aber kritisch. Das System erkennt besorgniserregende Muster und stellt angemessene Ressourcen bereit, ohne den Gesprächsfluss zu unterbrechen.
Der Tech-Stack war bewusst schlank: Cloudflare Workers für die API, ein React-Native-Frontend (gebaut vom Ingenieur der Gründer) und OpenAIs API mit einer von uns entworfenen individuellen Prompt-Architektur.
Kernaussagen
-
Konsequent priorisieren. Die ursprüngliche Vision der Gründer umfasste Journaling, Meditation, Community-Features und Therapeuten-Matching. Wir haben ein Feature ausgeliefert — tägliche Reflexion — und es war genug, um die These zu beweisen und Finanzierung zu sichern.
-
KI-Persönlichkeit ist eine Produktentscheidung, keine technische. Wir haben mehr Zeit mit Ton, Grenzen und Konversationsdesign verbracht als mit Modellauswahl. Das „Wie es sich anfühlt” zählt bei Consumer-KI-Produkten mehr als das „Wie es funktioniert”.
-
Architektur für Erweiterung, nicht für Perfektion. Die MVP-Architektur war darauf ausgelegt, erweitert zu werden, nicht neu geschrieben. Sechs Monate später fügte das Startup Journaling und Fortschrittsverfolgung hinzu, ohne die Kern-Reflexions-Engine anzufassen.
-
Geschwindigkeit und Qualität sind keine Gegensätze. Sechs Wochen waren genug, weil wir früh klare Entscheidungen trafen. Die Beobachtungsphase — insbesondere die „Ein-Feature”-Entscheidung — eliminierte Wochen von Scope-Creep.