DIY oder Handwerker?

Die Sprachlücke

Ein tropfender Wasserhahn, eine tote Steckdose, eine leere Wand, an die ein Regal soll. Vieles davon könnten die meisten selbst reparieren — aber sie wissen nicht, wie es heißt, können also nicht danach suchen und nicht einschätzen, ob es ein Fünfzehn-Minuten-Job ist oder ein Fall für den Elektriker. Also ignorieren sie es oder zahlen einen Profi für etwas Einfaches.

In unserem Konzeptpapier stand es so: Es ist eine Lücke in der Fachsprache, nicht in Intelligenz oder Motivation. Zielgruppe waren Mieter und Eigentümer in Deutschland ohne handwerkliche Erfahrung.

Foto zuerst — und der Nutzer behält die Kontrolle

Ein Foto braucht kein Vokabular. Ein klassischer Bildklassifikator reichte aber nicht: Ein Foto einer leeren Wand kann heißen „Ich will ein Regal aufhängen“, „die Farbe ist kaputt“ oder „da ist ein Riss“. Pixel allein lösen das nicht — deshalb ein Vision-Language-Modell plus eine optionale Textzeile.

Bewusst gegen eine Kategorieauswahl vor dem Foto haben wir uns auch entschieden. Die Frage „Elektrik oder Sanitär?“ bringt die Sprachbarriere sofort zurück — und wer die Antwort schon kennt, ist nicht die Person, für die wir gestaltet haben.

Weil das Modell falsch liegen kann, sieht der Nutzer zuerst, was erkannt wurde, und kann es korrigieren, bevor ein Rat generiert wird.

Entscheidungen statt Aufsätze

Das Backend macht zwei Modell-Aufrufe, beide in eine feste Struktur gezwungen: Der erste klassifiziert Gewerk, Schwierigkeit und Konfidenz — und erkennt, wenn ein Foto gar keine Haushaltsaufgabe zeigt. Der zweite schreibt eine bis fünf Karten: eine DIY-Option mit Werkzeug, Schritten, Zeit und Kosten und eine Profi-Option mit Preisrahmen und Handwerkern in der Nähe.

Karten statt Chat, weil Menschen hier entscheiden wollen, nicht lesen. Und eine Regel sticht alles: Brandspuren, Gas oder Wasser in der Nähe von Elektrik heißen immer Profi — ohne DIY-Umweg.

„Was haben Menschen wie ich gemacht?“

Eine Empfehlung wie „Mach das selbst“ wirkt schnell bevormundend. Deshalb zeigen wir, was vergleichbare Menschen tatsächlich gemacht haben: „68 % mit einem Profil wie deinem haben das selbst gemacht.“ Das Profil entsteht in einem Onboarding mit vier Fragen — vier Taps statt elf Schieberegler — und wird auf dem Handy auf elf Werte abgebildet. Ein k-NN-Empfehler (Pauls Teil) findet die 50 ähnlichsten Nutzer; gibt es zu wenige vergleichbare, bleibt das Badge ausgeblendet.

Mein Teil war, beide Signale zusammenzuführen: das Urteil der KI und den Social Proof.

Messen

Den Bild-Schritt haben wir mit einem kuratierten Set aus 15 Haushaltsfotos getestet (14 ausgewertet), den Empfehler mit 120.000 simulierten Entscheidungen — mit Test-Nutzern, die im Training nie vorkamen.

Die Prozentwerte sind ehrlich: Wenn die App 70 % sagt, machen es etwa 70 % der ähnlichen Nutzer wirklich selbst. Auch die Fehler waren aufschlussreich — die leere Wand war das schwierigste Foto, und manche Aufgaben wurden vorsichtiger eingestuft als erwartet. Das war eher eine Produktfrage als ein Bug: Wie vorsichtig soll die App sein?

Den Kreis schließen

Beim nächsten Öffnen fragt die App, wie die letzte Aufgabe gelaufen ist: selbst gemacht, Profi geholt, noch nicht dazu gekommen. Die Antwort fließt ins Profil zurück, sodass die Empfehlungen persönlicher werden, je mehr jemand die App nutzt.

Was ich als Nächstes machen würde

• Echte Daten. Der Empfehler hat von synthetischen Nutzern gelernt — der Prozentwert ist also noch eine Modellvorhersage, kein echter Social Proof.
• Usability-Tests. Geplant waren Bewertungen der Karten und ein Vertrauens-Check — das würde ich als Erstes durchführen.
• Datenschutz vor dem Launch. Fotos aus der eigenen Wohnung brauchen eine Einwilligung vor dem ersten Upload, EU-Hosting und DSGVO-Konformität.
• Modelle vergleichen. Wir haben nur einen Anbieter genutzt; die Abwägung zwischen Kosten, Geschwindigkeit und Datenschutz ist noch offen.

Was ich mitnehme: Das Schwierigste an einem KI-Feature ist nicht der Modell-Aufruf, sondern die Entscheidung, wann das Produkt ihm vertrauen sollte — und die Momente zu gestalten, in denen der Nutzer sagen kann: „Nein, das stimmt nicht.“