Du sitzt in der vierten Stunde eines Naming-Workshops. F\u00fcnf Personen, ein leeres Flipchart, und irgendwer schl\u00e4gt wieder „Brandify“ vor. Bei einem White-Label-Unternehmen mit 30 neuen Produkten pro Quartal ist das nicht skalierbar \u2013 es ist ein Burnout-Generator. Also habe ich gebaut, was fehlte: ein internes Tool, das kreative Prozesse nicht ersetzt, sondern intelligent strukturiert.<\/p>\n\n\n\n
Naming ist ein seltsames Handwerk. Es ist gleichzeitig k\u00fcnstlerisch und datengetrieben, intuitiv und methodisch. Der klassische Prozess sieht so aus: Briefingrunde, Brainstorming, manuelle Domain-Checks, parallele Markenrecherche, Diskussionen, \u00dcberarbeitungen. Bei gro\u00dfen Unternehmen mit mehreren Produktlinien wird das zur Zeitfalle.<\/p>\n\n\n\n
Das Kernproblem war nicht die fehlende Kreativit\u00e4t im Team. Das Problem war die Struktur: Weder hatten wir klare Kriterien, noch konnten wir schnell iterieren. Jede neue Ideenrunde war ein Neustart statt eine Verfeinerung.<\/p>\n\n\n\n
Dann kam die Frage: Was, wenn wir diesen Prozess strukturieren und in einen Vorgang mit intuitiver UI gie\u00dfen k\u00f6nnten?<\/p>\n\n\n\n
Ich h\u00e4tte zwei Wege gehen k\u00f6nnen. Der erste: Ein einfaches Interface, bei dem jede Person direkt einen Prompt schreiben kann \u2013 „gib mir kreative Tech-Namen“. Das w\u00e4re schnell gebaut, aber w\u00fcrde das Problem nicht l\u00f6sen.<\/p>\n\n\n\n
Der zweite Weg war aufwendiger, aber konzeptionell sauberer: Vor der KI-Generierung zwingt das System den Nutzende, sich selbst klar zu werden. Was genau wird benannt? Welche Werte soll der Name transportieren? Wie abstrakt darf es sein?<\/p>\n\n\n\n
Ich entschied mich f\u00fcr den zweiten Weg \u2013 nicht weil es weniger Arbeit ist (das Gegenteil ist der Fall), sondern weil er das eigentliche Problem adressiert: schlechtes Briefing f\u00fchrt zu schlechten Namen, nicht mangelnde KI-Qualit\u00e4t.<\/p>\n\n\n\n
Die Parameter wurden damit zur Struktur:<\/p>\n\n\n\n
Produktbeschreibung:<\/strong> Was ist das Produkt wirklich? Bei „Heizungsservice f\u00fcr \u00c4ltere“ ist das anders als bei „Tech-Startup f\u00fcr Geb\u00e4udeautomation“ \u2013 obwohl beide mit Heizung zu tun haben.<\/p>\n\n\n\n Kreativit\u00e4tslevel:<\/strong> Slider von „Kunstname“ (Zalando, Spotify \u2013 komplett abstrakt) bis „beschreibend“ (heizung24.de \u2013 funktional). Das gibt dem System vor, wie weit es abstrahieren soll.<\/p>\n\n\n\n Namensl\u00e4nge:<\/strong> Ein Wort? Wortkombination? Diese Entscheidung hat massive Auswirkungen auf Merkbarkeit und sp\u00e4tere Domain-Verf\u00fcgbarkeit.<\/p>\n\n\n\n Das Gegenst\u00fcck zu dieser Struktur war: Keine freie Texteingabe. Kein „gib mir mal was Cooles“. Nur klare, parametrische Vorgaben.<\/p>\n\n\n\n Der Kern ist ein ausgekl\u00fcgelter System-Prompt f\u00fcr die Claude API. Dieser Prompt ist nicht einfach eine Eingabe \u2013 er ist selbst das Produkt von 20+ Iterationen. Er enth\u00e4lt explizite Regeln f\u00fcr Namensgenerierung: phonetische Eigenschaften, kulturelle Kontexte, Suchmaschinen-Optimierung im Hinterkopf.<\/p>\n\n\n\n Das Interface ist absichtlich simpel. Nicht weil es leicht zu bauen war, sondern weil Komplexit\u00e4t nirgends hin sollte au\u00dfer in die intelligente Parameter-Verarbeitung dahinter.<\/p>\n\n\n\n Nach der Generierung einer Namen-Liste kommt der entscheidende Moment: das Favoriten-System. Der Nutzende markiert Namen, die in die richtige Richtung gehen. Startet er eine neue Iteration, erh\u00e4lt die KI nicht nur die urspr\u00fcnglichen Parameter zur\u00fcck, sondern auch die Information „das waren die bisherigen Favoriten“.<\/p>\n\n\n\n Das System lernt Pattern. Es merkt sich: „Okay, wir bevorzugen konkrete Anker-W\u00f6rter“ oder „keine Kunstw\u00f6rter unter drei Silben“. Die n\u00e4chste Iteration wird pr\u00e4ziser. Und die n\u00e4chste noch mehr.<\/p>\n\n\n\n So entsteht ein fokussierter Arbeitsbereich, statt jedes Mal in der Breite zu generieren. Das ist der entscheidende Unterschied zu einzelnen KI-Anfragen.<\/p>\n\n\n\n Ein Name ist nur so gut wie seine Verf\u00fcgbarkeit. Also wurde ein Domain-Check direkt in den Workflow integriert \u2013 nicht als Nachgedanke, sondern als gleichwertiger Pr\u00fcfschritt neben der Kreativit\u00e4t.<\/p>\n\n\n\n Der Trick dabei: Das System erkennt den Kontext. Endet ein Name zuf\u00e4llig auf „-io“, wird auch die „.io“-Domain gepr\u00fcft. Ist der Produktname regional bezogen, k\u00f6nnten „.berlin“ oder „.hamburg“ sinnvoller sein als „.com“. Diese Logik ist hard-coded \u2013 nicht weil KI-Prompts das nicht k\u00f6nnten, sondern weil dedizierter Code zuverl\u00e4ssiger ist.<\/p>\n\n\n\n So sieht ein Nutzender auf einen Blick: Welche Namen sind nicht nur kreativ stark, sondern auch praktisch verf\u00fcgbar?<\/p>\n\n\n\n Bei internen Tools ist einer der untersch\u00e4tzten Aspekte: Transparenz \u00fcber Kosten. Das System trackt Token-Verbrauch und Generierungen pro Person, pro Team, pro Monat. Das dient nicht der Kontrolle, sondern der Orientierung: Rentiert sich dieses Tool? Welche Teams nutzen es? Wo skaliert es?<\/p>\n\n\n\n Diese Daten sind f\u00fcr die Weiterentwicklung essentiell. Sie zeigen, ob die Parameter-Struktur tats\u00e4chlich Zeit spart oder ob Teams trotzdem zu viele Iterationen brauchen.<\/p>\n\n\n\n Mein urspr\u00fcnglicher Prompt f\u00fcr die Namensgenerierung war \u00fcberambitioniert. Ich wollte, dass die KI gleichzeitig auf Phonetik, kulturelle Sensibilit\u00e4t und Markenverf\u00fcgbarkeit achtet. Das Ergebnis: generische Namen, weil der Prompt zu viel zu gleichzeitig verarbeiten musste.<\/p>\n\n\n\n Die L\u00f6sung war, den Prompt zu reduzieren und einzelne Anforderungen in separate Layer zu verschieben \u2013 Domain-Check ist Automatisierung, nicht KI-Prompt. Das hat Qualit\u00e4t und Geschwindigkeit sofort verbessert.<\/p>\n\n\n\n Ich dachte: „Wenn ich alle Parameter visuell elegant gestalte, nutzen auch Nicht-Tech-Personen das Tool.“ Das ist naive gewesen. Was tats\u00e4chlich funktionierte, waren mehrere Dinge: <\/p>\n\n\n\n Sinnvolle Defaults (Namensl\u00e4nge=mittel war f\u00fcr 80% der Cases richtig). Kontextuelle Hinweise direkt im Interface („Warum fragst du das?“). Und ein Tutorial, das nicht peinlich wirkt, sondern die erste Nutzung zeigt.<\/p>\n\n\n\n Mein Plan war: Alles automatisieren, auch die Markenschecks. Die Realit\u00e4t: Markenrecherche ist rechtlich komplex. Die Integration der DPMA-API ist sinnvoll, aber sie ersetzt keine menschliche Pr\u00fcfung \u2013 sie bereitet sie vor. Diese Unterscheidung habe ich zu sp\u00e4t verstanden.<\/p>\n\n\n\n Das Tool sollte Recherchezeit sparen, nicht rechtliche Pr\u00fcfung ersetzen.<\/p>\n\n\n\n Es ist leicht, „ein Naming-Tool mit KI“ zu beschreiben. Es ist deutlich schwerer, eines zu bauen, das schneller ist als Brainstorming und bessere Ergebnisse liefert.<\/p>\n\n\n\n Der Schl\u00fcssel war nicht die KI-Integration. Der Schl\u00fcssel war: Kreative Prozesse brauchen Struktur, um skalierbar zu werden. Parameter erzwingen klares Denken. Iteratives Feedback macht Vagueness unm\u00f6glich. Automatisierte Recherche spart die echte Arbeitszeit.<\/p>\n\n\n\n Wenn ich das Projekt heute neu starten w\u00fcrde, w\u00fcrde ich nicht anders vorgehen \u2013 das Konzept funktioniert \u2013 aber ich w\u00fcrde drei Dinge von Anfang an einplanen:<\/p>\n\n\n\n Markenrecherche als Feature, nicht als Gimmick.<\/strong> Die DPMA-Integration sollte Teil des MVPs sein, nicht eine „nice-to-have“ f\u00fcr sp\u00e4ter.Bessere Fehlertoleranz in Prompts.<\/strong> Der Claude-Prompt brauchte zwei \u00dcberarbeitungen, bis er konsistent gute Namen generierte. Das h\u00e4tte durch fr\u00fchere QA vermieden werden k\u00f6nnen.<\/p>\n\n\n\n Das Tool ist heute in Nutzung, spart gesch\u00e4tzten 20-30 Stunden pro Monat bei der Naming-Recherche ein und hat sich innerhalb von drei Monaten selbst finanziert. Aber der echte Wert liegt nicht in der KI-Integration \u2013 er liegt darin, dass Menschen jetzt strukturiert kreativ sein k\u00f6nnen statt unstrukturiert zu brainstormen.<\/p>\n","protected":false},"excerpt":{"rendered":" Internes Tool f\u00fcr iterative Namensgenerierung mit automatisiertem Domain-Check und intelligenter Parameter-Steuerung<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[19,3,7,8,20,9,11],"class_list":["post-69","post","type-post","status-publish","format-standard","hentry","category-allgemein","tag-api","tag-authentication","tag-n8n","tag-next-js","tag-openai","tag-prompt-engineering","tag-supabase"],"_links":{"self":[{"href":"https:\/\/content.doppel-t.com\/index.php\/wp-json\/wp\/v2\/posts\/69","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/content.doppel-t.com\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/content.doppel-t.com\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/content.doppel-t.com\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/content.doppel-t.com\/index.php\/wp-json\/wp\/v2\/comments?post=69"}],"version-history":[{"count":3,"href":"https:\/\/content.doppel-t.com\/index.php\/wp-json\/wp\/v2\/posts\/69\/revisions"}],"predecessor-version":[{"id":77,"href":"https:\/\/content.doppel-t.com\/index.php\/wp-json\/wp\/v2\/posts\/69\/revisions\/77"}],"wp:attachment":[{"href":"https:\/\/content.doppel-t.com\/index.php\/wp-json\/wp\/v2\/media?parent=69"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/content.doppel-t.com\/index.php\/wp-json\/wp\/v2\/categories?post=69"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/content.doppel-t.com\/index.php\/wp-json\/wp\/v2\/tags?post=69"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}Technische Umsetzung: Struktur trifft Iteration<\/h2>\n\n\n\n
Der Workflow in der Praxis:<\/h3>\n\n\n\n
Domain-Intelligenz als zweiter Layer:<\/h3>\n\n\n\n
Kosten- und Nutzungs-Tracking:<\/h3>\n\n\n\n
Was nicht funktioniert hat (und was ich gelernt habe)<\/h2>\n\n\n\n
Fehler 1: Zu viele Parameter am Start<\/h3>\n\n\n\n
Fehler 2: UX-Komplexit\u00e4t nach oben gedacht statt nach unten<\/h3>\n\n\n\n
Fehler 3: Zu viel Automatisierung<\/h3>\n\n\n\n
Was das Projekt zeigt<\/h2>\n\n\n\n