Nischen-Apps, die bis aufs Blut um ihr Überleben ringen

Von der Bestellung von Milchtee über Qianwen bis zur Hotelbuchung über Doubao: KI entwickelt sich von einem Tool, das nur chatten kann, zu einem Helfer, der praktische Aufgaben erledigt.

Die Anforderungen, die früher auf eine ganze Reihe von Apps verteilt waren, werden nun in dasselbe Dialogfenster komprimiert. Dies führt zu einer Identitätskrise bei branchenspezifischen und werkzeugbezogenen Apps. Sie verlieren den direkten Kontakt zu den Nutzern, und ihre Werbe- sowie Mitgliedschaftsmodelle geraten dadurch unter Druck.

Es scheint, als würde KI die Anwendungen verschlingen, und die Inhalte, die branchenspezifische Apps über Jahre mühsam aufgebaut haben, können nur als „Datenblutbeutel“ zur Fütterung der KI dienen.

Vor kurzem hat Fliggy die Funktion „Fliggy Help“ eingeführt. Sie beantwortet nicht nur Reisefragen und erstellt Reisepläne, sondern kann auch Flugtickets und Hotels buchen, Auftragsstornierungen und -änderungen bearbeiten, Sitzplätze online auswählen, Hotelzimmer upgraden und Flughafentransfers organisieren – sie übernimmt den gesamten Prozess.

Zwei Tage später gab die Ant Group bekannt, dass die Version „Hao Dafu für Ärzte“ offiziell auf „Ant Afu für Ärzte“ aktualisiert wird. Dieses Produkt ist nicht nur ein Tool für Online-Konsultationen, sondern integriert Funktionen wie Patientenmanagement und Nachsorge, medizinische Wissenssuche und Forschungsunterstützung in eine KI-Arbeitsstation für Ärzte.

Das eine bearbeitet Reiserouten, das andere ist an der medizinischen Behandlung beteiligt. Im Abstand von zwei Tagen haben diese beiden branchenspezifischen Apps dieselbe Entscheidung getroffen: Sie wandeln ihre jahrelang angesammelten Fachdaten in Daten um, die von großen Modellen verstanden und genutzt werden können, und teilen ihre Geschäftsfähigkeiten in Werkzeuge auf, die von großen Modellen aufgerufen werden können – sie verwandeln sich aktiv in branchenspezifische Agenten.

Warum muss man sich so gründlich umgestalten? Die Antwort ist nicht romantisch: Die KI raubt den branchenspezifischen Apps den Datenverkehr.

In der blühendsten Zeit des mobilen Internets entsprach eine Anforderung einer App: Für Übersetzungen gab es die Übersetzungs-App, für die Suche nach Lösungen von Aufgaben die entsprechende App, für Bildbearbeitung die Bildbearbeitungs-App und für medizinische Konsultationen die Konsultations-App. Der Handy-Bildschirm glich einer Einkaufsstraße, wo jedes Schild einem Geschäft entsprach und die Nutzer mit ihren Anforderungen nacheinander die entsprechenden Apps aufsuchten.

Aber seit dem Aufkommen von KI-nativen Apps wie Doubao und Qianwen stehen diese direkt an der Kreuzung der Einkaufsstraße und sind der erste Ort, an den die Nutzer denken, wenn sie auf Probleme stoßen. Diese KI-nativen Apps sind nicht unbedingt in allem perfekt, aber sie zeichnen sich dadurch aus, dass sie von allem ein bisschen verstehen und die Nutzer „zuverlässig auffangen“ können.

Für eine große Anzahl alltäglicher Anforderungen brauchen die Menschen nicht die professionellste Antwort, sondern eine Antwort, die schnell kommt und für die Zwecke ausreicht – am besten ohne dass sie ein weiteres Mitgliedschaftsabonnement abschließen müssen. Die Geduld der Nutzer ist begrenzt, und ihr Geldbeutel, der für jede einzelne Anforderung separat zu bezahlen bereit ist, ist noch begrenzter.

Laut Daten von QuestMobile erreichte die Gesamtzahl der Nutzer von KI-nativen Apps im Juni 2026 499 Millionen, wobei jeder Nutzer sie durchschnittlich 92,7 Mal pro Monat und 183 Minuten lang nutzte.

Umgerechnet öffnen Nutzer die KI-Apps durchschnittlich dreimal pro Tag und chatten sechs Minuten lang mit der KI.

Gleichzeitig sind in den von QuestMobile erfassten Kategorien der mobilen Internetbranche bei 28 % der Branchen sowohl die durchschnittliche Nutzungsdauer pro Person als auch die Nutzungshäufigkeit gesunken. Die zugrundeliegende Logik branchenspezifischer Apps wird von diesen KI-nativen Apps schrittweise und systematisch umgestaltet.

Was wirklich verdrängt wird, ist die Notwendigkeit, dass Nutzer andere Apps öffnen. Die Datenverkehrs-, Werbe- und Mitgliedschaftsmodelle der Apps, die auf wiederholten Zugriffen der Nutzer beruhen, werden von der KI nach und nach ihrer Grundlage beraubt.

Bildungs-Apps sind das anschaulichste Beispiel. Das Fotografieren von Aufgaben zur Suche nach Lösungen war einst die markante Funktion dieser Produkte, und der kommerzielle Weg war klar: Wenn Nutzer auf eine Aufgabe stoßen, die sie nicht lösen können, machen sie ein Foto, erhalten die Antwort und schließen dann ein Mitgliedschaftsabonnement ab, um die detaillierte Erklärung anzuzeigen.

Heute können KI-native Apps bereits Aufgaben erkennen, Antworten liefern und auf Nachfragen der Nutzer im Zusammenhang mit dem Lösungsprozess eingehen. Qianwen kann sogar nach der Korrektur von Hausaufgaben und der Lokalisierung von falsch gelösten Aufgaben automatisch Variantenaufgaben mit denselben Prüfungspunkten erstellen. Die „Markengerichte“, die früher in Bildungs-Apps verpackt waren, werden zu gewöhnlichen Beilagen in KI-nativen Apps.

Das US-amerikanische EdTech-Unternehmen Chegg hat diese Substitution bereits gespürt. Mit sinkendem Datenverkehr und einem beschleunigten Rückgang neuer Abonnenten hat Chegg nacheinander Mitarbeiter entlassen, Büros geschlossen und zeitweise verschiedene Optionen einschließlich des Verkaufs des Unternehmens in Betracht gezogen.

Es scheint, dass branchenspezifische Apps nur ein Ende haben: von der KI ersetzt zu werden und dann leise von der Bildfläche zu verschwinden. Aber die Geschichte endet hier nicht.

Was die KI zuerst schwächt, ist die Position branchenspezifischer Plattformen als unabhängige Zugangspunkte, nicht aber der gesamte Wert, den sie angesammelt haben. Dass Nutzer nicht mehr in ein Geschäft gehen, bedeutet nicht, dass die KI die Waren, Erfahrungen und Dienstleistungsfähigkeiten, die dieses Geschäft angesammelt hat, nicht mehr braucht.

Die professionellen Inhalte, Echtzeitdaten und Geschäftssysteme, die branchenspezifische Apps über Jahre angesammelt haben, werden aus der Produktoberfläche herausgelöst und zu Trainingsmaterialien für Modelle, jederzeit aufrufbaren Wissensdatenbanken und Ausführungsschnittstellen bei der Erledigung von Aufgaben.

Die erste Möglichkeit besteht darin, Daten an die KI zu verkaufen und so zu Trainingsmaterialien für Modelle zu werden.

Große Modelle fehlt es nicht an gewöhnlichen Texten. Das wirklich Seltene sind die Daten, die branchenspezifische Apps in geschlossenen Ökosystemen angesammelt haben und die von außen nur schwer zugänglich sind.

Diese Daten tauchen normalerweise nicht vollständig auf öffentlichen Webseiten auf. Sie sind durch langjährige Akkumulation, professionelle Annotation und Überprüfung im echten Geschäftsleben entstanden und sind hochwertige Sprachkorpora, die viel wertvoller sind als Inhalte von gewöhnlichen Webseiten und gewöhnliche Texte.

Im Finanzbereich hat sich bereits gezeigt, dass professionelle Daten tatsächlich die Fähigkeiten von Modellen deutlich verbessern können. BloombergGPT wurde mit einer großen Menge an Finanzkorpora trainiert und übertrifft in mehreren Aufgaben der natürlichen Sprachverarbeitung im Finanzbereich deutlich generische Modelle mit ähnlicher Parametergröße.

Aber die Datenlizenzierung ist kein Geschäft, das nachhaltig wachsen kann – es handelt sich möglicherweise nur um einen einmaligen Gewinn. Nachdem das Modell gelernt hat, lassen sich dieselben Daten kaum jedes Jahr zum gleichen Preis verkaufen. Sobald sie vollständig genutzt wurden, haben sie keinen weiteren Verwertungswert mehr.

Noch delikater ist: Die KI wächst durch hochwertige Inhalte, aber sie entzieht dem Boden, der ursprünglich die Produktion dieser Inhalte unterstützt hat. Die Inhalte, die die Plattform mühsam angesammelt hat, könnten am Ende genau das Produkt trainieren, das sie selbst ersetzt. Wenn der Lehrling ausgelernt hat, verhungert der Meister.

Die zweite Möglichkeit besteht darin, als Echtzeit-Wissensdatenbank für die KI zu fungieren und in Form von Plugins weiter zu existieren.

Einige Nutzer haben ihre Gewohnheit, Unternehmensinformationen abzurufen, von Tianyancha und Qichacha auf KI verlagert: Sie müssen keine Hunderte von Yuan für Mitgliedschaften bezahlen und nicht selbst die Eigentumsstrukturen, Rechtsrisiken und Betriebsstörungen durchsehen – sie lassen die KI direkt die Ergebnisse liefern.

Aber die gewerblichen, rechtlichen und betrieblichen Informationen im öffentlichen Netz sind auf verschiedenen Seiten verteilt, manche sind veraltet, manche haben unklare Namen, manche sind doppelt vorhanden und widersprechen sich. Mit dem Aufkommen von GEO-Poisoning sind einige Informationen leichter zu erfassen und zu zitieren, aber sie entsprechen nicht unbedingt der Realität.

Der echte Wettbewerbsvorteil von Diensten wie Tianyancha liegt genau in der Bereinigung, Duplikatentfernung, Annotation, Verknüpfung und Echtzeitaktualisierung dieser Informationen. Sie verkaufen nicht nur eine einzelne gewerbliche Information, sondern die Fähigkeit, die verstreuten Informationen zu zuverlässigen Ergebnissen zu verarbeiten.

Kimi hat bereits professionelle Datenbanken wie Tianyancha und Tonghuashun iFind in seine Mitgliedschaftsdienste integriert. Bezahlte Mitglieder von KI können im Dialogfenster Abfragen durchführen und professionelle Grafikkarten erstellen. Sie müssen nicht mehr die ursprünglichen Apps einzeln öffnen und auch nicht mehr separate Mitgliedschaften für die Datenbanken erwerben.

Dadurch ist Tianyancha zu einer der Fähigkeiten und Verkaufsargumente von Kimi geworden, und Tianyancha erzielt daraus Einnahmen. Die genaue Abrechnungsweise zwischen den Parteien ist nicht öffentlich, aber das Geschäftsmodell von Tianyancha ist attraktiver geworden: Früher verkaufte es Abfrageberechtigungen an einzelne Nutzer, jetzt bietet es Plugins und Daten für KI-Plattformen an.

Die dritte Möglichkeit besteht darin, als Agent zu fungieren und direkt praktische Geschäftsergebnisse zu liefern.

Es ist keine leichte Aufgabe, eine natürliche Sprachäußerung in eine tatsächliche Ausführung umzuwandeln. Zwischen der Fähigkeit zu chatten und der praktischen Nutzbarkeit liegt eine gesamte Lieferkette.

Nehmen wir den Reisebereich als Beispiel: Ein großes Modell kann schnell einen Reiseführer für Toronto erstellen, aber es weiß nicht, ob für einen bestimmten Flug noch Plätze frei sind, ob für den Zwischenstopp ein Visum benötigt wird und ob das Hotel ein kostenloses Zimmer-Upgrade anbietet. Es hat auch keine Berechtigung, Aufträge zu ändern oder Rückerstattungen durchzuführen. Um diese Aufgaben zu erledigen, muss die KI mit Echtzeit-Beständen, Transaktionssystemen und Netzwerken von Dienstleistern verbunden sein.

Fliggy Help wird auf der Grundlage der echten Angebote, proprietären Daten, Transaktionssysteme und Branchenerfahrungen der Plattform nachtrainiert, dann werden die Funktionen für Suche, Buchung, Stornierung und Erfüllung in Werkzeuge verpackt, die von großen Modellen aufgerufen werden können. Während der Ausführung werden Bestand, Preis und Auftragsstatus sofort überprüft, um die Zuverlässigkeit und Durchführbarkeit der Ergebnisse zu verbessern.

Immerhin: Wenn der Reiseführer falsch ist, vergeht höchstens ein halber Tag. Wenn der Auftrag falsch geändert wird, kann das den gesamten Urlaub ruinieren.

Die Fähigkeiten der KI ermöglichen eine völlig neue Nutzung der Fliggy-App und geben Fliggy die Chance, in der OTT-Branche auf der Überholspur Fortschritte zu machen. In Zukunft ist es auch möglich, diese Fähigkeiten in große Modelle wie Qianwen zu integrieren.

Die Nutzer öffnen Fliggy vielleicht seltener, aber die KI ist umso mehr auf Fliggy angewiesen, um die Aufgaben zu erledigen.

Zusammenfassend lässt sich sagen: Branchenspezifische Apps werden nicht unbedingt kollektiv zu „Datenblutbeuteln“ der KI degradiert, sondern von der KI neu aufgeteilt: Einige verkaufen Trainingsdaten, einige liefern Echtzeitwissen, einige unterstützen Transaktionen und Erfüllung.

Früher konkurrierten sie darum, von Nutzern geöffnet zu werden, in Zukunft konkurrieren sie darum, von der KI aufgerufen zu werden. Sie verlieren den Zugangspunkt über die eigene App, erhalten aber die Chance, einen noch größeren Datenstrom zu erreichen.

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „TrueLab“, Autor: Pan Da, Redakteur: Zhang Duo, veröffentlicht mit Genehmigung von 36Kr.