• Claude Haiku für die erste Klassifikation: passt der Lead zum ICP? Klein, schnell, billig — und gut genug, um 60 %–70 % der Profile sauber auszusortieren, bevor sie überhaupt teurer werden.
• Claude Sonnet für die personalisierte Nachricht: nur Leads, die die Klassifikation überstehen, bekommen das größere Modell. Sonnet bekommt extrahierte Profil-Signale (Position, Branche, Posts, Tätigkeitsfeld) und schreibt eine Nachricht, die spezifisch klingt, weil sie spezifisch ist.
• GPT-4o-mini als Fallback und für strukturierte Extraktionen mit response_format: json_schema — wo Anthropic Tool-Use overkill ist und ein direktes JSON-Schema reicht.
• OpenRouter als Routing-Layer für Self-Hosted-Modelle (Qwen, DeepSeek) bei rein deutschsprachigen Kampagnen — günstiger und für die Sprachqualität ausreichend.

• Frontend (Dashboard): Next.js 15 mit App Router, Tailwind, Shadcn-Komponenten — Server Components für Listen, Client Components nur dort, wo Interaktivität echt nötig ist.
• Browser-Extension: Manifest V3, Vanilla TypeScript, Bundling über Vite. Kein React in der Extension — das hält den Memory-Footprint niedrig, was bei Dauerbetrieb in einem Tab spürbar ist.
• Backend: FastAPI + Pydantic v2, async durchgehend, httpx für ausgehende Calls, SQLAlchemy 2.0 + Alembic für Migrations.
• AI-Layer: Anthropic SDK (Claude Haiku/Sonnet), OpenAI SDK (GPT-4o-mini), OpenRouter als optionaler Provider — alles hinter einem internen LLMRouter-Interface, das pro Tenant konfigurierbar ist.
• Datenbanken: Postgres 16 (relational), Qdrant (Vektoren), Redis (Job-Queue + Rate-Limit-Window).
• Hosting: Hetzner Cloud in Nürnberg/Falkenstein, Container über Coolify, Traefik für TLS und Routing — DSGVO-relevant: alle Daten und Backups bleiben in Deutschland.

• Pre-Filter-Wirkung: Etwa zwei Drittel der ursprünglichen Lead-Listen werden vor dem Versand aussortiert. Das senkt die ausgehenden Nachrichten, hebt die Antwort-Rate und hält den LinkedIn-Account gesund.
• Antwort-Qualität: Die Replies sind länger und inhaltlich relevanter — was darauf hindeutet, dass die personalisierte erste Nachricht tatsächlich als Gespräch und nicht als Cold-Pitch gelesen wird.
• Token-Budget: Durchschnittlich unter 0,9 Cent pro qualifiziertem Lead bei Claude Haiku + Sonnet, weil Sonnet nur ~30 % der Profile überhaupt sieht.
• Multi-Tenant-Stabilität: Keine Cross-Tenant-Datenleaks seit Launch — die Postgres-Isolation läuft über workspace-scoped Queries plus Row-Level-Security als zweite Schicht.

“Der größte Hebel war nicht das größere Modell — es war die saubere Trennung zwischen "ist dieser Lead überhaupt relevant?" und "wie spreche ich ihn an?". Erst diese zwei Schritte hintereinander, mit den jeweils passenden Modellgrößen, haben aus einem AI-Feature ein produktionsreifes System gemacht.”

• Streaming früher. Die ersten sechs Monate liefen alle LLM-Calls synchron. Sobald die Pipeline drei Stages hatte, war die Wartezeit im Dashboard zu lang. Streaming + Tool-Status hätte ich von Anfang an einbauen sollen — der UX-Gewinn ist riesig, der technische Aufwand überschaubar.
• Klassifikator zuerst, nicht parallel. Anfangs lief Klassifikation und Extraktion parallel — gut für Latenz, schlecht für Kosten, weil teure Modelle Profile gesehen haben, die gleich aussortiert wurden. Sequentiell mit Early-Exit ist die bessere Default-Strategie.
• Eval-Suite vor Feature-Tempo. Eine kleine, eigene Eval-Suite mit ~200 anonymisierten Profilen pro Sprache hätte mir mehrere Wochen Debugging gespart. Ohne Evals ist jede Modell-Migration ein Blindflug — mit Evals ist sie ein normales Pull-Request-Review.
• Boring Tech zahlt sich aus. Die Entscheidungen für Postgres + Qdrant + FastAPI + Hetzner waren bewusst unspektakulär. In der Summe haben sie weniger als zwei Stunden Incident-Zeit pro Quartal gekostet.