Eine Handy-Reinigungs-App von 2012 macht 520.000$/Monat. Die einzige Änderung: 'AI' im Namen.

Ein Handy-Cleaner macht 520.000€ im Monat. Die App ist 8 Monate alt. Die Technologie ist identisch mit den kostenlosen Apps, die seit 2014 am Ende der Charts vor sich hin gammeln: Cache leeren, doppelte Fotos, Speicher optimieren. Der einzige sichtbare Unterschied zu den toten Konkurrenten: "KI" im Namen.

Ich habe mir die 51 Nicht-Gaming-Apps mit "KI" im Titel angeschaut, die über 100.000€/Monat generieren. 3 davon knacken die 500.000€/Monat! 💰

Keine einzige hat ein technisch neuartiges Problem gelöst.

Alle haben ein Positionierungsproblem, ein Vertriebsproblem oder ein Monetarisierungs-Infrastruktur-Problem gelöst. Und die Vibe-Coding-Community bastelt fleißig Stripe in Next.js nach.

Der App Store Markt zahlt nicht für KI-Innovation. Er zahlt für die Wahrnehmung von KI-Innovation. Das ist unangenehm zu hören. Es ist aber das Einzige, was man mitnehmen sollte, wenn man verstehen will, was man launchen soll.

Eine Anmerkung zu den Daten: Alles hier stammt aus Appfigures Intelligence Schätzungen. Das sind keine geprüften Umsatzzahlen. Apple veröffentlicht keine individuellen App-Zahlen, und einzelne Schätzungen können 10-20% in beide Richtungen schwanken. Die Muster gelten trotzdem für alle 51 Apps.

Der Handy-Cleaner, der mein Hirn gesprengt hat

In den letzten 8 Monaten haben 51 Nicht-Gaming-Apps mit "KI" im Namen die 100.000€/Monat-Marke im App Store geknackt. Das passiert während des größten Launch-Ansturms, den die Plattform seit Jahren gesehen hat: iOS-Launches um 80% gestiegen in Q1 2026, beide Stores mit 104% Wachstum im April, laut TechCrunch unter Berufung auf Appfigures-Daten. Mehr Apps, mehr Lärm, mehr Konkurrenz um dieselben Augäpfel. Und 51 davon schaffen 100.000€/Monat allein durch KI-Positionierung.

Ich bin alle 51 durchgegangen auf der Suche nach der technischen Story. Das proprietäre Modell, der einzigartige Datensatz, die Inferenz-Architektur, die monatliche Abos für Kategorien rechtfertigt, die der Markt bereits zur Commodity gemacht hatte.

Gibt es nicht.

Die 4 umsatzstärksten Apps nutzen Technologie, die älter ist als GPT-3. Gesichtsanimation, Speicheroptimierung, Kurzvideo-Generierung. Alles gelöste Probleme. Manche wurden gelöst, bevor die aktuelle KI-Welle überhaupt anfing. Die Apps gewinnen nicht durch den Algorithmus. Sie gewinnen durch etwas völlig anderes.

Noch etwas vorab: Ich bin hier Beobachter, nicht Entwickler dieser Apps. Ich habe öffentliche Schätzungen analysiert und nach dem Muster gesucht. Die Schlüsse sind meine. Die Geschäfte gehören anderen Leuten.

Apple hat das Problem gelöst, das du immer noch baust

\

Der App Store ist kein Vertriebskanal. Er ist eine Monetarisierungs-Infrastruktur, für die Apple 15 Jahre und eine Billion Dollar an Hardware-Verkäufen gebraucht hat, und jeder Entwickler, der dort veröffentlicht, bekommt Zugang dafür 30% Provision.

Das ist diese Infrastruktur wirklich: 1 Milliarde aktive iOS-Geräte, Wallets mit validierten Zahlungsmethoden, die Apple beim Geräte-Setup vorab genehmigt hat, kein Checkout-Flow zu designen, keine Stripe-Integration zu debuggen, keine Dunning-Sequenzen, keine Failed-Payment-Webhooks, keine unfreiwillige Abwanderung durch abgelaufene Karten. Apple handhabt Karten-Updates automatisch im Namen des Nutzers. Wenn jemand deine App runterlädt und "Abonnieren" tippt, ist die Transaktion in 2 Taps und Face ID abgeschlossen. Die Kreditkarte wurde am Tag validiert, als sie das Handy gekauft haben.

Jeder Web-Entwickler, der ein Abo-SaaS gelauncht hat, hat Zeit verbrannt für genau den Stack, den Apple ersetzt: Stripe SDK, Checkout-Seite-Redesign, Proration-Logik, Webhook-Verifizierung, eine Retry-Schleife für fehlgeschlagene Abbuchungen, ein E-Mail-Drip für Kartenablehnungen. Ich habe Teile dieses Stacks 3 Mal über verschiedene Projekte neu gebaut (und jedes Mal habe ich mich überzeugt, es würde schneller gehen als beim letzten Mal). Nichts davon ist das Produkt. Alles davon ist Infrastruktur, die Apple vor 15 Jahren gebaut hat und dir für 30% vermietet. Die Provision fühlt sich teuer an, bis du deine eigenen Entwicklerstunden für die Alternative berechnest.

Der Instinkt, alles selbst zu bauen, fühlt sich immer billiger an als die Provision zu zahlen. Es ist dieselbe Falle, die KI-Entwickler zu überengineerten Orchestrierungs-Frameworks greifen lässt, statt zu CLI-Patterns, die das Agent-Koordinationsproblem bereits lösen. Infrastruktur neu erfinden, die bereits existiert, ist teuer auf Arten, die nicht auf einem Sprint-Board auftauchen.

Die 30%, die Apple nimmt, sind keine Steuer. Sie sind der Preis für Zugang zu etwas, das sonst niemand in diesem Maßstab gebaut hat.

Dance AI: Wenn das Produkt die Werbung ist

Gesichtsanimation synchron zu Musik gibt es als Technologie seit mindestens 2018. MyHeritages Deep Nostalgia ließ statische Familienfotos 2021 tanzen und kolonisierte kurzzeitig Facebook-Feeds weltweit. Die Technologie in Dance AI unterscheidet sich nicht wesentlich von dem, was vor 2022 verfügbar war.

Dance AI: 610.000€/Monat nach 3 Monaten.

Bevor ich zum Warum komme, ein kurzer Exkurs. Meine Kinder haben eine Sticker-Wirtschaft in der Schule am Laufen. 1 Kind klebt einen Band-Sticker auf sein Heft, andere Kinder fragen, wo sie den herkriegen, die Band bekommt kostenlose Verbreitung von Leuten, die für das Privileg bezahlt haben. Niemand nennt es Werbung. Die Band hat keinen Cent für eine einzige Impression bezahlt. Das ist ungefähr der Mechanismus, den Dance AI fährt, nur dass der Sticker ein 15-Sekunden-Animationsvideo ist, das in jemandes For-You-Page landet.

Jeder Content, den Dance AI generiert, kommt mit einem Wasserzeichen. Der Nutzer teilt einen Clip seines animierten Gesichts zu einem Trending-Audio auf TikTok, Instagram oder Snapchat. Dieser Clip enthält den App-Namen. Manchmal enthält er das Interface. Der Nutzer teilt keine Werbung. Er teilt Content, der als Werbung funktioniert. Cost per Acquisition: null. Jeder Share ist 1 organisches Akquisitions-Event, für das der Publisher nicht bezahlt hat.

Dieses Muster, Wasserzeichen-Outputs als organische Verbreitung, ist älter als die App-Economy. Canvas Logo auf Free-Tier-Designs. GoPro-Branding auf Action-Footage. Was sich in der Video-Kategorie ändert, ist der Viral-Koeffizient. Ein Dance AI-Clip landet in einem Recommendation-Feed, wird von Fremden angeschaut und erzeugt nachgelagerte Akquisitions-Events, die statische Bilder nicht in derselben Rate generieren.

Der Entwickler, der das replizieren will, versucht nicht, bessere Gesichtsanimation zu machen. Er stellt 1 Frage, bevor er Code schreibt: Was produziert meine App, das ein Nutzer teilen würde, ohne dazu aufgefordert zu werden? Wenn die Antwort "nichts" ist, werden die Akquisitionskosten nicht null sein.

AI CleanKit: Das faulste Spiel in den Top 10

Handy-Cleaner-Apps gelten seit 2014 als tot. iOS-Sandboxing bedeutet, dass Apps nicht die Daten anderer Apps anfassen können, wie es Android-Cleaner in ihren Hochzeiten konnten. Die nützlichen sind kostenlos. Die kostenpflichtigen verlangten einmal 0,99€, bevor sie von Entwicklern aufgegeben wurden, die vor Jahren weitergezogen sind. Die Kategorie ging tot, nicht nur reif, und seriöse App Store Publisher haben aufgehört, dort hinzuschauen.

AI CleanKit: 520.000€/Monat, 8 Monate alt.

Dieselben Features wie die kostenlosen Apps im Friedhof: Cache leeren, doppelte Foto-Erkennung, Speicheroptimierung. "KI" im Namen, "KI" in jedem Screenshot auf der App Store Produktseite, Abo-Preise statt Einmalkauf.

Der Algorithmus hat sich nicht geändert. Das mentale Modell des Nutzers, wofür er bezahlt, schon.

(Diese Logik geht so tief, dass jemand dieses Jahr eine "autonome KI-Co-Founder"-Plattform gebaut hat, 30 Millionen bei 250 Millionen Bewertung eingesammelt und sie Polsia genannt hat. Buchstabier das mal rückwärts.)

Eine kostenlose Handy-Cleaner-App von 2016 ist ein Utility. Utilities fühlen sich billig an, weil sie billig bepreist sind, weil sie sich billig anfühlen. AI CleanKit ist kein Cleaner. Es ist ein KI-System, das deinen Gerätespeicher verwaltet. Der Nutzer zahlt nicht 3,99€/Monat, um einen Cache zu leeren. Er abonniert etwas, das sein Handy für ihn handhabt. Die Wörter "intelligent" und "verwaltet" leisten erhebliche Arbeit in diesem Framing. Keines beschreibt ein technisch anderes Produkt als die kostenlosen Apps, die im Friedhof verrotten. Zusammen rechtfertigen sie eine völlig andere Preisklasse, und da lebt die Repositionierung: nicht im Code, sondern im Namen und dem mentalen Modell, das er schafft.

Das gilt für jede Utility-Kategorie, die der Markt abgeschrieben hat. Task Manager, Habit Tracker, Notiz-Apps, Datei-Organizer. Jede hat einen Friedhof voller technisch fähiger Apps, die einmal 2,99€ verlangen und leise auf einem Server sterben, den niemand checkt. Die Repositionierung-Formel ist straightforward: nimm die tote Kategorie, füge "KI" zum Namen und Branding hinzu, wechsle zu Abo-Preisen, lass die App Store Billing-Infrastruktur Nutzer konvertieren. Ob das rein über Keyword-ASO funktioniert, hat eine kürzere Laufzeit als vor 12 Monaten. Der App Store Ranking-Algorithmus gewichtet Verhaltenssignale (Tag-1-Retention, Download-Geschwindigkeit, In-App-Umsatz pro Nutzer) viel stärker als Keyword-Matching. Das reine Keyword-Spiel verblasst. Die Repositionierung-Logik überlebt es.

VibeShort hat zweimal veröffentlicht. Absichtlich.

VibeShort v1: 460.000€/Monat, 2 Monate alt. VibeShort v2: 410.000€/Monat, 1 Monat alt. Derselbe Publisher: Agile Quadrant Media Limited. Zusammen: 870.000€/Monat.

Das ist kein Katalog-Fehler. 2 verschiedene App-Submissions, dasselbe Kernprodukt, derselbe Publisher, gerankt auf demselben App Store Keyword-Set zur selben Zeit.

Der Mechanismus ist Slot-Besetzung als bewusste ASO-Strategie. Wenn 2 Apps desselben Publishers in den Top-Ergebnissen für einen Suchbegriff erscheinen, drücken sie Konkurrenten 2 Positionen tiefer. Der Nutzer sieht dein Produkt zweimal, bevor er einmal einen Konkurrenten sieht. Das umzusetzen erfordert, bewusst 2 lebensfähige Versionen desselben Produkts zu bauen und einzureichen, beide durch App Store Review zu managen und beide parallel zu maintainen. Der operative Overhead ist real. Genauso der Verdrängungseffekt auf Konkurrenten.

Der sekundäre Nutzen macht die Strategie interessanter, als sie zunächst aussieht. 2 Apps zu verschiedenen Preispunkten bedeutet Live-A/B-Pricing-Daten über echte Nutzer ohne Risiko, Refund-Requests von bestehenden Abonnenten auszulösen, die eine Preisänderung bemerken. VibeShort v1 auf einer Stufe, VibeShort v2 auf einer anderen. Echte Conversion-Daten, keine Kannibalisierung. Und wenn Apple 1 Version für ein Policy-Review flaggt, was öfter passiert als Entwickler öffentlich zugeben, bleibt die andere während der Lösungsperiode live.

Ich überlege, ob das auf gesättigtere Kategorien übertragbar ist (ich denke, es wird deutlich schwerer, wenn das Keyword-Set bereits überfüllt ist und 2 extra Slots nicht reichen, um etablierte Apps mit Jahren an Verhaltenssignal-Historie zu verdrängen). Aber die Kernlektion geht nicht um VibeShort. Sie geht darum, ASO als Vertriebs-Engineering-Problem zu behandeln, nicht als Metadaten-Checkbox. Die meisten Builder verbringen 20 Minuten auf ihr App Store Listing, nachdem sie 6 Monate an ihrer Codebase verbracht haben.

Eine Anmerkung zum Timing: Diese Strategie funktionierte teilweise, weil sie undokumentiert war. Ist sie nicht mehr.

Was noch funktioniert (und wie lange)

Die Kategorie-Level-Daten von Appfigures zeigen klar, wo die verbleibende Gelegenheit liegt, und es ist nicht in den breiten Keyword-Clustern.

Die breiten Kategorien sind gesättigt. "KI-Assistent", "KI-Foto-Editor", "KI-Chatbot": Ein neuer Teilnehmer ohne erhebliches Werbebudget kann organisch in keiner davon durchbrechen. Die Apps, die dort ranken, haben Jahre an Bewertungen, Review-Geschwindigkeit und Verhaltenssignal-Historie, die neue Apps nicht replizieren können. In diesen Clustern ohne Marketing-Budget zu konkurrieren ist ein strukturierter Weg, langsam zu verlieren.

Was in diesem Datensatz niedrige CPC, hochkonvertierende Suchtraffic generiert: ultra-spezifische Verhaltensnischen. "KI Comic Dramas." "KI Clean Storage." "KI Voice Changer for Gaming." Das sind keine breiten Kategorien. Es sind spezifische Use Cases mit definiertem Verhaltenskontext, du weißt genau, was der Nutzer macht, wenn er die App öffnet, und der Nutzer weiß genau, was er bekommt. Große Publisher haben diese Keywords nicht dominiert, weil der total addressable market für jeden zu klein ist, um ihre Akquisitionskosten zu rechtfertigen. Kleine TAM für ein Unternehmen mit 50 Apps ist immer noch bedeutsamer Umsatz für 1 Entwickler mit 1 fokussiertem Produkt.

Diese Nischen zu finden ist nicht kompliziert. Es ist nur nicht, wie die meisten Builder denken. Die Frage ist nicht "welches Problem kann KI lösen?" Sie ist "was Spezifisches machen Leute gerade mit ihrem Handy, das keine gute App bedient?" Diese Frage produziert andere Antworten. KI-generiertes Aussprache-Feedback für Mandarin-Lerner. Ein KI-Rep-Form-Checker für Home-Gym-Nutzer, die ohne Spiegel trainieren. Und dann sowas wie ein KI-Story-Companion für Kinder, die von einer bestimmten Buchserie besessen sind, wo der echte Käufer der Elternteil ist, der sie nicht für Bildungswert runterlädt, sondern weil er es leid ist, zur Schlafenszeit Plot-Fragen gestellt zu bekommen, die er nicht beantworten kann. 😅

Nichts davon ist technisch schwer. Alles erfordert, den Verhaltensmoment zu verstehen, bevor man eine IDE anfasst.

Der tatsächliche Prozess, diese Nischen zu finden, ist weniger mysteriös als es klingt. App Store Suchautovervollständigung auf einem niedrig-konkurrierenden Keyword-Cluster sagt dir, was Nutzer tippen, nicht was Marketing-Teams denken, dass sie tippen. Eine App mit 60 Reviews und 4,7 Durchschnitt in einer seltsamen Subkategorie ist oft ein Gap-Signal, kein Failure-Signal: das Problem existiert, jemand hat versucht, es ohne Vertrieb zu lösen, und die wenigen Nutzer, die es gefunden haben, glücklich gehalten. Das ist Validierung, keine Warnung. Was eine Nische vor dem Bauen funktionsfähig macht: genug Suchvolumen, um organisch ohne Werbeausgaben zu ranken (eine grobe Untergrenze sind 200-400 monatliche Suchen auf dem primären Keyword für eine neue App), keine dominante App mit 10k+ Reviews, die den Slot besitzt, und ein Verhaltenskontext spezifisch genug, dass der Nutzer versteht, was die App macht, allein vom Icon.

Das Fenster ist nicht geschlossen. Es hat die Form geändert.

Das Problem war nie technisch

Schau dir die 4 Apps als Set an. Dance AI, AI CleanKit, VibeShort zweimal. Verschiedene Kategorien, verschiedene Nutzerbasen, verschiedene Content-Typen. Kein technischer Graben unter ihnen. Dance AIs Wasserzeichen-Strategie könnte in einer Woche kopiert werden. AI CleanKits Repositionierung-Formel ist jetzt in diesem Artikel dokumentiert. VibeShorts Doppel-Submission-Taktik ist öffentliches Wissen.

Keine hat etwas gebaut, das nicht repliziert werden kann. Sie haben eine Lücke identifiziert, schnell auf einer Plattform mit 1 Milliarde vorvalidierten Zahlungsmethoden gelauncht und die Billing-Infrastruktur die Conversion-Arbeit machen lassen.

Die Frage, die es wert ist zu stellen, bevor man eine IDE öffnet, ist nicht "welches KI-Modell soll ich nutzen?" Sie ist "welche Kategorie hat eine Lücke, welche Verhaltensnische bedient das Produkt, und gibt es bereits eine Audience im App Store, die danach sucht?" Das sind Positionierungs- und Produktfragen. Zu soliden Antworten zu kommen, bevor man Code schreibt, ist der echte Hebel. Der Prompt-Contracts-Ansatz, auf den ich vor jedem Build setze deckt genau diesen Denkprozess ab, und Vibe Coding, For Real deckt die 8-Schritt-Blueprint-Methode ab, um von der Idee zum verschifften Produkt zu kommen, inklusive der Pre-Build-Spezifikationsphase, die die meisten Builder komplett überspringen: https://www.amazon.com/dp/B0GYQHLSCB.

---

Ein Handy-Cleaner von 2012 generiert mehr pro Monat als die meisten finanzierten SaaS-Produkte. Die KI ist im Namen. Das Geld ist in den Billing-Rails.

Der App Store belohnt nicht die beste KI. Er belohnt die beste Positionierung.

Quellen

• The App Store is booming again, and AI may be why, TechCrunch, April 2026
• Another Billion Dollar Month, Appfigures, Februar 2026
• Umsatzschätzungen via Ariel Michaeli, CEO von Appfigures

Dieser Post kann Affiliate-Links enthalten. Wenn du sie klickst, verdiene ich möglicherweise eine kleine Provision. Kostet dich nichts und hilft mir, weiterhin täglich Qualitätsartikel für dein Lesevergnügen zu liefern.