Ilao Dzindin

Wie ich eine intelligente Suche über ~3500 Kontakte in 2 Stunden gebaut habe

2. Februar 2026

~3500 Kontakte. Etwas Bestimmtes zu finden war eine Qual.

Früher: jq-Queries, boolesche Logik, Filter auf Filter auf Filter.

Heute: “Finde Founder in Berlin, die mit AI arbeiten.”

  klassische Suche:         semantische Suche:
  ──────────────────        ──────────────────
  findet exakte Wörter      findet Bedeutung

  "Produkt" → nur "Produkt" "Produkt" →
                              "founder of startup"
                              "indie hacker"
                              "building my project"
                              "запускаю сервис"

Embeddings kodieren Sinn, nicht Buchstaben.

  Mac
  ┌──────────────┐     ┌──────────────────┐
  │Claude Desktop│ ──▶ │  MCP-Server      │
  └──────────────┘     └────────┬─────────┘
                                │
                   ┌────────────┴──────────────┐
                   ▼                           ▼
       ┌───────────────────┐     ┌───────────────────┐
       │   Qdrant Cloud    │     │   Embedding API   │
       │   (Vektoren)      │     │   (Embeddings)    │
       └───────────────────┘     └───────────────────┘

Der Server läuft lokal. Die Daten liegen in der Cloud. Der Aufwand: 2 Stunden. Die Kosten: weniger als ein Cent.

~3500 Kontakte aus verschiedenen Gemeinschaften. Nach Anreicherung: ~1500 mit genug Daten für eine qualitativ hochwertige Suche.

Nicht alle Daten sind gleich nützlich. Der Weise weiß, welche Hälfte zählt.

Einrichtungszeit: ~2 Stunden. Indexierung: ~90 Sekunden. Qdrant Cloud: kostenlos.

  vorher:   jq + boolesche Logik = Schmerz
  nachher:  natürliche Sprache = Gespräch

Das CRM ist kein SQL mehr. Das CRM ist ein Gespräch.

Filter kombinieren mit Semantik — das kommt noch. Automatische Reindexierung — das kommt noch.

Was heute existiert, reicht, um zu sehen, was möglich ist.

Das Mögliche zieht das Kommende an.

— Ilao Dzindin