Die Grenze zwischen dem Haben einer Idee und dem tatsächlichen Umsetzen verschwimmt schnell. Moderne KI-Chatbots – darunter Claude, Gemini und ChatGPT – ermöglichen es Benutzern nun, funktionale Anwendungen zu erstellen, indem sie sie einfach detailliert beschreiben. Dieser Prozess, der oft als „Vibe-Codierung“ bezeichnet wird, ist überraschend einfach und erfordert keine speziellen Programmierkenntnisse. Die Qualität des Endprodukts hängt vollständig von den bereitgestellten Eingabeaufforderungen ab, sodass jeder problemlos experimentieren kann. Perfektion ist jedoch nicht garantiert.
Das ist nicht theoretisch. Kürzlich testete eine Person diese Fähigkeit, indem sie alle drei KI-Modelle damit beauftragte, dieselbe E-Reader-Anwendung zu erstellen, komplett mit erweiterten Funktionen wie Texthervorhebung in Echtzeit und dynamischen audiovisuellen Effekten. Die Ergebnisse waren aufschlussreich: Die KI selbst zählt weniger als die Präzision der Anweisungen.
Die Herausforderung: Den „Tome Reader“ bauen
Das Projekt entstand aus der Frustration über bestehende E-Reader, insbesondere den Kindle von Amazon, dem es an gleichzeitiger Vorlese- und Hervorhebungsfunktion mangelt. Ziel war es, eine Webanwendung namens „Tome Reader“ zu erstellen, die hochgeladenen Text (PDF, EPUB oder eingefügter Inhalt) vorlesen und gleichzeitig die entsprechenden Wörter in Echtzeit hervorheben kann. Die App würde auch Hintergrundmusik basierend auf Inhaltskategorien (Horror, Science-Fiction usw.) generieren und akustische/visuelle Effekte auslösen, wenn bestimmte Schlüsselwörter gesprochen werden. Alles in einer einzigen HTML-Datei für eine einfache Verwendung.
Der Prozess: Iterative Prompt-Verfeinerung
Bei dem Experiment ging es nicht von Anfang an darum, einen Gewinner auszuwählen. Stattdessen verfeinerte der Entwickler iterativ eine einzelne Eingabeaufforderung, indem er jede KI das Projekt erstellen ließ und dann auf der Grundlage der Ergebnisse eine aktualisierte Eingabeaufforderung generierte.
Zunächst erstellte Gemini einen funktionsfähigen Prototyp. Anschließend wurde dieses Projekt verwendet, um eine verfeinerte Eingabeaufforderung zu generieren, die in Claude eingespeist wurde. Claude verbesserte die App weiter, führte aber auch eine unerwartete Logik ein – indem er die Auslöseeffekte auf einmal pro Satz beschränkte, um ein „Spamming“ des Benutzers zu vermeiden. Schließlich erhielt ChatGPT die neueste Aufforderung und erstellte die App, hatte jedoch Schwierigkeiten mit dem Hinzufügen eines dedizierten Lautstärkereglers.
Die Ergebnisse: Alle Modelle fähig, aber nicht ohne Macken
Allen drei Chatbots gelang es letztendlich, eine funktionierende Version des Tome Readers zu erstellen. Der Prozess verlief jedoch nicht reibungslos. ChatGPT war am langsamsten. Claude zeigte ein unvorhersehbares Verhalten (erforderte 11 Neuerstellungen, um Ladefehler in einem Fall zu beheben). Gemini war im Allgemeinen am zuverlässigsten, aber auch am wenigsten benutzerfreundlich in Bezug auf die Dateibereitstellung.
Der Schlüssel zum Mitnehmen? Die Eingabeaufforderung selbst ist von größter Bedeutung. Die Leistungsunterschiede zwischen der kostenlosen und der kostenpflichtigen Version dieser Modelle waren vernachlässigbar. Eine gut ausgearbeitete Anleitung kann unabhängig von der verwendeten KI beeindruckende Ergebnisse liefern.
Die Zukunft der App-Entwicklung?
Dieses Experiment zeigt, dass sich KI schnell zu einem brauchbaren Werkzeug für Rapid Prototyping und sogar für die Entwicklung funktionaler Apps entwickelt. Obwohl diese Chatbots kein Ersatz für erfahrene Programmierer sind, senken sie die Eintrittsbarriere erheblich. Die Möglichkeit, Ideen mit minimaler Programmiererfahrung zu iterieren, könnte Innovationen beschleunigen und Einzelpersonen in die Lage versetzen, ihre Visionen zum Leben zu erwecken, ohne auf traditionelle Entwicklungspipelines angewiesen zu sein.
Die Zukunft der Softwareentwicklung könnte durchaus im Dialog stattfinden, wobei KI als Kooperationspartner im Entwurfs- und Bauprozess fungiert.
