Im Rahmen eines Handson AI-Workshops habe mir zwei Tage Zeit genommen, um mit GPT-4o eine iOS-App von Grund auf zu bauen. Was hängen bleibt: AI ist kein nettes Spielzeug mehr.
Am Anfang stand Ideenfindung. Ich wollte keine generische Demo, sondern etwas, das man im Büroalltag sofort versteht. Daraus wurde eine kleine App, mit der man Büroanwesenheiten tracken kann. Wer ist wann da, wer trägt sich für die nächsten Tage ein, wie bekommt man nach der Corona-Zeit wieder etwas mehr Austausch ins Büro.
Ich habe mit ein paar Skizzen angefangen. Kein großes Architekturpapier, kein langer Vorlauf. Nur ein Whiteboard, ein klarer Use Case und die Frage, wie weit man mit den aktuellen Modellen kommt, wenn man wirklich baut.
Am Ende stand ich nach ungefähr eineinhalb Tagen vor einer funktionierenden iOS-App. Multiuser. Serverlose Anbindung. Kein Fake-Screen für eine Folie.
Ich habe mich dabei bewusst auf iOS eingelassen, gerade weil ich es nicht gut kann. Genau das war für mich der interessante Test. In den Dingen, die ich selbst seit Jahren gut beherrsche, macht mich KI oft gar nicht so viel schneller. Zumindest nicht automatisch. Aber sie hilft mir gerade dabei, mich viel schneller in Felder hineinzubewegen, die sonst mehr Anlauf bräuchten.
Ich habe mit GPT-4o gearbeitet und parallel dazu Claude ausprobiert. Das war praktisch, weil man die Ergebnisse direkt vergleichen konnte. Plötzlich redet man nicht mehr abstrakt über Modelle, sondern schaut auf das, was am Ende wirklich auf dem Bildschirm steht.
Was aus den Skizzen geworden ist, war mehr als nur ein hübsches Frontend. Die App hatte echte Multiuser-Logik, die Daten lagen serverlos in Firebase und Firestore. Genau das war für mich einer der Wow-Momente. Nicht weil alles automatisch läuft. Das wäre Bullshit. Man muss immer noch mitdenken, prüfen und neu ansetzen. Aber die Strecke von einer groben Idee zu einem funktionierenden Einstieg ist gerade deutlich kürzer geworden.
Trotzdem hatte GPT-4o ziemlich klare Grenzen. Der Output ist begrenzt. Größere Änderungen kommen nicht sauber in einem Rutsch, sondern in Stücken. Dazu kommt, dass das Modell im Verlauf Dinge vergisst, die es ein paar Schritte vorher noch richtig wusste. Man landet schnell bei viel Copy and Paste, weil man Antworten zusammensammeln, wieder in den nächsten Prompt kippen und den Kontext mühsam zusammenhalten muss.
Und dann sind da die Bugs. ChatGPT spart an einer Stelle Zeit und produziert an anderer Stelle neuen Aufräumbedarf. Man lässt sich etwas generieren, baut weiter und räumt danach erst einmal hinterher, weil irgendwo wieder ein Detail kaputtgegangen ist. Ohne regelmäßiges Commiten verliert man komplett die Übersicht.
Ich nehme deshalb kein simples Fazit mit wie: KI macht mich schneller. So einfach ist es nicht. In meinen starken Feldern ist der Gewinn oft kleiner, als gerade behauptet wird. Aber ich habe wieder richtig Lust bekommen, Neues auszuprobieren. Andere Programmiersprachen. Andere Konzepte. Dinge, bei denen ich früher vielleicht gedacht hätte: Dafür fehlt mir gerade die Zeit.
Wenn KI für mich gerade einen echten Wert hat, dann dort. Sie senkt die Schwelle, Neuland zu betreten. Nicht weil Neuland trivial geworden wäre, sondern weil der erste funktionierende Einstieg plötzlich viel näher ist.