Set-up: Was ich diesmal anders gemacht habe
Diesmal habe ich auf ein durchdachteres Set-up gesetzt. In VS Code lief Github Copilot, als Hauptsystem nutzte ich Claude (Opus 4.5). Gelegentlich ließ ich zudem ChatGPT (GPT 5) gegenprüfen.
Den Initial-Prompt formulierte ich präzise: eine klare Zielsetzung, USP und Nutzerstory für die Mietvertrags-App sowie Vorgaben zu den Technologien wie einem bestimmten Frontend- und Backend-Framework, Google-OAuth fürs Login und der Einbindung von OpenAI- und Stripe-APIs, aber keine Designvorgaben.
Als Plattform fürs Hosting wählte ich Render.com, einen PaaS-Dienst, den ich selbst noch nie benutzt hatte, um auch hier der KI möglichst viel Verantwortung zu überlassen.
Das Ziel: vom Prompt zur laufenden Webanwendung (inklusive API-Anbindung und Zahlungssystem) zu kommen, so dass es sogar ohne Programmierkenntnisse klappen könnte.
Der Härtetest: von der Idee bis zum Deployment
Der erste umfangreiche Prompt zeigte schnell Wirkung: Die KI generierte eine nahezu vollständige Webapplikation. Nur ein paar manuelle Schritte waren nötig, die auch ohne große Entwicklererfahrung machbar waren: ein Google-OAuth-Login einrichten, einen OpenAI-Schlüssel erzeugen und (als größten Aufwand) Stripe für Zahlungen konfigurieren.
Danach lief die Anwendung. Zu meiner Überraschung hatte die KI sogar an Fallstricke gedacht: Sie legte etwa automatisch eine .gitignore-Datei für unsere env-Datei an.
Einige Details forderte ich nachträglich per Prompt ein, etwa eine mobile Optimierung, die im ersten Wurf fehlte. Abgesehen von ein paar kleinen Korrekturen lief aber alles wie geplant, und nach wenigen Stunden ging der Dienst als KlauselCheck.com online.
Doch bei aller Begeisterung über den Erfolg zeigten sich auch Grenzen. Hier war dann wieder menschliches Know-how gefragt.
- Anzeige Hier geht es zu Künstliche Intelligenz: Wissensverarbeitung bei Amazon Wenn Sie auf diesen Link klicken und darüber einkaufen, erhält Golem eine kleine Provision. Dies ändert nichts am Preis der Artikel.