.png)
Der Selbstversuch: Programmieren ohne Entwickler:in sein?
"Dank KI braucht niemand mehr programmieren!" – so oder so ähnlich liest man es immer öfter. Und ehrlich gesagt: Als jemand, der vor vielen Jahren selbst als Entwickler gestartet ist, hat mich dieser Satz zuerst gereizt, dann genervt. Aber ich war neugierig. Denn ich wollte wissen: Stimmt das wirklich? Kann ich als heutiger Content- und Marketingstratege ohne aktuelles Dev-Wissen mit KI eine App bauen?
Meine Idee: eine Chrome-Extension entwickeln, die automatisch erkennt, wenn man in Tools wie ChatGPT oder Gemini personenbezogene Daten eingibt. Also ein kleiner Compliance-Helfer im Alltag. Der Name: AI Compliance Checker.
Willst du die App als Beta-Tester ausprobieren und bei der Entwicklung mithelfen, dann an hoi@beyonder.ch.
Die Vision: Echtzeitanalyse, Warnsystem, einfache Nutzung direkt im Browser. Die Realität: ein herausfordernder KI-Parcours durch ChatGPT, Gemini und Claude. Mit Frust, Erfolgsmomenten und drei zentralen Learnings, die ich dir nicht vorenthalten will.
ChatGPT: Der perfekte Start für Einsteiger:innen
ChatGPT war mein erster Testkandidat. Warum? Weil es sich wie ein digitales Sackmesser anfühlt: vielseitig, schnell griffbereit und für fast jede Situation gut genug. Genau das, was ich für den Wiedereinstieg gesucht habe.
Zur Einordnung: Ich habe vor über zehn Jahren selbst programmiert. PHP, etwas JavaScript, rudimentäres CSS. Doch seither war ich eher als Marketingstratege unterwegs. Umso spannender war die Frage: Wie viel von meinem alten Wissen ist noch nützlich? Und was kann mir ChatGPT abnehmen?
Die Antwort: eine ganze Menge – zumindest am Anfang. Mit einfachen Prompts konnte ich relativ schnell erste Browser-Applikationen bauen. Eine kleine Lern-App, die im Browser läuft, war in wenigen Stunden erstellt. Besonders hilfreich war die Möglichkeit, Screenshots hochzuladen, um Fehler zu dokumentieren. ChatGPT reagierte schnell, oft auch präzise. Für einfache Prototypen ein echter Boost.
Aber: Sobald es in Richtung Chrome-Extension ging, stieg der Anspruch – und die Frustration. Das Limit von 10 Dateien pro Chat machte die Arbeit mühsam. Die Benutzeroberfläche der Projekte ist zwar hilfreich, aber nicht besonders smart, wenn es um iterative Änderungen geht. Das Design, das ChatGPT vorschlägt, ist funktional, aber nicht wirklich hübsch. Und dann kam Codex ins Spiel – die Entwicklerumgebung von OpenAI.
Ich war neugierig, aber ehrlich: Codex hat mich überfordert. Nicht wegen des Codes – sondern wegen GitHub. Ich habe Git nie richtig gelernt. Branches, Commits, Pull Requests? Ich musste vieles erst wieder googeln. Und das hat meinen Flow gestört. Statt Effizienz kam Chaos auf.
Unterm Strich bleibt: ChatGPT ist perfekt, um wieder reinzukommen. Du kannst viel ausprobieren, schnell Resultate sehen und lernen, wie moderne Entwicklung funktioniert. Aber sobald dein Projekt komplexer wird, brauchst du zusätzliche Tools – oder Know-how, das über Prompts hinausgeht.
Gemini: Mehr Kontext, mehr Möglichkeiten – und mehr Stolpersteine
Dann testete ich Gemini von Google. Vorteil Nummer eins: Das Kontextfenster ist riesig. Ich konnte alle Projektdateien auf einmal hochladen, musste nicht dauernd manuell hin- und herwechseln. Gemini erkannte zudem komplexere Zusammenhänge im Code erstaunlich gut und reagierte auf Änderungswünsche oft besser als ChatGPT. Auch das Design der generierten Komponenten war ein Schritt nach vorne – strukturierter, klarer, visuell moderner.
Ich habe beispielsweise alle Dateien meines Chrome-Extension-Projekts gleichzeitig geladen und dem System konkrete Aufgaben gestellt: "Überarbeite das Fehlerhandling im Hintergrundscript", "Passe das Popup-Design an" – Gemini hat sofort verstanden, worum es ging. Auch grössere HTML- oder JS-Dateien hat es problemlos verarbeitet.
Aber auch hier: Irgendwann kam ich in einen Bug-Loop. Ein Fehler wurde zwar erkannt, die Korrektur führte aber zu neuen Problemen, und aus diesem Kreislauf bin ich nicht mehr herausgekommen. Ich versuchte es mit Refactoring, also dem kompletten Neuschreiben des Codes durch die KI – aber auch das half nicht. Rückblickend hätte ich wohl einfach früher einen klaren Cut setzen und neu starten sollen.
Ein spannendes, aber zugleich frustrierendes Thema war die GitHub-Anbindung. Theoretisch super: Ich konnte mein Repository direkt verlinken. Praktisch: Als jemand, der in Zeiten von FTP-Servern und lokalen Entwicklungsumgebungen programmiert hat, war GitHub eine Hürde. Branches, Commits, Merge-Konflikte – da war viel Neues, das ich erst wieder verstehen musste.
Trotz allem: Gemini hat Potenzial. Besonders für strukturierte Webapplikationen mit vielen Komponenten. Es lohnt sich aber, vor dem Start ein minimales GitHub-Grundverständnis aufzubauen. Denn wenn du einmal weisst, wie das Zusammenspiel funktioniert, kannst du damit sehr effizient arbeiten.
Claude: Stärkste Resultate, aber UX mit Luft nach oben
Claude war mein letzter Test – und gleichzeitig der stärkste im Bereich Codequalität. Besonders beeindruckt hat mich die Claude-Code-Funktion.
Aber ich musste GitHub verstehen. Also habe ich mir eine kleine Schulung von ChatGPT geben lassen. Denn mit Branches konnte ich für jede neue Funktionalität oder Änderung einen eigenen Entwicklungszweig starten. Dadurch blieb meine Hauptversion stabil und ich konnte verschiedene Ansätze parallel testen. Diese Branches konnte ich dann mit GitHub Desktop sauber auf meinem Rechner synchronisieren. Das fühlte sich – im Vergleich zu ChatGPT – deutlich professioneller an. Bei Gemini hingegen fehlte mir die Möglichkeit die Dateien zu pushen.
Ein konkretes Beispiel: Ich wollte das Warnsystem meiner Chrome-Extension erweitern, sodass es nicht nur Namen und E-Mail-Adressen erkennt, sondern auch Kreditkartenmuster und IP-Adressen. Claude schlug eine strukturierte Validierungslösung vor, lieferte den kompletten Regex-Code dafür und erklärte, warum bestimmte Prüfungen in der Reihenfolge gemacht werden sollten. Diese Transparenz hat mir enorm geholfen.
Aber: Visuelle Kommunikation ist mit Claude nicht möglich. Kein Bild-Upload, kein visuelles Feedback. Alles muss per Text erklärt werden. Das macht es bei komplexeren UI-Problemen schwieriger. Zudem ist das User Interface des Editors eher schlicht gehalten – funktional, aber nicht intuitiv. Man muss sich erst einarbeiten.
Und ja, die Ladezeiten waren teilweise frustrierend. Gerade wenn ich grössere Dateien analysieren oder mehrere Branches gleichzeitig vergleichen wollte, musste ich warten. Die günstigste Claude-Version für rund 20 Franken/Monat ist zudem limitiert – wer mehrere Sessions oder längere Kontextverläufe braucht, muss aufstocken.
Mein Fazit zu Claude: Wer strukturiert arbeitet, GitHub einigermassen beherrscht und qualitative Resultate will, findet hier das leistungsstärkste Tool. Es ist kein Spielzeug mehr – sondern fast schon ein Teamkollege im Code.
KI Tools zum Programmieren für Einsteiger im Vergleich: ChatGPT vs. Gemini vs. Claude
Meine Top 3 Learnings fürs Vibecoding
1. Nicht einfach machen lassen – denken lassen!
Gib deiner KI nie blind den Auftrag "Mach das." Sage stattdessen: "Analysiere zuerst mein Problem, schlage mehrere Lösungen vor und erkläre sie." So lernst du, verstehst Zusammenhänge und triffst bessere Entscheidungen.
2. Unbedingt nachfragen!
Wenn du etwas nicht verstehst, frag nach. "Was ist WASM?", "Was bedeutet Commit?". Die Tools können es dir erklären wie ein:e Tutor:in. Verstehen ist entscheidend, sonst kommst du bei Problemen nicht weiter.
3. Behalte das Ziel im Blick.
Lass die KI nicht planlos drauflos coden. Beschreibe dein Ziel klar. So kannst du Feedback besser bewerten und gezielt iterieren. Nur so entsteht eine App, die nicht beim ersten Bug auseinanderfällt.
