Insgesamt 3 Teile nehmen euch mit auf meine Reise durch die heutige KI Landschaft. Unterschiedliche Modelle, eine Idee und ein paar erstaunliche Momente und Überraschungen. Viel Spaß bei Teil 1.
Null Code-Erfahrung, eine Idee und eine KI: So startete mein App-Experiment
Nachdem alle Welt über KI oder über unseren neuen Superhelden spricht, Angst geschürt wird oder Euphorie darüber entsteht, was man doch jetzt schon alles machen kann, dachte ich mir, das ist mir zu wenig konkret. Ich wollte etwas Anfassbares haben, das man sich anschauen kann, was resoniert. Spoiler: Das wurde mir erst später in dem Experiment bewusst.
Also was tun? Ich spiele leidenschaftlich gerne Brettspiele und besitze durchaus eine ganze Menge davon. Daher dachte ich mir, bau ich mir doch einfach eine Anwendung mit einer Vibe-Coding Plattform und schaue was passiert. Der Anwendungsfall war sichtlich einfach:
Verwalte meine Brettspiele. Welche sind wo bzw. welche habe ich verliehen? Und da ich nicht so viel tippen wollte: Importiere meine Sammlung von boardgamegeek.com. Dabei wusste ich nicht einmal, ob eine API existiert. Es war mir aber auch egal, wie es im ersten Schritt gelöst wird.
Ich hatte im Vorfeld schon mit bolt.new und replit.com experimentiert und die Replit-Plattform als etwas stärker wahrgenommen, daher ging es dort los.
Mein erster Prompt sah also entsprechend einfach aus:
I want you to build a secured app that allows me to view my boardgames and to mark, which of these are lent out and to whom. The Boardgames should be imported to boardgamegeek.
Ich habe den Tippfehler drin gelassen, denn tatsächlich hat es das KI-Modell nicht gestört, dass ich “import to” statt “import from” geschrieben habe. Fast forward: Nach ca. 30 Iterationen, 48$, netto Rechenzeit des KI-Modells von 4 Stunden und netto 2 Stunden Zeitinvest von mir (ohne Staunen) war die erste Anwendung so weit fertig, dass ich tatsächlich zufrieden war.
Key Features
Zusammengefasst erzeugt die KI das folgende Ergebnis:
1. BoardGameGeek Integration
Import from BGG:
- Users can import games by BGG username
- Fetches complete game details: title, year, players, playtime, ratings, etc.
- Extracts categories, mechanics, designers, publishers, and rankings
- Automatically detects and links expansions to base games
Batch Refresh:
- Refresh all games in collection from BGG
- Processes up to 20 games per batch request (BGG API limit)
- Real-time progress updates via Server-Sent Events (SSE)
- 80%+ performance improvement over individual requests
Expansion Tracking:
- Smart 3-stage matching algorithm for linking expansions:
- Exact BGG ID match (fastest, most reliable)
- Exact name match (handles different editions)
- Unambiguous partial match (prevents false positives)
- Lazy-loaded expansion details dialog
- Expansion count badges on base games
2. Authentication System
Multi-Strategy Authentication:
- Local: Username/password with bcrypt hashing
- GitHub OAuth: Sign in with GitHub
- Google OAuth: Sign in with Google
Security Features:
- Password hashing with bcrypt
- PostgreSQL session store (7-day TTL)
- Secure HTTP-only cookies
- Password sanitization (no hashes sent to client)
- CSRF protection via same-site cookies
3. User Invitation System
Admin Flow:
- Admin sends invitation via User Management page
- Email sent with secure token (7-day expiration)
- Recipient clicks link to set up password
- Auto-login after account creation
Features:
- Password validation (min 8 characters)
- Single-use tokens
- Role assignment (admin or user)
- Email template with Mailjet
4. Loan Tracking
- Track which games are loaned out
- Record borrower name and contact
- Add notes and expected return dates
- View active loans dashboard
- Return tracking
5. Game Collection Management
Features:
- Search and filter games by:
- Name/title
- Availability status (available/loaned)
- Player count
- Sort by: name, year, rating, player count
- View detailed game information
- Set custom storage locations
- Delete games from collection
Game Details Include:
- Basic info: title, year, players, playtime
- BGG data: rating, weight/complexity, rankings
- Categories and mechanics
- Designers and publishers
- Community stats (owned, wanting, wishing)
- Expansion information
Beeindruckend, aber …
Was störte mich? Es war eine komplette Blackbox. Zum Glück mit sehr guter Dokumentation, aber trotzdem dunkel! Mit Technologien wie React und Typescript habe ich seit 15 Jahren nicht mehr programmiert. Und es kostet. Und es lief nur auf der Replit-Plattform.
Mein nächster Prompt:
Can you create me a docker image to run this app locally in my docker container?
10 Minuten später lief die Anwendung in meinem lokalen Docker. Ehrlich, ich hatte bisher null Kontakt zu Docker, aber das Modell lieferte mir alle notwendigen Konfigurationen und Dokumentation, wie ich Docker starten musste und vor allem mit welchen Befehlen ich zusätzliche Informationen aus den Docker-Images bekomme. Immer noch Blackbox, aber immerhin auf meinem Rechner.
Fazit
Cool, irgendwie wie eine bekannte Situation: man erzählt einem Entwickler, was man haben möchte und der Entwickler implementiert es irgendwie.
Irgendwie? Ja, das war das Gefühl. Ich hatte versucht so kurz und knackig nur aus Anwendersicht in den Chats mit dem KI-Modell zu kommunizieren. Den Rest hat die KI wie ein Mensch interpretiert. Nur schneller. Spannend, also kann ich ruhig unkonkret bleiben, die KI macht das schon?
Irgendwie schon, aber natürlich korrigierte ich, weil einige Anforderungen mir nicht gefielen oder falsch waren. An diesem Punkt kam mir eine Idee: Was wenn ich die Interpretation jetzt rausnehmen könnte?
Mehr dazu in „Wenn der Prototyp ernst wird: Meine KI-Migration zu Enterprise-Technologien (2/3)“.
