Die KI Kantine - Der Podcast

Michael Busch

Mein KI-Projekt (Teil 1): Vom Prompt zur Plattform

Warum das Zwei-Stunden-SaaS ein Mythos ist – und wie ich wirklich vorgehe.

01.10.2025 7 min

Zusammenfassung & Show Notes

In dieser Folge nimmt Buschi uns mit auf die Reise seines aktuellen KI-Projekts – von der ersten Idee über die Tools bis zum funktionierenden MVP. Er erklärt, warum die vermeintlichen „2-Stunden-SaaS“-Wunder aus YouTube nicht die Realität von echten Projekten widerspiegeln – und wie viel Hirnschmalz, Planung und Prompt-Arbeit wirklich notwendig ist. 
Dabei geht es um chatGPT, MagicPath, v0, semantische Suche mit Vektordatenbanken und den richtigen Einsatz von Gemini. Die Geschichte endet mit einem Cliffhanger – denn Teil 2 folgt in der nächsten Woche.

Die KI-Kantine ist ein Projekt von Michael Busch – Entwickler, Unternehmer und neugieriger Kantinenphilosoph.

Hier geht’s regelmäßig zur Mittagspause um Künstliche Intelligenz im echten Entwickleralltag – verständlich, praxisnah und mit einer Prise Skepsis.

Neue Folgen erscheinen regelmäßig – meistens genau dann, wenn du dir eh gerade ein Tablett schnappst.

📬 Fragen, Feedback oder eigene KI-Erlebnisse? Schreib mir an podcast@ki-kantine.de

Alle Folgen & mehr: https://ki-kantine.letscast.fm/

Transkript

(Transkribiert von TurboScribe.ai. Upgrade auf Unbegrenzt, um diese Nachricht zu entfernen.) Mahlzeit. Mahlzeit. Sag mal, hast du auch schon mal diese Videos gesehen, bei denen die Leute behaupten, ich habe innerhalb von zwei Stunden meinen Software-as -a-Service mit Vivecode erstellt und verdiene jetzt monatlich dreistellig dazu? Ja, das ist mir bei YouTube schon mal untergekommen. Da denkt man doch, was macht denn der, was ich nicht mache? Und dann trifft dich die Erkenntnis, Lügen, der lügt einfach. Intressant. Ich arbeite gerade an meinem eigenen Software-as -a-Service und in zwei Stunden, da hast du nicht mal das Gespräch mit deinem Think -Partner JetCPT zu Ende gemacht. In meinem neuen Projekt versuche ich eine Lösung zu einem Problem bereitzustellen, das gerade bei neuen E-Commerce-Projekten häufig anzutreffen ist. Es gibt ja unter jedem Produkt in so einem Shop die Kategorie, das könnte sie auch interessieren oder andere Kunden haben auch gekauft. Aber wo soll man denn die Daten dafür herkriegen, wenn man eigentlich noch gar keine Verkäufe in seinem Shop hat? Meistens macht man es so, dass man dann andere Artikel aus der gleichen Kategorie nimmt, die vielleicht noch ein bisschen einschränkt über gemeinsame Parameter. Aber allein schon diese Parameter zu finden, das ist tatsächlich gar nicht so einfach, weil die passen halt nicht immer und dann musst du für jede Kategorie eigentlich neue Parameter festlegen. Aha. Dabei ist das ja eigentlich eine prädestinierte Aufgabe für die KI. Man kann dann über semantische Suche, also eine Suche über die inhaltliche Bedeutung und nicht über Suchworte, sich da ja sehr gut annähern. Ich habe also im ersten Schritt diesen Gedanken und die Zielsetzung mit JetCPT besprochen und überraschenderweise viel Lob erhalten von JetCPT. Das war ja eine super Idee, weil sie aus der Praxis geboren ist und mit deiner Erfahrung kannst du blablabla, wie er halt so ist, um dich zu motivieren. Wir haben dann alle möglichen Aspekte dieses Projekts, Pricing, technische Anforderungen für den MVP, die Zielgruppe, was für einen Namen soll das Projekt haben und so weiter, das haben wir besprochen. Und dann habe ich ihn gebeten, auf Basis dessen, was wir gerade besprochen haben, eine UI -JSON-Datei zu erstellen. Und da packt er dann die einzelnen Sections von so einer Seite rein, also die Hero -Section, die Testimonials, und versieht es auch schon mit Text. Und dann hast du so eine JSON-Datei. Und mit dieser JSON-Datei bin ich dann zu einem neuen Programm gegangen. Und das heißt MagicPath.ai. Das ist auch so ein Vibe-Coder, aber der denkt sehr grafisch. Und da bekommst du dann mehrere Design-Vorschläge auf Basis von dieser UI-JSON. Dann kannst du jeden einzelnen Teil der erstellten Seite verändern, indem du dann wieder Prompts machst, also sehr konkret. Das ist bei anderen Vibe-Codern, finde ich, immer ein bisschen schwieriger, weil die sich mehr aufs Kodieren konzentrieren. Problem ist, in der kostenlosen Variante kannst du keinen Export machen. Du kannst also jetzt nicht sagen, okay, jetzt habe ich diese ganzen HTML-Seiten, nennen wir es mal, und die exportiere ich jetzt, um sie dann weiterzuverarbeiten. Aber was man machen kann, ist, man kann einen temporären Link erzeugen. Dann von außen kannst du dein Design jemand anders präsentieren. Und diesen Link habe ich dann Visero mitgeteilt. Das ist so ein Vibe-Coder der ganz klassischen Art. Dem habe ich dann auch die UI-JSON noch mal mitgegeben und ein ausführliches Prompt beschrieben, dass ich also ein Next.js-React-Tailwind -Projekt haben will. Und bei Visero kann man den Code exportieren. Und Visero hat dann ein eigenes Projekt, das genauso aussah wie das, was sich bei Magic Path gemacht hat, in React mit Next.js und so weiter, für mich erstellt. Und Visero und Superbase arbeiten sehr gut zusammen. Deshalb habe ich als Datenbank eben Superbase gewählt. Die Magie der semantischen Suche, die muss man ja über eine Vektordatenbank machen. Und hier hat mir Chachibity drei, vier zur Auswahl gegeben, die er für das Projekt für geeignet hält. Und da habe ich mir tatsächlich eine rausgewählt und das ist Quadrant heißt es. Der Vorteil von Quadrant ist, das kann ich als einen Docker-Container bei mir lokal laufen lassen und dann entstehen für mich null Kosten und man hat das eigentlich alles sehr gut im Griff. Als KI für den MVP habe ich Google Gemini gewählt. Denn da gibt es auch ein sehr gutes, täglich vorhandenes, freies Kontingent. Und mit diesem Visero habe ich dann eben jetzt die Landingpage und auch ein Dashboard erstellt, den Code dazu exportiert. Den habe ich jetzt lokal und daran möchte ich jetzt nur noch lokal arbeiten und zwar mit Gemini CLI. Und da geht der Spaß des Projekterklärens in die nächste Runde. Also ich habe jetzt erst das Projekt Chachibity erklärt. Und dann habe ich Visero mitgeteilt und dort das Projekt weiterentwickelt. Und jetzt ist es halt lokal, aber hier weiß natürlich noch kein Weibcoder irgendwas über Idee und Ziel. Also musst du wiedererklären und zwar jetzt am besten so nachhaltig, dass du es nicht jeden Tag machen musst. Denn bei Projekten dieser Größenordnung kommst du schnell an ein Limit und das Limit haben diese ach so schlauen zwei Stunden SAS Weibcoder gar nicht. Denn wenn du es längere Zeit machst, dann arbeitest du mit einem sehr, sehr guten, begabten Programmierer mit Amnesie zusammen. Denn der treibt dich in Wahnsinn. Der hat ja jeden Tag alles wieder vergessen und du fängst wieder von vorne an. Da muss ich oft an täglich grüßt das Murmeltier denken, denn der ist ja auch jeden Morgen wieder wach und alles, was am vergangenen Tag gewesen ist, was er mit den Kollegen, mit Bekannten, mit Freunden besprochen hat, ist alles weg und er fängt wieder bei Null an. Und deshalb musst du dir echt viel Zeit nehmen, für Gemini ein Regelwerk zu definieren, dass bei jedem Neustart der KI zuerst eingelesen werden muss. Da gibt es mittlerweile viele bewährte Vorgehensweisen. Ich habe es jetzt erstmal primitiv gemacht gehabt mit der üblichen Gemini.md und da steht dann vieles drin, was ich die KI nicht jeden Tag neu erarbeiten muss. Da steht was drin über die Projektübersicht, die Technologien, die benutzt werden, welche Hauptverzeichnisse hast du, welche Komponenten hast du und so weiter. Welche Vorspeise hast du, welche Hauptspeise hast du, welches Dissdiger hast du. Ja, ja, ich habe verstanden. Erzähle ich dir morgen weiter, okay? Jetzt können wir erstmal was essen. Das ist die KI-Kantine. Wir sitzen in der KI-Kantine. Die KI-Kantine ist ein Projekt von Michael Busch, der auch beim nächsten Mal wieder ein frisches KI-Gericht auftischt mit einer Prise Pommes und einer Beilage Skepsis. Wir sitzen in der KI-Kantine. Hier ist die KI-Kantine.