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.
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/
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.