Coding ohne Entwickler: Ein Hund baut Video-Games mit KI

Ein Zwergpudel-Mix entwickelt Videospiele – ohne eine Zeile Code zu verstehen. Der Trick: KI-Manipulation und ein cleveres Belohnungssystem. Was wie ein Gag klingt, zeigt die wahre Revolution.

Momo ist vier Kilogramm schwer, liebt Leckerlis und hat gerade mehrere Videospiele programmiert. Der Zwergpudel-Mix kann weder lesen noch schreiben – und genau das macht das Experiment des kalifornischen Entwicklers Caleb Leak so brisant. Seine Hündin tippte wahllos auf einer Bluetooth-Tastatur herum, während die KI Claude Code daraus funktionierende Games bastelte. Kein Witz, sondern ein Realitätscheck für eine Branche, die gerade ihre eigenen Grundlagen neu definiert.

Prompt-Manipulation als Kernkompetenz

Leak trickste die KI mit einer simplen Lüge aus. Er teilte Claude Code mit, die kommenden Eingaben stammten von einem genialen Game-Designer, der ausschließlich in kryptischen Rätseln kommuniziere. Die KI schluckte den Köder und interpretierte jeden Zeichensalat als kreative Anweisung.

Aus der Buchstabenfolge „wsaqq4e3wd232’21sazqa“ destillierte Claude Code das Spielkonzept „Quasar Saz“ – ein Alien namens Zara sammelt Musiknoten in vier Welten, bewaffnet mit einem kosmischen Musikinstrument. Das System funktionierte über einen Raspberry Pi, der Momos Tastatureingaben filterte und an Claude Code weiterleitete. Nach mindestens 16 Zeichen löste die Software automatisch einen smarten Futterautomaten aus. Pawlowscher Reflex trifft auf KI-gestützte Softwareentwicklung: Momo lernte binnen zwei Wochen, dass Tastatur-Attacken Leckerlis produzieren.

Feedback-Schleifen schlagen Kreativität

Die eigentliche Innovation steckt nicht in Momos Pfoten-Input, sondern in den automatisierten Qualitätskontrollen. Leak baute Python-Scripts, die Screenshots der laufenden Games erstellten und Claude Code erlaubten, die eigenen Kreationen zu testen. Die KI spielte selbstständig durch sechs Level, entdeckte einen Bug in der Gesundheitsanzeige, korrigierte den Code und testete erneut. Ohne menschliches Eingreifen.

Leak experimentierte zunächst mit Unity und Rust/Bevy, entschied sich aber für Godot 4.6. Der Grund: Godots textbasiertes Szenenformat erlaubt Claude direkten Zugriff auf.tscn-Dateien. Unity hingegen produzierte ständig Verbindungsabbrüche zwischen KI und Editor. Die Wahl der Engine war keine Geschmacksfrage, sondern eine technische Notwendigkeit für KI-Kompatibilität.

Von DJ Smirk bis Quasar Saz

Momos Portfolio umfasst mittlerweile mehrere spielbare Titel. „Octogroove“ – ein Rhythmus-Game, bei dem ein Oktopus mit vier Armen trommelt. „The Oracle Frog of Rome“ – ein Kraken-Vermeidungs-Spiel mit unerklärlichem Königstitel. „Ewe Heard Me!“ – ein Schaf-Hüte-Simulator, der allerdings ungewinnbar blieb, weil die ersten beiden Schafe den Eingang blockierten.

Nach diesem Fehlschlag verschärfte Leak die Prompt-Anforderungen und integrierte Gewinnbarkeits-Checks. Das jüngste Projekt „Quasar Saz“ benötigte ein bis zwei Stunden von der ersten Eingabe bis zum spielbaren Build. Alle Games nutzen C# für die komplette Logik. Leak bietet sowohl Momos Originalversion als auch eine von ihm optimierte Variante zum Download an.

Business Punk Check

Die Pointe des Experiments liegt nicht darin, dass ein Hund programmieren kann – sondern dass niemand mehr programmieren muss. Leak demonstriert die eigentliche Disruption: KI-Systeme brauchen keine präzisen Anweisungen mehr, sondern funktionierende Feedback-Mechanismen. Die Qualität der Games verbesserte sich nicht durch bessere Prompts, sondern durch automatisierte Testläufe und Linter-Tools. Was Leak verschweigt: Die meisten seiner frühen Versuche produzierten unspielbare Prototypen ohne Sound, unsichtbare Spielfiguren oder kaputte Steuerungen.

Erst nach dutzenden Iterationen und einem Arsenal an Qualitätssicherungs-Scripts entstanden brauchbare Ergebnisse. Die Erfolgsquote bleibt im Dunkeln – vermutlich aus gutem Grund. Trotzdem markiert das Projekt einen Wendepunkt. Leak selbst räumt ein, die Lücke zwischen experimentellen Spielereien und professioneller Programmierung sei im vergangenen Jahr drastisch geschrumpft. Wer heute noch glaubt, Coding sei eine geschützte Domäne menschlicher Expertise, hat den Schuss nicht gehört. Oder besser: das Bellen.

Häufig gestellte Fragen

Welche KI-Tools eignen sich für automatisierte Softwareentwicklung?

Claude Code von Anthropic zeigt aktuell die stärkste Performance bei Code-Generierung mit Feedback-Schleifen. Entscheidend sind nicht die Prompts, sondern automatisierte Testumgebungen mit Screenshot-Funktionen und Linter-Integration. GitHub Copilot und GPT-4 liefern vergleichbare Ergebnisse, kämpfen aber mit komplexen Projekt-Strukturen. Die Engine-Wahl ist kritisch: Godots textbasierte Szenen-Dateien funktionieren besser als Unitys binäre Formate.

Wie hoch ist die Erfolgsquote bei KI-generiertem Code?

Leak verschweigt die Fehlerquote bewusst – vermutlich lag sie anfangs bei über 70 Prozent. Erst durch automatisierte Quality-Checks und strikte Mindestanforderungen sank die Ausschussrate. Ohne Feedback-Mechanismen produzieren KI-Systeme mehrheitlich unbrauchbare Prototypen mit fehlender Audio-Integration oder kaputten Input-Mappings. Die Investition in Test-Infrastruktur entscheidet über Erfolg oder Scheitern.

Ersetzt KI-Coding menschliche Entwickler?

Nein, aber es verschiebt die Anforderungen radikal. Entwickler werden zu Prompt-Engineers und System-Architekten für Feedback-Schleifen. Die eigentliche Programmierung übernimmt die KI, während Menschen Qualitätssicherung und Tool-Integration verantworten. Junior-Positionen für repetitive Coding-Tasks verschwinden, während Expertise in KI-Orchestrierung zur Kernkompetenz wird.

Was kostet der Einstieg in KI-gestützte Entwicklung?

Leaks Setup basiert auf Open-Source-Tools: Raspberry Pi 5 (80 Euro), Logitech Pebble Keys 2 (40 Euro), Aqara Smart Pet Feeder (60 Euro) und Claude Code API-Zugang (variabel nach Nutzung). Die eigentlichen Kosten stecken in der Entwicklung der Feedback-Infrastruktur – Leak investierte mehrere Wochen in Linter, Screenshot-Tools und Input-Mapper. Ohne diese Basis bleibt KI-Coding ein teures Glücksspiel.

Funktioniert das Konzept auch für Enterprise-Software?

Theoretisch ja, praktisch mit massiven Einschränkungen. Games haben klare Win-Conditions und visuell überprüfbare Outputs – perfekt für automatisierte Tests. Enterprise-Anwendungen mit komplexen Geschäftslogiken, Datenbankintegrationen und Security-Anforderungen überfordern aktuelle KI-Systeme. Die Technologie eignet sich für Prototyping und isolierte Module, nicht für kritische Produktivsysteme. Wer das ignoriert, riskiert Sicherheitslücken und Datenverluste.

Quellen: Computerbild, Calebleak