Meine KI-Limits nerven mich regelmäßig. Wenn ich intensiv entwickle, ist bei Claude Code oder Codex irgendwann wieder ein Wochen- oder Stundenlimit erreicht – meistens genau dann, wenn ich eigentlich weitermachen möchte. Die naheliegende Antwort ist simpel: mehr Kontingent kaufen, noch einmal 100 Euro bei Codex hinterlegen, bei Claude zusätzliches Budget freigeben. Problem gelöst.
Nur kam mir irgendwann ein anderer Gedanke: Ich gebe doch ohnehin schon ziemlich viel Geld für KI aus. Unter anderem bezahle ich für Google und habe damit Zugriff auf Gemini – nur nutze ich Gemini vergleichsweise wenig. Auf der einen Seite hatte ich also KI-Kontingent, das ich ständig ausschöpfe, auf der anderen Seite Kontingent, für das ich bereits bezahle und das weitgehend ungenutzt bleibt. Das erschien mir nicht besonders sinnvoll.
Also habe ich Antigravity wieder ausgepackt
Antigravity hatte ich schon einmal ausprobiert, danach aber längere Zeit nicht mehr verwendet. Die Frage war diesmal auch nicht, ob ich meine bisherige Entwicklungsumgebung ersetzen kann – das wollte ich nicht. Codex und Claude Code sind für mich weiterhin deutlich stärker, gerade bei komplexeren Aufgaben merkt man, dass die Modelle dahinter intelligenter sind.
Mich interessierte etwas anderes: Kann ich Antigravity für Arbeiten einsetzen, für die ich nicht unbedingt mein bestes Modell brauche? Und kann ich damit ähnlich arbeiten, wie ich es inzwischen gewohnt bin – einen Auftrag übergeben und das System weitgehend selbstständig arbeiten lassen? Als Modell habe ich Gemini 3.8 Flash auf High verwendet. Das Ergebnis war nicht auf dem Niveau meiner stärksten Coding-Werkzeuge, aber es war brauchbar. Und brauchbar reicht erstaunlich oft.
GameDay wurde mein Testfall
Als Testprojekt habe ich meinen GameDay-Automaten für die Basketballabteilung des TV Bretten genommen. Die Aufgabe war relativ klar: Für jedes Wochenende brauche ich automatisch die Spielankündigungen unserer Mannschaften, nach dem Wochenende sollen die Ergebnisse als Scoreboard ausgegeben werden. Die Informationen – Mannschaft, Gegner, Datum, Uhrzeit, Spielort, Heim- oder Auswärtsspiel, später das Ergebnis – sind vorhanden, auch das Design ist im Wesentlichen vorgegeben. Das ist keine Aufgabe, für die ich jedes Mal die intelligenteste KI der Welt brauche. Also habe ich Antigravity damit arbeiten lassen. Aus dem Experiment wurde ziemlich schnell ein funktionierendes System.
Das ist für mich im Nachhinein der wichtigste Punkt: GameDay ist kein Demo-Projekt geblieben. Der Automat läuft. Jeden Montag werden die Inhalte für das kommende Spielwochenende erzeugt und gleichzeitig die Ergebnisse des vergangenen Wochenendes für das Scoreboard verarbeitet. Natürlich optimiere ich weiter – es gibt noch Sonderfälle, die besser erkannt werden können, die Darstellung einzelner Mannschaften kann verbessert werden, und inzwischen denke ich darüber nach, jeder Mannschaft langfristig eine eigene Gestaltung zu geben. Aber die Grundidee funktioniert. Ich muss nicht mehr jede Woche manuell alle Spielpaarungen zusammensuchen und daraus die Grafiken bauen – das System erledigt diese Arbeit. Mein eigentlich ziemlich spontaner Antigravity-Test war damit ein voller Erfolg. Nicht weil Antigravity besser wäre als Codex oder Claude Code, sondern weil es für diese Aufgabe gut genug war.
Daraus ist schon wieder die nächste Idee entstanden
Typischerweise bleibt es bei mir nicht lange bei einem Projekt. Wenn ich sehe, dass ein Prinzip funktioniert, frage ich relativ schnell, was man damit noch machen könnte. Bei GameDay war der nächste Gedanke: Eigentlich habe ich hier nicht nur einen Basketball-Flyer-Automaten gebaut, sondern einen Prozess, der strukturierte Informationen nimmt und daraus regelmäßig fertigen visuellen Content erzeugt. Heute sind die Eingangsdaten Spielpaarungen und Spielergebnisse, aber das Grundprinzip könnte auch an ganz anderen Stellen funktionieren. Damit entstand die Idee für meinen Content-Automaten – noch Zukunftsmusik und eine eigene Geschichte, aber ohne GameDay wäre ich wahrscheinlich gar nicht darauf gekommen.
Und Antigravity hat noch einen zweiten Job bekommen
Auch bei Verksum hat das Experiment etwas verändert. Verksum soll langfristig unterschiedliche Modelle und unterschiedliche Ausführungsumgebungen nutzen können – ein Agent soll nicht zwangsläufig fest mit einem bestimmten Anbieter verbunden sein. Und genau dafür konnte ich Antigravity plötzlich selbst gebrauchen. Ich benötige für die Entwicklung von Verksum meine starken Coding-Werkzeuge, möchte Verksum aber auch benutzen und echte Agenten darin laufen lassen. Wenn diese Agenten mein Claude-Code- oder Codex-Kontingent verbrauchen würden, hätte ich mir das nächste Limitproblem praktisch selbst gebaut. Also nutze ich dafür aktuell Gemini über Antigravity. Meine Verksum-Agenten können damit arbeiten, ohne dass ich gleichzeitig die Kontingente verbrauche, die ich für die Entwicklung des Produkts brauche. Für die schwierigsten Aufgaben wäre es nicht meine erste Wahl, aber für viele Tests und einfachere Arbeiten funktioniert es. Und genau dafür brauche ich es.
Vielleicht ist “gut genug” eine unterschätzte Kategorie
Ich ertappe mich selbst häufig dabei, KI-Werkzeuge danach zu beurteilen, welches Modell das intelligenteste ist. Natürlich ist das relevant – man merkt den Unterschied zwischen einem starken Frontier-Modell und einem kleineren oder schnelleren Modell sehr deutlich. Aber nicht jede Aufgabe benötigt maximale Intelligenz. Manchmal brauche ich gar nicht das beste Werkzeug. Ich brauche ein Werkzeug, das die Aufgabe zuverlässig genug erledigt und mir gleichzeitig an anderer Stelle Ressourcen freihält.