AI statt Team: Flutter-Apps in 2 Wochen

Business Analyst baut Flutter-Apps mit KI: Ein 2-Wochen-No-Code-Experiment

Ein Business Analyst ohne jegliche Programmiererfahrung veröffentlichte innerhalb von nur zwei Wochen zwei mobile Apps im RuStore – ausschließlich mit KI-Assistenten. Technologie-Stack: Flutter + Supabase. Gesamtaufwand: 80 Stunden. Downloads: 14. Dieses Experiment zeigte, wie sich Anforderungsanalyse-Kompetenz nahtlos in präzise Code-Generierungs-Prompts übersetzt – und enthüllte zugleich die tatsächlichen Grenzen der KI bei komplexer Softwareentwicklung.

Vergleich von KI-Modellen für die Code-Generierung

Modelle der kostenlosen Tarifstufe erzeugen nicht kompilierbaren Code mit veralteten Oberflächen. GPT-5.2 verbessert Kompilierbarkeit und Design – doch Fehler bleiben häufig. Claude Opus überzeugt bei Code-Qualität, Kontextbehalt und modernem UI-Design.

| Kriterium | Kostenlose KI-Modelle | GPT-5.2 | Claude Opus |

|------------------------|------------------------|--------------------|--------------------|

| Code-Qualität | Kompiert nicht | Funktional, aber fehlerhaft | Sauber, stabil |

| UI/Design | Optik aus dem Jahr 2010 | Akzeptabel | Modern, durchdacht |

| Kontextverständnis | Verliert schnell den Faden | Mittel | Branchenführend |

| Komplexe Integrationen | Scheitert vollständig | Funktioniert mit Hinweisen | Teilweise erfolgreich |

| Kosten | ₽0 | ~₽700/Monat | ~₽2.000/Monat |

Die Abonnementkosten wurden vollständig über den firmeneigenen Zugang gedeckt.

Warum Business Analysten mit KI besonders gut abschneiden

User Stories, Akzeptanzkriterien und Geschäftslogik lassen sich natürlich in präzise KI-Prompts übersetzen. Beispiel-Prompt für ein Zeitverfolgungs-Dashboard:

Erstelle den Startbildschirm einer Flutter-Zeiterfassungs-App. Anforderungen: 1) Obere Bereich: Kreisdiagramm zur Darstellung der wöchentlichen Verteilung von 168 Stunden auf Kategorien (Schlaf, Arbeit, Sport, Lernen, Freizeit, Sonstiges). 2) Unter dem Diagramm: Liste der Kategorien zum Bearbeiten per Tap mit Stundeneingabe pro Eintrag. 3) Unten: „Woche speichern“-Button. 4) Dunkles Design mit Akzentfarbe #4FC3F7. 5) Visualisierung mit dem fl_chart-Paket. 6) State Management über Provider.

Ein strukturierter Prompt reduziert Iterationen drastisch – genauso wie die klare Anweisung an einen Junior-Entwickler.

Projekte: Von der Idee bis zum App-Store

Zeit-Tracker „168 Stunden“

Verteilt Ihre wöchentlichen 168 Stunden auf Lebensbereiche (Schlaf, Arbeit, Sport etc.) und vergleicht geplante mit tatsächlicher Nutzung. Inspiriert vom Buch 168 Stunden von Laura Vanderkam.

F1-Tycoon-Manager

Eine F1-Teamsimulation: Fahrer engagieren, Auto entwickeln, Budget verwalten und Rennsimulationen durchführen. Konzipiert als Belastungstest für KI bei Spiellogik und Zustandskomplexität.

Technologie-Stack:

• Frontend: Flutter + Dart
• Backend: Supabase (kostenlose Tarifstufe für MVP)
• UI: KI-generiert
• State Management: Provider

Der Stack wurde auf Basis von KI-Empfehlungen gewählt: plattformübergreifende Unterstützung, Einstiegstauglichkeit und hohe Repräsentanz in Trainingsdaten.

Entwicklungszeitplan

• Tage 1–2: Flutter & Android Studio installiert. Erster animierter Bildschirm erstellt – sofortiger „Wow-Effekt“.
• Tage 3–5: Kern-Bildschirme des Zeittrackers entwickelt. Iterationszyklus: Prompt → Code → Test → Fehlerbehebung.
• Tage 5–7: Supabase-Integration. Krise: kaskadierende Authentifizierungsfehler (E-Mail-Validierung), Netzwerkfehler bei API-Aufrufen.
• Tage 8–12: F1-Tycoon entwickelt. Herausforderungen bei Rennlogik, Balance-Tuning und dauerhafter Zustandsspeicherung.
• Tage 13–14: AAB generiert, APK signiert, Veröffentlichung im RuStore (kostenlos – kein $25 Google Play-Gebühr).

Gesamtzeit: 80 Abendstunden.

Wichtigste Probleme & Lösungsansätze

Kontextverlust

KI vergisst die Architektur bei größeren Projekten (>50 Dateien). Lösung: eine „Gedächtnisdatei“ – ein einfaches Textdokument mit Ordnerstruktur, Datenmodellen und zentralen Entscheidungen. So generiert man sauber sortierte Dateilisten:

find lib -type f -name "*.dart" | sort

Das Einbinden dieser Gedächtnisdatei in Prompts reduzierte Missverständnisse um ~70 %.

Kaskadierende Fehler

Die Korrektur einer Datei bricht Abhängigkeiten. Lösung: stets alle betroffenen Dateien gemeinsam analysieren – niemals isoliert.

Rate-Limits

Claude Opus sperrte für 4 Stunden mitten in einer Debugging-Session.

UI-Ausgabe kostenloser Modelle

Graue, veraltete Interfaces – bis zum Wechsel auf kostenpflichtige Tarife.

Ehrliche Kennzahlen

• Gesamtkosten: ₽0
• Downloads „168 Stunden“: 1
• Downloads „F1 Tycoon“: 13
• Monetarisierung: Interstitial-Banner + Belohnungsvideos
• Hauptziel: Nachweis, dass ein App-Launch ohne Programmierkenntnisse realistisch ist

Wo KI glänzt – und wo sie stolpert

Stärken:

• UI-Komponenten
• Stack-Auswahl
• Schnelles Prototyping (Bildschirm in <5 Minuten)
• Fehlererklärung
• Boilerplate-Generierung

Schwächen:

• Backend-Integrationen (z. B. Supabase-Auth-Flow)
• Kontextmanagement bei Großprojekten
• Behebung kaskadierender Fehler
• Performance-Optimierung
• Architekturentscheidungen

Wichtigste Erkenntnisse

• BA-Kompetenzen sind ideal für effektives Prompting: Spezifikationen = fertige Prompts.
• KI senkt die Einstiegshürde – ersetzt aber keine Senior-Entwickler (80 Std. vs. 15–20 Std. für denselben Output).
• Eine Gedächtnisdatei ist bei Projekten mit >20 Dateien zwingend erforderlich.
• Die Supabase-Integration erfordert mehrere Iterationen aufgrund subtiler Netzwerk-Randfälle.
• Der RuStore bietet einen wirklich kostenlosen, niedrigschwelligeren Weg zur Android-MVP-Verbreitung.

— Editorial Team