Von Anki zu meiner eigenen App: So baute ich VibeLing mit KI und React Native
Ein Entwickler, frustriert von den Grenzen bestehender Sprachlern-Apps, schuf VibeLing, seine eigene Mobile-App. In nur 5 Monaten gewann das Projekt über 1.000 Nutzer – ohne ein Cent für Marketing. Der Schlüssel-Stack? React Native, Node.js und KI-Modelle für Beispielsätze und Übersetzungen.
Probleme mit bestehenden Lösungen
Der Autor testete diverse Sprachlern-Methoden und identifizierte zwei Haupt-App-Typen, die enttäuschten:
• Wörterbuch-Apps (wie SkyEng) – sie bieten feste Vokabellisten, aber kein Hinzufügen eigener Phrasen oder kontextueller Ausdrücke.
• Flashcard-Apps (wie Anki) – sie erfordern manuelle Dateneingabe, was die Materialerstellung zur öden Pflicht macht.
Dieser Schmerz traf besonders beim Serbischlernen, wo nutzerfreundliche Tools rar sind. Das weckte die Idee für eine maßgeschneiderte Lösung.
VibeLing-Architektur und Tech-Stack
Für einen schnellen MVP wählte das Team diesen Stack:
- Frontend: React Native + Expo für plattformübergreifende iOS- und Android-Entwicklung.
- Backend: Node.js als Proxy zu KI-APIs und AWS Text-to-Speech-Diensten.
- Infrastructure: Vercel für Deployment, RevenueCat für Abomanagement.
- Website: Next.js mit SSR für SEO-Optimierung.
KI übernahm automatische Übersetzungen und Beispielsätze – manuelle Eingaben entfallen.
MVP-Bau und frühe Herausforderungen
Die erste Version war eine einfache Webseite mit einem Eingabefeld, um das Konzept zu validieren. Bei Erfolg folgte in Tagen die Mobile-Version. Die Entwicklung beschleunigten KI-Tools:
• Cursor und Claude für Code-Generierung.
• Fertige UI-Kits aus Figma Community Templates fürs Design.
Eine Überraschungs-Hürde: Das Serbische mit Kyrillisch und Latein. KI-Modelle mischten Schriften inkonsistent, AWS TTS akzeptierte nur Latein. Die Lösung? Ein algorithmischer Konverter statt Prompt-Tuning.
Launch und Nutzerfeedback
Der erste iOS-Release deckte Test-lücken auf. Negative Bewertungen lieferten entscheidende Infos zur Stabilisierung. Verteilung lief über:
• Den Telegram-Kanal des Autors (1.500 Abonnenten).
• Posts im Habr-Hub „Self-promotion“, die ca. 700 Nutzer brachten.
Ein Schreckmoment: RevenueCat-Integration in Google Play versagte, zahlte Erfolge automatisch zurück. Das löste schlechte Reviews und Ban-Risiko aus. Behoben durch manuelle Config-Anpassungen.
Aktueller Stand und Zukunftspläne
Zum Redaktionszeitpunkt:
• Über 1.000 registrierte Nutzer.
• 700 aktive in den letzten 28 Tagen.
• 5 bezahlte Abos.
Wichtige Roadmap-Punkte:
- KI-Stabilität steigern, vor allem bei seltenen Sprachen.
- User-Flow von Wort hinzufügen bis Beherrschung glätten.
- Bildgenerierung für assoziatives Merken prüfen, Token-Kosten im Blick.
Wichtige Erkenntnisse
• KI beschleunigt den Start, ersetzt aber kein tiefes Coding – Neuronale Netze meisterten den MVP, knifflige Themen wie Zahlungen brauchten manuelle Fixes.
• Verteilung schlägt perfekten Code – Ein rauer MVP, der echten Schmerz lindert, gewinnt durch gezielte Posts an Fahrt.
• Löse erst deine eigenen Probleme – Wenn es dir nützt, hilft es wahrscheinlich auch anderen.
• Mehrsprachigkeit erfordert Feingefühl – Eigenheiten wie serbische Doppelschrift brauchen clevere Tech-Lösungen.
— Editorial Team
Noch keine Kommentare.