- Die bisherige Praxis, im App Store allgemeine Apps auszuwählen und zu nutzen, wird zunehmend zu einem veralteten Konzept; wir wechseln in eine Ära, in der LLM-Agenten on the fly maßgeschneiderte Apps für Nutzer erstellen
- Karpathy teilte ein Beispiel, in dem er per Vibe Coding in nur einer Stunde ein personalisiertes Dashboard für Cardio-Training fertigstellte
- Er analysierte die Cloud-API des Woodway-Laufbands per Reverse Engineering, verarbeitete die Daten und baute ein Web-UI auf, doch Bugfixes waren weiterhin nötig, etwa bei Einheitenumrechnung oder Kalenderzuordnung
- Die Branche sollte sich weg von Frontends für Menschen und hin zu AI-nativen APIs/CLIs neu aufstellen, die Agenten direkt nutzen können; 99 % der Produkte unterstützen das jedoch noch nicht
- Langfristig zielt die Entwicklung auf eine Zukunft, in der ein einziger Satz wie „Verfolge mein Cardio-Training“ genügt und innerhalb einer Minute eine App fertig ist; dafür braucht es persönlichen Kontext, Skill-Bibliotheken und Automatisierungsinfrastruktur
Ein konkretes Beispiel für maßgeschneiderte Software
- Da er sein Cardio-Training zuletzt etwas vernachlässigt hatte, beschloss er, ein 8‑Wochen-Experiment zu entwerfen, um seine Ruheherzfrequenz (Resting Heart Rate) von 50 auf 45 zu senken
- Als zentrale Mittel legte er ein wöchentliches Ziel an Gesamtminuten in Zone 2 sowie ein HIIT-Training pro Woche fest
- Um das zu verfolgen, erstellte er per Vibe Coding ein maßgeschneidertes Dashboard; der Zeitaufwand betrug etwa eine Stunde
- Claude analysierte die Cloud-API des Woodway-Laufbands per Reverse Engineering, zog die Rohdaten, verarbeitete, filterte und debuggt sie und baute anschließend sogar das Web-UI-Frontend
- Ganz reibungslos war die Erfahrung nicht; Bugs wie Verwechslungen zwischen metrischen und imperialen Einheiten oder Fehler bei der Zuordnung von Wochentag und Datum mussten noch manuell entdeckt und zur Korrektur gemeldet werden
Die Grenzen des App-Store-Modells
- Eine dedizierte App für diese Art von Aufgabe existiert nicht im App Store — und sie muss dort auch nicht existieren, denn rund 300 Zeilen Code kann ein LLM-Agent in Sekunden erzeugen
- Schon die Idee, nach einer App wie „Cardio-Experiment-Tracker“ zu suchen, sie herunterzuladen und dann zu nutzen, ist unangemessen und überholt
- Das Konzept eines App Stores als Long-Tail-Liste diskreter Apps, aus der man auswählt, passt immer weniger in eine Zeit, in der LLM-Agenten spontan individuelle Apps für einzelne Nutzer improvisieren können
Umbruch der Branche: AI-native Sensoren und Aktuatoren
- Die Branche sollte als Service-Sammlung von Sensoren und Aktuatoren mit agent native ergonomics neu organisiert werden
- Das Woodway-Laufband fungiert als Sensor, der physischen Zustand in digitale Informationen übersetzt; aktuell hält es jedoch weiterhin ein menschenlesbares Frontend vor, sodass LLM-Agenten Reverse Engineering betreiben müssen
- Geräte wie Laufbänder sollten Formen bereitstellen, die Agenten direkt per API/CLI nutzen können
- Derzeit bieten 99 % der Produkte und Services keine AI-native CLI; stattdessen pflegen sie weiter .html/.css-Dokumente und geben Anweisungen wie: Öffne eine Webseite, öffne diese URL, klicke hier
- Selbst im Jahr 2026 wird Menschen noch zugemutet, sich wie Computer zu verhalten; es ist enttäuschend, dass dieser Wandel branchenweit so langsam voranschreitet, und entsprechend langsamer sind auch die Erwartungen an den Zeitplan geworden
Von 1 Stunde zu 1 Minute: Zukunftsvision
- Beeindruckend ist, dass eine Aufgabe, die vor zwei Jahren noch etwa 10 Stunden gedauert hätte, heute auf 1 Stunde geschrumpft ist
- Noch spannender ist jedoch die Frage, was vorhanden sein muss, damit dieselbe Aufgabe in weniger als 1 Minute erledigt werden kann
- Ideal wäre eine Form, bei der man sagt: „Hilf mir, in den nächsten 8 Wochen mein Cardio-Training zu tracken“, einige kurze Rückfragen beantwortet und die App sofort fertig ist
- Dafür muss die AI bereits über reichhaltigen persönlichen Kontext verfügen, zusätzlich benötigte Daten einsammeln, passende Skill-Bibliotheken referenzieren und durchsuchen sowie alle kleinen Apps und Automatisierungen des Nutzers verwalten
Zentrale Schlussfolgerung
- Schon das App-Store-Konzept als Auswahl aus einer Liste diskreter Apps wird zunehmend veraltet
- Die Zukunft besteht aus Services, die aus AI-nativen Sensoren und Aktuatoren aufgebaut sind und über LLM-Glue orchestriert werden, um hochgradig maßgeschneiderte ephemere Apps zusammenzusetzen
- Allerdings ist diese Zukunft noch nicht eingetroffen
Noch keine Kommentare.