Programmierung wird dank KI Unterstützung auch für Nicht-Programmierer zugänglich. Ein bisschen Grundwissen schadet nicht, um die Fragestellung halbwegs sinnvoll formulieren zu können und die Grundeinrichtung der KI Tools hinzubekommen. Der durch KI generierte Code ist vielleicht nicht so effizient und sauber wie ein menschlich generiertes Programm, aber gerade für einfachere Anforderungen reicht es, wenn das Programm richtig funktioniert.

1. Ausgangssituation

Wir möchten eine Wetter App programmieren lassen, die für den gewählten Ort das Wetter für die nächsten 5 Tage anzeigt. Die Daten sollen aus einer kostenlosen und verlässlichen Open Source Datenquelle kommen und das fertige Programm soll mittels HTML im Web veröffentlicht werden können.

Dazu haben einen gewöhnlichen Windows Rechner mit den beiden Desktop Apps für GitHub Copilot und Claude Code installiert und eingerichtet (siehe hier). Wir haben wenig Ahnung von Programmierung und wissen auch nicht, welche Programmiersprache für diese Aufgabe am besten geeignet ist. Wir haben FTP Zugang zu einem Webspace, um die App online stellen zu können.

2. Programmierung mit GitHub Copilot

Wir verwenden die Desktop App von GitHub Copilot. Glücklicherweise gibt es dort im Vorschlagsbereich genau mein Vorhaben :) zur Auswahl:

Hier der Prompt, ich habe lediglich die Default City auf „Vienna“ abgeändert:

Build a weather app with city search. Show Vienna by default on load. Display current temperature and a 5-day forecast in cards. Use weather-appropriate accent colors. Fetch live data from Open-Meteo API (no key needed) with hardcoded fallback if it fails. Center in a narrow column. Single index.html, no server/dependencies. Polished, sans-serif, 14–16px body, prefers-color-scheme. Open in the integrated browser.

Then suggest follow-ups and mention the user can add their own GitHub repositories as projects using the sidebar.

Der Programmierprozess läuft dann schätzungsweise 60 sec …

… und schon ist das kleine Programm fertig und wir sehen es auch schon im integrierten Browser in der Pane rechts:

Den Code des erzeugten Programms können wir uns gleich ansehen, wir sehen, daß die Umsetzung des Programms in HTML erfolgt ist, das macht die nachfolgende Veröffentlichung leicht:

3. Programmierung mit Claude Code

In der Desktop App von Claude Code geben wir die exakt gleiche Aufgabe als Prompt ein:

Der Programmierprozess läuft jetzt auch wieder schätzungsweise 60 sec … anders als bei GitHub Copilot läuft bei Claude Code der Token Zähler mit … wir erhalten also schon mal den Wink mit Zaunpfahl, daß nicht unendlich viele Programme im aktuellen Plan enthalten sind:

Das fertige Programm im HTML Format hat hier ein paar Zeilen mehr …

… sieht aber glücklicherweise sehr ähnlich aus wie das Programm aus GitHub Copilot:

Insgesamt hat das Progrämchen rund 20.100 Tokens verbraucht, das ist gar nicht so wenig (aber noch durch meinem Pro Plan gedeckt):

4. Bereitstellung

Jetzt soll das Programm für beliebige Nutzer öffentlich bereitgestellt werden. Wir arbeiten jetzt mit der GitHub Copilot weiter.

4.1 Lokale Bereitstellung

Ich stell mich mal dumm und frag die KI, wie das Programm lokal verwendet werden kann:

Ja, einfach die erzeugte index.html im angegebenen Verzeichnis anklicken und schon wird dieser im Browser angezeigt:

4.2. Bereitstellung im Web

Die Bereitstellung im Web ist für einen Laien ja dann nicht mehr ganz so einfach, daher befragen wir natürlich auch dazu die KI:

Ich verschiebe die Datei in meinen lokalen Entwicklungsordner und benenne sie um …

… und lade die HTML-Datei mittels FTP auf den linearis.at Webspace in das von GitHub Copilot angegebene Root Verzeichnis hoch:

FERTIG – das Programm ist online und für alle zugänglich:

https://www.linearis.at/WeatherApp.html

5. Einchecken auf GitHub

Beim Blick in die Web App von GitHub Copilot fällt auf, daß dort unser Chat zur Weather App gar nicht aufscheint:

Wir befragen die KI in der Desktop App und erfahren, daß es eine Web-Session braucht und das Projekt dorthin hinverschoben werden kann:

Das geht jetzt eine Weile hin und her und wir gelangen an den Punkt, daß im nächsten Schritt

1. die lokale Session in eine Cloud/Projekt-Session umgewandelt wird
2. das fertige Programm in Repository (mit Versionsverwaltung) verschoben wird

Schritt 1 hat nicht funktioniert, da gab es einen Fehler und ich hab`s dann erst mal ruhen lassen.

Schritt 2 hat funktioniert, die Wheaterapp liegt jetzt im Repo „KI-Programme“ (wie von mir angegeben) und befindet sich im Zweig „main“ für die Versionsverwaltung:

6. Fazit

Für mich zeigt diese einfache Anwendung, daß KI tatsächlich den Weg öffnet in neue Bereiche, für die man selbst keine Kernkompetenzen hat aber sich trotzdem mit KI Unterstützung zurechtfindet. Mit KI lassen sich relativ simple Programme erstellen, die hilfreiche Dienste leisten und die man bisher, wenn man die Skills nicht selber hat, auch sicher nicht in Auftrag gegeben hätte.

Bei Claude ist es unmittelbar erkennbar, daß solche Dienste nicht oder nicht in großem Umfang gratis zur Verfügung stehen sondern daß hier mit Kosten zu rechnen ist. D.h. es sollte auch in Zukunft zuerst über den Mehrwert eines Programms nachgedacht werden und dann der Auftrag zur Programmierung erteilt werden. :)