Als Gründer von PTG Labs stand ich vor einer dieser Aufgaben, die man gerne vor sich herschiebt: die Erstellung der eigenen Unternehmenswebsite. Jeder kennt das: Man möchte sich auf das Wesentliche konzentrieren, das Produkt entwickeln und mit Kunden sprechen. Aber eine professionelle Website? Die braucht man natürlich trotzdem.
Die Herausforderung
Besonders das Design und Layout waren für mich schon immer einer der mühsamsten Aspekte beim Erstellen einer Website. Man sitzt stundenlang vor Figma oder ähnlichen Tools, probiert verschiedene Farbkombinationen aus und fragt sich, ob der Call-to-Action-Button jetzt 2 oder 3 Pixel mehr Padding braucht. Diesmal wollte ich es anders angehen. Ich sah das Ganze als Experiment: Im besten Fall hätte ich am Ende eine fertige Website. Im Worst Case müsste ich es eben doch manuell machen, aber ich würde wenigstens etwas Spannendes über die neuesten KI-Tools lernen.
Google AI Studio und Gemini 3 Pro
Ich entschied mich für Google AI Studio, da ich damit direkt das neueste Modell von Google testen konnte. Gemini 3 Pro. Für alle, die es nicht kennen:Es ist im Grunde eine Spielwiese für Entwickler, um schnell Prototypen mit den Gemini-Modellen zu erstellen.
Der wichtigste Schritt: Der Content
Bevor ich mich ins KI-Abenteuer stürzte, musste ich aber erst den eigentlichen Inhalt der Website vorbereiten. Es ist mittlerweile klar: Der Prompt ist mindestens genauso wichtig wie die Wahl des Modells selbst. Garbage in, garbage out, wie man so schön sagt.
Also setzte ich mich hin und strukturierte:
- Was macht PTG Labs?
- Wer sind wir?
- Welche Dienstleistungen bieten wir an?
Mit dieser Struktur im Gepäck fütterte ich dann Gemini mit einem relativ simplen Prompt.
Das überraschende Ergebnis
Jetzt kommt der Teil, der mich wirklich umgehauen hat: Der erste Output sah bereits zu 80% so aus wie unsere aktuelle Website.
Ich hatte ehrlich gesagt nicht damit gerechnet. Meine Erwartung war, dass ich mehrere Iterationen brauchen würde, verschiedene Prompts ausprobieren müsste, bis ich die richtige Formulierung finde. Stattdessen generierte Gemini beim ersten Versuch React-Code, der nicht nur optisch ansprechend war, sondern auch technisch sauber strukturiert.
Das Beste daran? Ich konnte den Code direkt mit meinem GitHub Account verknüpfen, ein Repository erstellen und pushen. Der gesamte Workflow war deutlich schneller als erwartet.
Die Feinabstimmung
Von da an war es eine iterative Arbeit. Stück für Stück modifizierte ich die Seite mit weiteren Prompts:
- "Mach den Header etwas schlanker"
- "Ersetze das Bild auf der Startseite durch etwas anderes. Es könnte zum Beispiel etwas Interaktives sein, mit dem die Benutzer ein wenig spielen können."
- "Der Farbkontrast im Footer könnte besser sein" Mit jedem Prompt kam ich meiner Vorstellung näher, bis die Seite meinen Anforderungen entsprach.
Die Realität schlägt zurück: Warum die letzten 20% den Unterschied machen
Irgendwann war ich so weit: Die Website war bereit für die Veröffentlichung. Doch der entscheidende Moment kam, als ich mich entschied, sie nicht auf Googles Infrastruktur, sondern auf meiner eigenen zu hosten. Hier wurde die „80/20-Regel“ der KI-Entwicklung schlagartig sichtbar: Während Gemini mir eine beeindruckende Basis von 80% geliefert hatte , zeigten sich beim lokalen Deployment die ersten Brüche und der Code lief nicht auf Anhieb.
Ohne ein tiefes Verständnis von React und moderner Software-Architektur wäre das Projekt an dieser Stelle ins Stocken geraten. Die KI übernimmt zwar das Handwerk und liefert eine solide Grundlage, aber um aus einem generierten Prototyp ein stabiles, produktives System zu machen, bleibt professionelles Engineering-Wissen die entscheidende Komponente. Mein Hintergrund als Entwickler erlaubte es mir, die Fehler in kürzester Zeit zu identifizieren und zu beheben. Eine Erfahrung, die zeigt, dass die Rolle des Menschen heute mehr denn je in der Qualitätssicherung, dem Debugging und der finalen Orchestrierung liegt.
Der neue Entwickler-Alltag: Vom Coder zum Orchestrator
Das Experiment mit der PTG Labs Website hat mir eines deutlich gezeigt: Meine Rolle als Entwickler hat sich in diesen drei Stunden massiv verschoben. Früher hätte ich den Grossteil der Zeit damit verbracht, Komponenten in React von Grund auf neu zu schreiben, CSS-Klassen zu definieren und Boilerplate-Code zu produzieren.
Heute liegt der Fokus auf ganz anderen Kompetenzen:
- Die Architektur der Anforderungen: Statt Code zu schreiben, investiere ich Zeit in die präzise Strukturierung der Inhalte und Anforderungen. Ein guter Output ist nur möglich, wenn der Input von hoher Qualität ist.
- Iteratives Verfeinern statt Neuerfinden: Die KI lieferte mir eine solide Grundlage von etwa 80%. Meine Aufgabe bestand danach darin, das Ergebnis durch gezielte, iterative Prompts zu steuern und zu verfeinern. Man wird zum Regisseur, der das Ergebnis Stück für Stück in die richtige Richtung lenkt.
- Qualitätssicherung und Debugging als Kernkompetenz: Dass der Code auf meiner lokalen Maschine nicht sofort lief, war ein entscheidender Moment. Hier trennt sich die Spreu vom Weizen: Man muss verstehen, was die KI generiert hat, um Fehler effizient beheben zu können. Ohne mein tiefes Verständnis von React hätte ich an diesem Punkt festgesteckt.
Wir entwickeln weniger "primär", sondern wir kontrollieren, testen und orchestrieren. Die KI übernimmt das Handwerk, aber der Mensch behält die Verantwortung für die Architektur und die finale Qualität.
Mein Fazit
Nach drei intensiven Stunden hatte ich eine funktionierende, ansehnliche Website für PTG Labs. Was nehme ich daraus mit?
Die Tools sind beeindruckend gut für schnelle MVPs, Mockups oder auch vollwertige Websites. Man bekommt in kürzester Zeit eine solide Grundlage, auf der man aufbauen kann.
Aber: Ein gewisses technisches Grundverständnis ist nach wie vor notwendig. Man muss verstehen, was die KI generiert, und in der Lage sein, den Code anzupassen oder Fehler zu beheben.
Mein Tipp: Wenn ihr ein ähnliches Projekt plant, investiert Zeit in einen guten Prompt. Strukturiert eure Inhalte vorher sorgfältig. Die KI ist nur so gut wie die Informationen, die ihr ihr gebt.
Würde ich es wieder so machen? Definitiv. Die drei Stunden haben sich gelohnt. Sowohl für das Ergebnis als auch für die Erkenntnis, wie weit KI-Tools mittlerweile sind.