Manchmal entstehen die besten Projekte ganz ohne Plan.
Nachdem ich den Scrolly Hackathon auf Twitter entdeckt hatte, nahm ich spontan und ohne große Erwartungen oder ein festes Spielkonzept teil. Ein paar Tage später ging ich mit einem Preisgeld von $500 nach Hause, nachdem ich in nur zwei Nächten ein KI-gestütztes Mobile-Game namens Dungeon Cuties entwickelt hatte.
Die Scrolly-Plattform ist für Mobile-First-Erlebnisse konzipiert, und das Briefing war simpel: Erstelle ein Spiel mit KI, das auf einem Smartphone läuft. Da ich keinerlei Erfahrung in der Spieleentwicklung hatte, musste ich mir alles während des Prozesses aneignen.
Das Ergebnis war Dungeon Cuties, ein unbeschwerter Dungeon Crawler, bei dem vier Waifus die Spieler durch immer schwieriger werdende Runs begleiten. Das Gameplay dreht sich darum, Skills und Perks auszuwählen, während man durch die Level voranschreitet, wobei genügend Zufallselemente dafür sorgen, dass sich jeder Run anders anfühlt. Es war nicht als ernsthaftes RPG gedacht – es war genau die Art von experimentellem Projekt, zu der ein Hackathon inspirieren soll.
Sparen Sie bei Ihren Spielen.
Bis zu 80% Rabatt sichern
Ein Spiel mit KI entwickeln, während man Anime schaut
Mein Entwicklungsprozess war so locker, wie er nur sein konnte.
Zwei Nächte lang lief Crunchyroll auf dem einen Bildschirm, während ich auf dem anderen am Spiel arbeitete. Session für Session nutzte ich KI-Tools, um Code zu generieren, testete die Ergebnisse und verfeinerte das Resultat.
Ich hatte schon viel über „Vibe Coding“ gehört, aber dies war das erste Mal, dass ich mich voll und ganz auf diesen Prozess einließ. Das Konzept ist einfach: Beschreibe, was du willst, erhalte funktionierenden Code, teste ihn und iteriere. Die Einstiegshürde ist bemerkenswert niedrig.
Und meiner Erfahrung nach hat sich dieses Versprechen bewahrheitet.
Vor diesem Projekt hatte ich noch nie ein Spiel gebaut. Am Ende der ersten Nacht hatte ich bereits etwas Spielbares.
Die erste Version war hässlich – und das war okay
Der erste Prompt generierte ein funktionales Auto-Battler-Framework.
Die Spieler bewegten sich durch Räume, trafen alle fünf Level auf Bosse und wählten nach Siegen Perks aus. Die KI produzierte etwa 1.200 Zeilen Code, die den Kern des Gameplay-Loops bildeten.
Optisch war es grob. Gegner wurden durch Text-Labels dargestellt. Es gab keine Artworks. Die meisten Informationen erschienen als einfache Zahlen auf dem Bildschirm.
Nichts davon spielte eine Rolle.
Nach etwa zwanzig Minuten Testen hatte ich bereits eine klare Liste mit Verbesserungen. Das ist die richtige Reihenfolge für die Spieleentwicklung: Einen spielbaren Prototyp zum Laufen bringen, testen und herausfinden, was fehlt. Zeit damit zu verschwenden, die Grafik zu polieren, bevor man den Gameplay-Loop validiert hat, ist meistens verschwendete Mühe.
Das Spiel musste erst Spaß machen, bevor es gut aussehen musste.
Ein Feature pro Prompt
Ich habe das Projekt mit Cursor erstellt, wodurch während der Entwicklung automatisch das am besten geeignete KI-Modell ausgewählt wurde.
Jedes neue Feature wurde durch einen einzigen, fokussierten Prompt eingeführt.
Beispiele waren:
- Füge vor jedem Run ein gewichtetes Ability-Wheel mit einer Respin-Option für Gold hinzu.
- Füge Screen-Shake, Schadenszahlen und Hit-Flashes bei Angriffen hinzu.
- Füge prozedurale Soundeffekte mittels Web Audio ohne externe Dateien hinzu.
Eine Entscheidung, die erstaunlich gut funktionierte, war es, das gesamte Projekt in einer einzigen Datei zu halten. Das bedeutete, dass die KI immer den vollen Kontext hatte und nicht zwischen mehreren Komponenten oder Systemen hin- und herspringen musste.
Am Ende der Entwicklung war die Datei auf etwa 3.200 Zeilen Code angewachsen.
Wäre das eine gute Praxis für ein Produktionsspiel? Absolut nicht.
Für eine schnelle, KI-gestützte Entwicklung in einer Chat-Umgebung war es jedoch ideal.
Die Grafik mit ChatGPT Images erstellen
Die Grafik war eine weitere Herausforderung.
Ich kann nicht zeichnen, also wurde jedes Charakter-Porträt, jeder Gegner-Sprite und jedes Boss-Bild mit ChatGPT Images generiert. Der Prozess war simpel: Beschreiben, was ich wollte, ein Bild generieren, es in das Projekt einfügen und mit dem Spiel verknüpfen.
Was mich überraschte, war, wie viel Iteration jedes Bild erforderte.
Nur sehr wenige Grafiken waren beim ersten Versuch brauchbar. Die meisten benötigten mehrere Runden der Verfeinerung, bis sie eine Qualitätsstufe erreichten, die zum Projekt passte. Einige der frühesten Artworks schafften es nie in den finalen Build, weil sich das Design des Spiels schneller entwickelte als die Art-Pipeline.
Rückblickend würde ich die Grafiken erst später im Prozess generieren und weniger Zeit mit dem Polieren von Bildern verbringen, bevor die Systeme des Spiels vollständig etabliert sind.
Die Probleme, die die KI nicht lösen konnte
Trotz der enormen Beschleunigung durch die KI gab es zwei Hauptbereiche, in denen menschliches Urteilsvermögen unerlässlich blieb.
Das Balancing des Gameplays
Das erste Problem war das Balancing.
Egal welche Strategie ich versuchte, ich starb konsequent an etwa demselben Punkt während eines Runs. Die Zufallssysteme boten den Spielern nicht genug Möglichkeiten, um stark genug zu werden, um spätere Begegnungen zu erreichen.
Wenn Spieler bei jedem Run nach dreißig Sekunden gegen eine Wand laufen, werden sie einfach nicht zurückkehren.
Dies zu beheben erforderte wiederholtes Tuning und Testen, bis sich erfolgreiche Runs wirklich machbar anfühlten.
Das richtige Pacing finden
Das zweite Problem war das Pacing.
Die KI optimierte auf Geschwindigkeit, was bedeutete, dass Gameplay-Ereignisse fast augenblicklich passierten. Bildschirme wechselten zu schnell, Kämpfe wurden zu schnell aufgelöst und die Spieler hatten kaum Zeit, zu verarbeiten, was gerade geschah.
Ein erheblicher Teil der Iterationsarbeit floss in die Verlangsamung des Erlebnisses.
Ich fügte Pausen hinzu, verbesserte das Timing zwischen den Ereignissen und gab wichtigen Momenten Raum zum Atmen. Diese Änderungen ließen das Spiel dramatisch besser wirken, obwohl sie vergleichsweise wenig Code erforderten.
Keine dieser Herausforderungen waren Programmierprobleme.
Es waren Designprobleme.
KI kann Code generieren, aber sie kann dir nicht zuverlässig sagen, wann sich ein Spiel frustrierend oder gehetzt anfühlt. Das liegt immer noch in der Verantwortung des Entwicklers.
Dungeon Cuties veröffentlichen
Sobald die Entwicklung abgeschlossen war, hostete ich das Spiel auf Replit.
Es war vielleicht nicht die am besten optimierte Deployment-Lösung, aber ich war damit vertraut. Ich hatte die Plattform zuvor für KI-generierte Websites genutzt und wollte keine wertvolle Hackathon-Zeit damit verbringen, einen völlig neuen Hosting-Workflow zu lernen.
Die finale Version des Spiels kann hier gespielt werden: https://dungeon-cuties.replit.app/
$500 gewinnen und in die Zukunft blicken
Wird Dungeon Cuties ein Mobile-Hit, der die Charts stürmt?
Wahrscheinlich nicht.
Aber das war nie das Ziel.
Das Spiel liefert ein kurzes, unterhaltsames Erlebnis, und was noch wichtiger ist: Es hat bewiesen, dass ich etwas erschaffen konnte, wozu ich ohne KI-gestützte Entwicklungstools niemals in der Lage gewesen wäre.
Um sich zu einem vollwertigen kommerziellen Spiel zu entwickeln, bräuchte es tiefere Progressionssysteme, mehr Content, zusätzliche Features und deutlich mehr Feinschliff. Als Hackathon-Projekt, das in zwei Nächten beim Anime-Schauen entstand, hat es jedoch genau das erreicht, was es sollte.
Was als spontane Teilnahme an einem auf Twitter entdeckten Hackathon begann, endete mit einem spielbaren Game, wertvoller Entwicklungserfahrung und einem Preisgeld von $500.
Unnötig zu erwähnen, dass ich bereits nach dem nächsten Ausschau halte.
