Um zu sehen, worum es bei all dem Trubel geht, beschloss ich, auf einem Mac mini ein KI-Projekt per Vibe-Codierung zu erstellen. Die Vibe-Codierung bedeutet, Software mit KI zu entwickeln, ohne den Code manuell zu tippen. Das testete ich, indem ich mir selbst einen einfachen Aufgabenmanager mit unserem empfohlenen Mini-PC-Upgradekandidaten, einem Mac mini mit M4‑Pro‑Prozessor und 48 GB RAM, baute. Im ersten Versuch nutzte ich lokale KI-Modelle auf dem Mac mini. Danach tat ich dasselbe mit Claude Code, das auf den Cloud-Modellen von Anthropic basiert. Lokale KI-Modelle haben den Vorteil, dass sie vollständig auf dem eigenen Rechner laufen, sodass man keine fortlaufenden Kosten wie ein Claude-Abonnement zahlen muss (welches je nach Verwendungszweck zwischen 20 und 100 USD liegt). Andererseits können Cloud-Modelle schneller, aktueller und mit größerem Arbeitsspeicher ausgestattet sein, da sie auf ultraschnellen Rechenzentrum-Servern laufen.
Vibe-Codierung ist nicht unbedingt so einfach oder geradlinig wie einem Chatbot zu sagen, er solle eine App für dich erstellen (was allerdings möglich ist). Zuerst musste ich ein Modell finden. Das Modell ist die KI, und alle andere Software, die ich verwenden würde, interagiert in unterschiedlicher Weise mit diesem Modell. Unternehmen wie Hugging Face und Ollama speichern und bewerten die neuesten Modelle, daher suchte ich auf diesen Seiten nach einem aktuellen Modell, das groß genug ist, um einen guten Teil meiner 48 GB RAM zu füllen, und gute Benchmarks im Vergleich zu ChatGPT und Claude in Logik und Codierung aufweist. Ich entschied mich für das Qwen 3.6 35B-Modell, das von Alibaba entwickelt wurde, und das etwa 30 bis 40 GB RAM benötigt, während es mit den führenden KI-Modellen von OpenAI, Google und Anthropic konkurrieren kann.
Dann installierte und startete ich Ollama, eine Anwendung zum Ausführen des Modells, und Visual Studio Code zusammen mit einer Erweiterung namens Continue, um den Code des LLM in das Dokument zu übertragen. Die Einrichtung war abgeschlossen, und ich war bereit, Prompts einzugeben.
Innerhalb von 30 Minuten hatte ich einen HTML-basierten Aufgaben-Manager erstellt, den ich über mein lokales Heimnetzwerk auf meinem Telefon öffnen konnte — eine Art eigene Reminders-App. Ich konnte Aufgaben mit Datum und Tags hinzufügen, Aufgaben als erledigt markieren und sogar Aufgaben nach Datum gruppieren; und da die Aufgaben lokal im Speicher meines Telefons abgelegt waren, gingen sie beim Aktualisieren der Seite nicht verloren. Es war ein kleines Projekt, und der kleine Mac mini schaffte alles, ohne dass auch nur ein verirrtes Semikolon auftauchte.
Während ich arbeitete, reichte ich die Hand aus und legte sie auf den summenden Mac mini, dessen Lüfter deutlich zu drehen begann. Es war warm, aber nicht so heiß, dass ich glaubte, es würde überhitzen. Im Aktivitätsmonitor des Macs lag der gesamte Speicherverbrauch bei etwa 40 GB, während die CPU-Auslastung gering war, und ich konnte problemlos nebenbei mehrere Aufgaben erledigen, während er arbeitete.
Nach einigen Stunden Tüfteln an meiner App auf dem Mac mini entschied ich mich, die cloudbasierte Claude-App zu öffnen, um zu testen, ob sie einen ähnlichen Aufgaben-Manager erstellen könnte.
Zu meiner Überraschung benötigte Claude dieselbe Aufgabe weniger als 10 Minuten.
Das ließ mich erkennen, dass viel von der Zeit, die ich mit dem Mac mini verbracht hatte, nicht darin bestand, das Modell zu prompts oder dessen Verarbeitung abzuwarten, sondern vielmehr alltägliche Probleme zu lösen. Zum Beispiel vergaß die von mir verwendete VS Code-Erweiterung irgendwie, Code in den Editor einzufügen, oder sie blieb irgendwo in einem Authentifizierungsprozess hängen.
Und natürlich müsste ich in Zukunft diesen Code pflegen, wenn Dinge kaputtgehen, und aktuell halten, damit Aktualisierungen meiner Werkzeuge nicht mit schädlichem Code versehen sind. Obwohl ich theoretisch rund um die Uhr solche KI-Modelle auf dem Mac mini laufen lassen könnte, zeigte meine Erfahrung, dass ich auch rund um die Uhr damit beschäftigt sein müsste, den Fortschritt zu überwachen, diesen Code zu integrieren und auftretende Probleme zu beheben.
Die Programmierung mit Claude hingegen fühlte sich so an, als befände man sich im Leichtmodus. Man tippt einfach Prompts, und er erzeugt Code. Man muss sich keine Gedanken um die Hardware machen oder darum, ob Ollama ordnungsgemäß mit der VS Code-Erweiterung kommuniziert, oder um andere winzige Probleme, mit denen ich bei einem lokalen LLM zu kämpfen hatte.
