KI-Alltag: the revolution is already happening!

-

Lovable – Programmieren revolutionieren!


Low-Code und No-Code-Tools haben die Softwareentwicklung bereits stark vereinfacht. Doch mit Lovable wird das Coden für jedermann noch zugänglicher. Die App kombiniert intuitive Bedienung mit leistungsstarker KI-Unterstützung – perfekt für alle, die Apps und Webanwendungen erstellen wollen, ohne tief in die Programmierung einzutauchen.

Hier ist mein erstes Meisterwerk: eine Chuck-Norris-Sprüche-App komplett mit Bewertungsfunktion. Und damit es nicht langweilig wird muss man vor jedem Spruch ein kleines Rätsel lösen:

Nach 20 Minuten live: die Chuck-Norris-Sprüche App!



Kleiner Aside: über den Newsletter der AI-Peanuts
bin ich auf Lovable gekommen. Jedem, der sich für KI und das drumherum interessiert kann ich diesen Newsletter nur wärmstens empfehlen!

Was macht Lovable besonders?

1. Interaktive KI-Assistenz – Die App führt Nutzer Schritt für Schritt durch den Entwicklungsprozess. Selbst komplexe Abläufe werden verständlich erklärt.
Der KI-Chat in Lovable



2. Editor-Funktion – Elemente der App können direkt im Preview-Modus angeklickt und editiert werden - ohne komplizierte Prompts.
Wenn's mit Prompts zu kompliziert ist: direkt im Editor arbeiten.


3. Supabase als Backend – Eine leistungsstarke Open-Source-Alternative zu Firebase, die Datenbanken, Authentifizierung und APIs bereitstellt.

Supabase – Das Open-Source-Backend für Entwickler

Supabase ist eine Datenbanklösung, die auf PostgreSQL basiert und ist Open Source. Die Integration mit Lovable erlaubt es, Inhalte direkt in einer Supabase-Datenbank zu speichern und abzurufen.

So viel Erfahrung habe ich damit noch nicht, aber der Einstieg ist einfach, denn die KI aus Lovable führt einen Schritt für Schritt durch die einzelnen Set-ups.

GitHub, Copilot und rundum interaktives Coding

Ein Teil meines ersten Projekts bestand darin eine Datenbank aus GitHub in meine App zu integrieren. Supabase wollte irgendwann den API-Schlüssel von Github und ich so "WTF?"

Copilot in GitHub


Dabei stieß ich auf den GitHub Copilot. Copilot schlägt Code vor, erklärt Befehle und unterstützt beim Debugging – und hilft auch bei der Suche nach API-Keys. 

Aber da hörte es nicht auf. Was mir bisher nicht klar war: GitHub verfügt über eine VS Code Umgebung. Bedeutet: man ist nicht nur auf die KI-Unterstützung angewiesen (die einen in der kostenlosen Version eh nur kurz unterstützt) sondern man kann den Code direkt in GitHub weiterbearbeiten.

VS Code Umgebung in GitHub

Das bedeutet: man hat eine komplette Coding-Umgebung mit Lovable + Supabase + Github.
Und das kostenlos!

Programmieren für alle?

Mit Tools wie Lovable wird Coding niederschwelliger und intuitiver. Während klassische Programmierung eine lange Lernkurve hatte, können Nutzer hier schnell Ergebnisse erzielen. Das öffnet die Tür für eine neue Generation von Entwicklern, die sich nicht mehr mit Syntax-Problemen quälen müssen, sondern direkt an realen Projekten arbeiten können.

Was nicht bedeutet, dass die Ausbildung zum Programmierer oder das Lernen von Programmiersprachen obsolet sein müssen - aber die Arbeit wird halt mit der KI interaktiver.

Wer schon immer Apps entwickeln wollte, aber nicht wusste, wo er anfangen soll, sollte sich Lovable anschauen!


Beliebte Posts aus diesem Blog

KI-Alltag - LLMs lokal hosten und nutzen

-
Bild
In weniger als 30 Minuten zum eigenen GPT: Lokales LLM mit Web-Interface Willkommen zurück! Seit Llama3.1 verfügbar ist, habe ich erst verstanden, dass man viele LLMs legal und kostenlos herunter laden kann. Was mich lange abgeschreckt hat, war, dass man sich mit GitHub, HugginFace auskennen und auch programmieren können muss um LLMs nutzbar zu machen. Bis ich ein Tool fand, dass das deutlich einfacher kann! Heute zeige ich euch, wie ihr in wenigen Schritten euer eigenes Chat-GPT-ähnliches System auf eurem lokalen Rechner einrichten könnt. Wir verwenden dafür das Llama 3.1 Modell und erstellen ein einfaches Web-Interface. Was ihr braucht: Ein leistungsfähiger Computer (am besten mit einer guten GPU) LM Studio Python-Code (erstellen wir mit Claude 3.5) HTML- und JavaScript-Code (erstellen wir mit Claude 3.5) Schritt 1: LLM-Server einrichten Ladet und installiert LM Studio von der offiziellen Website . Startet LM Studio und wählt das Llama 3.1 Modell aus. Es kann natürlich...
Read more »

KI-Alltag - AnythingLLM: ein vielseitiges LLM-Tool mit Agents und RAG

-
Bild
Die Sommermonate waren etwas weniger KI-lastig, deshalb habe ich die letzten Tage genutzt und wieder etwas Neues ausprobiert.  Wer meinen letzten Beitrag zu eigenen LLMs ( Link ) gelesen hat weiß, dass ich bereits ein lokales KI-System laufen hatte. Hatte? Jo, hatte. Zumindest vorübergehend. Einige Probleme mit der Hardware, einem Docker-System das zwischendurch installiert werden musste, und dann wieder alles neu installiert werden musste, hat mich dazu bewegt etwas neues auszuprobieren. Bei der Recherche zu Ollama stieß ich schon auf AnythingLLM. ich war gespannt darauf, dieses vielseitige LLM-Tool auf die Probe zu stellen. In diesem Artikel teile ich meine Erfahrungen mit der Installation und Nutzung von AnythingLLM auf einem Amazon Web Services (AWS) Server. Installation und Setup Die Installation von AnythingLLM auf einem AWS-Server erwies sich als spannende Herausforderung. Im Vergleich zu lokalen Lösungen wie Ollama oder LM Studio, die wir in früheren Artikeln behandelt habe...
Read more »

KI-Alltag - LLMs lokal hosten - 1337!

-
Bild
Lokale Installation von LLMs in 1337: benutzerfreundliche Methode mit OpenWebUI In einem früheren Beitrag habe ich eine Methode zur lokalen Installation von Large Language Models (LLMs) mit Python und LMStudio.ai vorgestellt. Heute möchte ich euch eine Variante präsentieren, die Linux, Ollama und OpenWebUI nutzt - also absolut 1337 🤓 Vorteile dieser Methode Integrierte Benutzeroberfläche mit OpenWebUI  Möglichkeit, mehrere LLMs und Bildgeneratoren wie StableDiffusion zu integrieren Nutzerverwaltung, Verwendung mehrerer GPTs, Presets,... Volle Kontrolle und Datensicherheit durch lokal installierte LLMs Schritt 1: Linux-Umgebung einrichten in Windows Ja, das geht! Mit WSL ist es möglich, Linux in Windows laufen zu lassen - wie 1337 ist das denn?! Einfach in der PowerShell eingeben: wsl --install und schon geht es los. Schritt 2: Ollama installieren Ollama ist ein Tool, das die Verwaltung und Ausführung v...
Read more »