Einmal im Jahr gehen wir bei Inventage ins Code Camp. Wir fahren nach Amden in die AmdenLodge, bilden kleine Teams und bauen zweieinhalb Tage lang an Projekten, die uns interessieren. Jedes Team steckt sich vorab einen klaren Scope ab, dazu ein paar Stretch-Goals für den Fall, dass es schneller geht als erwartet. Am letzten Tag präsentieren alle ihre Ergebnisse. Abends wird gejasst und zusammengesessen, das Essen ist gut, und genau diese Mischung macht das Code Camp seit zehn Jahren zu einem tollen Anlass.
AI war dieses Jahr das Thema
Uns hat interessiert, was passiert, wenn wir AI konsequent einsetzen. Als Werkzeug beim Entwickeln, aber auch als Funktionalität in den Projekten selbst. Wie fühlt es sich an, wenn Claude Code den Code schreibt? Wie weit kommt man in zweieinhalb Tagen? Und was passiert, wenn man ein LLM direkt ins Produkt einbaut?
Sechs Projekte in zweieinhalb Tagen, eines davon produktiv.
Die sechs Projekte
Die Bandbreite war gross: von einer iOS-App über Security-Analyse bis zum internen Tool, das noch während dem Code Camp produktiv ging.
WebLLM im Browser. Nik und Gianluca haben unsere App eVA um einen AI-Chat erweitert. Ein Sprachmodell läuft dabei direkt im Browser, der Benutzer kann seinem Vorsorgeausweis Fragen stellen, und sämtliche Daten bleiben lokal. Nichts geht übers Internet.
Immobiliendokumenten-Analyse. Simon Regenscheit und Simon Kunz haben aus Exposés und Grundrissen — Text wie Bilder — automatisch strukturierte Immobiliendaten extrahiert. Grundriss hochladen, Zimmerzahl und Fläche zurückbekommen.
Uniport MCP. Pesche und Edwin haben unser Uniport IAM per MCP-Server für AI-Agenten zugänglich gemacht. Über natürliche Sprache lässt sich abfragen, wer worauf Zugriff hat und welche Benutzer zu welcher Organisation gehören.
Docker Repo Analyse. Wie sicher sind eigentlich unsere Docker Images? Jan und Dusan haben eine Pipeline gebaut, die Images automatisch mit Trivy scannt und die Ergebnisse an Gemini weiterreicht. Die AI liest die Schwachstellenberichte und generiert konkrete Empfehlungen, was zu tun ist.
Impfbüchlein mit Solid. Wer hat schon sein Impfbüchlein griffbereit? Stephan und Lars haben eine iOS-App gebaut, die das klassische Heft ersetzt. Impfdaten erfassen, verwalten, immer dabei haben. Als Tüpfchen oben drauf lassen sich die Daten in einem persönlichen Solid Pod speichern. Die Daten gehören damit dem Benutzer, nicht der App.
MACchiato. Bei uns im Büro braucht jedes Gerät eine freigeschaltete MAC-Adresse für den WiFi-Zugang. Bisher war das mühsam zu verwalten. Simon Marti und Chris haben ein Device Management dafür gebaut, am Freitag deployt, und als wir Samstag Mittag nach Hause gefahren sind, lief es bereits produktiv.
Entwicklung mit AI
Was sich mit Claude Code verändert hat, ist nicht nur die Geschwindigkeit. Es ist auch der Scope. Stretch Goals, die wir sonst als ambitioniert markiert hätten, waren plötzlich realistisch. Nicht weil wir schneller tippen, sondern weil der Aufwand für Boilerplate, Konfiguration und unbekannte APIs gesunken ist.
Dabei hat sich unsere Rolle spürbar verschoben. Weniger Code schreiben, mehr Entscheide treffen. Welche Architektur? Was lassen wir weg? Wo ziehen wir die Grenze? Der Engpass war nicht mehr das Implementieren, sondern das Denken davor. Wer klare Vorgaben macht, bekommt brauchbare Ergebnisse. Wer vage bleibt, bekommt vagen Code.
Auffällig war auch, wie zugänglich unbekannte Stacks geworden sind. Die Einstiegshürde in neue Technologien ist mit AI merklich gesunken.
Claude Code baut, was man ihm sagt. Es sagt nicht, was man bauen soll. Die Projekte, die gut liefen, hatten von Anfang an eine klare Vorstellung davon, was am Ende stehen soll.
AI als Bestandteil von Software
Mehrere Projekte haben AI nicht nur als Entwicklungswerkzeug genutzt, sondern direkt ins Produkt eingebaut.
Beim WebLLM-Projekt lief das Sprachmodell komplett im Browser. Das ist eindrücklich. Maximale Privatsphäre, keine Daten, die das Gerät verlassen. Aber die Antwortqualität war ernüchternd. Ein lokales Modell im Browser ist Stand heute kein Ersatz für eine Cloud-API. Die Frage ist, für welche Anwendungsfälle das trotzdem reicht und wo man ehrlich sagen muss: noch nicht.
Auf der anderen Seite hat die Immobiliendokumenten-Analyse gezeigt, wie weit man mit Cloud-Modellen in kurzer Zeit kommt. Grundriss hochladen, strukturierte Daten zurückbekommen. Vor einem Jahr hätte man dafür Wochen eingeplant oder es gar nicht erst versucht. Das verschiebt, welche Features überhaupt in Betracht gezogen werden. Ähnlich beim Docker-Scanning: Trivy scannt, Gemini interpretiert die Ergebnisse und formuliert Empfehlungen. AI ersetzt das Tooling nicht, sie macht es zugänglicher.
Beim MCP-Server für Uniport war der Server selbst schnell gebaut. Die eigentliche Arbeit lag in der Autorisierung: Sicherstellen, dass der Agent nur das sieht, was der angemeldete Benutzer sehen darf. Das ist die Architekturarbeit, die bleibt, wenn die Implementierung einfacher wird.
Einfach machen
Das Code Camp lebt davon, dass Leute zusammensitzen und einfach machen. Dieses Jahr hatten wir dank AI ein besonderes Tempo. Sechs Projekte in zweieinhalb Tagen, eines davon produktiv. Das motiviert, und es gibt uns konkretes Know-how, das wir in unsere tägliche Arbeit mitnehmen.
