Claude Fable 5 Builds Playable Raccoon Heist Game From a Single Tweet

Claude Fable 5 hat einen vier Jahre alten Tweet in ein spielbares 3D-Browsergame verwandelt – und das in einer einzigen Entwicklungssitzung, wobei die gesamte Schwerstarbeit ohne von Menschen gewählten Tech-Stack oder Design-Vorgaben geleistet wurde.

Simon Willison fütterte das Modell mit der kurzen Beschreibung des Tweets, einem Screenshot und zwei unterstützenden Bildern. Aus diesem bescheidenen Prompt schrieb Claude Fable 5 den gesamten Code, wählte Three.js als 3D-Engine, generierte die Texturen des Spiels über ein OpenAI-Modell und pushte jede Änderung in ein GitHub-Repository. Das Repository war mit GitHub Pages verbunden, sodass jeder Commit innerhalb von etwa einer halben Minute unter einer Live-URL erschien. Das Ergebnis ist ein funktionsfähiges „Raccoon Heist“-Spiel, das heute jeder im Browser spielen kann.

Der Ablauf des Experiments

• Minimaler Prompt – Der ursprüngliche Tweet aus dem Jahr 2022 enthielt ein Spielkonzept und einen einzelnen Screenshot. Willison fügte zwei zusätzliche Bilder als Referenz und einige Textzeilen hinzu. Er gab keine Anweisungen zur Programmiersprache, zur Grafikbibliothek oder zum Deployment.
• Modellgesteuerte Entscheidungen – Claude Fable 5 wählte Three.js, eine JavaScript-Bibliothek für 3D-Grafik, als Rendering-Engine. Es schrieb den HTML-, JavaScript- und Asset-Lade-Code, der zum Ausführen des Spiels benötigt wurde.
• KI-generierte Assets – Ein OpenAI-Modell erstellte die Texturbilder, wodurch ein Designer überflüssig wurde.
• Continuous Delivery – Jeder Code-Push löste ein Rebuild der Seite über GitHub Pages aus, wodurch die neueste Version in weniger als 30 Sekunden sichtbar wurde. Willison beobachtete, wie sich das Spiel in Echtzeit entwickelte – von einer leeren Leinwand bis hin zu einem voll spielbaren Prototyp.

Warum das wichtig ist

Traditionelle KI-Coding-Assistenten haben bei der Autovervollständigung, bei Vorschlägen zur Fehlerbehebung oder bei der Generierung von Code-Snippets geholfen, sofern ein Entwickler eine detaillierte Spezifikation bereitstellt. Claude Fable 5 hat eine Grenze überschritten: Es akzeptierte ein übergeordnetes Ziel, wählte den Implementierungs-Stack, erstellte Assets und lieferte ein Live-Produkt aus – alles ohne weitere menschliche Anleitung.

Benchmarks wie SWE-bench messen, wie gut Modelle Programmierprobleme lösen, aber das Beobachten eines Modells, das autonom ein durchgängiges interaktives Erlebnis konstruiert, zeigt eine andere Fähigkeit. Für das Rapid Prototyping beweist dieser Workflow, dass ein Entwickler einem Modell ein Konzept und eine Handvoll Assets übergeben, ein Deployment-Ziel vorgeben und innerhalb von Minuten eine nutzbare Demo erhalten kann.

Wer profitiert und wer könnte auf der Strecke bleiben

• Start-ups und Indie-Entwickler können Spielideen oder UI-Konzepte iterieren, ohne ein komplettes Engineering-Team einzustellen.
• Produktteams können diesen Ansatz nutzen, um Proof-of-Concept-Features für interne Reviews zu generieren.
• Tool-Anbieter, die KI-gestützte Codegenerierung bereitstellen, könnten einen Trend hin zu höherwertigen Orchestrierungsfunktionen erleben – also Funktionen, die es Modellen ermöglichen, Frameworks auszuwählen und CI/CD-Pipelines zu verwalten.

Umgekehrt könnten Entwickler, die auf Architektur-Entscheidungen, Performance-Optimierung oder Art Direction spezialisiert sind, feststellen, dass die sichtbarsten Aufgaben mit geringer Komplexität zunehmend automatisiert werden. Die Autonomie des Modells wirft zudem Fragen zur Codequalität, Sicherheit und Lizenzierung von KI-generierten Assets auf – Probleme, die weiterhin menschliche Aufsicht erfordern.

Grenzen der aktuellen Demo

• Umfang – Das Spiel ist ein bescheidener 3D-Prototyp; die Skalierung dieses Ansatzes auf große, datenintensive Anwendungen ist noch nicht erwiesen.
• Menschliche Unterstützung – Willison hat die GitHub Pages-Pipeline eingerichtet und die Ausgaben des Modells überwacht. Ein völlig autonomes System bräuchte Mechanismen, um Build-Fehler oder unsicheren Code zu erkennen.
• Qualität der Assets – KI-generierte Texturen funktionieren für ein einfaches Spiel, könnten aber bei High-Budget-Produktionen, die Fotorealismus oder markenspezifische Kunst erfordern, an ihre Grenzen stoßen.

Worauf man als Nächstes achten sollte

• Tool-Integration – Es ist mit einer engeren Kopplung zwischen Large Language Models und Cloud-Build-Services zu rechnen, was die manuellen Schritte, die Willison durchgeführt hat, reduziert.
• Sicherheitsebenen – Plattformen könnten automatisierte Code-Reviews oder Sandboxing hinzufügen, um Sicherheitslücken vor dem Deployment abzufangen.
• Weiterentwicklung von Benchmarks – Neue Evaluierungs-Suites, die die End-to-End-Produktbereitstellung testen, könnten bestehende Metriken zur Code-Vervollständigung ergänzen.

Das Fazit ist klar: KI kann nun über das „Schreibe diese Funktion“ hinausgehen zu „Baue und liefere ein vollständiges, ausführbares Produkt“, wenn ihr ein prägnantes Ziel und etwas Ausgangsmaterial gegeben wird. Die Technologie steckt noch in den Kinderschuhen, aber die Demonstration von Claude Fable 5 deutet auf eine Zukunft hin, in der der erste Entwurf vieler Software-Ideen autonom generiert wird, was Entwickler davon befreit, sich auf Verfeinerung, Strategie und Kreativität zu konzentrieren.