Ein komplettes Echtzeit-Strategiespiel aus dem Jahr 2003 nativ auf einem iPhone laufen zu sehen, fühlt sich auf die bestmögliche Weise ein wenig falsch an. Panzer rollen über Wüstenkarten. Generäle brüllen Befehle. Versorgungslinien erstrecken sich über Touchscreens, die noch gar nicht existierten, als der ursprüngliche Code kompiliert wurde. Und doch sind wir hier. Ammaar Reshi, Leiter für Produkt und Design bei Google AI Studio, hat kürzlich Command & Conquer: Generals Zero Hour genommen und eine native iOS-Version in etwa der Zeit erstellt, die man braucht, um eine ganze Fernsehserie am Stück zu schauen. Das Projekt verlässt sich nicht auf Emulations-Tricks. Es läuft auf Apple silicon, spricht Metal und wirft ernsthafte Fragen darüber auf, wie viel Legacy-Software demselben Pfad folgen könnte.
Was tatsächlich gebaut wurde
Dies ist kein Wrapper. Es läuft nicht in einem Emulator, der vorgibt, ein Windows-PC von vor zwanzig Jahren zu sein. Das Spiel wird für ARM64 kompiliert und kommuniziert direkt mit Apples Metal-Grafik-API. Dieser Unterschied ist entscheidend. Emulation kostet Frames. Sie kostet Akku. Sie schichtet Abstraktion auf Abstraktion, bis ein mobiler Chip den Großteil seiner Energie darauf verwendet, alte Befehle zu übersetzen, anstatt Explosionen zu zeichnen. Reshis Port umgeht das alles.
Das Originalspiel erschien auf DirectX 8, einer Microsoft-Grafik-Pipeline, die dem iPhone um mehrere Jahre vorausging. Diese Rendering-Befehle auf Metal zum Laufen zu bringen, ist keine einfache Suchen-und-Ersetzen-Aufgabe. DirectX 8 und Metal organisieren den Speicher unterschiedlich. Sie behandeln Shader unterschiedlich. Sie setzen unterschiedliche Hardware-Architekturen voraus. Reshi musste die Grafik des Spiels durch eine Kette von Zwischenübersetzungen schleusen und dabei die alten DirectX-Aufrufe in etwas umwandeln, das Metal verstehen konnte, ohne die zugrunde liegende visuelle Logik zu zerstören. Das Ergebnis ist, dass der gesamte Kampagnen-, Skirmish- und Generals Challenge-Modus mit benutzerdefinierten Touch-Steuerungen, die auf die Benutzeroberfläche gemappt sind, läuft. Man kann Basen bauen und Scud-Stürme mit den Daumen auslösen.
Es gibt Grenzen. Längere Spielsessions auf dem iPad können die App zum Absturz bringen, wenn der Speicherdruck sprunghaft ansteigt. Frühe native Ports weisen oft solche Spuren auf, und es ist eine ehrliche Erinnerung daran, dass ein paar Stunden KI-gestütztes Debugging zwei Jahrzehnte an Asset-Lademustern nicht vollständig optimieren kann. Dennoch steht die Kern-Engine für sich selbst.
Der Workflow: Claude Code, Fable 5 und vierzig Minuten
Die Geschwindigkeit ist die Schlagzeile, aber die Mechanik dahinter ist das, was die Aufmerksamkeit jedes arbeitenden Entwicklers erregen sollte. Reshi nutzte Anthropic’s Claude Code zusammen mit einem Tool namens Fable 5. Der erste Build dauerte etwa vierzig Minuten. Debugging und Verfeinerung erstreckten sich über einige zusätzliche Stunden. Das ist der gesamte Zeitraum des Projekts.
Überlegen Sie, was das ersetzt. Ein manueller Port dieses Umfangs würde normalerweise damit beginnen, dass ein Programmierer Tage damit verbringt, nur das ursprüngliche Build-System abzubilden. Dann folgt das Umschreiben des Renderers. Dann die Shader-Übersetzung. Dann Architektur-Anpassungen für ARM64. Dann die Eingabe-Verarbeitung, Audio, Speicherverwaltung und die tausend kleinen Schnitte, die Legacy-Code so feindselig gegenüber neuen Plattformen machen. Monate verschwinden in diesem Prozess. Reshi hat ihn auf einen Nachmittag komprimiert, indem er ein agentisches KI-Tool die Brute-Force-Übersetzungsarbeit erledigen ließ, während er die Richtung vorgab.
Die Intensität zeigte sich in der Abrechnung. Reshi verbrauchte sein gesamtes Claude Max-Kontingent innerhalb von zwei Arbeitstagen. Jeder, der erlebt hat, wie seine API-Guthaben während einer langen Coding-Session verschwinden, kennt das Gefühl. Der Unterschied hier ist, dass der Verbrauch einen nativen Port in Auslieferungsqualität hervorbrachte, anstatt nur einer Handvoll experimenteller Skripte.
Es gibt auch eine professionelle Nebenhandlung, die bemerkenswert ist. Reshi arbeitet bei Google DeepMind. Er hätte auf Googles eigene Modelle zurückgreifen können. Das hat er nicht getan. Er entschied sich für Anthropic’s Claude, weil es zur Aufgabe passte. In seinen eigenen Kommentaren zum Projekt stellte er klar, dass man die Konkurrenz respektieren kann, während man sich darauf konzentriert, die bestmögliche Lösung zu bauen. Diese Einstellung verbreitet sich. Ingenieure an der Spitze des Fachbereichs werden modellagnostisch. Sie behandeln KI-Tools so, wie sie Programmiersprachen oder Cloud-Anbieter behandeln: Wählen Sie dasjenige, das zum Job passt, nicht dasjenige, das auf Ihrem Firmenausweis steht.