Events News 28. Januar 2026 von Larissa Sequeira 8 Leseminuten AI-Hackathon bei Deimos: Experimente und echte Insights

In der Softwareentwicklung untersuchten vier Teams parallel, wie das Zusammenspiel von spezialisierten AI-Modellen, neuen Tools und agentenbasierten Ansätzen den Arbeitsalltag verändert. Dabei wurde eine breite Palette an Technologien evaluiert: von Claude Code (Sonnet & Opus) über Crush mit Qwen3 (in der Schweiz gehostet) bis hin zu JetBrains AI Assistant und Cline, die teilweise an lokale AI-Server angebunden wurden, um maximale Kontrolle über die Daten zu behalten.

Das Spektrum der Aufgaben war bewusst breit gefächert: Die Teams nutzten AI für punktuelles Bugfixing und Refactorings, entwickelten automatisierte Migrations- und Import-Tools und wagten sich an die Modernisierung bestehender Applikationen. Entscheidend war dabei weniger die spezifische Aufgabe, sondern die Beobachtung, wie sich Entwicklungsprozesse verändern, wenn AI aktiv in den Coding-Alltag integriert wird.

Die untenstehenden praktischen Ergebnisse zeigen exemplarisch, welchen Mehrwert AI liefern kann:

1. Effizienzgewinne: Bei der Umsetzung einer Kundenwebsite (Magnolia & Angular) diente der Figma MCP Server als Brücke. Bereits in Figma erstellte UI-Komponenten wurden direkt aus dem Design übernommen und technisch präzise umgesetzt. Das Fazit des Teams: Dank dieser Arbeitsweise könnten sich in naher Zukunft vergleichbare Projekte fast dreimal schneller realisieren lassen als bisher.
    
2. Intelligente Prozess-Automatisierung: Ein Team entwickelte einen AI-Agenten, der Support-E-Mails analysiert und eigenständig strukturierte Jira-Tickets inklusive Projektzuordnung erstellt. Ob mit Spring Boot oder dem Workflow-Tool n8n umgesetzt – die AI bewies, dass sie komplexe Logik-Ketten zuverlässig übernehmen und Prozesse massiv vereinfachen kann.

Über alle Teams und Aufgabenstellungen hinweg kristallisierte sich eine klare Erkenntnis heraus: Besonders Claude Code konnte durch seine Präzision und Verlässlichkeit im gesamten Entwicklungsprozess am stärksten überzeugen.

Auch das Team aus Business-Analyse und UX-Design nutzte den Hackathon, um AI-Tools gezielt in verschiedenen Phasen des Designprozesses zu testen. Im Fokus standen dabei Werkzeuge wie v0 by Vercel, Figma Make und Lovable, während ChatGPT primär für die strategische Prompt-Erstellung und -Verfeinerung eingesetzt wurde. Dabei wurden klassisch ausformulierte Anforderungen zunächst in strukturierte Prompts übersetzt und anschliessend schrittweise an die AI-Design-Tools übergeben.

Die zentralen Erkenntnisse aus diesen Experimenten zeigen folgendes:

1. Prompt-Qualität schlägt Tool-Wahl: Alle getesteten AI-Design-Tools (v0, Figma Make und Lovable) setzten die Prompts gut um und lieferten visuell sehr ähnliche Resultate. Ausschlaggebend war am Ende nicht das Werkzeug selbst, sondern die Präzision und Tiefe des zugrunde liegenden Prompts.
    
2. Schnelligkeit vs. konzeptionelle Tiefe: Erste Design-Entwürfe entstehen durch AI in beeindruckender Geschwindigkeit. Dennoch zeigten die Tests, dass die Tools vor allem für die frühe Phase der Ideenfindung wertvoll sind. Für die finale Qualität und Nutzerzentrierung bleibt fundierte UX-Expertise weiterhin unverzichtbar.

Auch im Management-Alltag wurde experimentiert. Vor allem dort, wo Excel-Tabellen und Datenmengen oft zu zeitfressenden Aufgaben führen. Statt auf starre und fehleranfällige Makros zu setzen, wurde die Excel-Upload-Funktionalität von Claude.ai getestet. Zudem entstand innerhalb von zwei Stunden ein Hilfstool, um Daten aus verschiedenen Systemen der Leistungserfassung und Rechnungsstellung zentral abzugleichen.

Unsere Learnings aus diesem Bereich:

1. Effizienz vs. Datenschutz: Es ist problemlos möglich, komplexe Tabellen mittels Prompts zu bearbeiten. Etwa eine rollende Planung, um zukünftige Monate zu erweitern, inklusive korrekter Replikation von Summenformeln. Auch Diagramme auf Basis der Daten sind im Nu erzeugt. Lückenhaftes Prompting kann jedoch zu Formatierungsfehlern führen und die Nutzung externer Server macht eine vorgelagerte Anonymisierung vertraulicher Daten erforderlich.
    
2. Individuelle Lösungen durch AI: Es hat sich gezeigt, dass mittels AI-gestützten Eigenentwicklungen Lösungen geschaffen werden können, die exakt auf die eigenen, individuellen Prozesse abgestimmt sind. Dies kann den Vorteil bieten, bestehende und gut funktionierende Abläufe gezielt zu optimieren oder zu erweitern, anstatt sie für den Einsatz einer Standardsoftware grundlegend umbauen zu müssen.

Abgerundet wurde der Hackathon durch einen inspirierenden Besuch von Jannis Schönleber (CEO & Founder 44ai), dessen Unternehmen AI-Lösungen für den Medizinsektor entwickelt. Er bestätigte, dass gerade in den letzten zwei bis drei Monaten ein massiver Qualitätssprung bei den Coding-AI-Tools festzustellen war, und berichtete, dass sein Team bereits einen Grossteil des produktiven Codes AI-generiert erstellen lässt. Dabei wurde die wachsende Bedeutung von «schlankem» Code betont: Um die Qualität im Review-Prozess zu sichern, müssen generierte Inhalte hinterfragt und gekürzt werden, statt sie blind zu übernehmen. In der anschliessenden Fragerunde entstand ein spannender Austausch, in dem die Erfahrungen aus der Softwareentwicklung bei Deimos mit der Arbeitsweise von 44ai abgeglichen werden konnten. Dieser Blick über den Tellerrand machte deutlich, dass der Einsatz von AI-Tools klare Rahmenbedingungen innerhalb des Teams erfordert, um sicherzustellen, dass die Effizienzgewinne nicht zu Lasten der Code-Qualität und Wartbarkeit gehen.

Der AI-Hackathon hat eindrücklich gezeigt, wie schnell sich neue Technologien sinnvoll evaluieren lassen, wenn man ihnen bewusst Zeit und Raum gibt. Innerhalb von zwei Tagen entstanden funktionierende Prototypen, klare Effizienzgewinne und viele praxisnahe Learnings. Besonders wertvoll war der breite Ansatz über alle Rollen hinweg: So entstand ein gemeinsames Verständnis dafür, wo AI heute bereits unterstützt – und wo menschliche Expertise weiterhin entscheidend bleibt.

Diesen Weg gehen wir bei Deimos weiter: neugierig, reflektiert und mit Fokus auf echten Mehrwert.

Im nächsten Teil dieser Serie stellen wir das Projekt «Interaktiver TechRadar» vor, das während des Hackathons interdisziplinär von den Teams Business Analyse / UX-Design und Softwareentwicklung umgesetzt wurde.