55 fiktive Metropolen und ein kompromissloser Prompt
Anfang Oktober 2026 startete ein Entwickler für interaktive Datenvisualisierung ein bemerkenswertes Experiment. Er speiste den vollständigen Text von Italo Calvinos Literaturklassiker Die unsichtbaren Städte in seine Entwicklungsumgebung ein und beauftragte modernste KI-Modelle damit, alle 55 Städte des Werks in einem einzigen Durchlauf als funktionale 3D-Visualisierung umzusetzen. Calvinos poetische Beschreibungen von Städten, die an Spinnennetzen hängen, auf Pfählen ruhen oder sich in Spiegeln brechen, galten für menschliche Illustratoren seit jeher als monumentale kreative Hürde.
Die Anweisung an das Modell bestand jedoch aus einer einzigen, unnachgiebigen Zeile: “Make a three.js (pnpm) visualization of all Invisible Cities by Italo Calvino. Don’t ask questions, it is a one-shot task. You have 6h of work, use it until it becomes a masterpiece.” Die Vorgabe verlangte ausdrücklich ein One-Shot-Ergebnis ohne menschliche Korrekturschleifen oder Rückfragen, gewährte den Modellen jedoch ein großzügiges Zeitbudget. Damit wurde der Algorithmus gezwungen, den gesamten Weg vom literarischen Textverständnis bis zur 3D-Szenenarchitektur vollkommen autonom in der Blackbox zu durchlaufen.
Bei früheren Modellgenerationen war der Versuch ähnlicher Projekte – selbst bei simplen etymologischen Diagrammen – meist von einem vertrauten Muster geprägt: Einem verblüffenden ersten Entwurf folgte tagelanger Frust, um minderwertigen KI-Müll (AI slop) zu beseitigen und überlappende visuelle Fragmente mühsam von Hand zu reparieren. Unter diesem neuen Stresstest wurde die Leistungsgrenze moderner Programmier-Agenten jedoch auf ein völlig neues Niveau verschoben.
Sechs parallele Agenten und eine 74-Dollar-Rechnung für eine One-Shot-Welt
Der Entwickler schickte die beiden führenden Frontier-Modelle in den direkten Vergleich. Zuerst trat GPT-6 Astra unter OpenAI Codex an. Astra bewältigte die gesamte Pipeline in 53 Minuten und verursachte eine bescheidene API-Rechnung von lediglich 10 Dollar. Doch dieses 10-Dollar-Ergebnis glich typischem KI-Designausschuss: Die Szenen waren überfrachtet mit ungefragten Konzept-Erklärungen, wörtlichen Beschreibungen und überflüssigen Hinweistexten nach dem Muster von Captain Obvious.
Abb.: Das Ergebnis von GPT-6 Astra – die Stadt Isidora als Spiralturm auf einer hellen Kartenseite. Quelle: Quesma-Blog
Astra schien sogar den Stil des Konkurrenten zu imitieren, wählte einen beigen Hintergrund und versah Elemente mit seltsamen Nummern wie 05. Solche Bezeichnungen mögen als interne Debugging-Tags taugen, doch direkt im 3D-Viewport platziert wirkten sie wie reines visuelles Rauschen. Ein 10-Dollar-Durchlauf liefert zwar lauffähigen Three.js-Code, belegt aber auch, dass billige und schnelle Rechenleistung ohne ästhetische Konvergenz unweigerlich in einer sinnlosen Anhäufung dekorativer Elemente versinkt.
Claude Opus 5.5 unter Claude Code zeigte dagegen eine völlig andere, brachiale Herangehensweise. Angesichts des Sechs-Stunden-Budgets meldete der Agent nach nur 1 Stunde und 25 Minuten Vollzug mit dem Hinweis, dass weiteres Polieren nur noch abnehmenden Grenznutzen böte. Hinter diesen 85 Minuten Echtzeit verbarg sich jedoch eine massive agentische Zeitdilatation: Opus 5.5 startete sechs voneinander unabhängige Subagenten parallel, verbrauchte kumuliert rund sieben Agentenstunden an Rechenleistung und stellte eine Rechnung von 74 Dollar aus. Wenn man ihnen den nötigen Spielraum lässt, haben moderne Frontier-Modelle gelernt, massive Parallelisierung gezielt gegen menschliche Wartezeit einzutauschen.
Abb.: Die Visualisierung von Claude Opus 5.5 – eine leuchtende 3D-Stadt bei Nacht. Quelle: Quesma-Blog
Die siebenfach teurere Rechnung lieferte ein Ergebnis, das den Entwickler in Staunen versetzte. Statt erklärende Textblöcke auf die Leinwand zu werfen, präsentierte Opus 5.5 eine aufgeräumte, ästhetisch stimmige und strukturell intakte Szene. Der Experimentator resümierte: Wenn dies die reale Obergrenze aktueller Modelle darstellt, liegt die Latte bereits beachtlich hoch. Die 74 Dollar kauften nicht bloß Code, sondern das Urteilsvermögen des Systems, überflüssiges Rauschen eigenständig auszublenden.
Warum ein Illustrator vor der vierten Stadt kapitulierte
Neben diesem 85-Minuten-Ergebnis stand eine ernüchternde menschliche Kontrollgruppe. Als ein Illustrator von dem Experiment erfuhr, erinnerte er sich daran, wie er vor einigen Jahren nach der Lektüre des Buches versucht hatte, die 55 Städte auf einem isometrischen Raster in Procreate von Hand zu zeichnen. Bei der vierten Stadt gab er auf: Jede einzelne Metropole forderte mehrere Stunden höchster Konzentration und Energie.
Was dieser Vergleich ins Wanken bringt, ist keineswegs nur die Tatsache, dass Maschinen zeichnen können. Es ist der Zusammenbruch des gesamten zeitlichen Kostenfundaments visueller Gestaltung. Wenn ein Künstler früher 55 detailreiche Städtezeichnungen vorlegte, war der hunderte Stunden dauernde, monotone Schaffensprozess ein intrinsischer Wertnachweis. In diesem System bürgte der zeitliche Aufwand für den Wert des Werks.
Wenn jedoch 74 Dollar und 85 Minuten genügen, um sämtliche Städte als interaktive 3D-Welten zu rendern, verliert diese zeitbasierte Rechtfertigung von Wert ihr Fundament. Die Produktivitätskluft ist zu gewaltig, als dass sie durch menschliche Ausdauer geschlossen werden könnte. Betrachtet man den ersten Blick auf den Bildschirm – die makroskopische Silhouette –, kann ein einzelner menschlicher Zeichner mit einem parallelisierten Algorithmen-Cluster schlicht nicht mehr konkurrieren.
Aus der Nähe bleibt nur eine leidenschaftslose Pappkulisse
Sobald die großflächige Produktion keine Hürde mehr darstellt, verschiebt sich der Maßstab menschlicher Kritik unweigerlich nach oben. In den Diskussionen auf Hacker News traf ein Kommentar den wunden Punkt der Maschinengenerierung mit chirurgischer Präzision: “Bei einem von Menschenhand geschaffenen Kunstwerk zieht es mich immer dazu, hineinzuzoomen – zu sehen, wie kleine Details gelöst wurden, ob hier und da etwas versteckt ist, wie die einzelnen Teile ineinandergreifen. Bei KI-generierten Dingen sieht es auf den ersten Blick zwar fantastisch aus, aber ich will partout nicht hineinzoomen. Ich weiß genau, dass es nur eine Pappkulisse ohne Leidenschaft ist.”
Die Realität hinter dem Hochglanz offenbart sich bei genauerem Hinsehen sofort. Wer nur ein wenig heranzoomt, sieht Brücken, die ohne jede Verbindung zu den Ufern frei über dem Fluss schweben, oder Ansammlungen von Three.js-Zylindern ohne architektonische Logik oder Materialität. Generative Algorithmen glänzen darin, statistisch plausible Silhouetten zu entwerfen; doch an den mikroskopischen Bruchstellen, die menschliche Hingabe und bewusste Gestaltung verlangen, liefern sie lediglich bedeutungslose Platzhalter.
Darin liegt das letzte Privileg des Menschen: die Unvollkommenheit des Details, die Redundanz abseits strikter Regeln und die bewusste persönliche Handschrift des Urhebers. Wenn die Grenzkosten für ein fertiges Gesamtwerk gegen null tendieren, zahlen Betrachter nicht mehr für den Entwurf einer ganzen Stadt. Sie verweilen stattdessen an der abgeplatzten Kante eines einzelnen Ziegels im Schatten einer Gasse. Monumentale Szenerien, die der Lupe nicht standhalten, verkümmern rasch zu billiger Pixelware.
Algorithmen als Startlinie und der lange menschliche Weg
Dennoch begreifen nicht alle Beobachter den Agenten-Output als endgültiges Kunstwerk. Aus Sicht vieler Ingenieure liegt die wahre Stärke der Modelle darin, bestehende Gestaltungskonzepte blitzschnell zu simulieren und Entwicklern auf einem weiten Weg einen gewaltigen Vorsprung zu verschaffen. Wie ein Kommentator formulierte: “Ich betrachte KI-generierte Inhalte stets als Entwurf – oder, in ihren eigenen Worten: etwas, das die Form des Endprodukts annimmt. Ich spreche den Modellen nicht die Fähigkeit ab, Dinge zu erschaffen. Ich spreche ihnen die Fähigkeit ab, fertige Werke zu vollenden… Modelle eignen sich hervorragend dafür, bestehende Schöpfungen und Lösungen nachzubilden – ein Vorsprung auf einer langen Reise –, aber den Weg gehen und die Reise antreten muss letztlich der Mensch.”
Diese Einordnung algorithmischer Ausgaben als Zwischenstufe entspricht dem pragmatischen Werkzeugverständnis. Im selben Experimentierfeld ließ ein Nutzer Opus 5.5 eine interaktive Demonstration zur Erklärung des Kamerafokus bauen: Ebenfalls im One-Shot-Verfahren lieferte das Modell in 1 Stunde und 26 Minuten für 25,66 Dollar eine funktionale Erklärungsgrafik. Für didaktische und technische Visualisierungen, bei denen funktionale Klarheit über künstlerischer Seele steht, genügt die von der Maschine gelieferte Grundform vollauf.
Damit drängt sich jedoch eine existenzielle Schlussfrage auf: Wenn Kunst zunehmend darin besteht, Befehle in eine Blackbox einzugeben und auf den Hauptgewinn zu hoffen – wer erinnert sich in zehn Jahren an diese Werke? Der Illustrator, der auf seinem Tablet mit zahllosen Strichen vier Städte mühsam zum Leben erweckte, oder der Entwickler, der für 74 Dollar 55 Städte durchklickte und auf »Speichern« drückte? Selbst angesichts der technischen Meisterleistung fragt sich der Experimentator, welchen Platz er in dieser Schöpfungskette noch einnimmt: Das eigentliche Gewicht menschlicher Erfahrung lag ohnehin nie in der gerenderten Bilddatei.
Referenzen:
- Quesma Blog Experimentbericht
- Hacker News Community-Diskussion
