KI in der Praxis · SwiftView
KI in der Praxis · FallbeispielEin Fotoviewer, mit KI entwickelt.
Mit Pictasoft SwiftView habe ich eine Idee aus meiner fotografischen Praxis bis zu einer Windows-Anwendung geführt – als Initiator und Projektverantwortlicher. Die KI unterstützte bei Architektur, Programmierung, Fehlersuche, automatisierten Prüfungen, Dokumentation und Website. Hier zeige ich, welche Entscheidungen bei mir lagen und wie aus Rückmeldungen konkrete Änderungen wurden.
Stand: Das Projekt steht gerade im Abschluss für die erste Testversion.
Fotos sichten. Auswahl behalten.
SwiftView öffnet einen Fotoordner, zeigt Bilder an und lässt sie per Taste mit Sternen und Farben bewerten – inklusive RAW-Vorschau, Bildübersicht, Filtern und Diashow. Bewertungen landen in XMP-Begleitdateien neben den Fotos, die Originalpixel bleiben unverändert. Die KI kam im Entwicklungsprozess zum Einsatz; SwiftView selbst braucht für diese Funktionen keine generative KI.
Wer was gemacht hat.
Ein KI-Projekt ist kein „Prompt und fertig“. Vorschläge habe ich übernommen, präzisiert oder zurückgewiesen und anhand der Zwischenstände entschieden, wie es weitergeht.
Meine Rolle: Produkt und Projekt führen
- Problem gewählt und Produkt definiert
- Anforderungen beschrieben und priorisiert
- KI-Aufträge gesteuert
- Zwischenstände mit eigenen Bildern erprobt
- Bedienungsrisiken bewertet
- Marke, Gestaltung und Release-Vorgehen festgelegt
Die Rolle der KI: technisch umsetzen
- Architekturvorschläge ausgearbeitet
- grosse Teile der Implementierung geschrieben
- Fehler analysiert und korrigiert
- automatisierte Tests ergänzt
- Pakete, Hilfe und Website vorbereitet
Schritt für Schritt.
- 18. August
Eine konkrete Aufgabe aus der Praxis
Den Anwendungsfall aus einem grösseren Vorhaben herausgelöst und als eigenständiges Produkt definiert; C++ und Qt als Ansatz vorgegeben. Die KI leitete daraus eine modulare Architektur ab.
- 20. August
Den Produktumfang aktiv begrenzen
Als die Vorschläge in Richtung einer umfangreichen Plattform gingen, habe ich klargestellt: Leichtigkeit ist ein zentrales Produktziel. Zusätzliche Analysefunktionen sollten nicht unbemerkt in den Viewer wandern.
- September
Bedienung und Weitergabe
Aus der eigenen Nutzung kamen Tastenübersicht, Mausrad-Navigation und das Fortsetzen einer Sichtung. Auf einem anderen Laptop fehlte eine Laufzeitbibliothek – daraus wurde ein Release-Paket mit allen benötigten Dateien.
- 10. Oktober
Anforderungen aus dem Feldeinsatz
Bei sehr vielen Bildern auf einer Karte ist Einzelbildnavigation zu aufwendig. Daraus entstand eine Bildübersicht mit begrenztem Vorschauladen, veränderbaren Vorschaugrössen und Filtern.
- 17. Oktober
Fachliche Erfahrung in sichere Bedienung übersetzen
Noch nicht geladene, schwarze Vorschauen konnten wie unterbelichtete Fotos wirken und eine falsche Löschentscheidung auslösen. Die KI ergänzte daraufhin erkennbare Ladezustände und sperrte Aktionen, solange Vorschauen fehlen.
- Oktober
Den Release-Weg in Etappen aufteilen
Version 1 für Windows und einen kleinen privaten Testkreis, Signierung und Store-Vertrieb für 1.1, macOS frühestens für Version 2.
Was ich dabei gelernt habe.
Die Produktgrenze setzt der Mensch.
Die KI kann Funktionen vorschlagen und umsetzen – auch solche, die niemand braucht. Zu entscheiden, was jetzt gebraucht wird und welche Komplexität vertretbar ist, war laufende Produktführung.
„Läuft bei mir“ ist noch kein Release.
Auf dem Entwicklungsrechner lief alles, auf einem anderen Laptop nicht. Erst diese Rückmeldung machte die Lücke zwischen funktionierender Anwendung und brauchbarem Weitergabepaket sichtbar.
Fachliche Risiken erkennt, wer die Arbeit kennt.
Dass eine schwarze Vorschau zu einer falschen Löschentscheidung führen kann, zeigt kein Test – das sieht, wer selbst Bilder sichtet. Die technische Korrektur übernahm die KI, die Bewertung des Risikos lag bei mir.
Echte Nutzung schlägt Messwerte.
Angezeigte Verarbeitungszeiten und tatsächlich gefühlte Wartezeit lagen auseinander. Tests im realen Arbeitsablauf gehören deshalb von Anfang an dazu.
KI-Projekte brauchen Projektführung.
Die Methoden aus Projektmanagement und Agilität sind bei KI-Vorhaben nicht weniger wichtig – sie werden wichtiger, weil die Umsetzung schneller ist als die Entscheidungen.
Ziel und Grenzen klären
Was soll das Ergebnis leisten – und was ausdrücklich nicht?
Früh mit echten Fällen prüfen
Zwischenstände im realen Arbeitsablauf erproben, nicht nur im Test.
Risiken fachlich bewerten
Wo kann ein Fehler echten Schaden anrichten – und wie wird das verhindert?
In Etappen ausliefern
Erst ein kleiner Testkreis, dann die breite Veröffentlichung.
Was noch offen ist.
Der erreichte Stand ist eine vorbereitete Testversion für einen kleinen privaten Testkreis. Offen sind ausdrücklich:
- der Probelauf auf sauberen, fremden Windows-Rechnern
- die Darstellung auf unterschiedlichen Monitoren
- Tests mit repräsentativen Kamera- und XMP-Dateien
- Signierung und öffentliche Veröffentlichung (geplant für Version 1.1)
Grundlage: dokumentierter Entwicklungsverlauf und Prüfprotokolle, Stand 25. Oktober 2026. Eine prozentuale Aufteilung der Arbeit oder eine Zeit- und Kostenersparnis lässt sich daraus nicht seriös beziffern und wird deshalb nicht angegeben. Genannte Produkt- und Firmennamen sind Marken ihrer jeweiligen Inhaber.