Wir arbeiten gerade an einem spannenden Naturschutzprojekt: die Entwicklung eines analogen Brettspiels, das junge Menschen mit einem geschützten Naturraum in Berührung bringt und Biodiversitätszusammenhänge spielerisch vermittelt.
Welche Rolle KI dabei spielt (und welche gerade auch nicht), möchten wir euch gerne in diesem Beitrag vorstellen.
Im Verbundprojekt MoSaiKTeiL „Moore, Sande, Kiefern und Teiche der Lausitz“ arbeiten Partner aus Naturschutz, Forschung und vielen regionalen Organisationen zusammen, um die Oberlausitzer Heide- und Teichlandschaft – einen Hotspot der biologischen Vielfalt – zu erhalten und erlebbar zu machen.
In diesem Rahmen soll der „Epische Exkursionsführer“ (Arbeitstitel) jungen Menschen zwischen 20 und 30 Jahren die Artenvielfalt dieser besonderen Region näherbringen, mit einem Spieldesign, das reale Biodiversitätszusammenhänge erlebbar macht.
Bildung für nachhaltige Entwicklung (BNE) ist kein neues Thema für uns. Wir haben für den Hof Armada in Wiesbaden einen Klimalehrpfad entwickelt, mit den Hessischen BNE-Netzwerken zusammengearbeitet, für das Umweltministerium und die BUND-Streuobstwiese in Kassel.
Wir sind überzeugt, dass spielerische Ansätze Menschen auf eine Weise erreichen können, die kein Lehrbuch schafft. Dabei soll das Brettspiel nicht nur Wissen um Naturzusammenhänge vermitteln, sondern auch Lust machen, die vielfältigen und wertvollen Lebensräume der Oberlausitz tatsächlich zu besuchen.
* Das Projekt MoSaiKTeiL wird im Bundesprogramm Biologische Vielfalt durch das Bundesamt für Naturschutz mit Mitteln des Bundesministeriums für Umwelt, Klimaschutz, Naturschutz und nukleare Sicherheit gefördert.
Unsere Haltung zu KI
Wir beschäftigen uns gerade intern intensiv damit, wie ein sinnvoller Umgang mit KI für uns aussehen kann. Dieses Projekt ist spannend für uns, da wir daran herausarbeiten konnten, wo wir KI in unsere Prozesse integrieren können, welche Anwendungen für uns ethisch vertretbar sind und wie KI uns in der Zusammenarbeit mit Kund*innen helfen kann, bessere Ergebnise zu erzielen.
Von Anfang an war es uns wichtig, KI-Bildgenerierung bewusst auszuschließen. Nicht nur, weil uns eine echte künstlerische Handschrift wichtig ist, sondern weil wir die ungeklärten Urheberrechtsfragen rund um KI-Trainingsdaten für ein reales Problem halten.
Daher arbeiten wir für die Illustrationen mit dem Team von White Rabbit Studio zusammen, mit dem uns bereits eine langjährige Zusammenarbeit verbindet.
Was KI kann – und was nicht
Was wir aber einsetzen: agentisches Coding, um eine eigene Webanwendung zur Spielkartenverwaltung zu entwickeln. Wir wollten ein Tool, über das wir und unsere Auftraggebenden gemeinsam Karten konzipieren, Regelmechaniken hinterlegen und diskutieren, Bildmaterial hochladen sowie Prototypen automatisiert erstellen können, und das direkt an unsere Design-Software angebunden ist.
Das wichtigste Learning aus dieser Phase: KI-gestütztes Entwickeln ist kein Selbstläufer. „Vibe Coding“, also einfach der KI erzählen, was man will, und hoffen, dass etwas Funktionierendes herauskommt, funktioniert nicht. Zumindest nicht nachhaltig.
Was funktioniert, ist sauberes Spezifizieren, Context Engineering statt blindem Prompten. Es ist wichtig zu verstehen, welche Informationen die KI wann braucht, wie eine guter Entwicklungsprozess strukturiert werden muss, und wie gute Software-Architektur und Datenmodelle aussehen.
Mit dem richtigen Framework (wir haben mit „Getting Shit Done“ und Claude Code gearbeitet) lässt sich in beeindruckend kurzer Zeit belastbare und sichere Software entwickeln. Aber das gelingt nur, wenn man weiß, was man tut.
Webanwendung für den kollaborativen Entwicklungsprozess der Spielkarten
Agentisches Coding ermöglicht es uns, das perfekte Tool für jeden Entwicklungsprozess in kürzester Zeit zu realisieren.
Wir sehen hier ein großes Potenzial, besonders im Prototyping. High-Fidelity-Prototypen, die früher Wochen gedauert hätten, entstehen jetzt in einem Bruchteil der Zeit.
Eine solche Nutzung von KI-Tools beschleunigt Iterationen, verkürzt Feedback-Schleifen und erlaubt es uns, Ideen schneller mit echten Menschen auszuprobieren.
Unser wichtigstes Learning bisher: Wir können heute mit Hilfe von KI sehr einfach Prozess-Tools entwickeln, die nicht das Endprodukt sind, sondern den Weg dorthin erleichtern. Und das sollte immer den Fokus auf die Menschen, mit denen wir zusammenarbeiten und die das Produkt am Ende nutzen, verstärken.
Deswegen werden wir auch unsere Prototypen im nächsten Schritt mit Nutzer*innen testen. Wir sind gespannt, was dabei Neues entsteht!
