Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
jamesrochabrun.medium.com25. Mai 2017 · Q009791

Take your animations to the next level with Airbnb framework, Lottie.

jamesrochabrun.medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Beitrag erklärt anhand von drei Swift-Beispielen, wie Lottie JSON-Animationen in iOS-Apps abspielt, für eine zustandsabhängige Schaltfläche nutzt und mit dem Scrollen durch ein Tutorial synchronisiert. Der Autor hebt die einfache Einbindung und die von ihm erlebte Zeitersparnis hervor; systematische Messungen, Leistungswerte und eine umfassende Darstellung der technischen Grenzen liefert der Artikel nicht.

Mittel

James Rochabrun stellt in seinem Beitrag von 2017 Lottie vor, eine laut Artikel von Airbnb entwickelte Bibliothek, die After-Effects-Animationen in nativen Apps darstellt. Animationen werden mit Bodymovin als JSON exportiert und ins App-Bundle aufgenommen. Für iOS bindet der Autor Lottie über CocoaPods ein; dabei setzt er voraus, dass CocoaPods bereits installiert ist. Falls keine eigene Animation verfügbar ist, verweist er auf Designerinnen und Designer sowie eine Sammlung fertiger JSON-Dateien.

An drei Swift-Beispielen zeigt der Beitrag, wie man eine Animation abspielt, eine interaktive Schaltfläche mit getrennten „an“- und „aus“-Animationen baut und den Fortschritt einer Tutorial-Animation an das Wischen durch sechs Seiten koppelt. Der Autor sagt, Lottie habe ihm Zeit gespart, belegt das aber nicht durch Messungen. Der Text ist eine praktische iOS-Einführung und behandelt weder systematische Tests noch Leistungswerte, einen Vergleich mit anderen Lösungen oder umfassend die Grenzen der unterstützten After-Effects-Funktionen.

Ausführlich lesen

Der Bericht von James Rochabrun aus dem Jahr 2017 stellt Lottie vor, eine von Airbnb entwickelte Bibliothek zum Anzeigen von After-Effects-Animationen in nativen Apps. Der Autor beschreibt Lottie als verfügbar für iOS, macOS, Android und React Native. Sein Hauptargument: Aufwendige Animationen ließen sich damit mit vergleichsweise wenig Code in Apps einbauen. Er berichtet außerdem aus eigener Erfahrung, dass ihm die Bibliothek bei der Entwicklung Zeit gespart habe; das ist seine Einschätzung, keine im Artikel belegte Messung.

Als Grundlage dient eine Animation, die mit der After-Effects-Erweiterung Bodymovin als JSON-Datei exportiert wird. Wer After Effects nicht selbst nutzt, kann laut Artikel eine Designerin oder einen Designer damit beauftragen oder eine fertige JSON-Animation aus der genannten Sammlung LottieFiles verwenden. Die Datei kommt ins App-Bundle. Für das iOS-Beispiel bindet der Autor Lottie über CocoaPods ein und setzt voraus, dass CocoaPods bereits installiert ist.

An drei Beispielen führt der Beitrag die Verwendung vor. Zuerst wird eine Animation in einer `LOTAnimationView` angezeigt: Der Code setzt Größe, Position, Darstellungsmodus, Geschwindigkeit und Wiederholung und startet die Wiedergabe. Im zweiten Beispiel wird eine Schaltfläche durch zwei JSON-Animationen für die Zustände „an“ und „aus“ dargestellt. Ein Tap löst die passende Wiedergabe aus; nach deren Abschluss wird der Zustand aktualisiert und die Ansicht für die nächste Animation neu angelegt. Das dritte Beispiel verbindet eine Tutorial-Animation mit einem seitlich blätterbaren Scrollbereich. Zu sechs Seiten gehören kurze Beschriftungen; der Scrollfortschritt wird als Animationsfortschritt verwendet, sodass die Animation beim Wischen durch ihre Zustände läuft.

Der Text ist vor allem eine praktische Einführung mit Swift-Code, Schritten für Xcode und Verweisen auf Animationsdateien sowie ein Beispielprojekt. Er zeigt, wie die drei konkreten Oberflächen umgesetzt werden können, berichtet aber keine systematischen Tests, Leistungswerte oder Vergleiche mit anderen Verfahren. Die Anleitung richtet sich an iOS-Entwicklerinnen und -Entwickler und setzt Grundkenntnisse in Xcode, Interface Builder und CocoaPods voraus. Sie erläutert nicht umfassend, welche After-Effects-Funktionen Bodymovin beziehungsweise Lottie unterstützt oder welche Anpassungen für andere Plattformen nötig wären. Die Aussagen über einfache Umsetzung und Zeitersparnis sind daher im Rahmen der vorgestellten Beispiele zu verstehen.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Beide Fassungen (kurz und mittel) wurden gegen den Bericht geprüft. Beide geben die drei Swift-Beispiele, die Einbindung, die fehlenden Messungen und die Zeitersparnis-Aussage des Autors korrekt wieder und enthalten keine erfundenen Angaben. Die Liste der Einordnungen ist leer, weil Luna keine Fragen angegeben hat.

Im Bericht, aber nicht in der Zusammenfassung

  • Der Hinweis, dass der Text auf den Lottie-Tutorials von Brian Advent beruht
  • Der Export per Bodymovin wird nur in der mittleren Fassung genannt, im Kurztext fehlt er

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle

Kein Modell sieht bei diesem Bericht einen Bezug zu einer der 44 Sammelfragen.

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →