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
medium.com6. Mai 2025 · Q011405

How I Built 18 MVPs in 6 Months Using Cursor AI

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Autor beschreibt seinen nach eigenen Angaben erfolgreichen Ablauf, um mit Cursor AI, getrennten KI-Rollen, detaillierter Planung, Supabase und Vercel MVPs zu entwickeln. Er führt die behaupteten 18 Projekte in sechs Monaten auf klare Regeln und schrittweise Umsetzung zurück, belegt die Ergebnisse jedoch nicht unabhängig und erläutert die genannte Projektdauer von fünf bis sechs Wochen nicht im Verhältnis dazu.

Mittel

Code Coup berichtet, in sechs Monaten mit Cursor AI 18 MVPs für Kunden gebaut zu haben. Nach anfänglichem Chaos habe er seinen Ablauf durch Planung und klare Projektregeln strukturiert: Statt einer großen Regeldatei nutzt er mehrere `.mdc`-Dateien für Bereiche wie Frontend, Backend, Technik und Umsetzung. ChatGPT erstellt dafür unter anderem Produktbeschreibungen und Pläne.

Die KI-Modelle setzt er laut eigener Darstellung mit verschiedenen Rollen ein: Gemini 2.5 Pro analysiere und prüfe den Code, Claude Sonnet 3.5 oder 3.7 schreibe und verbessere ihn. Einen etwa 50 Schritte langen Plan lasse er von Cursor Agent Aufgabe für Aufgabe umsetzen. Supabase bilde die Backend- und Datenbankgrundlage; Vercel nutze er für die Bereitstellung. Für ein MVP nennt er eine Dauer von fünf bis sechs Wochen.

Der Artikel vertritt die These, dass Struktur, kleinschrittige Umsetzung und passende Werkzeuge KI-gestützte Entwicklung berechenbarer machen. Die Beispiele und Erfolge beruhen auf den persönlichen Angaben des Autors. Eine systematische Auswertung oder unabhängige Belege fehlen; auch wird nicht erklärt, wie die angegebene Entwicklungsdauer mit 18 MVPs in sechs Monaten zusammenpasst.

Ausführlich lesen

Der Autor Code Coup beschreibt, wie er nach eigenen Angaben mit Cursor AI innerhalb von sechs Monaten 18 MVPs für Kunden entwickelt hat. Ausgangspunkt sei zunächst ein chaotischer Arbeitsablauf gewesen: unübersichtliche Ordner, fehleranfällige Logik und unbefriedigende Oberflächen. Seine zentrale Aussage lautet, dass KI beim Programmieren erst durch klare Vorgaben und Planung verlässlich nützlich werde; gute Prompts allein reichten nicht.

Als Grundlage seiner Methode zerlegt er Projektdokumentation in mehrere Dateien im Ordner `.cursor/rules/`. Diese sollen jeweils bestimmte Aufgaben abdecken, etwa Frontend-Richtlinien, Backend-Struktur, App-Ablauf, Technik-Auswahl und Umsetzungsschritte. Früher habe er alle Regeln in einer einzigen Datei gesammelt und dabei Probleme erlebt. Für die Dokumente lasse er ChatGPT unter anderem Produktbeschreibung, Nutzerabläufe, Designvorgaben, Backend-Konzept und einen detaillierten Plan erstellen. Ein Beispiel legt Tailwind, einen Mobile-first-Ansatz, Farben, Schrift und Komponentenstruktur fest.

Für die Arbeit mit KI-Modellen teilt der Autor die Rollen auf: Gemini 2.5 Pro nutze er zum Analysieren und Prüfen des Projekts sowie zum Aktualisieren der Dokumentation; Claude Sonnet 3.5 oder 3.7 lasse er Code schreiben und Fehler beheben. Gemini könne laut Autor Codebasen mit bis zu einer Million Tokens durchsuchen, werde aber oberhalb von 400.000 Tokens unzuverlässiger. Als Beispiele nennt er das Entdecken eines Tippfehlers im Datenbankschema und die Prüfung einer Login-API. Diese Schilderungen sind persönliche Erfahrungsberichte, keine unabhängig überprüften Ergebnisse.

Ein zentraler Teil des Vorgehens ist ein ungefähr 50 Schritte umfassender Implementierungsplan, den der Autor mit CodeGuide erstellt. Cursor Agent bearbeite die Aufgaben schrittweise, beispielsweise Projektordner und React-Frontend einrichten, Express und Supabase verbinden, Tabellen anlegen und eine Login-Seite bauen. Supabase soll Datenbank, Authentifizierung und Backend-Aufgaben übernehmen; Vercel diene der Bereitstellung. Der Autor nennt außerdem Supabase MCP als Teil seines Werkzeugstapels und gibt an, ein MVP damit in fünf bis sechs Wochen fertigzustellen. Für das Deployment führt er den Befehl `vercel deploy` an und behauptet, dabei würden Umgebungsvariablen und Skalierung mitverwaltet.

Seine Lehren fasst er als erst planen, dann programmieren, mehrere KI-Modelle für unterschiedliche Aufgaben einsetzen, Arbeit in Schritte teilen und unterstützende Werkzeuge nutzen zusammen. Der Bericht liefert Codebeispiele und beschreibt die persönliche Arbeitsweise, aber keine systematische Auswertung der 18 Projekte, Vergleichswerte, Kosten, Erfolgsquoten oder unabhängige Belege. Auch erläutert er nicht, wie sich die genannte Dauer von fünf bis sechs Wochen auf 18 MVPs in sechs Monaten verteilt. Die Leistungs- und Zeiteinschätzungen sind daher als Behauptungen des Autors zu verstehen.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Zusammenfassung wurde sowohl in der kurzen als auch in der mittleren Fassung geprüft; beide geben den Bericht treu wieder und enthalten keine erfundenen Fakten. Die Wertung fehlender unabhängiger Belege ist Lunas Einschätzung und keine Aussage des Artikels. Teilfragen wurden nicht angegeben, daher gibt es nur Bewertungen der drei Sammelfragen.

Im Bericht, aber nicht in der Zusammenfassung

  • Das Beispiel, dass Gemini einen Fehler im Datenbankschema fand, wird nicht erwähnt

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
Vorfälle melden
Fähigkeiten messen
Unabhängig prüfen
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 51 %Hintergrund, keine Belege
    • JEV 27 %gleiches Oberthema, hilft nicht
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung kein Bezug
  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 30 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 48 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 56 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Vertrauen in Modelle
  1. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 54 %einzelne zitierbare Belege
    • amos 53 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 33 %Hintergrund, keine Belege
    • JEV 36 %einzelne zitierbare Belege
    • amos 29 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 47 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 34 %Hintergrund, keine Belege
    • JEV 42 %einzelne zitierbare Belege
    • amos 27 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt
Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 34 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 39 %beantwortet teilweise oder widerspricht
    • amos 56 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

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 →