Schematik will AI-Vibe-Coding in die physische Welt bringen

Von der Code-Generierung zum Gerätebau

Das neueste Experiment mit einer KI-Oberfläche verlässt den Bildschirm und wandert auf die Werkbank. Wired berichtet, dass Schematik, gegründet vom in Amsterdam ansässigen Gründer Samuel Beek, sich als „Cursor für Hardware“ positioniert - ein Werkzeug, das Nutzern helfen soll, ein physisches Gerät zu beschreiben, das sie bauen wollen, und anschließend Anleitung zu Komponenten, Beschaffung und Montage zu erhalten.

Der Pitch ist leicht zu verstehen, weil er aus einem sehr konkreten Scheitern entsteht. Beek sagte Wired, dass er einst alle Sicherungen in seinem Haus durchgebrannt habe, nachdem er sich bei den Kabelhinweisen für einen elektrischen Türöffner auf von ChatGPT erzeugte Anleitungen verlassen hatte. Das Problem habe ihn dazu gebracht, eine KI zu bauen, die in Hardware-Kontexten „tief versteht, worüber sie spricht“, wo Fehler nicht nur lästig, sondern potenziell zerstörerisch sind.

Warum Hardware ein schwierigeres KI-Problem ist

Software-„Vibe-Coding“ ist zu einer Kurzform dafür geworden, KI-Systeme per Prompt schnell brauchbaren Code erzeugen zu lassen. Hardware ist weniger verzeihend. Eine fehlerhafte Softwareausgabe kann eine App abstürzen lassen. Eine fehlerhafte Hardwareanweisung kann eine Verbindung kurzschließen, Geräte beschädigen oder Sicherheitsrisiken schaffen. Die Berichterstattung von Wired nutzt genau diese Spannung als Hintergrund für das Entstehen von Schematik.

Laut dem Artikel können Nutzer angeben, was sie bauen möchten; danach schlägt das System die nötigen Kabel und Komponenten vor, liefert Einkaufslinks und dient als Leitfaden für den Zusammenbau. Damit verschiebt sich die KI-Oberfläche über die Ideenfindung hinaus in eine operativere Rolle: reale Teile auswählen und den Montageprozess strukturieren.

Das Versprechen liegt auf der Hand. Jemand ohne tiefes Hardware-Training kann schneller von der Idee zum Objekt gelangen. Die Gefahr ist ebenso offensichtlich. Wenn das Urteil des Modells falsch ist, kann das physische Ergebnis auf eine Weise scheitern, die schwerer wiegt als eine fehlerhafte Web-App. Der Reiz von Schematik hängt daher davon ab, ob es die Lücke zwischen kreativer Ambition und verlässlicher Ausführung verkleinern kann.

Erste Dynamik ist bereits sichtbar

Wired zufolge postete Beek die Idee im Februar auf X und stieß auf starkes Interesse von Menschen, die sie ausprobieren wollten. Einer von ihnen, N8N-Brand-Lead Marc Vermeeren, sagte, er habe Schematik verwendet, um mehrere Geräte zu bauen, darunter einen MP3-Player und einen Tamagotchi-ähnlichen Bot namens Clawy, der bei der Verwaltung von Claude-Coding-Sitzungen helfen soll. Der Artikel beschreibt auch andere Nutzer, die eigene Varianten erstellt haben.

Das ist wichtig, weil Maker-Tools oft vom Gemeinschaftsinteresse leben oder sterben, bevor sie sich zu ausgereiften Unternehmen entwickeln. In diesem Fall scheint das Start-up sowohl Nutzerexperimente als auch Investorenunterstützung zu haben. Wired berichtet, dass Schematik 4,6 Millionen Dollar von Lightspeed Venture Partners eingesammelt hat und Beek plant, darum ein Geschäft aufzubauen.

Anthropics Rolle ist nicht Investition, sondern Ermöglichung

Der Titel des Artikels lässt vermuten, dass Anthropic mitmischen will, und der Text präzisiert, was das bedeutet. Anthropic-Ingenieur Felix Rieseberg schrieb auf X, dass das Unternehmen eine Bluetooth-API für Maker und Entwickler freigeschaltet habe. Im Kontext wirkt das wie Plattformunterstützung für die Art von Hardware-Workflows, die Werkzeuge wie Schematik erschließen wollen.

Das ist ein wichtiger Unterschied. Auf Basis des vorliegenden Textes wird Anthropic hier nicht als Investor in Schematik beschrieben. Wired zeigt vielmehr eine wachsende Abstimmung zwischen Frontier-KI-Modellen und maker-orientierten Werkzeugen. Wenn große Modellanbieter Schnittstellen für Geräte, Hobbyelektronik und vernetzte Produkte öffnen, beginnt die Grenze zwischen Coding-Assistent und Hardware-Assistent zu erodieren.

Die größere Verschiebung hinter der Geschichte

Schematik ist nicht nur interessant, weil es Menschen beim Zusammenbauen von Gadgets hilft, sondern weil es ein breiteres Muster im KI-Produktdesign fortsetzt. Nutzer erwarten zunehmend, dass Modelle über Workflows hinweg als Agenten agieren, nicht nur als Antwortmaschinen. In der Software ist diese Erwartung bereits normal. In der Hardware bleibt sie experimentell, teilweise weil die Kosten eines Fehlers höher sind und das relevante Wissen stärker in Teilen, Toleranzen, Verbindungen und Einschränkungen verankert ist.

Deshalb trifft die Beschreibung von Schematik als „Cursor für Hardware“ einen Nerv. Sie übersetzt eine vertraute Software-Metapher in ein schwierigeres Feld. Ob der Vergleich vollständig trägt, ist noch offen. Die Ambition ist jedoch klar: die Distanz zwischen einer formulierten Idee und einem funktionierenden physischen Artefakt verringern.

Warum das über Hobbyisten hinaus wichtig sein könnte

Wenn sich diese Werkzeuge verbessern, endet ihre Relevanz nicht beim Wochenendbasteln. Schnellere Iterationen bei Prototypen könnten für Bildung, Produktdesign, interne Tools und kleine Fertigungsteams wichtig sein. Der Kernvorteil ist keine Magie. Es ist Kompression. Ein System, das Teile empfehlen, Montageschritte vorschlagen und den Kontext über den gesamten Bauprozess hinweg behalten kann, senkt die Einstiegshürde, etwas Reales zu bauen.

Gleichzeitig hält Wired den zentralen Vorbehalt im Blick. Hardware ist der Ort, an dem diffuse KI-Sicherheit verbrannte Bauteile, vergeudete Zeit oder Schlimmeres erzeugen kann. Der eigentliche Test für diese Kategorie ist nicht, ob sie kreativ wirkt. Es ist, ob man ihr trauen kann, wenn die Drähte real sind.

Worauf zu achten ist

• Ob Maker-Communities KI-native Hardware-Tools weiterhin in öffentlichen Build-Workflows einsetzen.
• Wie weit Modellanbieter wie Anthropic Schnittstellen für Geräte und Peripherie öffnen.
• Ob Zuverlässigkeit und Sicherheit zu den wichtigsten Differenzierungsmerkmalen im KI-gestützten Hardware-Design werden.

Schematik steht für eine echte Grenze angewandter KI: den Übergang von der Generierung von Software zur Orchestrierung physischer Erzeugung. Die Chance ist groß. Die Strafe für Fehler ist es ebenso.

Dieser Artikel basiert auf einer Berichterstattung von Wired. Zum Originalartikel.