Design wechseln

Mein erstes WeChat-Minispiel mit KI und ohne Erfahrung in der Spieleentwicklung

Easton editorial illustration: central laptop and keyboard on a compact solo-developer desk, one repository hub branching into an editor panel, terminal panel, and cloud task panel

"Offizielles Handbuch zu Entwicklung und Builds für mehrere Plattformen mit Cocos Creator."

Letzten Monat habe ich mein erstes WeChat-Minispiel veröffentlicht: WordCrate: Word Sort Puzzle.

Die Regel ist schnell erklärt. Englische Wortkarten kommen in die passende Box. APPLE gehört zu FOOD, RAIN zu WEATHER. Die erste Version hatte 150 Hauptlevel, mehr als 800 Wörter, eine tägliche Wiederholung und eine Fortschrittsanzeige.

Das Spiel ist klein. Trotzdem konnte ich damit etwas ausprobieren, das mich schon länger beschäftigt hatte: Kommt jemand ohne Erfahrung in der Spieleentwicklung mit viel KI-Unterstützung allein von der Idee bis zur Veröffentlichung?

Ja. Beim Fertigstellen fiel mir allerdings etwas auf, das schwerer zu akzeptieren war.

Mit KI ist es viel leichter, etwas zum Laufen zu bringen. Ein gutes Produkt daraus zu machen bleibt anspruchsvoll. An manchen Stellen wurde es für mich sogar schwieriger.

Hier sind die Stellen, an denen ich hängen blieb, und die Entscheidungen, die ich erst beim Machen verstanden habe.

Warum Wörter in Boxen sortieren?

Ich wollte eine einfache Spielmechanik, die sich anders anfühlt als der übliche Ablauf beim Vokabellernen: englisches Wort sehen, chinesische Übersetzung lesen, auswendig lernen, Aufgabe lösen. Kinder merken schon nach zwei Runden, dass sie wieder in einer Lern-App sind.

So kam ich aufs Sortieren. Bei Apple muss ich wissen, dass es „Apfel“ heißt, und mich für die Kategorie Essen entscheiden. Bei Pencil denke ich an Dinge, die ich in der Schule benutze. Das Wort bekommt dadurch einen Zusammenhang, der über die Übersetzung hinausgeht.

Damit stand die Mechanik aus Wortkarten und Kategorienboxen. Der Name WordCrate lag nah.

Für den ersten Wurf ließ ich Charakterentwicklung, Ausrüstung und Handlung weg. Ich wollte genau eine Frage beantworten: Kann das Sortieren helfen, Wörter zu lernen und zu wiederholen? Die 150 Level mussten dafür eine Kette bilden: Wort kennenlernen, im Spiel entscheiden, ihm wiederbegegnen und es später wiederholen.

Im Rückblick war es richtig, diese Annahme zuerst spielbar zu machen. Vieles fällt erst beim Spielen auf. Am Schreibtisch hätte ich es nicht bemerkt.

Was die KI außer Programmieren übernommen hat

Dass bei einem Spiel KI im Einsatz war, ist für sich keine Nachricht mehr. Mein Versuch war konkreter: KI sollte von der ersten Produktidee bis zur Veröffentlichung an allen Phasen mitarbeiten.

Am Ende kam ich auf mindestens fünf Rollen.

Produktmanagement. Am Anfang stand kein Code. Was kommt in die erste Version? Ab welchem Level ist die tägliche Wiederholung verfügbar? Wie mische ich neue und bereits gelernte Wörter? Wie viele Kategorien passen auf den Bildschirm, bevor das Spiel wie ein Arbeitsblatt wirkt? Erst wenn diese Fragen geklärt waren, lohnte sich die Umsetzung.

Spieldesign. 150 Level von Hand zu konfigurieren kostet viel Zeit, und die Schwierigkeit gerät leicht aus dem Takt. Ich brachte Wortliste, Kategorien, Einführungsreihenfolge und Anteil der Wiederholungswörter in eine feste Datenstruktur. Die KI prüfte nach Regeln, wohin ein Wort gehört, welche Kategorien zusammen funktionieren, wo die Schwierigkeit sprunghaft steigt und welche Wörter für Kinder ungeeignet sind. Regeln, Daten und KI-Prüfung ersetzten einen Teil der Handarbeit.

UI/UX-Assistenz. Wo stehen auf dem Startbildschirm Hauptspiel und Wiederholung? Was zeige ich nach einem Level? Woran merkt ein Kind, dass es gerade etwas geschafft hat, wenn auf dem Bildschirm mehr steht als „Level geschafft“? Die Oberfläche ging durch mehrere Runden. Die KI entwarf Varianten und Prototypen, die ich im Spiel ausprobierte.

Programmierung. Das Spiel entstand in Cocos Creator. Die KI schrieb große Teile der Spiellogik, der Spielstände, der Oberflächenzustände, der WeChat-Anpassungen und der Build-Skripte. Ich formulierte Anforderungen, sah mir das Ergebnis an, spielte, suchte Probleme, änderte die Vorgaben und ließ erneut umsetzen. Statt erst monatelang die Engine zu lernen und dann einen Demo-Prototyp zu bauen, ging ich von dem aus, was ich machen wollte. Die nötige Technik erschloss ich mir am echten Projekt.

Tests. Gerade dieser Teil wird leicht unterschätzt. Gegen Ende investierte ich immer mehr Zeit in Unit-Tests, Gültigkeitsprüfungen für Daten und Level, Browserautomatisierung und Kontrollen vor dem Release. Vieles ließ sich schließlich mit einem Klick starten. Dass KI eine Funktion schreiben kann, hilft. Nachweisen zu können, dass dabei an anderer Stelle nichts kaputtgegangen ist, half mir deutlich mehr.

Die Level waren korrekt und zu leicht

An diesem Punkt verschob sich für mich die eigentliche Schwierigkeit.

Als Anfänger dachte ich, mit genug Programmierkenntnissen ließe sich das Spiel umsetzen. Als die KI diese Hürde senkte, fiel die nächste Frage umso mehr auf: Macht das Spiel überhaupt Spaß?

Die Schwierigkeit war ein gutes Beispiel. Auf dem Papier klang alles plausibel: Level mit Zuglimit, immer mehr Wörter und anspruchsvollere Kategorien. Nach zehn bis zwanzig Leveln am Stück merkte ich, wie leicht es war. Ab und zu hatte ich am Ende noch viele Züge übrig.

Es gab keinen Bug. Sieg und Niederlage wurden richtig erkannt, die Daten waren gültig. Beim Spielen fehlten aber Druck und Entscheidungen, über die ich nachdenken musste.

Ob der Code stimmt und wie sich das Spielen anfühlt, musste ich getrennt prüfen. KI kann eine Regel prüfen und 150 gültige Level erzeugen. Ob Level 20 schon langweilt, merkt man erst, wenn Menschen wiederholt spielen.

Bei der Zielgruppe war es ähnlich. Zuerst hatte ich „ab 6 Jahren“ notiert. Eine Person aus meinem Freundeskreis probierte es aus und wies mich darauf hin, dass junge Kinder bei einer Oberfläche voller Wörter bereits lesen können müssen. Kleinere Schrift erhöht diese Hürde. Das war offensichtlich, sobald jemand darauf zeigte. Beim Bauen hatte ich vor allem auf die Funktionen geachtet. Braucht jedes Wort ein Bild? Muss die Schrift größer sein? Schauen Kinder dann nur aufs Bild und überspringen das Englische? Solche Fragen lassen sich mit wiederholten Versuchen abwägen.

Wie sich ein Lernspiel wie ein Spiel anfühlt

Über diese Frage denke ich im Moment am meisten nach.

Eine animierte Übung bleibt eine Übung. Die Wortkarte landet in der richtigen Box, verschwindet auf einen Schlag, und die nächste rückt nach. Die Mechanik funktioniert. Ein Spielgefühl kommt dabei kaum auf.

In einem guten Spiel gibt es viele kleine Antworten auf jede Aktion: Die Box zieht die Karte an, Partikel gehen auseinander, Sterne fliegen in den Fortschrittsbalken. Bei richtigen Zügen in Folge steigt die Tonhöhe, die Combo wächst, und ein Levelabschluss bekommt seinen eigenen Moment. Zusammengenommen spürt man den Unterschied zwischen einer gelösten Aufgabe und einer Spielrunde.

Zuerst muss die Mechanik Spaß machen. Dann kann das Lernen beim Spielen von selbst passieren. Ob ich mit der Mechanik oder mit der Lernübung anfange, verändert, was ich am Ende baue.

Was zwischen lokalem Build und WeChat-Start liegt

Auch die Veröffentlichung hatte ich unterschätzt. Wenn das Spiel auf meinem Rechner läuft, ist etwa die Hälfte geschafft. Es folgen der Release-Build in Cocos, die Plattformanpassung, die Kontrolle der Paketgröße, Tests auf echten Geräten und verschiedene Bildschirmgrößen. Dazu kommen Name, Logo, Titelbild, Vorschaubild zum Teilen, Prüfunterlagen, Einreichung, Rückfragen oder Ablehnungen und schließlich die Veröffentlichung.

Nach dem ersten Durchlauf war mir klar: Zwischen einem Demo-Prototyp und einem Produkt für echte Nutzer liegt mehr Arbeit, als ich erwartet hatte. Allein richtet sich die Aufmerksamkeit schnell auf die Funktionen. Gestaltung, Inhalt, Tests, Freigabe, Daten und laufender Betrieb gehören genauso zum Produkt.

Als das Spiel die Prüfung bestanden hatte und man es in WeChat öffnen konnte, fühlte es sich anders an als am eigenen Rechner. Jemand kann es mögen, nach einer Minute aussteigen oder einfach sagen: „Langweilig.“ Solange ich nur für mich baue, kann ich mir Mängel erklären. Nach dem Start bleibt die Frage: Wollen die Leute weiterspielen? Die lässt sich durch Erklärungen nicht lösen.

Nach dem Start kamen die nächsten Fragen

Die Veröffentlichung fühlte sich nicht wie ein Schlusspunkt an. Beginnen neue Spieler überhaupt mit dem ersten Level? Wo hören sie auf? Welche Wörter landen besonders oft in der falschen Box? Wird die tägliche Wiederholung geöffnet? Kommen jüngere Kinder mit Bildern besser zurecht?

Für die nächste Runde will ich zuerst Spiel- und Rückmeldedaten sammeln. Danach entscheide ich über die Schwierigkeitskurve, die Effekte beim Abräumen der Karten, Bildtests und die Wiederholungsfunktion.

Die erste Version hat mir gezeigt, wie ein Produkt entsteht: Eine Roadmap gibt die Richtung vor. Geformt wird das Spiel durch die Reaktionen der Menschen, die es tatsächlich spielen.

Was ich aus der ersten Version mitnehme

Die Geschwindigkeit, mit der KI Code schreibt, ist für mich inzwischen zweitrangig.

Ich kann jetzt allein mit wenig Aufwand auf Fähigkeiten zurückgreifen, für die früher ein ganzes Team nötig war: Produktmanagement, Spieldesign, Gestaltung, Entwicklung, Tests und Datenauswertung. Fachleute bleiben wichtig. Wie wertvoll die einzelnen Fachkenntnisse sind, wurde mir beim Bauen erst richtig klar. Früher kam ich oft nicht einmal zu diesen Entscheidungen, weil die Umsetzung die ganze Zeit beanspruchte. Heute bleibt mehr Zeit für die Frage, was ich bauen sollte.

Was lohnt sich? Was macht wirklich Spaß? Was brauchen die Menschen tatsächlich? Darauf liefert kein einzelner Prompt eine Antwort. Gerade das macht die Arbeit für mich interessant.


Die erste Version von WordCrate: Word Sort Puzzle ist als WeChat-Minispiel erschienen. Wer Kinder im Grundschulalter hat, findet sie in WeChat mit dem Suchbegriff „英语单词收纳盒“.

Mich interessiert konkretes Feedback: Welches Level war langweilig? Wo war etwas unklar? Wollte das Kind noch eine Runde spielen? Wann fühlte es sich eher nach Lernen als nach einem Spiel an? Solche Antworten beeinflussen die nächste Version.

Wie ich die Level abstimme, die Daten auswerte und KI beim Testen einsetze, will ich weiter festhalten. Wer mag, kann die nächsten Beiträge verfolgen.

Mit KI allein ein WeChat-Minispiel entwickeln und veröffentlichen

So kam ich ohne Erfahrung in der Spieleentwicklung von der Planung über die Tests bis zur Freigabe auf WeChat.

  1. 1

    Step 1: 1. Einen spielbaren Kern festlegen

    Eine einfache Sortiermechanik wählen, etwa Wortkarten für Kategorienboxen. Die erste Version soll zeigen, ob die Mechanik Spaß macht und beim Wiederholen von Wörtern hilft.
  2. 2

    Step 2: 2. Die KI in fünf Rollen einsetzen

    Mit KI den Produktumfang abstecken, Leveldaten nach Regeln prüfen, Prototypen für die Oberfläche entwerfen, die Cocos-Logik umsetzen und Tests auf Knopfdruck vorbereiten.
  3. 3

    Step 3: 3. Das Spiel von Menschen testen lassen

    In mehreren Durchläufen die Schwierigkeit und den Entscheidungsdruck abstimmen, die Lesbarkeit für jüngere Kinder prüfen und an Rückmeldungen wie Treffergefühl und Combo-Effekten arbeiten.
  4. 4

    Step 4: 4. Den Build einreichen

    Das Spiel in Cocos Creator bauen, Teilpakete und extern gehostete Ressourcen für WeChat vorbereiten, Auflösungen prüfen und die Unterlagen für die Freigabe einreichen.

FAQ

Kann man ohne Erfahrung ein WeChat-Minispiel mit KI veröffentlichen?
Ja. KI erleichtert den Einstieg in die Engine und hilft von der Spiellogik über Spielstände bis zu Build-Skripten. Das Produkt braucht klare Regeln, wiederholte Spieltests sowie Arbeit an Teilpaketen, Geräteanpassung und Freigabe.
Wieso macht ein fehlerfreies Spiel nicht automatisch Spaß?
Korrekte Daten und Siegbedingungen bringen das Spiel zum Laufen. Spielspaß hängt auch von der Schwierigkeit, den Entscheidungen und dem Bild- und Tonfeedback ab. Ob gültige KI-generierte Level eintönig sind, zeigt sich im Spieltest.
Wie bleibt ein Vokabelspiel mehr als eine Reihe von Übungen?
Eine unterhaltsame Mechanik macht den Anfang. Wenn Karten sichtbar einrasten, Partikel aufleuchten, der Ton mit jeder richtigen Antwort steigt und ein Levelabschluss spürbar ist, fühlt sich die Übung wie ein Spiel an.

8 Min. Lesezeit · Veröffentlicht am: 17. Aug. 2026 · Aktualisiert am: 17. Nov. 2026

Kommentare

Melde dich mit GitHub an, um einen Kommentar zu hinterlassen

Easton BlogEaston Blog