Code-Playgrounds im Wandel: Warum klassische Tools seltener werden

Vor etwa drei Jahren begann meine Suche nach einem Ort, an dem ich mich auf technische Vorstellungsgespräche vorbereiten konnte. Damals stieß ich auf den Kurs Master the Coding Interview von Zero to Mastery auf Udemy. Der Kurs erklärte Algorithmen, Datenstrukturen und die Grundlagen der Laufzeitkomplexität – allesamt essenzielle Konzepte für jeden Entwickler. Doch das Besondere war die gewählte Lernumgebung: Der Kursleiter nutzte Replit, eine browserbasierte Plattform, in der man Code direkt ausführen konnte. Replit fühlte sich an wie ein kleines, virtuelles System, das man sofort nutzen konnte: Code schreiben, ausführen, Terminal nutzen – alles in einem sauberen Interface. Es war beeindruckend.

Doch der Kursleiter gab einen Hinweis: Wer Replit nicht nutzen möchte, solle Glot.io ausprobieren. Glot war nicht so ansprechend gestaltet, aber kostenlos, unterstützte Dutzende Programmiersprachen ohne Hürden und beschränkte sich auf das Wesentliche. Ich nutzte Glot für die meisten Übungen – kopierte Beispiele aus dem Kurs, modifizierte sie, brach sie absichtlich – um zu verstehen, warum etwas funktionierte oder nicht. Es war der perfekte Spielplatz für mein Lernen.

Die Landschaft hat sich verändert

Einige Jahre später wollte ich mein Wissen auffrischen, um mich auf eine Zertifizierung vorzubereiten. Also suchte ich nach denselben Tools. Zuerst probierte ich Replit aus. Ich erinnerte mich an das saubere Interface und hoffte auf Verbesserungen. Doch als ich die Seite öffnete, war alles anders: Statt eines Code-Editors begrüßte mich ein Chatfenster mit einer KI. Auf meine Nachfrage erklärte eine andere KI, dass Replit seinen Fokus geändert habe und empfahl mir PlayCode.io als Alternative.

Doch PlayCode.io war ebenfalls ein KI-Assistent – kein Ort, an dem ich selbst denken und Probleme lösen konnte. Mir ging es nicht um KI, die mir den Code schreibt, sondern um die Fähigkeit, selbst zu programmieren und zu verstehen. Also kehrte ich zu Glot.io zurück. Die Plattform funktionierte noch immer und war kostenlos – und ich hatte sogar meine alten Übungen gespeichert. Doch die unterstützten Sprachen waren seit Jahren nicht mehr aktualisiert worden. Für moderne Versionen von Python oder anderen sich schnell entwickelnden Sprachen war Glot einfach nicht mehr geeignet. Das ist verständlich: Eine kostenlose Infrastruktur ohne Geschäftsmodell zu betreiben, ist eine enorme Herausforderung. Glot hat das lange geschafft und verdient Anerkennung. Doch für meine aktuellen Bedürfnisse reichte es nicht mehr.

Warum sich Code-Playgrounds zu KI-Agenten wandelten

Die Entscheidung der Playgrounds, zu KI-Agenten zu werden, war kein Zufall. Es gab einen klaren wirtschaftlichen und technischen Grund dafür.

Diese Plattformen hatten bereits die schwierigste Infrastruktur gebaut: Sie konnten Code sicher in der Cloud ausführen, skalieren und Dutzende Programmiersprachen unterstützen. Gleichzeitig sammelten sie enorme Mengen an Code, den Nutzer geschrieben hatten. Mit dem Aufkommen von KI entstand ein neues Marktbedürfnis: Die meisten Menschen wollen keine Programmierer sein – sie wollen eine Anwendung. Die unsichtbare Barriere zwischen technischen und nicht-technischen Nutzern – DNS-Konfigurationen, Deployment-Pipelines, der Unterschied zwischen einem Prototypen und einer fertigen Anwendung – war lange ein Hindernis für viele gute Ideen.

Als KI es plötzlich möglich machte, mit einer einfachen Aufforderung wie „Erstelle mir eine Todo-App“ etwas Lauffähiges zu erhalten, sahen die Playground-Betreiber eine klare Chance: Sie konnten ihre bestehende Infrastruktur nutzen, eine KI-Schicht daraufsetzen und damit direkt den riesigen Markt an Menschen ansprechen, die einfach nur ihre Idee umsetzen wollten. Das ist keine zynische Entscheidung, sondern eine rationale. Unternehmen existieren, um Probleme zu lösen – und dieses Problem war plötzlich nicht mehr „Ich möchte Code ausführen“, sondern „Ich möchte Software ohne selbst zu programmieren“. Der Business Case war offensichtlich.

Doch was zurückblieb, war eine Lücke – eine Lücke, die scheinbar klein genug war, dass niemand eilig versuchte, sie zu füllen. Doch diese Lücke ist nicht trivial. Ein Ort, an dem man selbst denken, Fehler machen und verstehen kann, warum etwas funktioniert, ist nicht dasselbe wie ein Ort, an dem eine KI die Lösung liefert. Beide haben ihren Zweck. Aber nur einer trainiert das mentale Modell, das für echtes Verstehen notwendig ist.

Der Code-Spielplatz, den niemand mehr füllt

Hier ist etwas, das kaum jemand thematisiert: Die Tech-Branche hat sich verändert, aber der Einstellungsprozess blieb weitgehend gleich. Technische Vorstellungsgespräche finden weiterhin statt. Zertifizierungen sind nach wie vor relevant. Unternehmen erwarten nach wie vor, dass Bewerber Probleme selbstständig auf einem Whiteboard durchdenken – oder zumindest demonstrieren können, dass sie dazu in der Lage sind. KI ist zwar in fast jedem Editor integriert, aber die Hürde, um durch die Tür zu kommen, hat sich nicht so stark verschoben, wie viele denken.

Und ehrlich gesagt: Ich glaube, das hat einen Grund. Die Menschen, die durch KI ersetzt werden, sind diejenigen, die sie für sich arbeiten lassen. Diejenigen, die sie nutzen, um weiterzukommen, sind diejenigen, die sie als Werkzeug begreifen. Die Kluft zwischen diesen Gruppen entsteht durch Verständnis – und Verständnis entsteht durch das Schreiben von Code, das Lösen von Problemen und das bewusste Herausfordern der eigenen Fähigkeiten.

Warum Vielfalt in der Sprache wichtig ist

Ich wollte eine Umgebung mit mehreren Sprachen. Denn das Erlernen einer neuen Programmiersprache ist eine geistige Herausforderung: Es zwingt einen dazu, vertraute Probleme aus einem anderen Blickwinkel zu betrachten. Noch extremer wird es mit esoterischen Sprachen: Wenn man etwas Sinnvolles in Brainfuck schreibt – einer Sprache, in der man Speicher byteweise verwaltet – dann erscheinen Konzepte wie Zeiger oder Stack-Allokation in C plötzlich weniger abstrakt. Es ist, als würde man ein schwierigeres Puzzle lösen, damit die normalen Rätsel einfacher wirken. Das gleiche Prinzip gilt für die Unterstützung von benutzerdefinierten Interpretern: Eine eigene, wenn auch kleine Sprache zu entwickeln, verändert die Art und Weise, wie man alle Sprachen betrachtet.

Aus dieser Überlegung heraus entstand babelpad.dev. Eine Plattform mit mehreren Sprachen – inklusive der ungewöhnlichen – ohne Anmeldung, ohne KI-Agenten, ohne Reibungsverluste. Nur Code und Ausgabe.

Die Fähigkeit dahinter

Doch hinter dieser Suche steckt noch etwas Persönlicheres – etwas, das tiefer geht als Einstellungsverfahren.

Als ich früher Studenten unterrichtete, setzte ich sie vor eine Reihe von Problemen und forderte sie auf, selbst zu denken. Heute sehe ich, wie viele junge Entwickler sofort zu KI-Tools greifen, ohne die Grundlagen zu verstehen. Das ist wie das Auswendiglernen von Vokabeln, ohne die Grammatik zu verinnerlichen. Die Kunst des Programmierens liegt nicht darin, KI zu nutzen, sondern zu verstehen, warum eine Lösung funktioniert – und wann sie scheitert.

Code-Playgrounds sollten Orte sein, an denen man scheitern darf. An denen man experimentieren kann, ohne Angst vor Fehlern zu haben. An denen man die Sprache selbst erlebt, nicht nur ihre KI-generierte Interpretation. Vielleicht ist das der Grund, warum so viele klassische Playgrounds verschwunden sind: Sie hatten ihren Zweck erfüllt, indem sie die KI-Revolution mit ermöglichten. Doch der Bedarf für echte, menschenzentrierte Lernumgebungen bleibt.

Die Zukunft des Programmierens wird eine Mischung aus KI und menschlichem Verständnis sein. Doch bevor wir uns auf die KI verlassen, sollten wir sicherstellen, dass wir die Grundlagen beherrschen. Denn am Ende geht es nicht darum, Code zu schreiben – sondern darum, Probleme zu lösen.