Herbst 2026 · Aus der Tranquility-Basis
Ins Mondstudio ↗
Spieleentwicklung

Spiel mit KI erstellen: Claude baut ein Three.js-Soulslike in 3 Tagen (Dream Loop)

Ein Spiel mit KI erstellen: Meng To baute mit Claude in 3 Tagen ein Soulslike in Three.js. Seine 6 Schritte und der Dream Loop im eigenen Praxistest.

Ein Astronaut steht in einer Mondbasis zwischen zwei Bildschirmen, links eine blasse Spielszene, rechts dieselbe Szene in aufpolierter Version, zwei kleine Roboter halten als Jury Wertungstafeln hoch
Ein Astronaut steht in einer Mondbasis zwischen zwei Bildschirmen, links eine blasse Spielszene, rechts dieselbe Szene in aufpolierter Version, zwei kleine Roboter halten als Jury Wertungstafeln hoch

Mit KI ein Spiel zu erstellen, das „spielbar“ ist, ist inzwischen nicht mehr schwer. Schwer ist, dass es auch „gut aussieht“. Du sagst der KI, sie soll das Licht verbessern und die Effekte aufwendiger machen, und jedes Mal meldet sie, es sei erledigt. Nur siehst du nicht, ob es wirklich besser geworden ist, und kannst auch nicht sagen, woran es hapert.

Meng To, Gründer von Design+Code und Aura, hat vor Kurzem auf X ein Three.js-Spiel im Soulslike-Stil gezeigt: in drei Tagen mit Claude Fable 5.2 gebaut, läuft direkt im Browser, mit kompletter Beleuchtung, Effekten und Sound, und ganz ohne Build-Schritt. Er erklärt den ganzen Workflow in einem Thread (der Original-Thread) und hat die verwendeten Skills auf GitHub veröffentlicht, seine vollständigen Prompts sind aber nicht öffentlich. In diesem Beitrag nehme ich seine sechs Schritte auseinander, mit Fokus auf den Trick, durch den das Bild immer besser wird: den Dream Loop. Zum Schluss habe ich das Ganze selbst an der Mondbasis auf der Startseite meiner Website ausprobiert.

Meng Tos Soulslike in Three.js: Ein Ritter in Rüstung mit Schwert und Schild kämpft auf einem dunklen, gepflasterten Platz gegen einen geduckten Gegner, oben links Lebensleiste und Quest, oben rechts die Minikarte
Das Soulslike, das Meng To in drei Tagen mit Claude gebaut hat, Standbild aus seinem Video auf X (Sekunde 18)

Welche Tools stecken in dem Spiel: Claude Code, Three.js, Seedream, Tripo?

Seine Liste hat nur vier Einträge:

  • Claude Code: Fable 5.2 als Hauptmodell, dazu Opus 5.5 für Teilaufgaben.
  • Three.js: reines Web-3D, ohne Bundling und Build, läuft direkt im Browser.
  • Seedream 5.0 Pro: KI-Bildgenerierung für Charakter-Konzeptbilder, UI-Icons und vor allem das entscheidende „Zielbild“.
  • Tripo 3D: macht aus den Konzeptbildern 3D-Modelle.

Die Tools selbst sind nichts Besonderes. Lernenswert ist, wie er sie zu einer Schleife verknüpft, die sich von selbst verbessert.

Schritt 1: Erst mal spielbar machen

Der erste Schritt hat nur ein Ziel: eine spielbare Version. Er gibt Fable 5.2 einen Prompt und lässt es dabei drei Skills laden: den Open-Source-Skill dream-loop von jemand anderem und zwei eigene, einen für den Workflow „gegen ein Ziel bewerten“ und einen fürs Design von Action-Kämpfen (alle in seiner Skills-Sammlung).

Nach sechs Stunden und zwölf Prompts gibt es ein Level, in dem man laufen und kämpfen kann, plus einen Boss. Ob das schon gut aussieht, ist an dieser Stelle egal. Erst muss das Gameplay funktionieren.

Schritt 2: Die Arbeit auf mehrere Agenten in Claude Code verteilen

Sobald das Spiel spielbar ist, macht er Fable 5.2 zum Dirigenten, der mehrere Opus-5.5-Subthreads startet, jeder zuständig für einen Bereich: Licht, Effekte, Figuren, Requisiten, Interface, Sound. Bis zu neun gleichzeitig, und jeder ändert nur die Dateien, für die er zuständig ist.

Diese letzte Regel ist entscheidend. Wenn mehrere KIs gleichzeitig am selben Projekt arbeiten, geht am häufigsten schief, dass sie sich gegenseitig überschreiben. Hat jede ihre eigenen Dateien, können die neun wirklich parallel laufen.

Sound ist die Ausnahme. In den Kommentaren schreibt er, dass KI Soundeffekte per Code noch ziemlich schlecht synthetisiert. Deshalb nimmt er seine eigene Soundbibliothek und bindet sie über den Skill earshot ein.

Schritt 3: Konzeptbilder per KI, dann daraus 3D-Modelle

Bei Figuren und Monstern läuft es so:

  1. Seedream zeichnet das Konzeptbild, mit strengen Vorgaben: Standard-A-Pose, grauer Hintergrund.
  2. Tripo 3D macht daraus ein GLB-Modell. Insgesamt stecken 29 davon im Spiel.
  3. Die fertigen Modelle haben kein Skelett: Skelett und Animationen schreibt die KI direkt als Code.

A-Pose und grauer Hintergrund machen die Umwandlung von Bild zu 3D einfacher: Arme, die vom Körper abstehen, verschmelzen nicht mit ihm, und ein sauberer Hintergrund verhindert, dass Schatten in die Textur gebacken werden. In „KI-3D-Modellierung im Test“ und „Tripo-AI-Modelle richtig prüfen“ bin ich auf genau dieselben Probleme gestoßen: Ist das Konzeptbild nicht sauber vorbereitet, wird jede spätere Korrektur mühsam.

Laut ihm liegen alle Prompts und Assets auf einem einzigen Fil-Canvas, auf dem man sofort sieht, welches Konzept zu welchem Modell wurde. Im Thread zeigt er davon aber nur einen Screenshot; der Canvas selbst ist nicht öffentlich, die vollständigen Prompts kann man also nicht lesen.

Schritt 4: Was ist der Dream Loop?

Das ist der cleverste Teil des ganzen Ablaufs.

  1. Zuerst einen Screenshot vom Spiel machen.
  2. Seedream diesen Screenshot neu zeichnen lassen, mit einem Prompt, der verlangt, dass Kamera, Bildaufbau, Anordnung und Pose der Figuren exakt gleich bleiben. Es soll nur schöner aussehen.
  3. Dieses neu gezeichnete Bild ist das „Zielbild“. Dann passen die KI-Agenten Licht, Materialien und Effekte so lange an, bis das Spiel ihm nahekommt.

Warum funktioniert das? Weil „mach das Bild ein bisschen schöner“ eine Anforderung ist, die man nicht abnehmen kann. Ein Zielbild mit derselben Kameraeinstellung kann man dagegen direkt vergleichen: Sind die Schatten in den Ecken tief genug, fällt das Licht durchs Fenster herein, glänzt der Boden? Das sieht man alles. Und die KI hat endlich eine konkrete Richtung, der sie folgen kann.

Für Felsen, Tonkrüge und Steinmaterial in der Szene nutzt er kostenlose CC0-Scans von Poly Haven. Nicht alles muss von der KI erzeugt werden.

Mein Praxistest: der Dream Loop an der Mondbasis

Ich habe es mit dem Mondstudio auf der Startseite meiner Website ausprobiert. Das ist eine Three.js-Szene: Die Hauptfigur Terry steht mitten im Studio, vor dem Fenster liegt die Mondoberfläche.

Die Originalszene des Mondstudios: weiße Wände, dunkle Bodenfliesen, graue Mondoberfläche vor dem Fenster, die Figur steht mit dem Rücken zur Kamera in der Mitte
Die Originalszene: direkt im Browser aufgenommen, flaches Licht und eine verschwommene Mondoberfläche vor dem Fenster

Neu zeichnen ließ ich den Screenshot von der Bildgenerierung in ChatGPT (gpt-image). Der Prompt ist wie bei Meng To zweigeteilt:

  • Exakt unverändert: Kameraposition, Blickwinkel, Bildaufbau, Position und Anzahl jedes Objekts, Pose der Figur und ihr Chibi-Stil, Raumaufbau, Farbschema. Ausdrücklich dazugeschrieben: kein realistischer Stil.
  • Nur das Rendering ändern: Ambient Occlusion in den Ecken und unter den Möbeln, warmes Licht im Raum und kaltes Mondlicht, das schräg durchs Fenster fällt, leicht leuchtende Bildschirme, etwas Glanz auf den Fliesen, deutlichere Krater auf der Mondoberfläche, Sterne am Himmel, dazu ein wenig Bloom und Vignette.
Das neu gezeichnete Zielbild desselben Mondstudios: warmes Licht im Raum, kaltes Fensterlicht auf dem Boden, deutliche Krater, Sterne am Himmel
Das neu gezeichnete Zielbild: Möbel und Figur stehen unverändert, aber Licht, Materialien und Mondoberfläche sind deutlich besser

Schon beim ersten Versuch ist die Richtung klar: Die Ecken haben Schatten, das Fensterlicht wirft Lichtstreifen auf den Boden, und die Mondoberfläche wird von einer grauen Fläche zu einem Gelände mit Kratern und Steinen. Genau solche Dinge kann ich der KI direkt sagen: „Mach es so.“

Man sieht aber auch die Probleme: Der Bildausschnitt ist etwas weiter geworden, und der Schreibtisch ist geschrumpft. Ich hatte ausdrücklich geschrieben, dass die Kamera bleiben soll, und das Bildmodell hat den Bildaufbau trotzdem heimlich verändert. Bevor man so ein Bild als Ziel nimmt, muss man prüfen, dass es nichts verändert hat, was es nicht verändern sollte. Auch deshalb ist die Jury im nächsten Schritt so wichtig.

Seedream oder gpt-image: Was ist der Unterschied?

Meng To nutzt Seedream für die Zielbilder, ich habe es zuerst mit gpt-image versucht. Für einen sauberen Vergleich habe ich danach einen neuen Screenshot gemacht und denselben Screenshot mit demselben Prompt einmal Seedream 5.5 und einmal gpt-image gegeben. Meng To nutzt Seedream 5.0 Pro, ich die neuere Version 5.5: In meinem Test war sie günstiger und trotzdem schon pixelgenau deckungsgleich. Mich interessiert dabei nicht, wer das schönere Bild malt, sondern wer den Bildaufbau besser hält, denn genau das braucht der Dream Loop.

Dieser Prompt war viel strenger als beim ersten Mal: pixelgenauer Bildaufbau, kein Objekt und keine Kante darf sich bewegen, und nur Effekte, die Three.js in Echtzeit rendern kann, etwa Licht, Schatten, Materialien und Bloom. Nichts, was eine Game-Engine nicht darstellen könnte.

Drei Versionen desselben Screenshots: links die Originalszene, in der Mitte die Neuzeichnung von Seedream 5.5, rechts die von gpt-image
Links: Original; Mitte: Seedream 5.5; rechts: gpt-image. Der Prompt ist exakt derselbe

Beide sehen deutlich besser aus als das Original, haben aber einen anderen Charakter:

  • Seedream 5.5 ist kühler und realistischer: Die Mondoberfläche ist hell und scharf, der Boden spiegelt, das Ganze wirkt wie eine echte Raumstation.
  • gpt-image ist wärmer und stimmungsvoller: Die Deckenlampen wirken wärmer, der Sternenhimmel ist dichter, und das Fensterlicht zieht deutliche Lichtstreifen über den Boden.

Den eigentlichen Unterschied sieht man erst, wenn man die Neuzeichnungen über das Original legt:

Beide Neuzeichnungen jeweils halbtransparent über dem Original: links Seedream fast ohne Doppelkonturen, rechts gpt-image mit leicht verschobener Decke und Fensterrahmen
Neuzeichnung und Original jeweils mit 50 % übereinandergelegt. Links: Seedream 5.5, kaum Doppelkonturen; rechts: gpt-image, Kanten leicht verschoben
  • Seedream 5.5 liegt fast pixelgenau: Übereinandergelegt gibt es kaum Doppelkonturen, Fensterrahmen, Tisch und Figur sind an ihrem Platz.
  • gpt-image ist nah dran, verrutscht aber etwas: Die Positionen stimmen grob, aber die Kanten von Decke und Fensterrahmen sind leicht versetzt. Selbst gpt-image meldete nach dem Zeichnen: „Der Bildaufbau ist nah dran, aber nicht pixelgenau.“

Auch Seedream hat es nicht auf Anhieb geschafft. Beim ersten Mal gab es einfach ein quadratisches Bild aus, verlängerte die Szene nach oben und unten und baute alles neu auf. Erst nachdem ich das Eingabebild auf 16:9 zugeschnitten und das Ausgabeformat vorgegeben hatte, passte es beim zweiten Versuch. Egal welches Tool du nimmst: Lege Eingabe- und Ausgabeformat vorher fest.

Mein Fazit: Als Zielbild für den Dream Loop eignet sich Seedream besser, denn die KI-Agenten jagen den Details an jeder Position hinterher, und ist der Bildaufbau leicht verschoben, ist die ganze Mühe umsonst. gpt-image passt besser, um eine Richtung zu finden und zu sehen, „welche Stimmung möglich wäre“. Egal womit: Leg das Zielbild immer einmal über den Original-Screenshot. Passt es nicht, lass es neu zeichnen.

Schritt 5: Auch das Interface zeichnet die KI

Für das Spiel-Interface hat er kaum etwas geprompted, ungefähr so:

  • Zuerst ein Konzeptbild für das komplette Interface anfordern, inklusive Lebens- und Ausdauerleiste unten im Bild.
  • Die KI das dann genau so umsetzen lassen.
  • Wirkt es nicht hochwertig genug, mehr Verläufe, Unregelmäßigkeiten, Schatten und Körnung an den Rahmen verlangen.
  • Zum Schluss die Icons als transparente PNGs anfordern.

Auch die Icons sind transparente PNGs von Seedream.

Schritt 6: Jede Änderung im Blindtest

Das ist der Schlüssel, damit der Dream Loop nicht aus dem Ruder läuft. Seine Regeln:

  1. Bei jeder Änderung je ein 4K-Bild vorher und nachher, aus derselben Kameraeinstellung.
  2. Beides geht an einen komplett neuen KI-Juror. Die Reihenfolge wird gemischt, die Bilder heißen nur X und Y, der Juror weiß nicht, welches das neue ist.
  3. Nur wenn die neue Version gewinnt oder unentschieden spielt, bleibt die Änderung drin.
  4. Eine komplette Runde läuft mit zwei Juroren und einem Bewertungsbogen mit einer Skala bis 10 Punkte, es zählt die niedrigere Note, das Ziel ist 9.

KI-Agenten sind sehr gut darin zu sagen „Ich hab’s verbessert“. Wer aber selbst ändert und selbst abnimmt, landet meistens immer weiter daneben. Ein Juror, der den Prozess nicht kennt, dazu eine gemischte Reihenfolge: Das ist im Grunde ein Regressionstest für die Bildqualität. Änderungen, die es schlechter machen, kommen nicht durch.

Seine eigenen Anweisungen sind kurz, etwa „Mach weiter, bis es 8 Punkte sind“ oder „Gib mir jedes Mal Vorher-nachher-Screenshots, bei Animationen ein Video“. Einmal wollte der Schwerthieb-Effekt des Bosses einfach nicht besser werden, und seine Antworten klangen merklich ungeduldig. Auch der beste Ablauf bleibt also mal hängen.

Die Grenzen: Kann KI schon ein fertiges Spiel erstellen?

Meng To sagt selbst ganz klar, dass das noch kein fertiges Spiel ist:

  • Im Video spielt ein per Skript gesteuerter Bot, jede Szene ist vorher arrangiert.
  • Die strengen Juroren geben meist nur 5 bis 6 Punkte, weit weg von der 9.
  • Das Laden dauert über 10 Sekunden.
  • Geh- und Laufanimationen sind am schwierigsten. Laut seinen Kommentaren hat er mindestens 8 Anläufe gebraucht, allein das Gehen hat er 4-mal abgelehnt.

Was in drei Tagen entstanden ist, ist also eine spielbare Demo, kein Spiel, das man veröffentlichen kann. Aber für jemanden, der allein Spiele baut, ist es schon beeindruckend, in drei Tagen von null bis hierhin zu kommen.

Allein Spiele mit KI erstellen: Welche Tricks lohnen sich zuerst?

Wenn du auch mit KI Spiele baust, sind das für mich die drei Dinge, die man sich am ehesten direkt abschauen sollte:

  1. „Gut aussehen“ über ein Bild definieren: Screenshot, neu zeichnen lassen, als Ziel nehmen. Das ist viel präziser als ein langer Absatz Stilbeschreibung.
  2. Jemand anderen die Änderungen abnehmen lassen: Vorher-nachher-Screenshots aus derselben Kameraeinstellung an eine neue KI zur Blindauswahl geben. Wer ändert, sollte sich nicht selbst benoten.
  3. Ein Dirigent mit mehreren spezialisierten Agenten: Jeder Agent fasst nur seine eigenen Dateien an, dann können sie bedenkenlos parallel laufen.

Mein nächster Schritt: das Licht im Mondstudio nach dem Zielbild aus meinem Test anpassen und nach jeder Änderung ein Vorher-nachher-Paar zur Jury schicken. Mal sehen, ob ich wirklich an dieses Bild herankomme.

Hast du auch schon mal die KI selbst beurteilen lassen, ob das Bild besser geworden ist? Schreib mir gern einen Kommentar unter meine Posts auf Threads oder X.