Zusammenfassung
bis zur produktionsreifen App
KI-orchestriert
Produktionscode
vollständig lokalisierte Oberfläche
PDF, PNG, JPEG, GIF, TIFF
iOS + Android
Das Projekt
Eine auf mobile Nutzung ausgerichtete Anwendung zum Unterschreiben und Stempeln von PDF-Dokumenten unter iOS und Android. Nutzer platzieren Unterschriften, Stempel und Bilder direkt auf PDF-Seiten, verändern Größe und Ausrichtung per Touch-Geste und speichern oder teilen das Ergebnis – ohne dass dabei etwas auf einen Server hochgeladen wird.
Die App verarbeitet auch Bilddateien (PNG, JPEG, GIF, TIFF) und wandelt sie automatisch in PDFs im Format A4 um. Dabei korrigiert sie die Ausrichtung anhand der EXIF-Daten, sodass Fotos jeder Kamera ohne manuelles Drehen korrekt erscheinen.
Kein Backend. Keine Benutzerkonten. Kein Cloud-Speicher. Alles läuft auf dem Gerät.
Die Methode
Ein Ingenieur, 10 Tage. Dieselbe KI-Orchestrierungsmethodik, die sich bei Backend-Systemen für Unternehmen bewährt hat – angewandt auf ein mobiles Produkt für Endverbraucher.
Sieben KI-Agenten deckten den gesamten Umfang ab: Architekturentwurf, Implementierung in Flutter/Dart, plattformspezifischer nativer Code (Swift für iOS, Kotlin für Android), Lokalisierungsablauf und Dokumentation. Der Ingenieur traf alle Designentscheidungen, prüfte jedes Ergebnis und verantwortete das fertige Produkt von Anfang bis Ende.
10 Tage bis zur produktionsreifen App mit mehr als 60 Sprachen, KI auf dem Gerät und Unterstützung für fünf Dateiformate auf zwei Plattformen. Kein Prototyp, sondern ein voll funktionsfähiges Produkt, bereit zur Einreichung im App Store und bei Google Play.
Was gebaut wurde
PDF-Betrachter und -Editor
Ein leistungsstarker PDF-Betrachter mit Zoomen per Fingergeste, flüssigem Scrollen und virtualisierter Seitendarstellung – es werden stets nur die sichtbaren Seiten gerendert, sodass der Speicherbedarf auch bei großen Dokumenten stabil bleibt. Nutzer ziehen Bilder aus einer Bibliothek auf eine beliebige Seite; platzierte Bilder lassen sich über Touch-Griffe frei skalieren und drehen.
Bildbibliothek
Eine dauerhafte, lokal in einer Isar-Datenbank gespeicherte Bildbibliothek. Bilder werden beim Import geprüft, hinsichtlich der EXIF-Drehung normalisiert und stehen sitzungsübergreifend zur Verfügung. Bilder lassen sich aus der Fotomediathek oder dem Dateisystem hinzufügen.
Hintergrundentfernung durch KI auf dem Gerät
Fügt ein Nutzer das Foto einer Unterschrift oder eines Stempels hinzu, erkennt die App, ob das Bild einen einheitlichen Hintergrund hat, und bietet an, ihn zu entfernen. Die Verarbeitung läuft vollständig auf dem Gerät – es wird keine Netzwerkanfrage gestellt.
Die vierstufige Verarbeitungskette: Die Beleuchtungsnormalisierung gleicht ungleichmäßiges Kameralicht mithilfe nativer Bildverarbeitung aus (Accelerate unter iOS, optimierte Gleitfensterfilter unter Android); die Randabtastung erkennt einheitliche Hintergründe, bevor ML zum Einsatz kommt; die ML-Segmentierung nutzt unter iOS 17+ das iOS Vision Framework (VNGenerateForegroundInstanceMaskRequest) und unter Android ML Kit Subject Segmentation, mit einem binären Schwellenwert bei 50 % Konfidenz für scharfe Kanten in Dokumentqualität; die Nachbereitung nach der ML-Stufe entfernt Papierreste innerhalb von Stempelschleifen mithilfe histogrammbasierter Erkennung der dominanten Farbe und dreier Kriterien (RGB-Abstand, HSV-Sättigung, HSL-Helligkeit), um Tinte jeder Farbe zu schützen.
Umwandlung von Bildern in PDF
Öffnet ein oder mehrere Bilder und wandelt sie mit korrekten Rändern und EXIF-Normalisierung in ein PDF im Format A4 um. Abläufe für einzelne und mehrere Bilder werden unterstützt.
Lokalisierung – mehr als 60 Sprachen
Vollständige Lokalisierung der Oberfläche über das Flutter-Paket intl mit ARB-Dateien für mehr als 60 Sprachen, einschließlich Rechts-nach-links-Unterstützung für Arabisch, Hebräisch und Persisch. Die Übersetzungen wurden mit KI erstellt und geprüft – nach derselben Orchestrierungsmethodik wie beim Code.
Sitzungsarchitektur
Jedes geöffnete Dokument erzeugt eine isolierte Betrachtersitzung mit eigenem Zustand: platzierte Bilder, Auswahl, Änderungsmarkierung, Dateiquelle. Riverpod-Family-Provider werden beim Schließen der Sitzung vollständig invalidiert – beim Öffnen eines neuen Dokuments wird niemals Zustand aus einem vorherigen übernommen.
Technologie-Stack
Vergleich mit klassischer Entwicklung
| Kennzahl | Klassisches Team | Dieses Projekt (KI-gestützt) |
|---|---|---|
| Laufzeit | 2–3 Monate | 10 Tage |
| Teamgröße | 3–5 Ingenieure | 1 Ingenieur |
| Plattformen | Oft zuerst iOS, Android später | Beide gleichzeitig |
| Lokalisierung | Eigener Sprint | Inklusive – mehr als 60 Sprachen |
| KI-Funktionen | Eigener ML-Spezialist | Inklusive, derselbe Ingenieur |
| Backend | In der Regel erforderlich | Keines – vollständig auf dem Gerät |
Der KI-gestützte Ansatz ersetzt technisches Fachwissen nicht – er vervielfacht es. Tempo und Qualität hängen unmittelbar von der Qualifikation des Orchestrators ab: Architekturverständnis, Zerlegung von Problemen, präzise Prompts und kritische Bewertung der KI-Ergebnisse. Der Mensch behält die Kontrolle.
Fazit
Eine plattformübergreifende mobile App mit KI auf dem Gerät, mehr als 60 Sprachen und Unterstützung für fünf Dateiformate – geliefert in 10 Tagen von einem Ingenieur.
Das fehlende Backend ist keine Einschränkung, sondern eine bewusste Designentscheidung: Die Dokumente der Nutzer verlassen nie das Gerät, es gibt nichts zu authentifizieren, nichts zu warten und keine Infrastrukturkosten. Die App funktioniert offline, jederzeit.
Die KI-Orchestrierungsmethodik, mit der in 12 Tagen 13 Microservices für Unternehmen entstanden, funktioniert ebenso gut für ein mobiles Produkt für Endverbraucher. Andere Domäne, anderer Technologie-Stack, derselbe Multiplikator.