Übungsklausuren, Zugsimulator und KI-Agenten
Lukas Tomasek ist 15, geht in die 9. Klasse und hat mit seinem Freund Paul Aierle das Lernstartup KlausurBuddy gegründet. Nebenbei lassen seine KI-Agenten einen Zugsimulator auf Basis echter Geodaten entstehen. Wir haben mit ihm über seinen Weg zur KI, seine Arbeitsweise und seine Tipps für den Einstieg gesprochen.
Auf Lukas Tomasek sind wir über LinkedIn aufmerksam geworden. Der 15-Jährige zeigte dort einen Zugsimulator, der deutsche Bahnstrecken aus echten Geodaten nachbildet und großteils von KI-Agenten gebaut wurde. Der Post erreichte innerhalb weniger Tage knapp 70.000 Impressionen und landete auch im Feed von Dr. Eike J. Meyer, Projektleiter des Zukunftslabors Generative KI.
Nach einem ersten Kontakt trafen wir uns am 6. November per Zoom. Lukas saß in den Herbstferien an seinem Schreibtisch in Bayern, teilte seinen Bildschirm und fuhr mit uns ein Stück durch München. Danach ging es nach Hamburg, wo die Skyline mit der Elbphilharmonie bereits im Spiel steht. Das Interview führten Eike Meyer und Martin Schanze vom ZGKI.
Ein Zeitungsartikel und ein geteiltes Abo
Programmieren hat sich Lukas vor einigen Jahren selbst beigebracht, aus Interesse und zunächst mit kleineren Projekten. Den Anstoß für die Arbeit mit KI gab im Frühjahr ein Handelsblatt, das sein Vater liegen hatte. Darin stand ein Artikel darüber, was das KI-Modell Claude inzwischen kann.
Lukas las den Artikel komplett und sprach danach mit seinem Vater darüber. Die beiden teilten sich die Kosten für den Claude-Pro-Plan: 11 Euro zahlte der Vater, 11 Euro Lukas. Damit begann er, mit KI zu programmieren.
„In diesem Maßstab hätte ich das ohne die Hilfe von KI nicht geschafft.“ Lukas Tomasek
KI ist für ihn ein Mittel, um weiterzukommen. Wenn er etwas nicht verstand, ließ er es sich erklären und übernahm den Lösungsweg in seine eigene Arbeit. So hat er nach eigener Aussage beim Bauen programmieren gelernt.
KlausurBuddy: Übungsklausuren nach Lehrplan
Die Idee zu KlausurBuddy kam aus dem eigenen Schulalltag. Lukas und sein Freund Paul Aierle gingen damals in die 8. Klasse und kannten das Problem: Es gibt viele Arbeitsblätter, aber kaum Übungsmaterial im Format einer echten Klausur, mit Aufgabenstellungen wie im Test, Punkten und einer Note am Ende.
Bei KlausurBuddy laden Schüler:innen ihr eigenes Unterrichtsmaterial hoch. Die KI erstellt daraus eine Übungsklausur, die auf das jeweilige Bundesland und den Lehrplan abgestimmt ist. Diese Anpassung sieht Lukas als den Kern des Produkts. Dazu kommen ein Klausurenkalender, Lernzettel und tägliche Übungen.
Den ersten Prototyp baute Lukas vor rund einem halben Jahr an einem Wochenende mit Claude. In der Woche darauf zeigte er ihn Paul in der Schule. Die Rollen waren schnell verteilt: Paul kümmert sich um Marketing, Kontakte und Presse, Lukas um die Technik. In den Sommerferien entwickelte Lukas eine native App für iOS und Android.
Im Juni 2026 gewann KlausurBuddy beim Finale der Startup Teens Businessplan-Challenge in Berlin die Kategorie Education und damit 10.000 Euro Preisgeld. Nach dem Schulstart kamen mit der ersten größeren Medienresonanz auch die ersten Abos.
Die Zielgruppe hat zwei Seiten. Die Schüler:innen nutzen die App, bezahlt wird meist von den Eltern. Deshalb gibt es Elternaccounts, über die Eltern das Abo für ihr Kind abschließen und sehen, wie viel geübt wurde. Schulen sprechen sie vor allem über Veranstaltungen an, um dort Eltern zu erreichen.
Wo die KI mitarbeitet, entscheidet Lukas bewusst. Das Design der Website hat größtenteils Claude übernommen. Die Klausurgenerierung und die Backend-Abläufe hat er überwiegend selbst geschrieben, weil ihm genau dieser Teil Spaß macht.
„Bei Zahlungsdaten schaue ich lieber selbst noch einmal drüber.“ Lukas Tomasek
Die wirtschaftliche Seite hatten die beiden von Anfang an im Blick. Mit den ersten Umsätzen stellte sich die Frage nach der Rechtsform. Für Minderjährige ist eine Gründung rechtlich kompliziert. Nach Gesprächen mit Anwälten fiel die Wahl auf eine UG. Sie wurde vor wenigen Wochen gegründet und ermöglicht es den beiden, rechtssicher Umsatz zu machen.
Ein Zugsimulator aus Geodaten
Der Zugsimulator begann vor gut drei Wochen als privates Nebenprojekt mit einem einfachen Ziel.
„Eigentlich wollte ich ganz am Anfang meinen Schulweg abfahren. Das war mein einziges Ziel.“ Lukas Tomasek
Die KI-Agenten nutzen die öffentlich verfügbaren Geodaten der Bundesländer und bauen daraus die Spielwelt. Häuser und Bäume stehen dort, wo sie auch in der Realität stehen. Auf dem Geodatenportal des Freistaats Bayern entdeckte Lukas zusätzlich Infrarot-Luftbilder. Gemeinsam mit der KI überlegte er, welche Informationen sich daraus gewinnen lassen. Heute unterscheidet das System anhand dieser Daten Felder, Laubwald und Nadelwald.
Den Streckenbaukasten, wie Lukas ihn nennt, gibt es aus einem praktischen Grund. Sein Nutzungslimit bei Claude ist begrenzt, deshalb wollte er die Arbeit effizienter machen. Heute erzeugen Python-Skripte auf seinem Server aus den Geodaten automatisch die Spielkarte, und das Verfahren lässt sich leicht auf neue Strecken übertragen. Fertig sind bisher die Verbindungen von München nach Stuttgart und von München nach Hamburg, an der Strecke nach Berlin arbeiten die Agenten gerade. Die Fahrpläne im Spiel entsprechen den echten.
Nach dem LinkedIn-Post haben sich mehrere Mitarbeitende der Deutschen Bahn mit Lukas vernetzt. Im Gespräch kamen wir schnell auf mögliche Anwendungen über das Spiel hinaus, etwa als Grundlage für einen digitalen Zwilling oder zur Darstellung von Baustellen.
Seit dem Post denkt Lukas ernsthaft über eine Veröffentlichung nach. Für einen Release auf Steam braucht es ein Unternehmen, das gibt es mit der UG inzwischen. Vorher will er sich auf die bestehenden Strecken konzentrieren und sie so optimieren, dass das Spiel auch auf schwächerer Hardware flüssig läuft. In seinen Worten soll es „auf jeder Kartoffel laufen“. Ein Release Anfang 2027 ist für ihn denkbar.
So arbeitet Lukas mit Agenten
Den größten Teil seiner Arbeit erledigt Lukas auf einem MacBook Pro. Vor rund einem Monat hat er sich zusätzlich einen Homeserver gebaut, aus Teilen seines alten Gaming-PCs und einigen neuen Komponenten. Darauf laufen mehrere virtuelle Maschinen, darunter eine Linux-VM, auf der seine Claude-Agenten arbeiten. Im Server stecken zwei Grafikkarten, eine RTX 5070 Ti und eine ältere GTX 1080 Ti.
Für den Simulator hat Lukas eine feste Routine eingerichtet. Nachts rendert die ältere Grafikkarte auf allen Strecken alle 50 Meter ein Bild. Ein lokales Vision-Language-Modell auf der zweiten Karte prüft jedes Bild auf schwebende Objekte, falsche Texturen und Kollisionen. Morgens wertet Claude die markierten Bilder aus und behebt die Fehler.
Danach gibt Lukas in Claude Code den Plan für den Tag vor. Je nach Nutzungslimit starten drei bis vier Agenten, die parallel an kleineren Teilprojekten arbeiten. Während Lukas in der Schule ist, läuft sein Laptop zu Hause weiter, gesteuert über die Claude-App auf dem Handy.
„Während der Schule arbeitet mein Laptop und baut neue Strecken.“ Lukas Tomasek
Den Code prüft er beim Spiel nicht mehr Zeile für Zeile. Er prüft das Ergebnis: Abends fährt er etwa eine Dreiviertelstunde auf den neuen Strecken und gibt den Agenten Feedback. Bei KlausurBuddy arbeitet er im Chat und programmiert gemeinsam mit der KI. So behält er jeden Schritt im Blick.
Meist arbeitet er im Terminal, oft mit vielen Fenstern parallel. Die Desktop-App nutzt er ergänzend, weil dort die Sub-Agenten besser zu sehen sind.
Bei der Wahl der Modelle richtet er sich nach der Aufgabe. Lokale Modelle auf einer handelsüblichen Grafikkarte erreichen bei Weitem nicht das Niveau von Claude Opus. Für klar umrissene Jobs wie die nächtliche Bildprüfung hält er sie trotzdem für die richtige Wahl. Ein weiteres Einsatzfeld sieht er bei vertraulichen Daten, etwa in Arztpraxen oder Unternehmen, die ihre Daten nicht in die USA oder in eine Cloud geben wollen und deshalb lokale Modelle auf eigener Hardware betreiben. Seine Faustregel: Die Cloud-Modelle liegen etwa drei Monate vorn, und lokale Modelle laufen auf immer günstigerer Hardware.
Halluzinationen sind in seiner eigenen Arbeit kaum ein Problem. Er führt das auf leistungsfähige Modelle und auf das agentische Arbeiten zurück, bei dem sich die Modelle gegenseitig prüfen und Fehler selbst korrigieren. Die abendliche Testfahrt auf den neuen Strecken bleibt trotzdem fester Teil seiner Routine.
Was Lukas anderen mitgibt
Auf die Frage, wie man am besten einsteigt, antwortet Lukas mit Learning by Doing.
„Einfach machen. Einfach anfangen. Anfangen ist das Schwierigste.“ Lukas Tomasek
Konkret empfiehlt er, ein Abo wie Claude Pro oder ChatGPT Plus für rund 20 Euro im Monat abzuschließen und auszuprobieren, wobei die KI helfen kann. Wer nicht überzeugt ist, kündigt nach einem Monat wieder. Spezielle Hardware braucht es dafür nicht: Für Claude Code reicht die Desktop-App, das Terminal ist optional.
In seiner Klasse nutzen viele KI, nach seiner Einschätzung rund 90 Prozent vor allem für Hausaufgaben. Kreatives oder agentisches Arbeiten mit KI sieht er dort kaum. Das findet er schade, denn der sinnvolle Umgang mit KI ist für ihn eine zentrale Fähigkeit für die spätere Arbeitswelt. KI ist für ihn ein Werkzeug, und wer es gut einsetzt, hat im Job Vorteile.
Ein eigenes Projekt hilft beim Einstieg. Für Lukas ist ein Projekt im Kern Ausprobieren mit einem Ziel vor Augen. Viele Ziele entstehen erst unterwegs, wenn sich zeigt, was mit der Technologie möglich ist.
Warum wir diese Geschichte erzählen
Im Zukunftslabor Generative KI beschäftigen wir uns damit, wie generative KI in der Praxis ankommt: in Unternehmen, in öffentlichen Organisationen und bei Gründungen. Lukas zeigt, wie früh das heute beginnen kann.
Manche seiner Überlegungen stellen sich auch in Unternehmen, etwa die Frage, wann lokale Modelle für vertrauliche Daten sinnvoll sind. Solche Fragen besprechen wir mit Unternehmen in KI-Erstgesprächen und Use-Case-Workshops.
Gründer:innen begleiten wir im Teilprojekt AI2Entrepreneur. Dort bauen wir gerade den Young Innovators Club auf. Lukas haben wir eingeladen, KlausurBuddy und seinen Zugsimulator beim Auftakt vorzustellen.
Unser Förderauftrag gilt Schleswig-Holstein. Weil sich KI überregional entwickelt, suchen wir trotzdem bewusst den Austausch mit anderen Regionen, in diesem Fall mit Bayern.
Weitere Projekte des ZGKI stehen in der Projektübersicht.