Gratis hat eine Grenze: Der Tag, an dem meine $0-Lovable-Alternative einfror – und die fünf Wege zur Lösung

Serie: Vibe Coding on Your Own Terms
Verwandt: Post #1 — „Lovable-Alternative: Kostenloses Vibe Coding mit VSCode, Cline, Ollama & Supabase" und „Lovable vs. eine $0-Alternative" (die ehrliche Scorecard)

Der Tag, an dem die Musik verstummte

Im Vergleichs-Beitrag habe ich geschrieben, der Deal des kostenlosen Setups sei „exzellent, aber ohne Garantie". Dies ist der Beitrag, in dem der Teil ohne Garantie fällig wird – das Tagebuch eines echten Tages, an dem eine echte App entstehen sollte, auf einem MacBook Air mit 16 GB RAM und einem Modell-Budget von $0.

Die App war bewusst bescheiden gewählt: ein Projektmanagement-Tool für einen einzelnen Nutzer. Projekte, Aufgaben, Meilensteine, eine Timeline-Ansicht, keine Authentifizierung. Auf Lovable ist das ein Fünf-Minuten-Job für vielleicht 20 Credits. Auf meinem kostenlosen Setup – King Island, der selbstgehosteten Lovable-Alternative aus Teil 1 – wurde daraus eine Führung durch sämtliche Obergrenzen, die die Gratis-Ebene zu bieten hat.

Zuerst eine kurze Tour durch das Setup, damit der Fehlerbericht Sinn ergibt.

Die Hardware. Ein MacBook Air mit 16 GB Unified Memory – ein prima Alltagslaptop und (wie dieser Beitrag zeigen wird) exakt eine Gewichtsklasse zu leicht, um sein eigenes KI-Gehirn zu beherbergen.

Die Plattform. King Island, mein selbstgebauter Orchestrator: eine lokale Homepage, auf der ein einziger Prompt ein komplettes Projekt aus einem Golden Template aufsetzt. Jedes neue Projekt kommt mit:

• Frontend: Vite + React + TypeScript + Tailwind + shadcn/ui
• Backend: ein dedizierter lokaler Supabase/Postgres-Stack pro Projekt (via Docker)
• Historie: git, initialisiert ab dem ersten Commit – ein Commit pro KI-Aufgabe
• Gedächtnis: eine MEMORY.md-Datei, die der Agent vor jeder Aufgabe liest und danach aktualisiert

Der Agent. Das eigentliche Bauen erledigt die Cline CLI – das Headless-Agenten-Harness, dem auf meiner Maschine die Dateiänderungen und Terminalbefehle gehören. King Island reicht ihm einen Prompt; er macht die Arbeit.

Die Gehirne. Die Modelle laufen über Clines kostenlosen Provider-Pool, mit einem Dropdown in jedem Projekt-Workspace, um pro Aufgabe zu wechseln:

• Poolside Laguna S 2.1 – der Standard und mein verlässliches Alltagsmodell
• NVIDIA Nemotron 3 Ultra – das kostenlose Schwergewicht für harte Probleme
• Google Gemma 4, Cohere North Mini Code, gehostetes Laguna XS – die Nebendarsteller
• Alle auf Gratis-Tarifen – dieses Detail ist der Bösewicht dieser Geschichte
• (Ollama mit einem lokalen Qwen 2.5 Coder 7B sitzt auf der Ersatzbank – es ist das Modell, das bewiesen hat, dass 16 GB kein agententaugliches Gehirn betreiben können)

Die Papierspur. Jede KI-Aufgabe wird automatisch protokolliert – Modell, Dauer, Ergebnis. Deshalb hat dieses Tagebuch Zeitstempel.

Hier ist, was laut diesen Logs exakt passiert ist:

Morgens – das Schwergewicht wirft das Handtuch. Ich gab den vollständigen Build-Prompt an NVIDIAs Nemotron 3 Ultra, das stärkste kostenlose Modell in meinem Dropdown. Es plante ambitioniert, schrieb substanziellen Code über mehrere Komponenten hinweg – und starb dann mitten im Build mit ResourceExhausted: Worker local total request limit reached (33/32). Übersetzung: Ein Agent verbrennt eine Anfrage pro Tool-Schritt, ein kompletter App-Build sind 30–50+ Schritte, und das Anfrage-Budget der Gratis-Ebene war aufgebraucht, bevor die App fertig war. Der Template-Platzhalter stand noch auf dem Bildschirm; die Arbeit war halb committet.

Mittags – das verlässliche Modell wird seltsam. Ich übergab die Trümmer meinem Alltagsmodell, Poolsides Laguna S. Es las 37 Dateien, führte 8 Befehle aus und schrieb – nichts. Null Schreibzugriffe. Stattdessen druckte es komplette Dateiinhalte als Markdown in den Chat, ein Fehlermodus, den ich seither Prosa-Kollaps nenne: Der Code existiert als Konversation, nicht als Dateien. Das tat es an diesem Tag zweimal. Ein dritter Versuch starb mit einem geschlossenen Socket nach 29,5 Minuten Planungsmonolog. Drei Fehlschläge, ein gemeinsames Symptom: endloses Denken, kein Schreiben.

Nachmittags – die Sonde, und der Fix, der funktionierte. Eine bewusst winzige Testaufgabe – zwei Dateien, explizite Dateiliste – lief makellos: saubere Edits, selbst initiierter Type-Check, disziplinierte Zusammenfassung. Die Lektion: Die Degradation der Gratis-Ebene hängt von der Aufgabengröße ab. Große, offene Builds geraten in die Spirale; kleine, klar umrissene Aufgaben landen. Also teilte ich die App in vier explizite „Gänge" auf (Typen + API-Schicht, Datenbank-Migration, Komponenten, Dashboard + Verdrahtung) und servierte sie einzeln. Die Gänge eins bis drei bauten sauber durch. Es funktionierte.

Abends – die Wand. Gang vier – das Dashboard, der letzte Gang – kam zurück mit: Daily free model limit reached. Resets in 8h 31m. Diesmal nicht der Pool des Modells; das Tageskontingent meines Accounts über die gesamte Gratis-Ebene hinweg. Die App stand bei 75 % Fertigstellung, jedes verbleibende Problem war auf dem Papier gelöst, und ich konnte nichts tun außer warten – bis etwa Viertel nach elf in der Nacht.

Lies den letzten Absatz noch einmal, denn er ist die These dieses Beitrags: Ich hing nicht am Engineering fest. Ich hing an der Buchhaltung fest. Die Fehlschläge, die mich den Tag kosteten, waren keine Bugs in meinem Code und keine Lücken in meinem Setup – es waren Zähler, die ich nicht kontrolliere, angebracht an Kapazität, die mir nicht gehört.

Anatomie von „gratis": drei Spezies von Limits

Dieser eine Tag brachte alle drei Arten von Rate Limits an die Oberfläche, die es in der Gratis-Ökonomie gibt, und sie auseinanderzuhalten ist wichtig, weil der Fluchtweg sich je Spezies unterscheidet:

Spezies 1 ist überlebbar – Modellwechsel hilft. Spezies 2 und 3 sind Wände: An jenem Tag hätte mich kein Modell im Dropdown gerettet, denn das Limit saß oberhalb der Modelle. Und ein grausames Detail, das man vorher kennen sollte: Auch gescheiterte Versuche verbrennen Kontingent. Die Prosa-Kollaps-Marathons und der tote Socket zählten alle gegen das Tageskontingent, das später die erfolgreiche Strategie stoppte.

Warum mein MacBook Air das nicht einfach lokal erledigen kann

Der naheliegende Einwand: „Lass das Modell doch auf deiner eigenen Maschine laufen – kein Zähler, kein Limit, niemals." Im Prinzip korrekt, und genau dahin steuert diese Serie. Aber hier ist die Hardware-Realität eines 16-GB-MacBook-Air im Jahr 2026, gemessen, nicht geraten:

Das agententaugliche Open-Weight-Modell, das ich eigentlich will – Poolsides Laguna XS 2.1, der Apache-2.0-Zwilling meines gehosteten Alltagsmodells, 33B Parameter (3B aktiv), 256K Kontext, explizit für autonome Tool-Nutzung gebaut – braucht grob 33–36 GB RAM, um gut zu laufen. Meine Maschine hat 16. Die Modelle, die in 16 GB passen, habe ich getestet: Ein 7B-Coder erzählte seine Tool-Aufrufe als Text nach, statt sie auszuführen – ein klassischer Kleinmodell-Fehler, den kein Prompt Engineering behebt. Unterhalb einer gewissen Größe können Modelle über Code plaudern, aber nicht verlässlich als Agenten handeln. Das eine interessante 16-GB-Experiment, das bleibt, ist Devstral-2 22B (~13 GB quantisiert, agenten-getunt) – und selbst das lässt Betriebssystem, Docker, einen Postgres-Stack, Vite und einen Browser um die verbleibenden 3 GB raufen. Das ehrliche Fazit: 16 GB betreiben die Werkstatt oder den Arbeiter, nicht beides.

„Vollständig kostenlos" zerfällt also in zwei verschiedene Behauptungen. Frei per Lizenz – das Open-Weight-Modell existiert, ist wirklich exzellent und kostet nichts. Frei für meine Maschine – nein. Zwischen diesen beiden Behauptungen liegt eine Hardware-Schwelle von etwa 36 GB Unified Memory, und diese Schwelle ist das wahre Preisschild der Unabhängigkeit.

Spur 1: die Maschine kaufen (die Capex-Route)

Was kostet das Überqueren der Schwelle im August 2026? Mehr als vor einem Jahr – in einer der besseren Ironien dieser ganzen Geschichte hat der KI-Rechenzentrums-Boom die Speicherpreise so stark nach oben getrieben, dass Apple die Mac-Preise im Juni 2026 um grob 15–20 % erhöht und mehrere Konfigurationen mit viel RAM eingestellt hat. Die Industrie, die dir gehostete KI verkauft, hat es teurer gemacht, eine eigene zu besitzen. Aktueller Stand der Speisekarte:

Und was darauf laufen würde – die Open-Weight-Shortlist vom August 2026, mit gemessenem RAM-Appetit:

Die 48-GB-Maschinen betreiben die ersten drei komfortabel; das 64-GB-Studio fügt Scout und gpt-oss hinzu. Nun die Arithmetik, die den Kauf neu einordnet: Mein Lovable-Plan kostet $480 im Monat. Ein ~$2,000 teurer Mac mini M4 Pro amortisiert sich in etwas über vier Monaten Lovable-Gebühren – und anders als das Abo ist er im fünften Monat noch da, betreibt ein Modell, dessen Lizenz nie widerrufen werden kann, ohne Zähler, ohne täglichen Reset und ohne Provider, der einen schlechten Tag hat. Einmal Capex statt Opex für immer. Wer in Menge baut, für den hört diese Spur überraschend schnell auf, die extravagante zu sein.

Spur 2: Cline Pass (die $9.99-Mittelspur)

Wenn eine neue Maschine außer Reichweite ist: Der Hersteller des Agenten-Harness, das ich nutze, verkauft das Dazwischen: Cline Pass – $4.99 im ersten Monat, danach $9.99/Monat, bündelt 11 kuratierte Open-Weight-Modelle von sechs Providern (GLM 5.2, Kimi K3, DeepSeek V4, MiniMax M3, MiMo, Qwen3.7-Max und Geschwister) mit Kontingenten von 2–5× der üblichen Gratis-Limits, null API-Key-Jonglage, und auch aus anderen Coding-Agenten nutzbar.

Gemessen an meinem verlorenen Tag: Der 2–5×-Spielraum hätte ihn mit ziemlicher Sicherheit aufgefangen – vier Gänge plus Fehlschläge passen in ein verdoppeltes Budget. Für einen Hamburger im Monat verschwindet das Tageslimit-Roulette größtenteils. Aber sei präzise, was es ist: ein größerer Tank, keine offene Leitung. Die Kontingente sind größer, nicht unendlich; eine wirklich schwere Woche kann die Wand trotzdem finden. Die Modelle sind die fähige Open-Weight-Klasse, nicht Frontier. Und dein Gehirn wohnt weiterhin auf der Maschine von jemand anderem, mit allem, was das für Privatsphäre und Verfügbarkeit bedeutet. Es ist die richtige Spur für jemanden ohne KI-Abo, ohne 36 GB RAM und mit einer stetigen, aber moderaten Baugewohnheit.

Spur 3: bring das Abo mit, das du schon hast (z. B. Claude Max)

Hier ist die stille Superkraft dieser ganzen Architektur: Das Harness ist provider-agnostisch. Cline – und King Island obendrauf – ist es egal, mit wessen Gehirn es spricht. Das heißt: Wenn du aus anderen Gründen ohnehin für ein Frontier-KI-Abo zahlst – Claude Max ist mein Fall, aber das Muster verallgemeinert sich – kannst du das als Motor einstöpseln und die Gratis-Ökonomie komplett verlassen: Flatrate, die du sowieso zahlst, Code in Frontier-Qualität, und keine der drei Limit-Spezies, weil du kein Mieter im Gratis-Pool mehr bist.

Diese Spur hat eine markante ökonomische Form: Grenzkosten null. Das Abo existiert ohnehin; dein Vibe Coding darüber zu routen kostet nichts extra. Qualitativ verwandelt es die größte Scorecard-Niederlage des kostenlosen Setups (Korrektheit im ersten Anlauf) in ein Unentschieden mit Lovable – dieselbe Modellklasse, deine Infrastruktur. Der Haken ist ehrlich und offensichtlich: Diese Spur existiert nur, wenn du das Abo bereits besitzt, und $100+/Monat sind der falsche Preis, um ihn nur dafür zu zahlen. Es ist eine Notluke, keine Einfahrtsrampe.

Die Spuren-Matrix

Alle Optionen auf einer Karte – das komplette Menü von „wo läuft das Gehirn, und wer zahlt", pro Stufe grob eine Größenordnung auseinander:

Mein eigenes Routing nach jenem Tag: der Gratis-Pool für Routinearbeit (er ist exzellent, wenn er offen ist), Gang-Aufteilung als Standardpraxis für alles Große, das ohnehin vorhandene Abo als Überdruckventil – und eine 48-GB-Maschine auf der Einkaufsliste, mit vier Monaten Lovable-Gebühren als Budget-Begründung.

Wer eine kostenlose Lovable-Alternative wirklich betreiben sollte – und wann

Nach einem Monat Betrieb kann ich die Frage „für wen ist das?" mit mehr Präzision als Enthusiasmus beantworten:

Studierende und die akademische Welt. Der stärkste Fall. Das Budget ist null, Zeit ist vorhanden, und die Lernausbeute ist enorm – dieses Setup ist ein funktionierendes Labor dafür, wie KI-Coding tatsächlich funktioniert. Ein Semesterprojekt, das so gebaut wird, lehrt mehr über LLMs, Datenbanken und Toolchains als dasselbe Projekt auf einer polierten Plattform, weil die Nähte sichtbar sind.

Alle, die im Selbststudium lernen wollen, wie LLMs wirklich programmieren. Plattformen wie Lovable sind gebaut, um die Maschinerie zu verstecken; dieses Setup ist die Maschinerie. Du siehst den Agenten-Loop roh: Prompt → Modell entscheidet über einen Tool-Aufruf → Harness führt ihn auf deiner Platte aus → das Ergebnis füttert den nächsten Gedanken. Du lernst die Teile, weil du sie zusammengebaut hast: den Orchestrator (die Homepage, die Projekte aufsetzt – Lovables UI, mein King Island), das Harness (der Agent, dem Dateiänderungen und Terminal gehören – Cline), das Gehirn (das LLM, austauschbar), das Scaffold (Vite + React + Supabase – identisch in beiden Welten) und die Vorschau (Hot Reload). Jeder Fehlermodus in diesem Beitrag – Tool-Call-Nacherzählung, Prosa-Kollaps, Budget-Tod – ist eine Lektion in LLM-Verhalten, die eine Managed-Plattform unsichtbar absorbiert hätte. Wenn dein Ziel Verständnis ist, ist die Reibung der Lehrplan.

Builder in der Mockup- und Vorentwicklungsphase. Fünf Ideen erkunden, um die eine zu finden, die es wert ist, gebaut zu werden; ein Datenmodell validieren; die grobe Version produzieren, auf die ein Stakeholder reagiert. Exploration bedeutet viele Prompts und viele Sackgassen – genau dort, wo ein Zähler am meisten wehtut und wo langsamere Gratis-Builds am wenigsten kosten, weil du zwischen den Prompts ohnehin nachdenkst.

Kleine Aufgaben und kleine Projekte, ganz allgemein. Das Sonden-Ergebnis meines verlorenen Tages ist die Design-Richtlinie: Klar umrissene Aufgaben mit expliziten Dateilisten gelingen selbst auf Gratis-Modellen verlässlich. Ein Kontaktformular, eine CRUD-Ansicht, ein Refactoring – die Gratis-Spur erledigt das mit Reserven. Es ist der offene 40-Schritte-Build, bei dem Gratis-Ebenen einknicken.

Und wann sollten die größeren Werkzeuge übernehmen? An den Graduierungsmomenten: eine Deadline mit Kunde dran; Mitwirkende, die das Projekt anfassen müssen; Ein-Klick-Publishing als Anforderung, nicht als Irgendwann; Politur, bei der Korrektheit im ersten Anlauf das Bezahlen wert ist. Dann verdienen sich Lovable, Cursor oder Windsurf ihre Abos – und weil das kostenlose Setup auf dem identischen Stack baut (React, TypeScript, Tailwind, Supabase, git), ist die Graduierung eines Projekts eine Übergabe, kein Rewrite. Mein Workflow in einem Satz: Ideen werden frei geboren, und die, die Rechnungen verdienen, bekommen welche.

Fazit

Die kostenlose Lovable-Alternative ist real – Teil 1 beweist, dass man sie bauen kann, der Vergleichs-Beitrag bewertet sie respektabel gegen ein $480/Monat-Produkt, und sie hat drei Viertel einer echten App an dem Tag gebaut, an dem sie mir auch ihre Grenzen beibrachte. Aber „gratis" entpuppt sich als Spur, nicht als Ziel: eine wirklich exzellente Spur mit einer Tages-Reset-Decke, verbunden durch klare Auffahrten mit vier anderen. Was mir dieser eingefrorene Abend wirklich beigebracht hat: Die Frage war nie „kann Vibe Coding kostenlos sein?" Sie lautet „mit welchem Zähler bist du bereit zu leben?" – dem Tageslimit, dem $9.99-Kontingent, dem Token-Tropf, dem Abo, das du ohnehin zahlst, oder dem Einmalpreis einer Maschine, deren Zähler nicht existiert. Ich habe meine Wahl getroffen. Während ich das schreibe, sagt der Countdown auf meinem Bildschirm, dass der Gratis-Pool heute Nacht um Viertel nach elf wieder öffnet – und Gang vier, der letzte, liegt in der Warteschlange, vollständig spezifiziert, und wartet darauf, dass irgendwo ein Buchhalter das Tor öffnet.

Dieser Beitrag ist Teil der Serie „Vibe Coding auf eigene Faust". Teil 1 erklärt, wie man das kostenlose Setup baut; „Lovable vs. eine $0-Alternative" ist die ehrliche Scorecard; als Nächstes: der Gratis-LLM-Benchmark mit den gesammelten Leistungsdaten hinter den Kriegsgeschichten dieses Beitrags.