Kombaiein Startup, dessen Ziel es ist, Frontend-Entwicklern bei der einfachen Konvertierung von UI-Designs mithilfe von KI in Code zu helfen, ist aus der Tarnung hervorgegangen und hat in einer von Stellaris Venture Partners und Foundation Capital angeführten Startkapitalfinanzierungsrunde eine Startkapitalfinanzierung in Höhe von 4,5 Millionen US-Dollar angekündigt.
Als Reaktion auf die rasanten Fortschritte bei der Hardware hat die Weiterentwicklung der Software den dringenden Bedarf an überlegenen Benutzeroberflächen unterstrichen. Sowohl aufstrebende Startups als auch führende Technologieunternehmen sind daran interessiert, einzigartige Benutzeroberflächen zu entwickeln. Für Frontend-Entwickler ist die schnelle Codierung dieser einzigartigen Designs jedoch oft eine Herausforderung. Das KI-Modell von Kombai, das auf die Lösung dieses Problems abzielt, soll an diesem Mittwoch öffentlich zugänglich gemacht werden.
Das in Palo Alto eingetragene Startup, das von einem Büro im indischen Pune aus operiert, wurde im April 2022 von den ehemaligen Mindtickle-Führungskräften Dipanjan Dey (als CEO von Kombai) und Abhijit Bhole (CTO) gegründet – nach über 16 Monaten Vorarbeit. Es verwendet eine Sammlung von Deep-Learning- und Heuristikmodellen, die jeweils darauf ausgelegt sind, einen bestimmten Aspekt der Interpretation von UI-Designs und der Generierung von Code aus dieser Interpretation zu behandeln.
„Das Modell versucht, ein intuitives Verständnis für das Design zu entwickeln.“ . . und dann beginnt es mit der Codegenerierung“, sagte Dey in einem Interview.
Kombai, von den hundeliebenden Mitbegründern nach der indischen Hunderasse benannt, verwendet einen schrittweisen Ansatz zur Erstellung von UI-Code. Dabei gruppiert Kombai logische Elemente auf intelligente Weise, bildet eine optimierte Div-Struktur und stellt gleichzeitig sicher, dass CSS nur minimale hartcodierte Breiten und Ränder aufweist. Der generierte Code ist in erkennbare Komponenten segmentiert, die jeweils treffend benannt sind, um das Verständnis und die mögliche Wiederverwendung zu erleichtern. Kombai erkennt Muster, lokalisiert Schleifen und Bedingungen und ersetzt statischen Text durch Variablen. Im letzten Schliff nutzt es öffentlich verfügbare multimodale Large Language Models (LLMs), um bestimmte Segmente seines automatisch generierten Codes zu verfeinern, was in einem ausgefeilten Endprodukt gipfelt.
Die LLMs machen weniger als 5 % der Zeichenanzahl der Endausgabe aus, während der Großteil davon direkt vom KI-Modell erzeugt wird, sagte Dey.
Auch wenn die Codegenerierung mithilfe von KI eine Reihe von Schritten im Hintergrund erfordert, liefert das Modell von Kombai das Ergebnis in wenigen Sekunden, was den Front-End-Entwicklern viel Zeit spart.
Der generierte Code kann von Frontend-Entwicklern heruntergeladen oder direkt in ihre jeweiligen IDEs kopiert werden. Entwickler können den Code auch entsprechend ihren Anforderungen modifizieren und in ihre Codebasen integrieren.
Dey stellte fest, dass Entwickler normalerweise 25 bis 75 % ihrer Arbeitszeit damit verbringen, UI-Code wie Stile in CSS, Document Object Model (DOM) in HTML und Framework-spezifische Boilerplates zu schreiben. Während die Nachfrage und die Komplexität der Front-End-Entwicklung gestiegen seien, da das Design für Unternehmen immer wichtiger geworden sei, gebe es einen Mangel an Standardisierung bei Front-End-Technologien, sagte der Mitbegründer gegenüber TechCrunch.
Bevor Kombai sein Modell für die öffentliche Forschung auf den Markt brachte, arbeitete es in den letzten sechs Monaten im Rahmen seiner privaten Forschungsvorschau mit mehr als 500 Entwicklern zusammen.
Das Startup will sich als „Reverse Dall-E für UI-Design“ etablieren und den 5 Millionen Front-End- und 15 Millionen Full-Stack-Entwicklern weltweit wieder Spaß an der Front-End-Entwicklung machen, sagte Dey gegenüber TechCrunch.
Kombai verlangt derzeit von Frontend-Entwicklern, dass sie über ein Figma-Konto verfügen, um sich anzumelden oder das API-Token von Figma zu integrieren, um Designs aus der Interface-Design-App abzurufen. Dey sagte jedoch, dass das Modell möglicherweise problemlos in andere Designtools, einschließlich Adobe XD, integriert werden könnte.
„Der einzige Grund, warum wir nicht zu XD gehen, ist in erster Linie unsere Bandbreite“, sagte er.
An der Seed-Runde nahmen 20 Angels teil, darunter einige nicht genannte SaaS-CEOs und CTOs sowie einige Spätphaseninvestoren.
„Im Team von Kombai haben wir eine seltene Mischung aus Technologie- und Produktkompetenz entdeckt, die erforderlich ist, um das Problem mit einem grundlegend neuen Ansatz zu lösen. Wir sind begeistert von den bemerkenswerten Fortschritten, die das Team bei der Entwicklung des Produkts gemacht hat, und vom positiven Feedback der Entwickler“, sagte Alok Goyal, Partner bei Stellaris Venture Partners, in einer vorbereiteten Erklärung.
Kombai beschäftigt derzeit 13 Mitarbeiter, darunter leitende Front-End-Ingenieure und Deep-Learning-Experten, und wird sein Team in den nächsten Monaten um einige weitere Ingenieure erweitern.
„Im letzten Jahrzehnt sind hervorragende Designer-Tools wie Figma und Adobe XD entstanden. Sie generieren jedoch keinen sinnvollen Code, der von Entwicklern verwendet werden kann. Andererseits eignen sich LLM-basierte Tools wie ChatGPT und GitHub Copilot hervorragend zum Generieren von Codevorschlägen aus Texteingaben, funktionieren jedoch nicht für die UI-Entwicklung. Daher müssen Entwickler alle Teile eines UI-Designs manuell in Code übersetzen, was frustrierend und unglaublich zeitaufwändig ist. Wir glauben, dass dies eine große Chance darstellt, die geradezu nach einer Lösung schreit. Deshalb freuen wir uns sehr, mit dem Kombai-Team bei seiner Mission zusammenzuarbeiten, den 20 Millionen Entwicklern weltweit die Möglichkeit zu geben, mehr Zeit mit schwierigen, interessanten Problemen zu verbringen, statt mit banalem CSS“, sagte Ashu Garg, Partner bei Foundation Capital.
Kombai plant, einen Teil seiner Mittel für den Inbound-Start zu verwenden und weiterhin in Forschung und Entwicklung zu investieren, seine Basismodelle zu verbessern und Kompatibilität mit einer Reihe von Bibliotheken und Frameworks herzustellen, die von Entwicklerteams verwendet werden.