9 Min. Lesezeit
Sébastien Nobour
Gründer von DEVEDANOS
Ja. Sie beschreiben eine App in ein paar Sätzen, und ein KI-Tool erstellt daraus eine erste Version: Oberflächen, Formulare, eine Datenbank, einen Link, unter dem sie erreichbar ist. Für das Testen einer Idee ändert das viel.
Die nützliche Frage kommt gleich danach. Kann diese App Zahlungen annehmen? Die Daten Ihrer Kunden aufbewahren? Ihren Nutzern jeden Tag zur Verfügung stehen, über Jahre? Hier hängt die Antwort weniger vom Tool ab als von dem, was man um das Tool herum aufbaut.
Drei Arten von Tools beantworten diese Frage.
KI-App-Builder. Sie beschreiben in einem Chat, was Sie wollen. Das Tool generiert die App, hostet sie und stellt sie online, ohne dass Sie eine Zeile Code schreiben. Diese Tools besetzen bei dieser Suche die erste Google-Seite.
Chat-Assistenten. Kann ChatGPT eine App erstellen? ChatGPT schreibt den Code, Stück für Stück, und erklärt ihn. Ihn zusammenzusetzen, auf einem Server zu installieren und online zu stellen, bleibt Ihre Aufgabe.
KI-Coding-Assistenten, eingebaut in die Entwicklungsumgebung. Sie schreiben, ändern und testen Code, wenn der Entwickler sie darum bittet. Sie richten sich an Entwickler, und Entwickler nutzen sie: Fast 90 % der Tech-Fachleute, die für den DORA-Report 2025 befragt wurden, setzen KI bei ihrer Arbeit ein. Der Report stammt von DORA, dem Forschungsprogramm von Google Cloud, das untersucht, wie Software entwickelt und in Produktion gebracht wird.
Eine App bauen, indem man beschreibt, was man will, ohne den Code zu lesen, den die KI schreibt: Dafür gibt es einen Namen, Vibe Coding. Der Begriff stammt von Andrej Karpathy, KI-Forscher, aus einem Beitrag vom Februar 2025. Darin beschreibt er eine Art zu programmieren, bei der man alle vorgeschlagenen Änderungen annimmt, ohne sie zu lesen, und die Fehlermeldungen in den Chat kopiert, bis es läuft. Er sagt selbst, dass sich das für private Wegwerfprojekte am Wochenende eignet.
Der Entwickler Simon Willison hat die Unterscheidung getroffen, auf die es hier ankommt. Vibe Coding heißt, mit KI zu bauen, ohne den Code zu prüfen, den sie erzeugt. Wenn ein Entwickler den Code durchliest, testet und jede Zeile jemand anderem erklären kann, betreibt er Softwareentwicklung. KI-gestützt, aber Softwareentwicklung.
Eine Idee testen. Einem Geschäftspartner, einem Kunden oder einem künftigen Nutzer eine Oberfläche zeigen, bevor man ein Budget freigibt. Ein kleines internes Tool bauen, das ein paar Leute nutzen und das weder mit Geld noch mit personenbezogenen Daten zu tun hat.
Allen Holub sagt es ohne Umschweife: Vibe Coding hat seinen Platz bei Wegwerf-Prototypen. Entscheidend ist das Wort „Wegwerf-“. Ein Prototyp dient dazu, etwas zu lernen. Danach wirft man ihn weg.
Eine App, die in einer Demo funktioniert, hat eines bewiesen: dass sie in einer Demo funktioniert. Holub zählt auf, was ein „Es funktioniert“ nicht garantiert: Sicherheit, die Einhaltung des Datenschutzes, Skalierbarkeit und Verfügbarkeit des Dienstes, wenn sich viele Nutzer anmelden, Backups, wie leicht sie sich weiterentwickeln lässt. Für ein Unternehmen wiegen fünf Punkte schwerer als die anderen.
Der Softwareanbieter Veracode ließ mehr als 100 KI-Modelle Code für 80 Aufgaben schreiben, bei denen eine sichere oder eine unsichere Lösung möglich war. In etwa 45 % der Fälle enthielt der Code eine Sicherheitslücke. Neuere Modelle schneiden in diesem Punkt nicht besser ab als ältere.
In der öffentlichen Galerie eines KI-App-Builders hat ein Ingenieur 1.645 veröffentlichte Apps untersucht. Bei 170 davon, etwa jeder zehnten, konnte jeder die Daten der Nutzer einsehen: Namen, E-Mail-Adressen, Finanzdaten.
Sobald eine App Namen, Adressen oder Informationen über Ihre Kunden oder Mitarbeiter speichert, gilt die DSGVO. Das Unternehmen, das diese Daten erhebt, muss sie durch technische Maßnahmen schützen, die dem Risiko angemessen sind (Artikel 32). Bei einer Datenpanne muss es diese der zuständigen Aufsichtsbehörde (in Frankreich der CNIL) melden, möglichst binnen 72 Stunden (Artikel 33). Die Bußgelder können bis zu 20 Millionen Euro oder 4 % des weltweiten Jahresumsatzes betragen, je nachdem, welcher Betrag höher ist (Artikel 83).
Diese Pflicht liegt bei dem Unternehmen, das die Daten erhebt. Sie hängt nicht davon ab, welches Tool den Code geschrieben hat.
Um eine Zahlung anzunehmen, läuft eine App über einen Zahlungsdienstleister. Der heikle Punkt kommt danach: Der Dienstleister teilt der App mit, dass eine Zahlung eingegangen ist, und die App muss prüfen, ob diese Nachricht wirklich von ihm stammt. Ohne diese Prüfung kann jeder eine gefälschte Nachricht schicken und den Versand einer Bestellung auslösen. Der Dienstleister kann dieselbe Nachricht auch zweimal senden, und die App darf sie nur einmal verbuchen. Darauf weisen die Zahlungsdienstleister in ihrer eigenen Dokumentation hin, Stripe ebenso wie Adyen.
In einer Demo bezahlt niemand wirklich. Deshalb treten diese Probleme dort nicht zutage.
Eine App muss im Produktivbetrieb gepflegt werden. Sie muss mit Sicherheitsupdates Schritt halten, mit den Veränderungen in Ihrem Geschäft, mit den Wünschen Ihrer Nutzer. Wartung heißt, die App laufend an die sich wandelnden Anforderungen anzupassen. Dazu muss man verstehen, was sich ändern muss, und es dann in die bestehende App einbauen, ohne kaputt zu machen, was funktioniert.
Allen Holub nennt die Bedingung, unter der eine KI diese Arbeit übernehmen könnte: die Anforderungen der Nutzer mit möglichst wenigen Änderungen in das bestehende System einbauen, ohne UX oder Architektur zu verschlechtern, und ohne Bugs. Seiner Ansicht nach ist das noch nicht der Fall. Es braucht weiterhin einen Menschen, der versteht, was sich ändern muss, und die App an diejenigen anpasst, die damit arbeiten.
Karpathy schreibt es in seinem Beitrag selbst: Der Code wächst über das hinaus, was er davon versteht. Bei einem privaten Wochenendprojekt spielt das keine Rolle. Bei einer Anwendung, von der Ihre Nutzer abhängen, wird jede Änderung zum Glücksspiel, wenn niemand mehr weiß, was der Code tut.
Und die Wartung kostet mehr als die Entwicklung selbst, wie wir im Artikel über Softwareprojekte, die ihr Budget überschreiten, erklären.
Eine Demo läuft mit einem einzigen Nutzer. Holub zählt die Skalierbarkeit zu den Eigenschaften, die ein „Es funktioniert“ nicht garantiert. Was für eine Person gut reagiert, kann langsam werden oder ausfallen, wenn sich viele Nutzer gleichzeitig anmelden.
Das Kriterium ist nicht die Größe der App. Entscheidend ist, was passiert, wenn sie ausfällt, falsche Ergebnisse liefert oder ihre Daten nach außen gelangen.
Ziehen Sie einen Profi hinzu, wenn Ihre App:
Solange nichts davon auf dem Spiel steht, reicht das Tool allein oft aus.
Einen Profi hinzuzuziehen heißt nicht, auf KI zu verzichten. Entwicklungsteams nutzen sie ebenfalls. Der Unterschied liegt in allem, was den Code umgibt: automatisierte Tests, die jede Änderung prüfen, bevor sie Ihre Nutzer erreicht, ein Review dessen, was das Tool geschrieben hat, Releases in die Produktion, die nicht kaputt machen, was am Vortag noch funktioniert hat.
Der DORA-Report 2025 beschreibt KI als Verstärker. Sie stärkt Teams, die bereits gute Praktiken haben, und verschärft die Schwierigkeiten der anderen. Der Report stützt sich auf die Antworten von fast 5.000 Tech-Fachleuten. Er misst zwei Dinge: wie viele Änderungen ein Team in Produktion bringt und wie viele davon Probleme verursachen, sobald sie live sind. Je mehr ein Team KI nutzt, desto mehr Änderungen rollt es aus. Aber wie schon im Vorjahr gehen diese Änderungen auch häufiger schief. Eine Änderung macht zum Beispiel etwas kaputt, und man muss sie entweder zurücknehmen oder schnell einen Hotfix nachschieben. Oder ein Vorfall trifft die Nutzer, und das Team muss eine Korrektur ausliefern, die nicht geplant war.
Allen Holub schreibt in „No Agentic SDLC, only Agentic coding“, dass KI das Coding übernimmt, und das ist nur ein kleiner Teil der Softwareentwicklung. Solange eine KI kein Gespräch mit Nutzern führen kann, um herauszuarbeiten, was sie brauchen, bleibt diese Arbeit seiner Ansicht nach Sache des Menschen.
Mit KI kostet das Schreiben von Code wenig, und die Überprüfung wird zum Engpass, sagt Dave Farley im Interview für den Podcast von Aviator („Engineering Discipline in the AI Era“, Februar 2026).
Alexandre Poitevin arbeitet nach eigener Aussage seit zehn Jahren mit Python. In einem LinkedIn-Beitrag erzählt er, dass er Bryan Finster seine Hilfe angeboten hatte, als dieser an einer Python-Codebase arbeitete, ohne mit diesem Stack vertraut zu sein. Bryan Finster ist seit 1996 Entwickler. 2001 kam er zu Walmart, schrieb dort Software für die Lieferkette und half dem Unternehmen später, Continuous Delivery auf seine Teams auszuweiten. Heute betreut er MinimumCD.org, eine Website, die die Mindestpraktiken für Continuous Delivery beschreibt. Am Ende brauchte Bryan Finster Alexandres Hilfe nicht. Er wusste, wie man einen KI-Agenten steuert. Für Alexandre Poitevin zählten die Prinzipien, die Bryan Finster beherrschte (Teststrategie, Umgang mit Abhängigkeiten), mehr als die Kenntnis der Sprache.
Dass Bryan Finster ohne Python-Kenntnisse arbeiten konnte, lag nicht an der KI. Es lag daran, dass er die Grundlagen des Software Engineerings beherrscht. Diese Grundlagen gelten unabhängig von der Sprache. In einem Kommentar ergänzt Bryan Finster, dass er an dem Tag, an dem er beschloss, einen Teil eines Systems von .NET Framework auf .NET Core umzustellen, noch nie .NET-Code gesehen hatte.
Bei DEVEDANOS arbeiten wir so. KI gehört zu unseren Werkzeugen, innerhalb eines Ansatzes, bei dem jede Änderung durch automatisierte Tests geprüft wird. Bei der Entwicklung individueller Software arbeiten wir mit einem festen Budget, das am Ende jedes Monats für die geleistete Arbeit abgerechnet wird. Ihre Anwendung ist innerhalb eines Monats nutzbar, mit einigen wesentlichen Funktionen: Ihre Nutzer arbeiten sofort damit, und wie sie sie nutzen, bestimmt, welche Funktionen als Nächstes entwickelt werden. Sobald eine Funktion abgenommen und online ist, wird sie daran gemessen, wie Ihre Nutzer reagieren, und wir entscheiden sofort mit Ihnen über die nächsten, so lange Sie es wünschen. Eine lebendige Anwendung ist nie fertig: Sobald man sie nicht mehr weiterentwickelt, bekommt sie nur noch Sicherheitspatches und Updates der Komponenten, auf denen sie läuft, und sie stirbt langsam.
Und damit das, was im letzten Monat funktioniert hat, auch in diesem Monat noch funktioniert, gilt unsere Null-Regressions-Garantie: Jede Regression wird behoben und durch einen automatisierten Test abgesichert, damit sie nicht wiederkehrt, ohne Aufpreis.
Unser Leitfaden behandelt diese Quellen ausführlich. Dort finden Sie auch die Fragen, die Sie stellen sollten, bevor Sie ein Angebot für die Entwicklung Ihres individuellen Tools unterschreiben.
Haben Sie eine mit KI erstellte App, die im Produktivbetrieb bestehen muss, oder ein Tool, das mit Ihrem Geschäft nicht mehr mithält? Sprechen wir darüber?
Was ist ein Feature Flag? Vier Arten von Toggles, was Sie versuchen sollten, bevor Sie einen hinzufügen, und sieben Anti-Patterns, durch die nie getesteter Code läuft.
App entwickeln lassen: Mit welchem Budget rechnen? Der Betrag allein reicht nicht: Setzen Sie auf ein Ziel statt auf eine Liste, mit Nutzern ab dem ersten Monat.
Prädiktiver oder adaptiver Ansatz? Die eigentliche Trennlinie verläuft nicht zwischen V-Modell und agilem Vorgehen, sondern zwischen Vorhersagen und Anpassen. Was das für Software bedeutet.