KI-Werkzeuge auf Basis großer Sprachmodelle (LLMs) schreiben heute einen großen Teil des Codes in Softwareprojekten. Günstiger wird individuelle Software dadurch nicht automatisch. Die Arbeit verlagert sich: weniger Zeit für das Schreiben von Code, mehr Zeit für Verstehen, Prüfen und Entscheiden. Was schneller geht, was gleich bleibt und was aufwendiger wird, beschreibt dieser Artikel aus unserer Projektpraxis, Stand Oktober 2026.
Eine Prozentzahl, um wie viel günstiger oder schneller Projekte geworden sind, nennen wir bewusst nicht. Das Aufgabenfeld hat sich so stark gewandelt, dass ein Vergleich mit 2023 keinen Sinn ergibt, und mit jeder Modellgeneration verschiebt es sich weiter. Wer euch eine feste Zahl nennt, hat meistens etwas zu verkaufen.
Ein Vergleich aus dem Handwerk
Bessere Maschinen haben es immer leichter gemacht, Dinge zu bauen. Mit heutigem Werkzeug schafft eine halbwegs begabte Person allein, wofür früher ein Betrieb nötig war: das Gartenhaus, den Carport, den ausgebauten Dachboden. Das ist ein Gewinn, und niemand würde ernsthaft dazu raten, wieder von Hand zu sägen.
Sobald aber etwas daran hängt, ein Wohnhaus, ein Betrieb, die Sicherheit anderer, kümmert sich ein Fachbetrieb darum. Nicht, weil der Fachbetrieb bessere Maschinen hätte, sondern weil Statik, Planung, Genehmigung und Gewährleistung nicht von der Maschine kommen. Die Maschine macht das Bauen leichter. Sie macht nicht leichter, zu wissen, was gebaut werden muss, und sie übernimmt keine Verantwortung dafür, dass es in zehn Jahren noch steht.
Genau so verhält es sich mit KI in der Softwareentwicklung. Das Werkzeug ist für alle besser geworden, für Entwickler:innen wie für Fachabteilungen. Was es nicht ersetzt, ist die Person, die versteht, was gebaut wird, und dafür geradesteht.
Was sich in unseren Projekten verändert hat
Wir schreiben weniger Code selbst. Formulare, Datenzugriffe, Tests, Migrationsskripte, Dokumentation: Vieles davon entsteht heute im Dialog mit einem KI-Werkzeug und wird dann angepasst. Der Anteil der Zeilen, die eine Entwicklerin Buchstabe für Buchstabe tippt, ist deutlich gesunken.
Wir prüfen länger. Unsere Erwartung an jede Entwicklerin und jeden Entwickler ist unverändert: Wer Code in ein Kundenprojekt übernimmt, versteht ihn vollständig. Generierter Code sieht fast immer plausibel aus, und genau das ist das Problem. Fehler verstecken sich hinter sauberer Formatierung und überzeugenden Kommentaren. Die Prüfung ist deshalb aufwendiger geworden, nicht einfacher. Wer sie abkürzt, baut Risiken ein, die erst Monate später auffallen.
Die Kette ist länger geworden. Ein Softwareprojekt funktioniert ohnehin ein wenig wie Stille Post: Ihr erklärt uns euren Prozess, wir verstehen ihn auf unsere Weise, übersetzen ihn in Anforderungen und daraus in Code. An jeder Übergabe geht etwas verloren. KI fügt dieser Kette ein Glied hinzu. Wir formulieren eine Aufgabe an das Werkzeug, es interpretiert sie, und das Ergebnis muss gegen das ursprüngliche Ziel geprüft werden. Wird an dieser Stelle nicht intensiv hinterfragt, steigt das Risiko für alle Seiten. Die Antwort darauf ist nicht weniger KI, sondern mehr Verständnis an beiden Enden der Kette: bei euch über das, was ihr wirklich braucht, und bei uns über das, was gebaut wurde.
Was günstiger wird, was gleich bleibt, was aufwendiger wird
| Beispiele | |
|---|---|
| Schneller und günstiger | Klick-Prototypen und erste lauffähige Versionen · Standardbausteine wie Login, Formulare, Listen, Exporte · automatisierte Tests · technische Dokumentation · Einarbeitung in fremden oder alten Code · Migrationsskripte |
| Bleibt gleich | Anforderungen klären und priorisieren · Abstimmung und Entscheidungen auf eurer Seite · Schnittstellen zu ERP, Buchhaltung oder CRM, deren Aufwand von der Gegenseite abhängt · Bereinigung von Altdaten · Datenschutz und Rechtekonzept · Betrieb, Updates, Monitoring |
| Aufwendiger | Prüfung des generierten Codes · Sicherheitsprüfung · Sicherstellen, dass das Team den Code versteht und in fünf Jahren noch ändern kann |
Stand: Oktober 2026, aus Projekten der Coding Kombüse. Die Zuordnung verschiebt sich mit neuen Modellen, die Richtung ist seit zwei Jahren stabil.
Auffällig ist, wo die Ersparnis liegt: am Anfang eines Projekts und bei den Teilen, die ohnehin wenig Fachwissen über euer Unternehmen brauchen. Die teuren Teile eines Projekts, das Klären der Anforderungen, die Integration in eure Systemlandschaft und der langfristige Betrieb, sind davon kaum berührt. Deshalb ändern sich die typischen Budgets im Mittelstand weniger, als die Schlagzeilen vermuten lassen. Die Spannen in unserem Artikel Was kostet individuelle Software 2026? sind mit dem heutigen Werkzeugeinsatz kalkuliert.
Was das für Angebot und Vorgehen bedeutet
Wenn der erste Prototyp schneller entsteht, lohnt es sich, ihn früher zu bauen. In der Konzeptphase arbeiten wir deshalb heute öfter mit einer lauffähigen Skizze statt nur mit Klickdummies. Ihr seht früher, ob wir euch richtig verstanden haben, und das ist angesichts der längeren Kette wichtiger geworden, nicht unwichtiger.
Am Vorgehen in Stufen, also Projekt-Check, Konzeptphase zum Festpreis und Entwicklung in verbindlich geschätzten Sprint-Paketen, ändert KI nichts. Die Schätzung pro Paket enthält die Zeit für die Prüfung, die wir für nötig halten. Wer euch ein Sprint-Paket anbietet, das nur deshalb billiger ist, weil weniger geprüft wird, spart an der falschen Stelle. Wie das Vorgehen im Detail aussieht, steht unter Ablauf und Kosten.
„Können wir das nicht selbst mit KI bauen?“
Diese Frage hören wir häufiger als früher, und die ehrliche Antwort lautet: Für manches ja.
Ein Prototyp, mit dem ihr eine Idee intern vorstellt, ein kleines Werkzeug für eine Person, eine Auswertung, die einmal im Quartal läuft: Das könnt ihr heute mit KI-Werkzeugen selbst bauen, und wir finden das gut. Wer schon einmal einen Prototyp gebaut hat, kommt mit viel klareren Anforderungen ins Gespräch. Das spart in der Konzeptphase Zeit und Geld.
Die Grenze verläuft dort, wo sie auch im Handwerk verläuft: bei der Tragweite. Das Gartenhaus baut man selbst, das Wohnhaus nicht, obwohl in beiden Fällen keine Firma daran hängt. Entscheidend ist, wie viele Menschen betroffen sind, wenn etwas schiefgeht, wie lange das Ergebnis halten soll und wie teuer ein Fehler später zu beheben ist. Sobald Software diese Tragweite hat, stellen sich Fragen, die das Werkzeug nicht beantwortet.
- Wer versteht den Code, wenn die Person, die ihn hat generieren lassen, das Unternehmen verlässt?
- Wer spielt Sicherheitsupdates für Bibliotheken und Datenbank ein, und wer merkt, wenn etwas ausfällt?
- Wo liegen die Daten, und was steht im Vertrag mit dem KI-Anbieter zur Verarbeitung?
- Was passiert, wenn sich der Prozess ändert und die Anwendung mitwachsen soll?
- Wer haftet, wenn eine Berechnung falsch ist oder Daten verloren gehen?
Dazu kommt: Ein Unternehmen besteht aus vielen Menschen mit unterschiedlichen Aufgaben. Ein Werkzeug, das eine Person für sich selbst baut, muss nur für sie stimmen. Software für ein Unternehmen muss für Innendienst, Außendienst, Buchhaltung und Geschäftsführung gleichzeitig korrekt sein, mit ihren jeweiligen Rollen, Sonderfällen und Gewohnheiten. Der größte Teil dieser Arbeit findet außerhalb der Codezeilen statt: in Gesprächen, bei der Aufnahme der Prozesse, beim Testen mit denen, die später damit arbeiten. Daran ändert kein Werkzeug etwas.
Eine Anwendung, die diese Fragen beantwortet, ist aufwendiger als der Prototyp, egal mit welchem Werkzeug sie gebaut wird. Das ist der Teil, für den es Spezialist:innen braucht, und er ist durch KI nicht kleiner geworden.
Was ihr eine Agentur zum KI-Einsatz fragen solltet
KI-Werkzeuge setzt heute praktisch jede Agentur ein. Der Unterschied liegt darin, wie. Diese Fragen trennen sorgfältige Anbieter von schnellen:
- Welche Werkzeuge nutzt ihr, und wo werden dabei unsere Daten verarbeitet? Die Antwort sollte konkret sein und zum Datenschutz-Konzept des Projekts passen.
- Wer prüft generierten Code, und nach welchen Regeln? Eine Antwort wie „der Entwickler schaut drüber“ reicht nicht. Es braucht automatisierte Tests, eine klare Erwartung, dass jede Zeile verstanden ist, und bei allem, was über ein kleines Werkzeug hinausgeht, ein Vier-Augen-Prinzip.
- Wie stellt ihr sicher, dass euer Team den Code in drei Jahren noch ändern kann? Dokumentation, einheitliche Struktur und Übergabe an uns gehören dazu.
- Wie geht ihr mit Lizenz- und Urheberfragen bei generiertem Code um? Wer hier nur mit den Schultern zuckt, hat sich mit dem Thema nicht beschäftigt.
- Was ändert sich für uns an Kosten und Vorgehen? Eine ehrliche Antwort beschreibt Verschiebungen, keine pauschalen Rabatte.
Bei uns gilt: Jeder Code, den wir ausliefern, ist von einer Entwicklerin oder einem Entwickler verstanden. In Projekten ab etwa 100 Stunden prüft zusätzlich immer eine zweite Person, in kleineren Vorhaben in der Regel. Welche Werkzeuge wir in eurem Projekt einsetzen und wie wir dabei mit euren Daten umgehen, klären wir vor dem Start schriftlich.
Häufige Fragen
Wird individuelle Software durch KI günstiger? Teilweise. Prototypen, Standardbausteine, Tests und Dokumentation entstehen schneller. Anforderungen klären, Systeme integrieren und Software betreiben kosten so viel wie vorher, und die Prüfung des Codes wird aufwendiger. Unterm Strich verschieben sich die Kosten eher, als dass sie fallen.
Brauchen wir noch eine Agentur, wenn KI Code schreibt? Für Prototypen und kleine interne Werkzeuge nicht unbedingt. Für Software, von der euer Betrieb abhängt, braucht ihr jemanden, der den Code versteht, Sicherheit und Datenschutz verantwortet und die Anwendung über Jahre betreibt.
Ist KI-generierter Code sicher? Nicht von allein. Generierter Code enthält dieselben Fehlerklassen wie handgeschriebener, wirkt aber überzeugender. Sicher wird er durch Prüfung, Tests und ein Team, das ihn versteht.
Wem gehört Code, der mit KI erstellt wurde? Bei uns gehört euch der gesamte Code eures Projekts, inklusive Repository und Dokumentation, unabhängig davon, mit welchen Werkzeugen er entstanden ist. Wie generierter Code urheberrechtlich einzuordnen ist, wird noch diskutiert. Wir setzen deshalb nur Werkzeuge in gewerblichen Tarifen ein, deren Nutzungsbedingungen uns die Rechte an den Ergebnissen übertragen und Eingaben wie Ergebnisse nicht zum Training der Modelle verwenden. Diese Rechte geben wir vollständig an euch weiter.
Sollten wir mit einem Projekt warten, bis KI noch besser ist? Nein. Die teuren Teile eines Projekts verändern sich kaum, und ein Prozess, der heute in Excel hakt, kostet jeden Monat Geld. Besser klein anfangen und das Werkzeug mitwachsen lassen.
Kurz zusammengefasst
- KI verlagert die Arbeit in Softwareprojekten vom Schreiben zum Verstehen und Prüfen. Das Schreiben wird schneller, die Prüfung aufwendiger.
- Günstiger werden Prototypen, Standardbausteine, Tests und Dokumentation. Anforderungen, Integrationen und Betrieb bleiben, was sie waren.
- Jede zusätzliche Übergabe in der Kette von eurem Prozess bis zum fertigen Code kostet Information. KI ist eine solche Übergabe. Gegenmittel ist intensives Hinterfragen auf beiden Seiten.
- Bessere Werkzeuge machen es leichter, selbst zu bauen. Sobald an der Software etwas hängt, viele Nutzer:innen, wichtige Daten, ein laufender Betrieb, braucht es jemanden, der sie versteht und verantwortet.
- Fragt eure Agentur, wie sie generierten Code prüft und wo eure Daten verarbeitet werden. Die Antwort sagt mehr über die Qualität als jeder Rabatt.
Ob euer Vorhaben ein Fall für Individualsoftware ist und in welcher Budgetspanne es liegt, erfahrt ihr kostenlos über den Projekt-Check.