KI-Softwareentwicklung 2026: Unsere Learnings zu Vibe Coding

Von Marcus Baur, Account Manager & Development Lead. Veröffentlicht am 19.10.2026.

Welche Aufgaben eignen sich für KI?

Bei anders und sehr gibt es kaum noch eine Entwicklungsaufgabe, an der keine KI beteiligt ist. Von Hand erledigen wir die Schritte, bei denen wir die volle Kontrolle behalten müssen - z.B. lösen wir Deployments nur nach Freigabe aus. Datenmigrationen stoßen wir selbst an und prüfen das Ergebnis. Ab mittelgroßen Aufgaben nehmen wir jedes Ergebnis der KI zusätzlich mit eigenen Tests ab.

Die Grenze dessen, was mit KI möglich ist, liegt nur noch in unserem Kopf.

Vor einem halben Jahr hätten wir diesen Beitrag noch ganz anders geschrieben. Die Grenzen verschieben sich mit jeder neuen Modellgeneration. Heute programmieren wir, erstellen Tickets und testen automatisiert mit KI. Das geht um ein Vielfaches schneller als früher. 

Wie wir KI in der Softwareentwicklung einsetzen

Vibe Coding Coding steht für Programmieren per Prompt: Man beschreibt, was man haben möchte, und übernimmt, was die KI liefert, ohne den Code genau hinzuschauen. Für einen schnellen Prototyp funktioniert das. Für Software, die im Unternehmen zuverlässig laufen soll, reicht es nicht. Wir arbeiten deshalb mit Agentic Coding: Die KI arbeitet als Agent direkt im Projekt, schreibt Code und Tests und erledigt Aufgaben über mehrere Schritte. Den Auftrag dafür bekommt sie als Plan, und wir prüfen das Ergebnis.

Bei größeren Aufgaben erstellen unsere Entwicklerinnen und Entwickler zusammen mit der KI einen Plan, wie die Aufgabe umgesetzt wird. Diesen Plan zu schreiben und das Ergebnis zu prüfen, ist heute der größte manuelle Anteil. Je genauer der Plan, desto besser das Ergebnis. Wie teuer ein Fehler im Plan ist, hat ein Kollege erlebt: Er ließ die KI zwei, drei Tage nach seinem Plan entwickeln, fand am Ende Fehler im Plan und musste von vorne beginnen.

XS bis XL: Wie viel Planung und Kontrolle eine Aufgabe braucht

Wir setzen KI für Aufgaben fast jeder Komplexität ein. Wie eng wir das Ergebnis kontrollieren, hängt davon ab, wie geschäftskritisch eine Aufgabe ist: Je mehr an einer Änderung hängt, desto engmaschiger, häufiger und manueller testen wir.

Wir teilen Aufgaben in fünf Komplexitätsstufen ein, von XS bis XL. Die Stufe bestimmt, wie ausführlich wir vorher planen und wie eng wir das Ergebnis prüfen. Die Grenzen zwischen den Stufen sind fließend und verschieben sich: Mit jeder neuen Modellgeneration lassen sich schwierigere Aufgaben mit KI erledigen.

Warum die Projektgröße allein nicht entscheidend ist

Eine Änderung an der Rechnungslogik eines Ticketshops ist vom Umfang her vielleicht eine S-Aufgabe. Eine falsche Rechnung richtet aber deutlich mehr Schaden an als ein falsch dargestelltes Element auf einer Website. Für unsere Einschätzung zählen deshalb zwei Fragen: Wie komplex ist die Aufgabe? Und was passiert, wenn das Ergebnis fehlerhaft ist?

Praxisbeispiel: Ein Pressetool zieht aus Pimcore um

Die Presseabteilung eines großen Kunden plant und veröffentlicht ihre Pressemitteilungen mit einem eigenen Tool. Es lief bisher als Teil einer Pimcore-Instanz. Pimcore hätte aktualisiert werden müssen, die Lizenzkosten wären weiter angefallen, und jede Weiterentwicklung des Tools auf dieser Basis wäre teuer geworden.

Wir haben das Tool deshalb aus Pimcore herausgelöst und als eigenständige Symfony-Anwendung neu aufgesetzt. Die Migration hat ein Entwickler vollständig mit KI umgesetzt: Plan, Tests, Programmcode und das Skript für die Datenübernahme. Ausgeführt und geprüft haben wir die Datenmigration selbst. Die neue Anwendung kann exakt das, was die alte konnte, läuft aber auf aktuellem PHP und Symfony.

Was der Kunde davon hat: Die Pimcore-Lizenzkosten entfallen, und das Tool steht auf einer aktuellen Grundlage, auf der wir es weiterentwickeln können.

Was wir davon haben: Das Tool ist jetzt genauso aufgebaut wie alle anderen Anwendungen, die wir für den Kunden betreiben: MySQL-Datenbank, PHP mit Symfony, Vue im Frontend. Betrieb und Weiterentwicklung sind dadurch um ein Vielfaches einfacher. Der einheitliche Aufbau hilft auch der KI.

Zeitaufwand: Mit KI haben wir für ein mittelgroßes Projekt rund 75 Prozent weniger Entwicklungszeit gebraucht, als wir für die Umsetzung ohne KI geschätzt hatten! 

Was wir dabei gelernt haben: Die übernommene Software enthielt Fehler, die im Betrieb nie aufgefallen waren. Die KI ist beim Umbau darüber gestolpert und wollte sie beheben. An dieser Stelle muss ein Entwickler entscheiden: Gehört die Korrektur zum Auftrag, oder notieren wir den Fehler und stimmen die Behebung danach mit dem Kunden ab? Im Angebot war das nicht kalkuliert. Ohne KI wären manche dieser Fehler wohl niemals aufgefallen. Ob sich die Korrektur lohnt, hängt vom Fehler ab. Manche stecken zwar im Code, können bei der tatsächlichen Nutzung aber nie auftreten.

Unsere Erfahrung: Wo KI Zeit spart und wo der Aufwand bleibt

Prototypen entstehen sehr schnell. Ansprechpartner auf Kundenseite bauen inzwischen selbst Anwendungen mit KI und fragen uns: Eine Kollegin hat das an einem halben Tag gebaut, warum bietet ihr fünf Tage an? Das Ergebnis ist ein Prototyp, oft mit einem einzigen Prompt erstellt. Für ein kleines Tool in einem Handwerksbetrieb kann das reichen. Software, die ein Unternehmen professionell betreibt, braucht Feinschliff, Tests, Fehlerbehandlung und eine saubere Anbindung an bestehende Systeme.
Mit KI kommt man wahnsinnig schnell zu einem Prototypen. Der Weg zur finalen Software dauert aber immer noch.

Der Aufwand ist schwer vorherzusagen. Ein Kollege hat PDF-Rechnungen auf ein elektronisches Rechnungsformat umgestellt und die KI danach ihren eigenen Code prüfen lassen. Für so ein Review rechnet man mit einer halben Stunde. Die KI hat sieben Stunden gebraucht und am Ende wenig geändert.

Projektübergreifende Datenflüsse sind noch schwierig. Am meisten Mühe hat die KI derzeit, wenn Daten durch mehrere Systeme wandern, etwa vom ERP über eine zentrale Datenbank bis zur Website. Wir testen dafür zwei Ansätze: Die KI arbeitet im Hauptprojekt und liest die anderen Projekte mit, oder alle Projekte liegen in einem gemeinsamen Repository.

Mehr Zeit für andere Gewerke. Ein Teil der Zeit, die in der Software-Entwicklung gespart wird, muss in Projektmanagement, Planung, Qualitätssicherung und automatisierte Tests bzw. höhere Testabdeckung fließen. Deswegen ist der Effizienzgewinn wird in der Summe niedriger.

Was das für Wartung, Betrieb und Verträge bedeutet

Software, die über Jahre läuft, bekommt laufend neue Anforderungen. Die Anwendungen unseres Kunden haben wir in den vergangenen fünf Jahren Schritt für Schritt auf eine gemeinsame technische Basis gebracht. Weil sie einheitlich aufgebaut sind und größeren Änderungen ein dokumentierter Plan zugrunde liegt, bleibt der Code gut wartbar, auch für Entwickler, die ihn nicht selbst geschrieben haben. Mit KI gehen spätere Änderungen außerdem schneller. Wichtig sind gute Voraussetzungen: Automatiserte Tests mit hoher Abdeckung, ein Design-System mit Komponentenbaukasten, klare Coding Guidelines und flankierende Tools zur statischen Code-Analyse. 

Vertraglich sollte vor Projektstart geklärt sein, ob ein Prototyp oder betriebsfähige Software beauftragt wird und wie mit Fehlern im Bestandscode umgegangen wird, die die KI nebenbei findet.

Checkliste: Wie viel Planung und Kontrolle braucht Ihr Projekt?

Je mehr Fragen Sie mit Ja beantworten, desto mehr Planung und Prüfung braucht Ihr Projekt und desto kleiner fällt die Zeitersparnis mit KI aus.

• Braucht die Aufgabe mehr als ein, zwei Sätze Beschreibung?
• Hängen mehrere Systeme daran, etwa CMS, CRM, Shop oder ERP?
• Hätte ein Fehler direkte Folgen für Umsatz, Rechnungen oder Kunden?
• Soll die Software über Jahre betrieben und weiterentwickelt werden?
• Gibt es Rollen, Rechte oder sicherheitskritische Funktionen?
• Ist der bestehende Code alt oder mit vielen unterschiedlichen Technologien gebaut?
• Brauchen Sie am Ende mehr als einen Prototypen?

Beantworten Sie die meisten Fragen mit Nein, erledigt die KI einen Großteil der Arbeit schnell und mit wenig Nacharbeit.

Sie möchten eine Webanwendung oder Software mit KI entwickeln?

Ob KI-Webentwicklung oder individuelle Software: Wir schätzen Ihr Vorhaben ein, wie komplex es ist, wie geschäftskritisch, und wie viel Zeit KI dabei realistisch spart.

Zur Software-Entwicklung