In einigen unserer Projekte schreiben wir inzwischen mehr Konzepte als Code – und sind dabei schneller bei gleicher oder besserer Qualität.
Nicht in allen Projekten. In klassischen Kundenprojekten wird nach wie vor programmiert – auch wenn sich das über kurz oder lang ändern wird. Aber die Tendenz ist klar: Die Softwareentwicklung verändert sich grundlegend. Nicht die Programmierung selbst ist die zentrale Kompetenz, sondern das strukturierte und konzeptionelle Arbeiten. Die klassische Rollenverteilung – Designer designt, Entwickler programmiert, Tester testet – löst sich auf. Wer strukturiert denken und Probleme formulieren kann, wird zum effektiven Entwickler. Unabhängig von der Programmiersprache.
Vor einem Jahr hätten wir das so nicht geschrieben. Damals war KI in der Softwareentwicklung ein nützliches Werkzeug – hilfreich, aber kein grundlegender Paradigmenwechsel. Das hat sich geändert. Nicht weil die KI plötzlich perfekt wäre, sondern weil wir gelernt haben, anders zu arbeiten.
Was das konkret bedeutet und warum das für Unternehmen relevant ist, zeigen wir anhand unserer eigenen Praxis: sinkende Kosten für Individualsoftware, ein verändertes Kompetenzprofil und neue Möglichkeiten, die vor einem Jahr noch unwirtschaftlich gewesen wären.
Individualsoftware wird erschwinglich
In unserem Praxisbericht zur Zeitersparnis mit Claude Code haben wir dokumentiert, dass AI-Assisted Development (AAD) die Entwicklungszeit in einem konkreten Projekt um 44% reduziert hat. 17 Aufgaben, von Setup bis Deployment, mit strukturierten Zeitschätzungen und anschließendem Vergleich. Das ist ein solider Datenpunkt – nicht mehr, aber auch nicht weniger.
Die wirtschaftliche Konsequenz ist erheblich. Projekte, die früher ein sechsstelliges Budget erfordert hätten, bewegen sich jetzt im fünfstelligen Bereich. Interne Tools, Automatisierungen, Prototypen – alles, was bisher unter “nice to have” lief und in der Priorisierung regelmäßig nach hinten rutschte, wird plötzlich umsetzbar. Die Hürde, ein Projekt zu starten, sinkt massiv.
Unser eigener Webseiten-Relaunch ist ein greifbares Beispiel dafür: Weniger als 30 Stunden Arbeitszeit, vier Tage von der Idee bis zur testbaren Version. Früher hätte das etliche Wochen gedauert und Kosten im fünfstelligen Bereich zur Folge gehabt. Und die Webseite ist nur eines von mehreren Projekten, die wir in den letzten Monaten auf diese Weise umgesetzt haben.
Aber die 44% Zeitersparnis aus dem AAD-Modus waren erst der Anfang. Der größere Hebel liegt woanders.
Von AAD zu CDD – der größere Hebel
AI-Assisted Development ist der Einstieg: Mensch und KI arbeiten im Dialog, synchron und interaktiv. Der Entwickler stellt Fragen, die KI liefert Antworten, Code-Vorschläge oder Analysen. Das funktioniert gut für Debugging, Brainstorming und die tägliche Entwicklungsarbeit. Die 44% Zeitersparnis aus unserem Praxisbericht stammen aus diesem Modus.
Aber 44% sind ein Durchschnitt. Bei strukturierten Aufgaben – aufwändig, aber nicht komplex – liegt die Einsparung deutlich höher. Unser Webseiten-Relaunch ist ein gutes Beispiel: HTML-Templates, CSS-Strukturen, Content-Migration – alles Aufgaben, die klaren Mustern folgen. Wir haben die technologische Basis festgelegt, die Inhaltsstruktur definiert und die Designvorgaben formuliert. Claude hat im Dialog umgesetzt. Vier Tage, weniger als 30 Stunden, keine externe Designerin. Bei diesen strukturierten Aufgaben lag die Einsparung weit über den 44% aus dem Praxisbericht.
Concept Driven Development (CDD) geht noch einen Schritt weiter. Der Mensch investiert in strukturierte Konzepte und klare Anforderungen, KI-Agenten arbeiten danach eigenständig. Der Unterschied zu AAD: CDD ist asynchron und parallelisierbar.
Warum das den größeren Hebel bringt:
- Mehrere Agenten arbeiten gleichzeitig an verschiedenen Features
- Konzeptionelle Vorarbeit reduziert Iterationsschleifen drastisch
- Die Produktivität skaliert über den einzelnen Entwickler hinaus
Bei AAD ist die Geschwindigkeit durch den Dialog begrenzt – ein Mensch, eine KI, ein Gespräch. Bei CDD kann ein einzelner Entwickler mehrere Aufgaben parallel anstoßen, solange die Konzepte klar genug sind. Das ist ein fundamentaler Unterschied.
Ob AAD oder CDD – nicht das Programmieren macht den Unterschied, sondern die Qualität der Konzepte und Vorgaben. Das verändert auch die erforderlichen Kompetenzen.
Vom Entwickler zum Problemlöser
Wenn die KI den Code schreibt – was machen dann die Entwickler?
Sie werden zu Problemlösern, die dank effizientem Umgang mit KI-Tools ein viel breiteres Spektrum abdecken können als bisher. KI bringt Know-how mit, das früher Spezialisten vorbehalten war: Design, Frontend, Backend, DevOps – vieles lässt sich aus einer Hand steuern.
Dabei ist Differenzierung wichtig: Für ein einfaches internes Tool muss man kein Swift-Experte sein – die KI macht fremde Technologien zugänglich, und das Risiko ist überschaubar. Bei komplexen Anwendungen sieht das anders aus. Dort muss man den erzeugten Code verstehen und bewerten können, sonst summieren sich kleine Fehler zu technischen Schulden – genauso wie bei menschlichem Code. Man muss auch kein Designer sein, um eine professionelle Webseite zu gestalten. Aber man muss beurteilen können, ob das Ergebnis passt.
| Was in den Hintergrund tritt | Was in den Vordergrund rückt |
|---|---|
| Syntax und Boilerplate | Problemverständnis |
| Standard-Patterns nachschlagen | Architekturentscheidungen |
| Bibliotheken einzeln erlernen | Die richtigen Fragen stellen |
| Konfigurationsprobleme debuggen | Qualitätssicherung und Review |
| UI-Komponenten zusammenbauen | Konzeptionelles Denken |
Man muss nicht mehr jede Bibliothek kennen – man muss wissen, welche Fragen man stellt. In unserem Praxisbericht haben wir gemessen, dass Tests und Architekturentscheidungen genauso lange dauern wie ohne KI. Das sind keine Schwächen der KI. Das sind die menschlichen Kernkompetenzen, die bleiben. Die KI kann Test-Code schreiben, aber sie kann nicht immer entscheiden, was getestet werden sollte. Sie kann Schemas generieren, aber die strategischen Entscheidungen zur langfristigen Wartbarkeit bleiben beim Entwicklungsteam.
Die Verschiebung ist klar: Weg von der Implementierung, hin zur Problemanalyse und Lösungsgestaltung. Und damit ändern sich auch die Aufgaben, die viele Unternehmen bisher nicht angegangen sind.
Transparenz herstellen – Informationen verfügbar machen
Viele Unternehmen haben wertvolle Informationen, die in Excel-Dateien, E-Mails und verschiedenen Systemen verstreut liegen. Das Problem ist selten das Fehlen von Daten – es ist das Fehlen eines Überblicks. Wer morgens als Erstes 20 Minuten damit verbringt, Zahlen aus verschiedenen Quellen zusammenzusuchen, kennt das Thema.
Die Lösung muss kein Millionen-Projekt sein. Einfache, maßgeschneiderte Reporting-Tools können verteilte Informationen konsolidieren und auf einen Blick verfügbar machen. Reports lassen sich automatisch generieren – zum Beispiel zu Tagesbeginn. Die Übersicht liegt bereit, bevor der erste Kaffee fertig ist.
Das klingt nach einem kleinen Gewinn. Aber 20 Minuten pro Tag sind über 80 Stunden im Jahr – pro Person. Bei einem Team von fünf Leuten sind das 400 Stunden. Und die bessere Informationslage führt zu besseren Entscheidungen, deren Wert sich schwer beziffern lässt, aber real ist.
Solche Tools wären früher unverhältnismäßig teuer gewesen. Heute sind sie in wenigen Tagen umsetzbar, einfache Varianten sogar in wenigen Stunden. Die Entwicklungskosten stehen in keinem Verhältnis mehr zur eingesparten Zeit.
Wiederkehrende Aufgaben automatisieren
In jedem Unternehmen gibt es wiederkehrende Aufgaben, die durch einfache, maßgeschneiderte Tools bearbeitet werden können – und die sich jetzt lohnen. Bei uns sind das konkret drei Bereiche:
Back-Office-Automatisierung: Wiederkehrende Verwaltungsaufgaben, die bisher manuell erledigt wurden, laufen jetzt über eigene Tools. Vertragserstellung, Projektübersichten, wiederkehrende Auswertungen – Aufgaben, die einzeln wenig Zeit kosten, aber in der Summe Stunden pro Woche fressen. Jede davon ist ein kleines Projekt, das sich in wenigen Tagen umsetzen lässt – bei einfachen Tools sogar in wenigen Stunden.
Native macOS-Tools in Swift: Wir sind eigentlich Java-Experten. Aber wenn die KI Swift genauso zugänglich macht wie jede andere Technologie, spielt der eigene Technologie-Stack eine untergeordnete Rolle. Man wählt das richtige Werkzeug für die Aufgabe – nicht das, was man zufällig am besten beherrscht. Das war vorher undenkbar.
Webseiten-Relaunch: Hugo-basiert, mit KI in weniger als 30 Stunden umgesetzt. Bereits in Abschnitt zwei beschrieben, aber als Teil der Gesamtliste erwähnenswert – weil auch das eine Aufgabe war, die jahrelang liegen geblieben ist.
Das gilt nicht nur für uns. Jede Organisation hat solche Aufgaben. Die Schwelle, sie zu automatisieren, war noch nie so niedrig. Und anders als bei großen IT-Projekten ist das Risiko gering: Ein kleines Tool, das nicht den gewünschten Nutzen bringt, hat wenige Tage gekostet. Treten Fehler auf, lassen sie sich genauso schnell beheben. Und ein Tool, das funktioniert, lässt sich schrittweise erweitern und spart über Jahre hinweg Zeit.
Fazit: Konzeptionelles Denken als Schlüsselkompetenz
Nicht die beste Programmiererin oder der beste Programmierer gewinnt, sondern wer strukturiert denkt und die richtigen Fragen stellt.
Der Einstieg ist leicht: AI-Assisted Development ermöglicht sofortige Produktivitätsgewinne im Dialog mit der KI. Der größere Hebel liegt im konzeptionellen Arbeiten mit Concept Driven Development – in strukturierten Konzepten, klaren Anforderungen und der Fähigkeit, KI-Agenten effektiv zu steuern. Beides braucht ein solides Fundament, aber der Aufwand für den Einstieg ist überschaubar.
Entwickler werden dabei nicht ersetzt. Ihre Rolle wird aufgewertet – vom Code-Schreiber zum Lösungsgestalter. Vom Spezialisten für eine Programmiersprache zum Problemlöser, der mit dem richtigen Konzept jede Technologie einsetzen kann. Das ist keine Zukunftsvision, das ist unsere tägliche Arbeit.
Die Veränderung betrifft dabei nicht nur klassische Softwareunternehmen. Jede Organisation, die wiederkehrende Prozesse hat, die Informationen aus verschiedenen Quellen zusammenführen muss oder die interne Tools benötigt, kann von diesen Möglichkeiten profitieren. Die Einstiegshürde ist niedrig, die Ergebnisse sind schnell sichtbar.
Wo stehen wir in zwei Jahren? Wie weit lässt sich das skalieren? Ehrlich gesagt: Wir wissen es nicht. Aber die Richtung ist klar, und wir sind gespannt.
Mehr erfahren
Sie haben Gesprächsbedarf? Wir stehen Ihnen gern für ein Erstgespräch zur Verfügung. Jetzt Termin für ein Erstgespräch vereinbaren .
Dieser Blog-Artikel wurde zusammen mit Claude geschrieben.