Zwischen Vertrauen und Kontrolle: Wie weit man mit KI als Entwickler wirklich kommt

Am Anfang stand ein simples Problem: Ich wollte wissen, welche Weihnachtsmärkte in Köln noch geöffnet sind, wenn der eine gerade schließt. Daraus entstand die Idee für „Weihnachtsmaat“ – das ist Kölsch für „Weihnachtsmarkt“. Eine App, die auf einer Karte zeigt, welche Märkte aktuell offen sind, wie weit sie entfernt liegen und wann sie schließen. Was als persönliches Nebenprojekt begann, wurde schnell zu einem Experiment: Wie weit lässt sich in kurzer Zeit ein funktionsfähiges MVP entwickeln, wenn KI gezielt als Werkzeug im Entwicklungsprozess eingesetzt wird – und wie verändert das die eigene Rolle als Entwickler?

Konstantin Gaarz

iOS Developer

Vom vorsichtigen Start zum echten Sparring

Ich wollte meine Idee so schnell wie möglich in den App Store bringen. Der Ansatz war von Beginn an klar: ein MVP-Gedanke, ein Minimum Viable Product, das in seiner kleinsten funktionsfähigen Form existiert, schnell getestet werden kann und sich anschließend Schritt für Schritt weiterentwickelt.

Um dieses Ziel zu erreichen, habe ich die KI zunächst als Werkzeug zur Unterstützung gesehen. Nicht als Ersatz für Entwicklung, sondern als Möglichkeit, Tempo aufzubauen, Routinearbeiten zu verkürzen und Denkanstöße zu erhalten. Gerade in dieser frühen Phase, in der viele kleine Aufgaben parallel laufen – vom Schreiben von App Store-Texten bis hin zu Konzept- und Designentscheidungen – war die KI weniger ein Entwickler, sondern eher ein Sparrings-Partner: zweite Meinung, Ideengeber, Diskussionshilfe.

Ich wollte bewusst, dass sie nicht direkt in den Code eingreift, sondern dass sie mich unterstützt, schneller und strukturierter zu arbeiten, ohne den Überblick zu verlieren – auch aus Angst die Kontrolle über den Code abzugeben und auch weil die Erfahrungen, die ich bisher mit den Code-Ergebnissen von KI-Agenten gemacht hatte, eher negativ waren. Diese Haltung prägte meinen Einstieg in das Projekt und den Beginn eines Prozesses, der sich später ganz anders entwickeln sollte.

Der Moment, in dem ich Kontrolle abgab

Nach der ersten stabilen Codebasis arbeitete ich weiter mit KI, zunächst noch im vertrauten Sparrings-Partner-Modus. Meine bisherigen Erfahrungen mit KI-Agenten hatten mich vorsichtig gemacht: zu viele fehlerhafte Ergebnisse, zu wenig Verlässlichkeit, zu viel Nacharbeit. Aus dieser Frustration heraus blieb ich lange defensiv und wollte die Kontrolle bewusst behalten.

Das änderte sich, als ich Claude Code ausprobierte. Im Gegensatz zu früheren Tools verstand der Agent nicht nur einzelne Codeausschnitte, sondern das Projekt als Ganzes. Gerade weil mein MVP bewusst klein und überschaubar gehalten war, konnte die KI den gesamten Kontext erfassen und Code iterativ prüfen, verbessern und stabilisieren. Zum ersten Mal hatte ich das Gefühl, dass die Ergebnisse nicht nur funktionierten, sondern auch im Gesamtsystem Bestand hatten.

Mit jeder Iteration wuchs das Vertrauen – und mit ihm die Geschwindigkeit. Ich begann, Features schneller umzusetzen, Diskussionen kürzer zu halten und den Agenten eigenständiger arbeiten zu lassen. Ich selbst rückte immer mehr in eine Code-Review- und Testerrolle, überblickte Änderungen, testete Ergebnisse und ließ Details zunehmend automatisiert entstehen. So gewann ich an Tempo, verlor aber gleichzeitig den direkten Bezug zu jedem einzelnen Codeabschnitt. Dieser Wandel war der Moment, in dem ich, ohne es bewusst zu planen, begann, Kontrolle abzugeben.

Vertrauen ist gut, Überblick ist besser

Mit der Zeit wurde mir bewusst, wie sehr mich die Geschwindigkeit der Entwicklung in ihren Bann gezogen hatte. Ich war fasziniert davon, wie schnell sich neue Features umsetzen ließen, wie nah die Ergebnisse an meiner Vorstellung lagen und wie reibungslos vieles funktionierte. Zumindest auf den ersten Blick. Diese Leichtigkeit hatte allerdings einen Nebeneffekt: Ich begann, mehr auf die sichtbaren Ergebnisse als auf die Codebasis selbst zu achten. Ich diskutierte mit der KI über Features, sah funktionierende Umsetzungen und nutzte die App – alles wirkte stimmig. Doch der Blick in den Code zeigte ein anderes Bild.

Nach und nach verlor ich den Überblick über den Code und die Architektur. Während ich einzelne Code-Teile noch prüfen konnte, entglitt mir die Gesamtstruktur. Beim späteren Durchsehen des Projekts wurde deutlich, dass vieles zwar funktionierte, aber kaum strukturiert war: fehlende Trennung von Verantwortlichkeiten, vermischte Logik, uneinheitliche Abhängigkeiten. Ich hatte unbewusst genau das projiziert, was ich in die KI hineingegeben hatte, nämlich Feature-Fokus statt Code-Fokus. Die KI hatte meine Prioritäten gespiegelt: schnelle Ergebnisse, sichtbarer Fortschritt, wenig Fundament.

Das war der Punkt, an dem mir klar wurde: KI kann qualitativ gute Ergebnisse liefern, aber sie entwickelt nur so, wie man mit ihr kommuniziert. Ohne klare Leitplanken, ein Architekturmodell oder Vorgaben zu Struktur, Testbarkeit und Wartung entsteht Code, der kurzfristig beeindruckt, langfristig, aber schwer zu pflegen ist. Die KI optimiert für Funktionalität, nicht für Nachhaltigkeit. Und genau hier liegt aktuell der entscheidende Unterschied – nicht in der Fähigkeit zu programmieren, sondern im Bewusstsein für Struktur, Skalierbarkeit und Qualitätssicherung.

Coden und Lernen: die Weihnachtsmaat-App in Progress

Was ich daraus gelernt habe

Der vielleicht wichtigste Punkt, den ich aus diesem Prozess mitgenommen habe, ist, dass KI nicht einfach geführt, sondern verstanden werden muss. Ich habe gemerkt, wie leicht man sich von schnellen, funktionierenden Ergebnissen blenden lassen kann. Auf den ersten Blick läuft der Code, die App sieht gut aus, Features funktionieren, doch unter der Oberfläche fehlt oft das Fundament. Diese Diskrepanz wird umso deutlicher, wenn man den Code aus einer Entwicklerperspektive betrachtet: funktional, aber nicht nachhaltig.

Genau hier sehe ich auch die größte Gefahr, vor allem dann, wenn KI zum Programmieren von Personen genutzt wird, die selbst keine Entwickler*innen sind. Was bei mir als erfahrener Entwickler schon zu strukturellen Problemen geführt hat, potenziert sich, wenn das Bewusstsein für Architektur, Wartbarkeit und Qualität fehlt. KI kann nur reproduzieren, was man ihr vorgibt – und wenn die Vorgaben rein Feature-getrieben sind, wird auch der Code rein Feature-getrieben.

Ein zentrales Learning daraus war, dass Kommunikation und Kontext alles entscheiden. KI generiert nicht das, was man meint, sondern das, was man sagt. Ich habe gelernt, vor jeder Aufgabenstellung zunächst den Rahmen zu definieren, also Architekturprinzipien, Code-Stil, Trennung von Verantwortlichkeiten, Testbarkeit und Konventionen. Diese Regeln bilden die Basis, auf der gute Ergebnisse entstehen.
Solange sie fehlen, füllt die KI diese Lücke mit Annahmen - und die passen selten zu den eigenen Vorstellungen.

Gleichzeitig hat sich gezeigt, dass Prompting kein einmaliger Befehl ist, sondern ein Dialog. Die besten Ergebnisse entstehen dann, wenn man bewusst eine Diskussion startet, die KI bittet, zunächst Rückfragen zu stellen, bevor sie implementiert. So werden Anforderungen klarer, die Richtung präziser, und der Code konsistenter. Dieser iterative Dialog ersetzt kein Architekturverständnis, aber er verbessert die Umsetzung spürbar.

Ich nehme zudem wahr, dass viele Entwickler*innen KI weiterhin mit Skepsis begegnen. Ein Teil dieses Misstrauens ist berechtigt, weil Qualitätssicherung aktuell noch stark vom Menschen abhängt. Aber Akzeptanz entsteht durch Qualität, nicht umgekehrt. Und genau das war in meinem Projekt erkennbar: Je besser die Ergebnisse wurden, desto mehr Vertrauen konnte entstehen.

Trotz aller Grenzen bin ich beeindruckt, was in kurzer Zeit möglich ist. Ohne KI hätte ich das Ziel, eine funktionsfähige App in den App Store zu bringen, vermutlich nicht in dieser Geschwindigkeit erreicht. Gleichzeitig zeigt sich: Fachliche Expertise bleibt entscheidend. Nur wer versteht, wie Code aufgebaut, strukturiert und gepflegt wird, kann mit KI wirklich gute Software entwickeln. Sie kann Prozesse beschleunigen, aber sie braucht Entwickler*innen, die den Rahmen setzen, Qualität einfordern und langfristig denken.

Darauf einen Glühwein. Oder zwei. Oder drei.

Hoch die Tassen, ihr könnt euch direkt persönlich von den Features der Weihnachtsmaat-App überzeugen (sofern ihr ein iOS-Gerät habt). Von hilfreichen Infos bis zum Glühweinzähler, das Redaktionsteam ist sicher: Ihr werdet es lieben!

Zum App-Store