Was sich durch KI-gestützte Entwicklung verändert hat

Ein kleines Unternehmen musste früher bei jeder individuellen Softwareidee mit beträchtlichem Analyse- und Entwicklungsaufwand rechnen. Heute können KI-Werkzeuge Code, Oberflächen, Tests und Dokumentation vorbereiten. Ein klar begrenzter Prototyp entsteht dadurch oft deutlich schneller.

Das öffnet einen neuen Raum zwischen Tabellenkalkulation und großer Branchensoftware: kleine, maßgeschneiderte Werkzeuge für genau einen betrieblichen Engpass.

Beispiele:

  • ein interner Angebotsassistent, der Positionen aus einer Anfrage vorbereitet,
  • eine Oberfläche zur Prüfung automatisch extrahierter Rechnungsdaten,
  • ein Kundenportal für Dokumente und Status,
  • ein Tool, das E-Mails klassifiziert und fehlende Angaben markiert,
  • eine Suchfunktion über freigegebene Handbücher und Projektdokumente.

Schneller Code ist nicht dasselbe wie ein fertiges Produkt

Eine NBER-Studie aus 2026 unterscheidet zwischen mehr Coding-Aktivität und tatsächlich ausgelieferter Software. In den beobachteten Daten stiegen Commits stark, der Effekt nahm aber bei Projekten und realen Releases deutlich ab. Die Autoren beschreiben menschliche Engpässe in der Produktionskette. 1

Das ist für KMU zentral: Der Wert liegt nicht im erzeugten Code, sondern in einem Werkzeug, das:

  • den richtigen Prozess abbildet,
  • echte Daten sicher verarbeitet,
  • von Mitarbeitern verstanden wird,
  • Fehler kontrollierbar behandelt,
  • gewartet und erweitert werden kann.

Auch die Produktivitätsforschung ist nicht eindeutig

Eine bekannte randomisierte METR-Studie mit 16 erfahrenen Open-Source-Entwicklern und 246 Aufgaben fand für frühe 2025er-Werkzeuge in diesem spezifischen Umfeld sogar eine Verlangsamung um 19 Prozent. Die Entwickler hatten trotzdem eine Beschleunigung erwartet und auch nachher wahrgenommen. METR warnt selbst vor einer Übertragung auf alle Entwicklungsarbeit. 2

Die richtige Schlussfolgerung lautet daher nicht „KI macht Entwicklung immer schneller“ oder „KI hilft nicht“. Sie lautet: Der Effekt hängt stark von Aufgabe, Codebasis, Erfahrung, Prüfbarkeit und Werkzeug ab.

Kleine, neue und gut spezifizierte Werkzeuge sind häufig leichter mit KI zu entwickeln als Änderungen in einer alten, komplexen Software, die jahrelanges implizites Wissen enthält.

Welche internen Tools besonders geeignet sind

Ein guter Kandidat hat:

  • eine klar definierte Nutzergruppe,
  • wenige, häufige Kernaufgaben,
  • vorhandene digitale Eingaben,
  • ein überprüfbares Ergebnis,
  • begrenzte Rechte,
  • einen erkennbaren Nutzen gegenüber der heutigen Arbeitsweise.

Beispiel: Ein Bauunternehmen erhält regelmäßig Anfragen mit Plänen und Freitext. Ein erstes Tool könnte Dokumente sammeln, Projektart und Adresse extrahieren, fehlende Informationen markieren und einen strukturierten Vorgang anlegen. Es muss noch keine verbindlichen Preise berechnen.

Der richtige Start: Ein enger „Thin Slice“

Ein Thin Slice ist der kleinste durchgängige Funktionsausschnitt, der echten Nutzen zeigt. Er verläuft von realer Eingabe bis zu einem verwendbaren Ergebnis.

Für einen Angebotsassistenten könnte das sein:

  1. E-Mail und Anhang werden übernommen.
  2. definierte Felder werden extrahiert.
  3. unsichere Werte werden markiert.
  4. ein Mitarbeiter korrigiert und bestätigt.
  5. die Daten werden in das vorhandene System übertragen.

Das ist wertvoller als eine große Demo mit zehn halbfertigen Modulen.

Wo Sprachmodelle im Tool sinnvoll sind

Nicht jede Funktion braucht KI. Gute Werkzeuge kombinieren:

  • feste Regeln für Pflichtfelder und Berechnungen,
  • Datenbankabfragen für bekannte Informationen,
  • APIs für vorhandene Systeme,
  • Sprachmodelle für unstrukturierte Texte, Dokumente oder Varianten,
  • menschliche Freigaben bei relevanten Entscheidungen.

OpenAI beschreibt Agents als Systeme, bei denen ein Modell den Ablauf steuert und Werkzeuge auswählt. Der Leitfaden empfiehlt Agents vor allem dort, wo komplexe Entscheidungen, schwer wartbare Regeln oder unstrukturierte Daten klassische Automatisierung behindern. Sonst kann eine deterministische Lösung genügen. 3

Was die Agentur weiterhin leisten muss

KI kann Implementierung beschleunigen. Sie übernimmt nicht automatisch:

Prozessklärung

Welche Ausnahme ist häufig? Welche Information ist verbindlich? Wer darf freigeben?

Architektur

Wo liegen Daten? Welche Schnittstellen sind stabil? Wie werden Nutzer und Rollen verwaltet?

Qualitätssicherung

Welche Testfälle bilden den Alltag ab? Was passiert bei leeren, widersprüchlichen oder manipulierten Eingaben?

Sicherheit und Datenschutz

Welche Daten verlassen das Unternehmen? Welche Zugriffsrechte hat ein Dienst? Wie werden Protokolle geschützt?

Betrieb

Wer reagiert bei einem Ausfall? Wie werden Modell- oder API-Änderungen geprüft? Wie kommt eine Verbesserung kontrolliert in Produktion?

Kosten realistisch betrachten

Ein individuelles Tool verursacht mehrere Kostenarten:

  • fachliche Analyse,
  • Gestaltung und Entwicklung,
  • externe Dienste und Modellnutzung,
  • Hosting,
  • Monitoring und Support,
  • Sicherheitsupdates,
  • Weiterentwicklung,
  • Schulung und Einführung.

KI senkt vor allem Teile des Erstellungsaufwands. Sie beseitigt nicht die laufende Verantwortung. Ein vermeintlich kostenloser Prototyp kann teuer werden, wenn niemand Architektur, Datenmodell und Rechte sauber geplant hat.

Ein Entscheidungstest

Ein eigenes Tool ist prüfenswert, wenn mindestens drei Aussagen zutreffen:

  • Der Prozess kommt häufig vor.
  • Bestehende Software passt nur mit vielen Umwegen.
  • Der Ablauf unterscheidet das Unternehmen.
  • Mehrere Systeme müssen verbunden werden.
  • Daten sollen in einer kontrollierten Oberfläche zusammenlaufen.
  • Eine schrittweise Erweiterung ist absehbar.

Ein Standardprodukt ist meist besser, wenn der Prozess üblich, gut gelöst und nicht strategisch differenzierend ist.

KI macht individuelle Software zugänglicher. Gute Produktentscheidungen macht sie nicht überflüssig.

Fazit

Für KMU sind heute Werkzeuge realistisch, die früher zu klein für ein großes Softwareprojekt und zu speziell für Standardsoftware waren. Der beste Einstieg ist kein umfassendes „KI-Betriebssystem“, sondern ein enges Werkzeug für eine häufige Aufgabe.

Eine erfahrene Agentur nutzt KI, um schneller zu entwickeln – und übernimmt gleichzeitig die weniger sichtbare Arbeit an Anforderungen, Sicherheit, Tests, Einführung und laufendem Betrieb.

Nachvollziehbar belegt

Quellen und weiterführende Dokumente

Geprüft am 28. Juli 2026
  1. 1
  2. 2
  3. 3
    OpenAIA practical guide to building AI agentsVeröffentlicht/aktualisiert: 2025

Bei Rechts- und Datenschutzthemen dient der Artikel der Orientierung und ersetzt keine individuelle rechtliche Beratung.