In meinem Hobbyprojekt nutze ich schon länger AI Coding. Jemand, der das mitbekommen hat, verlor das Interesse am Projekt. Nach etwas Diskussion und Reflexion hier meine Gedanken zu dem Thema.

Mein Projekt Geo Activity Playground habe ich im Juli 2023 begonnen, daran bastle ich auch aktuell noch. Allerdings habe ich im November 2025 angefangen, AI Coding an diesem Projekt auszuprobieren.

Das ganze war zu diesem Zeitpunkt ganz brauchbar. Insbesondere bin ich monotone Dinge angegangen. Mein gefrickeltes JavaScript habe ich in moderne ES Modules konvertieren lassen. Das ist an sich nicht schwer, jede:r Junior Frontend-Entwickler:in hätte das machen können, mir fehlte dafür einfach das Wissen und die Routine. Auf eine Einarbeitung in ES Modules hatte ich keine Lust, aber mit KI ist das schnell machbar.

Da weiß ich allerdings auch, wie ich das verifiziere. Ich kann meine Software starten und schauen, ob das noch korrekt lädt. Und wenn es das tut und der Code vernünftig aussieht, erscheint es mir hinreichend wahrscheinlich korrekt umgesetzt zu sein.

Auch habe ich die Seite mit Einstellungen hübscher strukturieren lassen. Das ist alles nicht schwer, aber so mühsame Fleißarbeit. Gerade bei einem Hobbyprojekt finde ich es ganz nett für 20 EUR/Monat diese Art von Hausputz an eine Maschine auslagern zu können. Genauso wie ich keine Existenzkrise bekäme, wenn meine Wäsche von einer Waschmaschine gewachsen oder mein Brot mit Mehl von Weizen von einem Mähdrescher kommt.

Über die Monate habe ich mich dann auch an immer größere Dinge getraut. Ich habe das Teil Algorithmen entwickeln lassen, die sich am Ende aber als ziemlicher Quatsch herausstellten. Den Code habe ich einfach entsorgt, mir selbst Gedanken gemacht und den Kern selbst implementiert.

Inzwischen sind die Modelle nochmal besser geworden. Aber sie können fundamental keine Geschmacksentscheidungen treffen. Sie treffen auch Abwägungen wie ein Mensch ohne LLM-Unterstützung sie getroffen hätte. Jedoch ist sauberer aber schwerer zu wartender Code kein Hemmnis in Zeiten von AI Coding. Entsprechend kann ich bei manchen Dingen tatsächlich sauberen Code mit weniger eigener Arbeit erzeugen.

Allgemeine Schattenseiten von KI

Natürlich haben LLM große gesellschaftliche Probleme. Da ist zum einen der schiere Ressourcenverbrauch. Während manche Firmen klimaneutrale Rechenzentren in Skandivanien betreiben, haben andere Unternehmen ihre in die Wüste gebaut. Dort betreiben sie dreckige Gasturbinen, klauen den Anwohner:innen das Grundwasser und verpesten die Luft mit Smog.

Für die Halbleiterherstellung werden seltene Erden gebraucht, diese werden unter fragwürdigen Bedingungen gewonnen.

Es gibt die geopolitische Ebene, auf der nun wieder die meisten großen Firmen in den USA sitzen. Aus China kommen noch einige interessante Konkurrenten, die großen im Markt sind aber wieder mal alles Silicon-Valley-Firmen. Und deren Selbstverständnis sowie politisches Agieren ist auch durchaus problematisch.

Dazu kommt noch die Problematik einer gewissen Verdummung. Wenn man sich zu sehr auf ein LLM verlässt, strengt man sein eigenes Gehirn nicht mehr an. Daher sollte man auch hier aufpassen.

Manche Verbindungen sind dann auch noch komplexer. Grok wird von xAI betrieben, was Elon Musk gehört. Hier kann man aus persönlichen Gründen auf eine Nutzung verzichten. Allerdings hat Anthrophic, der Betreiber von Claude, nun den Colossus-Großrechner von xAI angemietet um dort Claude zu betreiben. Durch mein Claude Pro Abo geht nun am Ende auch Geld an Musk. Oder wenn ich weiter Cursor nutze, was von xAI gekauft worden ist, nutze ich auch ein Produkt von einer seiner Firmen. Was ist davon moralisch vertretbar?

Konkrete Probleme mit AI Coding

Bei der Softwareentwicklung mit LLM gibt es durchaus Probleme, über die man als Branche reden muss. Aber gleichzeitig scheint sich das Thema auch nicht mehr komplett zurückdrehen zu lassen. Von daher ist ein realistischer Umgang damit nötig.

Vor einem Jahr hörte man noch viel von »KI Blase« und insbesondere wie zwar aktuell immer mehr Code von einem LLM geschrieben wird, in Zukunft aber erfahrene Programmierer (wahrscheinlich ohne Gendern) das ganze heroisch retten werden. Ich sehe das auf der Arbeit live und glaube nicht mehr, dass es so kommen wird.

Die Qualität von erzeugtem Code ist in der Regel durchaus brauchbar. Das Problem ist meist nicht im kleinen. Vielmehr gibt es nun organisatorische Probleme: Früher war Code schreiben zeitaufwändig. Sich zu besprechen, wer was baut, war dagegen schnell gemacht. Von daher hat man sich organisiert und dann hatte jede Person ein Arbeitspaket bekommen.

Heute ist es aber sehr einfach Unmengen an Code zu bauen. Ich kann mir von einem LLM schneller ein kleines Helferlein oder Werkzeug schreiben lassen als nach existierenden Lösungen zu recherchieren. Entsprechend baue ich mir ständig kleine Werkzeuge. Früher hätte ich nach fertigen Dingen gesucht. Alle meine Kolleg:innen machen das ähnlich, wie haben alle ein Sammelsurium an an Helferlein. Das ist auch nicht schlimm, weil das LLM das günstig nebenbei gemacht hat. Das ganze zu konsolidieren würde viel Absprache erfordern, einen Mehrwert wie weniger Pflegeaufwand hätte es aber gar nicht.

Die großen Architekturentscheidungen ist etwas, das auch die oberen Ebenen des Managements interessiert: Auf welche Anbieter wollen wir setzen? Auf wie viele Kund:innen muss das System skalieren können? Welche Zertifizierungen muss das System am Ende erfüllen? Und diese Fragen kann man nicht an das LLM delegieren. Wenn man sich da allerdings entscheiden hat, kann man dem LLM Aufgaben geben, wie man sie auch an Programmierer:innen gegeben hätte.

Man muss wissen, was man tut

Vibe Coding ist etwas, das ich selbst negativ sehe. Softwareentwicklung mit LLM finde ich positiv. Und ich kann mir vorstellen wie das außerhalb der Branche als Wortklauberei gesehen wird. Von daher möchte ich meine Konnotation erklären.

Für mich gibt es Programmieren und Softwareentwicklung. Das erste ist die Tätigkeit Quelltext zu schreiben, der irgendwie etwas macht. Das muss auch gar nichts schlechtes sein, aber es ist eine Lösung für ein kleines Problem. Es ist so, wie wenn ich in meiner Kellerwerkstatt etwas aus Holz zusammenkloppe. Das ist sicher nicht Stand der Technik, aber es funktioniert. Und um den frisch eingepflanzten Baum ein paar Jahre zu stützen braucht es keine Konstruktion für die Ewigkeit zu sein.

Softwareentwicklung hat aber die Langzeit mit drin. Es geht nicht nur darum ein Skript zu schreiben, was Fotos von meinem Android-Handy auf mein Laptop kopiert. Wenn das mal nicht klappt, ist das nicht so schlimm. Bei der Softwareentwicklung geht es darum, in einem größeren Problemraum ein Produkt zu schaffen, das über Jahre hinweg zuverlässig Dinge tut, verschiedenen Anforderungen gerecht wird und auch flexibel weiterentwickelt werden kann.

So wie ein selbstgebautes Gartenhaus und eine Autobahnbrücke zwar beide eine Konstruktion sind, aber mit deutlich anderen Randbedingungen.

Mir scheint es vorher ungefähr vier Personas gegeben zu haben:

  • Nutzer:in: Benutzt Computer und Software, interessiert sich aber nicht für die Hintergründe.
  • Enthusiast:in: Hat ein gutes mentales Modell von der genutzten Software, installiert Nischen-Software und bastelt. Kann selbst keinen Code schreiben.
  • Hobbyprogrammierer:in: Schreibt auf einem mittleren Niveau Code. Baut Dinge, die auf der eigenen Hardware laufen, aber nicht wirklich zu verkaufen wären.
  • Expert:in: Macht beruflich Softwareentwicklung und weiß wie große Systeme zu bauen sind.

»AI Coding« hilft nun diesen Personas mehr zu machen, als sie bisher konnten. Denn durch ein LLM wird das Entwickeln von Software jetzt letztlich zu einem Nutzen vom LLM. Somit können sich Enthusiast:innen nun ganz viel Software schreiben lassen. Leute wie ich, die Experte im Bereich Backend aber Hobbyisten im Bereich Frontend sind, können nun deutlich besseren Frontend-Code erzeugen.

Das Problem hierbei ist aber zu wissen, was man will und braucht. Ich kann aus meiner Backend-Expertise entsprechende Prompts formulieren, sodass ich auch im Frontend strukturell das bekomme, was ich möchte. Damit erzeuge ich dann keinen Schrottcode, sondern schon halbwegs vernünftige Dinge. Im Backend-Bereich schaue ich sehr kritisch drauf und lenke das System ganz bewusst.

Wenn man jetzt allerdings gar keine Erfahrung damit hat und nicht weiß, was man auf anderen Ebenen möchte, bekommt man bestenfalls Einheitsbrei (was gar nicht schlecht sein muss), im schlechtesten Fall aber ein Knäuel aus Zeug. Und das ist dann genau der Punkt, an dem AI Coding mühsam wird.

Es gibt auch Geschichten, bei denen Leute ohne technischen Hintergrund mit einer Idee eine Firma gegründet haben. Sie haben ein LLM dann die Software schreiben lassen. Weil sie aber nicht wussten, was sie bezüglich Hochverfügbarkeit, Ausfallsicherheit oder Zertifizierungen haben wollten, hat das LLM eben irgendwas erzeugt. Das ganze läuft dann in der Umgebung der Gründer:in soweit. Man kann es auch noch Investor:innen zeigen. Aber sobald dann da viele Nutzer:innen unterwegs sind, zeigen sich die Risse. Irgendwann kommt es zu einem riesigen Datenleck und die Firma implodiert.

Das Problem ist für mich hauptsächlich, dass mit LLM nun jede:r Code erzeugen kann. Normalerweise haben Softwareentwickler:innen die Tendenz kritische Nachfragen zu stellen und das System zu formen. Sie fragen nach, was das System können soll. Wenn die Gründer:in allerdings scheinbar klar im Prompt formuliert hat, was das Ziel sein soll, wird das durchschnittliche speichelleckende LLM das aber nicht grundsätzlich hinterfragen.

Außenwirkung

Früher brauchte man Wissen und Erfahrung, um Software zu schreiben. Natürlich gab es auch durchaus schlecht entwickelte Software, das habe ich früher beim Lernen eben auch gemacht. Es gibt von namhaften Firmen lieblos entwickelte Hochglanzsoftware, es gibt von Hobbyisten liebevoll geschriebene glanzlose Software.

Nun ist es dank LLM-Unterstützung viel einfacher geworden, eine Hochglanz-Software zusammenschreiben zu lassen. Es mentales Modell der Software wird dann aber fehlen, der Code wird als Artefakt selbst nicht lesenswert sein. Solange es funktioniert, mag das für bestimmte Nutzer:innen gut sein, andere werden damit nichts zu tun haben wollen.

Klar, wenn jemand ohne Erfahrung und einer »jetzt kann auch ich Software entwickeln!« Einstellung anfängt, kommt nicht unbedingt etwas überzeugendes raus. Ich nutze es anders, lasse die Fleißarbeit von der Maschine machen und überlege mir lieber, was die Software eigentlich sein soll oder schreibe Dokumentation. Das kann man von außen nicht unbedingt sehen.

Zudem könnte »ich weiß aber, was ich tue« vielleicht auch nur eine Selbsttäuschung sein. Auch wenn ich behaupte, weiterhin ein mentales Modell meines Programms zu haben, muss das nicht unbedingt stimmen.

Fazit

Die Fähigkeiten der LLM ändern sich so schnell, ich muss ich kontinuierlich daran gewöhnen. Und eben auch Erfahrungen damit machen. Ich glaube eine gute Balance zwischen mentalem Modell und strategischen Entscheidung einerseits und dem Delegieren von langweiligen Routineaufgaben andererseits gefunden zu haben.

Ich werde das weiterhin privat nutzen und kritisch beobachten.