Die ersten Wochen waren großartig. Dann ging plötzlich nichts mehr.
Mit Lovable, Cursor, Claude oder ChatGPT lässt sich heute in ein paar Abenden eine App bauen, die vor kurzem noch ein Entwicklerteam gebraucht hätte. Das ist eine echte Errungenschaft. Viele, die so angefangen haben, kommen aber irgendwann an denselben Punkt: Jede Änderung macht etwas anderes kaputt, die KI dreht sich im Kreis, und die App, die schon fast fertig aussah, lässt sich nicht in Betrieb nehmen.
Das liegt selten daran, dass jemand etwas falsch gemacht hat. Es liegt daran, dass die KI hervorragend Code schreibt, aber niemand den Überblick behält.
Woran solche Projekte meistens hängen
Das Datenmodell ist schief. Am Anfang wurde schnell eine Tabelle angelegt, später kamen Dinge dazu, die nicht hineinpassen. Jetzt hängt alles an einer Stelle, die man nicht mehr anfassen möchte.
Es gibt drei Lösungen für dasselbe. Weil die KI bei jeder Frage neu ansetzt, existieren oft mehrere Varianten derselben Funktion nebeneinander.
Sicherheit ist offen. Zugangsschlüssel stehen im Code, Daten sind ohne Anmeldung erreichbar, Rechte werden nur im Browser geprüft.
Es läuft nur auf dem eigenen Rechner. Der Weg auf einen Server, auf dem die App für alle zuverlässig läuft, ist ungeklärt.
Es gibt keine Tests und keine Sicherung. Niemand merkt, wenn ein Update etwas zerstört, und es gibt keinen Weg zurück.
Nicht alles wegwerfen
Der Impuls ist oft, neu anzufangen. Das ist manchmal richtig, aber selten sofort. Ein festgefahrener Prototyp ist wertvoll: Er zeigt genau, was gebraucht wird, und meist ist ein großer Teil davon brauchbar. Die Arbeit besteht dann weniger darin, neue Funktionen zu bauen, als das Vorhandene zu verstehen, aufzuräumen und zu verkleinern.
Was ein Code-Check bringt
Am Anfang steht eine Bestandsaufnahme mit klarem Ergebnis:
das Projekt sichten und lokal zum Laufen bringen
Datenmodell, Funktionen und Blocker aufschreiben
Sicherheitslücken benennen
eine klare Empfehlung: weitermachen, umbauen oder neu aufsetzen
Danach wissen Sie, wo Sie stehen, und können entscheiden, ohne sich schon auf ein großes Projekt festzulegen.
Und danach?
Wenn es weitergeht, folgt die Stabilisierung: ein sauberes Datenmodell, automatische Tests, ein eigener Server, nächtliche Sicherungen. Selbst weiter mit KI bauen können Sie trotzdem. Bewährt hat sich, dass eigene Experimente in einem getrennten Bereich stattfinden und erst nach Prüfung in die laufende Version übernommen werden. So bleibt der Schwung erhalten, und der Betrieb bleibt sicher.
Warum Erfahrung hier mehr zählt als Programmiertalent
Den Code schreibt inzwischen zu einem guten Teil die KI, und das ordentlich. Was sie nicht mitbringt, ist der Blick dafür, warum eine App bei fünfzig Nutzern umkippt, wo ein Datenmodell in einem Jahr klemmen wird oder was man besser weglässt. Das ist das, was ich nach zwanzig Jahren mit Websites, Servern und Betriebssoftware mitbringe.
Die Betriebssoftware für einen Paketzusteller, die heute dessen Büro an mehreren Standorten trägt, hat genau so angefangen: mit einem selbst gebauten Projekt, das an einem Punkt nicht mehr weiterkam. Wenn Ihr Projekt gerade an so einem Punkt steht, schreiben Sie mir, was Sie gebaut haben und woran es hängt.