Vibe Coding: Custom Business Software ohne technische Schulden

Wichtigste Erkenntnisse

• Vibe Coding und KI-gestützte Entwicklung erzeugen schnell funktionierenden Code und genauso schnell architektonische Fehler. Die Geschwindigkeit ist real. Die Konsistenz nicht.
• Ein Prompt enthält nur das, was sein Autor versteht. KI verstärkt die Leistung von jemandem, der die Domäne kennt, und multipliziert die Fehler von jemandem, der das nicht tut.
• Der Großteil jeder Business-Software ist Rohrleitungswerk, das jede Anwendung braucht: Konten, Rollen, Berechtigungen, Audit-Trail, Validierung, Import, Export, Hintergrund-Jobs, eine API. Wenn das aus Prompts generiert wird, sammelt sich technische Schuld an.
• Eine Datenplattform wie AtroCore liefert dieses Rohrleitungswerk als Konfiguration, sodass KI-generierter Code nur für den Teil verantwortlich ist, der spezifisch für Ihr Geschäft ist.
• Starbucks ersetzt die Software, die seine eigenen Ingenieure ohnehin bereits umgeschrieben haben. Dieser Test skaliert auf jede Größe. Die Kapazität, eine Grundlage von Grund auf zu bauen, dagegen nicht.

Unternehmen bauen wieder Custom Business Software

Jahrzehnte lang hatte die Frage „Eigenentwicklung oder Standard-Software" eine klare Antwort. Man kaufte fertige Software und passte seine Prozesse daran an, weil Eigenentwicklung langsamer war und mit Gesamtbetriebskosten verbunden, die niemand verteidigen wollte.

Starbucks ist das deutlichste Zeichen, dass sich die Rechnung verschoben hat. Das Unternehmen gibt etwa 400 Millionen Dollar pro Jahr für Software aus, und Chief Technology Officer Anand Varadarajan teilte einem internen Forum mit, dass es klare Möglichkeiten gab, das zu senken, wie Berichte über eine durchgesickerte interne Präsentation zeigen. Ingenieure nutzen KI-gestützte Programmierung, um Ersatzsoftware für ein Microsoft-Bestandskontrollsystem und ein IBM-Wartungsmanagementsystem zu bauen.

Das Detail, das es wert ist, kopiert zu werden, ist welche Software Starbucks ausgewählt hat: Tools, die ihre Ingenieure bereits massiv anpassten. Dieser Test hat nichts mit Unternehmensgröße zu tun. Ein Baustoffhersteller, dessen Preisgestaltung von Indexklauseln in Lieferverträgen abhängt, steht vor der gleichen Frage. Contract-Management-Produkte handhaben die Klausel. Sie mit den Anlagen und Materialgruppen zu verbinden, die bereits in den Master-Daten des Herstellers vorhanden sind, ist der Punkt, wo die von uns bewerteten Lösungen aufhören.

Das Verhalten verbreitet sich. Eine Umfrage von Retool aus dem Jahr 2026 mit über 800 Fachleuten ergab, dass 35 % der Unternehmen bereits mindestens ein SaaS-Tool durch hauseigene Lösungen ersetzt haben, und 78 % erwarteten, mehr zu bauen.

Die Geschichte schneidet beide Wege. Interne Software verschiebt Kosten von Abonnements zu Wartung und Kopfzahl, anstatt sie zu reduzieren, und der Punkt-of-Sale-Ersatz für Oracle Simphony ist seit mehreren Jahren in Arbeit, lange bevor die KI-Tools entstanden. KI komprimiert einen Teil dieser Arbeit und hat einen anderen nicht komprimiert. Starbucks absorbiert auch, was die meisten Unternehmen nicht können: eine Engineering-Organisation, die groß genug ist, um eine Grundlage zu bauen und zehn Jahre lang zu erhalten. Ein 200-Personen-Hersteller steht vor derselben Entscheidung ohne diese Kapazität. Für sie ist die nützliche Frage, auf welcher Grundlage man aufbaut, und eine Datenplattform, die man nicht selbst schreiben muss, ist die günstigste verfügbare Antwort. Vibe Coding nennt das Ende davon, bei dem jemand eine Anwendung prompt-gesteuert erzeugt und whatever zurückkommt, ausliefert.

Was folgt, gilt auch für den weiteren Fall: professionelle Entwickler, die KI-Unterstützung bei Code nutzen, den sie überprüfen. Wir bauen Custom Business Software mit Herstellern und Distributoren, daher kommen die Argumente aus Projekten, nicht von einem Whiteboard.

Was KI gut schreibt und was nicht

Veracode führt seit 2023 denselben Test gegen KI-Modelle durch: 80 Coding-Aufgaben, vier Sprachen, vier Schwachstellenklassen, keine Sicherheitsanweisungen im Prompt. In seinem Update von Frühjahr 2026 erreichte die Syntax-Korrektheit 95 %, während die Sicherheitsquote nahe 55 % blieb. Java schnitt mit 29 % am schlechtesten ab.

Der Grund hinter diesen Zahlen ist nützlicher als die Zahlen. Modelle sind stark bei lokalen Mustern und schwach bei Datennachverfolgung über Dateien hinweg. Parametrisiertes SQL ist ein Muster, das das Modell tausendmal gekennzeichnet gesehen hat. Eingaben zu bereinigen, die durch vier Funktionen in ein Template fließen, ist eine Datenfluss-Frage, und Datenfluss braucht Kontext, den das Modell nicht hat.

Für ein professionelles Team sind die interessanten Fehler die, die Überprüfung überstehen. Eine Überprüfung erfasst eine fehlende Null-Prüfung oder einen falschen Variablennamen. Überprüfung ist viel schwächer bei allem, das nur über Dateien und Wochen sichtbar ist, weil jede Änderung allein sinnvoll aussah. Nicht dokumentierte Logik passiert auch, weil generierter Code, der funktioniert, in einem Pull Request schwer anzufechten ist. Was sich ansammelt, ist Verständnis-Schuld: Code, der korrekt läuft und den niemand im Team erklären kann.

Wartbarkeit zeigt die gleiche Schwäche. GitClear analysierte von 2020 bis 2024 211 Millionen geänderte Codezeilen und fand, wie LeadDev berichtete, dass duplizierte Blöcke mit fünf oder mehr Zeilen 2024 achtmal häufiger vorkamen. Kopierte Zeilen überholten verschobene Zeilen zum ersten Mal im Datensatz. Verschobene Zeilen sind das Merkmal von Refactoring, der Arbeit, etwas an einen wiederverwendbaren Ort zu konsolidieren.

In der Stack Overflow Umfrage 2025 war die Top-Frustration, genannt von 66 % der Befragten, KI-Output, der dem richtigen nahe kam, aber nicht richtig war. Dieselbe Umfrage dimensioniert die Praktiken: 84 % nutzen oder planen KI-Tools zu nutzen und 51 % der professionellen Entwickler nutzen sie täglich, während nur etwa 15 % Vibe Coding als Teil ihrer professionellen Arbeit nennen. KI-gestützte Programmierung ist der Standard. Ungelesenen Output auszuliefern ist immer noch selten.

Ein Prompt enthält nur, was sein Autor weiß

KI beantwortet den Prompt, der ihm gegeben wurde, daher ist die Obergrenze für generierten Code das Domänenwissen desjenigen, der den Prompt schrieb. Bei B2B-Datenproblemen sitzt dieses Verständnis selten beim Entwickler. Ein Beschaffungsmanager, der fünfzehn Jahre lang Lieferantenverträge verhandelt hat, weiß, was eine indexgebundene Preisklausel überstehen muss. Ein Entwickler, der ohne dieses Wissen prompt-gesteuert arbeitet, erhält Code, der das Beispiel erfüllt und nichts darüber hinaus, und die Lücke bleibt unsichtbar, bis ein echter Vertrag ankommt.

Für professionelle Teams verschiebt dies den Engpass. Tippgeschwindigkeit war lange nicht mehr die Einschränkung, und Syntax ging damit. Was die Leistung jetzt begrenzt, ist wie gut jemand das Domänenwissen zuerst extrahiert hat.

Eine verwandte Annahme verdient es, genannt zu werden. Softwareunternehmen, die zehn Jahre an demselben Produkt verbracht haben, haben diese Jahre selten verschwendet. Diese Zeit hält die Fälle, die niemand vorhergesehen hat, das Berechtigungsmodell, das eine Prüfung überstanden hat, den Import, der mit dem Spreadsheet umgeht, das ein Lieferant tatsächlich sendet, nicht mit dem, das die Spezifikation beschrieb. Nichts davon erreicht einen Prompt, weil niemand es aufschreibt, bis es einmal in der Produktion bricht.

Ein erfahrener Entwickler mit guten KI-Tools kann die Form eines reifen Produkts in Wochen reproduzieren. Zu reproduzieren, was es gelernt hat, dauert etwa so lange wie das erste Mal. Wir verkaufen Software, also wägen Sie das entsprechend ab, und testen Sie es dann: Nehmen Sie ein Produkt, das Sie gut kennen, und zählen Sie, wie viele seiner Verhaltensweisen Sie von vornherein hätten spezifizieren können.

Technische Schuld sitzt in den Rohrleitungen

Stellen Sie sich eine Lieferantenverwaltungsanwendung vor. Bevor sie einen einzigen Lieferanten verwaltet, braucht sie eine lange Liste von Dingen, die nichts mit Lieferanten zu tun haben.

Konten, Gruppen und Rollen, plus feldebenen Berechtigungen, sodass der Einkauf kommerzielle Bedingungen sieht und der Werksleiter nicht. Ein Audit-Trail, das aufzeichnet, wer welches Feld und wann änderte. Validierung auf jedem Feld. Suche, gespeicherte Filter und Massenbearbeitung. Import aus dem Spreadsheet, das ein Lieferant emaillte, Export ins ERP. Hintergrund-Jobs, die ein 40.000-Zeilen-Update überstehen. Eine REST API für die Mobile View, die später jemand anfordert.

Nichts davon ist dein Geschäftsproblem. Das alles muss funktionieren.

Prompt-gesteuert für es erhalten Sie Rollenprüfung, implementiert auf eine Weise im Lieferanten-Modul und auf eine andere Weise im Vertrags-Modul drei Wochen später. Zwei Berechtigungsmechanismen, die sich bei Grenzfällen uneinig sind. Überverkoppelte Komponenten, weil das Modell jeden Prompt lokal optimiert und das Ganze nie sah. Änderungsverlauf auf vier Entitäten, nicht dem fünften. Jedes Teil funktioniert wenn demonstriert. Zusammen sind sie die Wartungsrechnung, und sie kommt, ob jemand den Prozess Vibe Coding genannt hat oder nicht.

Über die Implementierungen, die wir durchgeführt haben, ist die Aufteilung zwischen Rohrleitungswerk und geschäftsspezifischer Logik auf konsistente Weise unausgewogen.

Der Teil, der spezifisch für das Geschäft eines Kunden ist, ist selten mehr als ein Zehntel von dem, was gebaut wird. Der Rest ist das gleiche in jeder je geschriebenen Business-Anwendung, und es ist genau der Teil, den KI inkonsistent schreibt.

Dieses Verhältnis entscheidet die Wirtschaftlichkeit. Vibe Coding ist günstig, wo die Arbeit klein ist, und teuer, wo die Arbeit sich wiederholt.

Was eine Datenplattform dir vor dem ersten Prompt gibt

Die AtroCore Datenplattform ist Open-Source-Software unter GPLv3, in aktiver Entwicklung seit 2018, entwickelt für Master Data Management und Systemintegration. Ihre dokumentierten Anwendungsfälle umfassen auch die Funktion als Open-Source Low-Code-Plattform für Custom Business Software.

Verfügbar durch Konfiguration, bevor jemand eine Codezeile schreibt:

• Datenmodell.
  Konfigurierbare Entitäten und Relationen, über 20 Feldtypen mit automatischer Validierung, konfigurierbare Layouts, mehrstufige Hierarchien mit Vererbung, Klassifizierung und Taxonomien.
• Zugriff und Verlauf.
  Unbegrenzte Benutzer und Gruppen, Rollenverwaltung, feldebenen Zugriffskontrolle, konfigurierbare Zugriffsabfragen, Aktionsprotokolle, Änderungsverlauf, Kommentare, Datensatzeigentum, Dashboards, speicherbare Filter.
• Datenbewegung.
  Import- und Export-Feeds, konfigurierbare API-Anfragen und Datenbankabfragen, Transformationen angewendet vor Import oder Export, XLSX, CSV, JSON und XML, Verbindungen über REST, GraphQL, SOAP und OData.
• Verarbeitung.
  Ein Job-Manager, bei dem Sie die Worker-Anzahl gegen die Serverkapazität einstellen, geplante Jobs, ereignisgesteuerte Aktionen, konfigurierbare Workflows und Datenqualitätsprüfungen. Benutzerdefinierte Aktionsschaltflächen, die durch Konfiguration in die Schnittstelle eingefügt werden, jede gegen einen einzelnen Datensatz oder eine ganze Auswahl.
• Ausgabe.
  PDF-, Office-Dokument- und E-Mail-Vorlagen, plus eine REST API, die alles abdeckt, einschließlich Ihrer eigenen Konfiguration.

Was für Vibe Coding übrig bleibt, ist der Teil, der tatsächlich dir gehört. Die indexgebundene Preisanpassungsformel. Die Ausschreibungsvergleichslogik. Der Connector zu diesem einen ERP-Modul, das niemand zuvor integriert hat.

Dieser Code hat definierte Plätze zu leben. AtroCore wird durch Module erweitert, die Sie selbst schreiben, und leichtere Logik passt in konfigurierbare Aktionen, Skripte und Bedingungen, die an bestehende Entitäten angehängt sind. Der Trigger ist normalerweise eine konfigurierte Schaltfläche, was bedeutet, dass eine Massenoperation über 300 ausgewählte Datensätze keinen Screen, keine Route und keine eigene Berechtigungslogik benötigt.

Die Veracode-Erkenntnisse gelten immer noch für alles, das das Modell dort schreibt. Was sich ändert, ist der Explosionsradius. Eine Preisformel in einem System, das bereits Authentifizierung, feldebenen Berechtigungen und Eingabevalidierung handhabt, hat weniger Wege, dir zu schaden, als eine in einem handgestrickten Endpoint, der auch seine eigene Session-Handhabung erfand.

Der API-Vertrag leistet die Leitplankenarbeit

Ein Detail in AtroCorEs Architektur ist für KI-gestützte Arbeit wichtiger, als es erscheint. Die HTTP-Schicht folgt PSR-7 und PSR-15 streng. Handler registrieren sich über PHP-Attribute und werden automatisch als OpenAPI 3.0 dokumentiert. Nach der Projektdokumentation, eine Route, die nicht vollständig dokumentiert ist, wird nicht registriert, und jede Anfrage und Antwort wird zur Laufzeit gegen das Schema validiert.

Überlegen Sie, was das einem Coding-Agent tut. Er schreibt einen Client, erfindet einen plausiblen Feldnamen, und die Anfrage schlägt sofort mit einem Schema-Fehler fehl. Gleiche Session, Kontext noch offen, Fix kostet dreißig Sekunden. Fehler, die in der Session gefangen werden, werden nie zur technischen Schuld. Ohne einen Vertrag an der Grenze schreibt dieses erfundene Feld nirgendwo stillschweigend und taucht vier Monate später als Datenqualitäts-Untersuchung auf. Schnelles, ungnädiges Feedback ist das, was KI-generierten Code billig zu beheben macht, und die Plattform liefert es, ohne dass jemand es bauen muss.

Dieses Schema ist auch das, das Sie dem Agent geben. Weil die Dokumentation aus den Handlern generiert wird, anstatt neben ihnen gepflegt zu werden, ist die OpenAPI-Beschreibung deiner eigenen konfigurierten Entitäten konstruktionsbedingt aktuell, was selten wahr ist für eine Spezifikation, die von Hand gepflegt wird. Geben Sie einem Modell dieses Schema plus Ihre Namensgebungs- und Zugangskonventionen, und es schreibt gegen den echten Vertrag. Erweitern Sie das Datenmodell später durch Konfiguration, und das Schema bewegt sich mit, sodass der Kontext des Agenten genau bleibt, ohne dass jemand ein Dokument aktualisiert.

Forschung deutet auf die Grundlage, nicht auf das Tool

Googles DORA-Bericht 2025 fand heraus, dass KI ein Verstärker ist, der bestehende Stärken und bestehende Dysfunktion vergrößert, mit den größten Erträgen, die aus dem zugrunde liegenden System kommen, nicht aus den Tools. Googles Cloud-Begleitfähigkeitsmodell ist spezifischer: KIs positiver Einfluss auf organisatorische Leistung wird verstärkt, wo Qualitäts-Innenplattformen vorhanden sind. Eine zweite Fähigkeit behandelt gesunde Datenökosysteme: interne Daten, die hochwertig, zugänglich und einheitlich sind. Eine konfigurierbare Datenplattform unter Ihrer Custom Business Software adressiert beide.

Geschwindigkeitsbehauptungen bewegen sich weiter. METRs Anfang-2025-Test fand erfahrene Entwickler brauchten 19 % länger in reifen Repositories, wenn KI-Tools erlaubt waren, während sein Update von Februar 2026 auf eine Beschleunigung deutet und Auswahleffekte flaggt, stark genug um eine Umgestaltung zu rechtfertigen. Behandle Produktivitätszahlen als ungeklärt. Wartbarkeitsergebnisse haben sich seit 2023 nicht bewegt.

Ein Beispiel aus unseren Projekten mit Lieferantenverträgen

Unsere Kunden kommen mit einer erkennbaren Version des gleichen Problems zu uns. Ein Hersteller behält Lieferantenverträge als PDFs auf einem gemeinsamen Laufwerk, Schlüsselbegriffe in einem Spreadsheet, Verlängerungsdaten im Kalender eines Einkäufers. Niemand kann sagen, welche Verträge eine Preisanpassungsklausel enthalten, die an einen Rohstoffindex gebunden ist, weil diese Klausel ein Satz in einem Dokument ist.

Standard-Contract-Management-Tools existieren, und sie nehmen einen Legal-Department-Workflow an, der bei der Unterzeichnung endet. Dieses Unternehmen brauchte Verträge, die mit Materialgruppen, Anlagen und Lieferantendatensätzen verbunden sind, die bereits in ihren Master-Daten vorhanden waren, mit Verpflichtungen, die jahrelang nach der Unterzeichnung weiterhin Arbeit leisten.

Auf der Datenplattform wurden Vertrag, Klausel, Erneuerung und Verpflichtung zu konfigurierten Entitäten, die mit Lieferanten- und Materialienrohdaten in Beziehung stehen, die bereits existierten. Feldebenen Zugriff trennte kommerzielle Bedingungen von Lieferverpflichtungen. Der Änderungsverlauf kam mit der Plattform, was das erste Mal wichtig war, als sich zwei Personen über einen Rabatt uneinig waren. Ein geplanter Job flaggte Erneuerungsfenster.

Custom Code behandelte zwei Dinge: die indexbasierte Preisanpassungsberechnung und einen Connector, der die Rechnungsprüfung in ihrem ERP speiste. Beide waren eng genug, um präzise zu spezifizieren und richtig zu testen. Die Plattform beschränkt, was generierter Code anfassen darf, und Vibe Coding behandelt, was es nie um ein spezifisches Geschäft wissen sollte.

Wo man die Grenze zwischen Konfigurieren und Vibe Coding zieht

Die meisten Vibe-Coding-Best-Practices reduzieren sich auf zwei Fragen. Was wird konfiguriert und was wird generiert. KI hat eine Rolle auf beiden Seiten dieser Grenze, und die zwei Rollen sind nicht der gleiche Job.

Konfiguriere alles, das ein Datensatz mit Feldern, Relationen, Berechtigungen und einem Lebenszyklus ist. Das umfasst mehr als die meisten Teams erwarten, einschließlich Genehmigungsflüsse, Eskalationen und geplante Prüfungen. Teams, die neu darin sind, konfigurieren konsistent zu wenig, dann schreiben Code, um zu tun, was eine konfigurierte Aktion bereits tut.

KI hilft hier auf eine Weise, die übersehen wird. Frag es, wie man eine Vertragsreneuerung mit Vererbung modelliert, oder welcher Feldtyp einen Toleranzbereich passt, und ein fähiges Modell führt dich durch die Konfiguration. Zeigen Sie ihm die REST API, und er kann diese Konfiguration selbst anwenden. Konfiguration vorzuschlagen und anzuwenden ist ein anderer Job als das System zu bauen, und er trägt die bessere Rendite, weil eine falsche Konfiguration in der Schnittstelle innerhalb von Minuten sichtbar wird, während eine falsche Architektur in Monat sechs sichtbar wird.

Generiere die Transformationen und Berechnungen. Eine Formel, eine Zuordnung, ein Parser, eine Berichtabfrage. Kleine Oberfläche, klare erwartete Ausgabe, leicht zu testen.

Verifikation hat eine konkrete Form hier. Konfiguriere die Validierungsregeln und Datenqualitätsprüfungen, bevor du etwas generierst, dann führe die generierte Logik gegen Datensätze aus, deren Antworten du bereits kennst, einschließlich schwieriger wie der Vertrag ohne Enddatum. Die Plattform lehnt ab, was ihre eigenen Regeln bricht, daher schlägt die Berechnung laut beim Datensatz fehl, der sonst stillschweigend in der Produktion fehlgeschlagen wäre. Halte diesen Datensatzsatz als Regressionsprüfung für das nächste Modell, das du probierst.

Eine Kategorie gehört zu keinem. Wo eine falsche Antwort teuer und stillschweigend ist, schreib es selbst. Geld, Steuern, Sicherheitsdokumentation, alles was ein Regulator liest. KI kann diesen Code perfekt gut produzieren. Der Grund, es von Hand zu schreiben, ist, dass du es zuerst verstanden haben musst.

Wenn du es als Daten plus eine Zustandsänderung beschreiben kannst, konfiguriere es. Wenn es falsch zu bekommen mehr kostet als es langsam zu schreiben, schreib es langsam.

Was dieser Ansatz dir kostet

Du adoptest jemand anderes Konventionen, wie Datensätze, Relationen, Berechtigungen und Prozesse funktionieren. Wo dein mentales Modell differiert, geht Zeit dahin, gegen die Plattform zu kämpfen, anstatt sie zu nutzen. Lies die Entwicklerdokumentation, bevor du dich festlegst.

AtroCore läuft auf PHP und braucht einen Linux-Server mit Root-Zugriff plus PostgreSQL oder MySQL. Gewöhnliches Shared Hosting wird es nicht laufen. In unseren Projekten dauert es, sobald jemand das System kennt, ein erstes funktionierendes Datenmodell von vier oder fünf Entitäten mit Relationen, Layouts, Rollen und Verlauf ein paar Tage. Zu diesem Vertrautheit zu gelangen dauert länger, weshalb die Amortisierung in Monat drei ankommt.

Die Passung ist begrenzt. Eine Plattform, die um Datensätze, Relationen und Geschäftsprozesse organisiert ist, ist eine schlechte Grundlage für Echtzeit-Steuerung oder Signalverarbeitung. Fang mit einem Framework dafür an. Über-Konfiguration ist selbst eine Falle: zwanzig Entitäten wo fünf ausreichen würden, ist auch technische Schuld, stiller als duplizierter Code und schwerer zu entspannen, sobald echte Daten darin leben.

Wie man eine Grundlage vor dem ersten Prompt beurteilt

Zwei Alternativen konkurrieren mit einer Datenplattform, und jede schlägt einen anderen Test fehl. Ein bloßes Framework lässt dich jedes Stück des Rohrleitungswerks besitzen. Ein Low-Code-Builder löst das und berechnet in einer anderen Währung: der Anbieter besitzt dein Datenmodell, Hosting und Runtime, und die Preisgestaltung folgt der Benutzeranzahl. Dieser Handel funktioniert für ein internes Dashboard, schlecht für Software, die Lieferantenverträge das nächste Jahrzehnt hält.

Halte jeden Kandidaten gegen diese Liste, einschließlich beide Alternativen oben.

• Eine Entität, ein Feld und eine Relation, hinzugefügt ohne eine Deployment.
• Ein einzelner Berechtigungsmechanismus, der das ganze System abdeckt, anstatt mehrere die sich auseinander treiben.
• Eine API, die aus dem Code generiert wird und zur Laufzeit validiert wird, anstatt von Hand dokumentiert und innerhalb eines Monats falsch.
• Ein Änderungsverlauf, den niemand in deinem Team bauen musste.
• Hintergrundarbeit, die ohne einen neuen Cron-Eintrag pro Job läuft.
• Ein klarer Ausgang: deine Daten, deine Datenbank und dein Recht, das System weiterzulaufen, wenn der Anbieter verschwindet.

Die meisten Grundlagen schlagen mehrere davon fehl. Zu wissen, welche, bevor der erste Prompt, ist der Unterschied zwischen technischer Schuld, die du wähltest, und technischer Schuld, die du erbtest.