Vibe Coding: Custom Business Software Ohne Technical Debt

Wichtigste Erkenntnisse

• Vibe Coding und KI-gestützte Entwicklung erzeugen schnell funktionierenden Code – und genauso schnell Architektur-Fehler. Die Geschwindigkeit ist real. Die Konsistenz nicht.
• Ein Prompt enthält nur, was der Autor versteht. KI multipliziert die Ausgabe von Fachexperten und die Fehler von Anfängern.
• Der Großteil jeder Business-Software ist Standardinfrastruktur, die jede Anwendung braucht: Konten, Rollen, Berechtigungen, Audit-Trail, Validierung, Import, Export, Background-Jobs, API. Diese durch Prompts zu generieren ist, wo sich Technical Debt sammelt.
• Eine Business-Application-Plattform wie AtroCore liefert diese Infrastruktur als Konfiguration – und lässt KI-generierten Code nur für den Teil zuständig, der spezifisch für Ihr Unternehmen ist.
• Starbucks ersetzt Software, die die eigenen Ingenieure ohnehin umschreiben mussten. Dieser Test funktioniert bei jeder Größe. Die Kapazität, eine Grundlage von Grund auf zu bauen, nicht.

Unternehmen Bauen Custom Business Software Wieder Selbst

Jahrzehntelang hatte die Frage "Eigenbau oder Kauf" eine klare Antwort: Man kaufte Standardsoftware und passte den Prozess an sie an – weil Eigenbau teurer und zeitaufwendiger war.

Starbucks ist das klarste Zeichen, dass sich die Rechnung verschoben hat. Das Unternehmen gibt etwa 400 Millionen US-Dollar pro Jahr für Software aus. Chief Technology Officer Anand Varadarajan teilte in einem internen Forum mit, dass es klare Möglichkeiten gibt, diese Kosten zu senken. Laut durchgesickerten Unterlagen nutzen Ingenieure KI-gestützte Entwicklung, um Ersatzsysteme zu bauen – ein Microsoft-Bestandsverwaltungssystem und ein IBM-Instandhaltungsmanagement-Tool.

Das entscheidende Detail: Starbucks wählte Software, die die Ingenieure ohnehin stark modifiziert hatten. Dieser Test hat nichts mit der Unternehmensgröße zu tun. Ein Baustoffhersteller, dessen Preisgestaltung von Indexklauseln in Lieferverträgen abhängt, steht vor der gleichen Frage. Standard-Vertragsverwaltungstools handhaben die Klausel. Sie an die bereits vorhandenen Werke und Materialgruppen in der Master Data anzubinden – das ist, wo die bisher evaluierten Lösungen scheitern.

Das Verhalten breitet sich aus. Eine Retool-Umfrage von 2026 mit über 800 Fachleuten ergab, dass 35% der Unternehmen bereits mindestens ein SaaS-Tool durch eine interne Lösung ersetzt hatten, und 78% erwarteten, noch mehr zu bauen.

Die Geschichte hat zwei Seiten. Eigene Software verschiebt Kosten von Abonnements zu Wartung und Kopfzahl, statt sie zu sparen. Der Austausch des Point-of-Sale-Systems für Oracle Simphony dauert bereits mehrere Jahre – älter als die KI-Tools. KI beschleunigt einen Teil dieser Arbeit, aber nicht alles. Starbucks absorbiert auch, was die meisten Unternehmen nicht können: eine Engineering-Organisation, die groß genug ist, um eine Grundlage aufzubauen und sie ein Jahrzehnt lang zu warten. Ein 200-Personen-Hersteller steht vor der gleichen Entscheidung – ohne diese Kapazität. Für ihn ist die sinnvolle Frage, worauf man baut. Eine Business-Application-Plattform, die man nicht selbst schreiben musste, ist die günstigste verfügbare Antwort. Vibe Coding beschreibt das Ende dieser Überlegung: Man promptet eine Anwendung in die Existenz und versendet, was zurückkommt.

Folgendes gilt auch für den weiteren Fall: professionelle Entwickler, die KI-Unterstützung auf Code verwenden, den sie überprüfen. Wir bauen Custom Business Software mit Herstellern und Distributoren – die Argumente kommen aus Projekten, nicht von der Tafel.

Was KI Gut Schreibt Und Was Nicht

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

Die Gründe hinter diesen Zahlen sind nützlicher als die Zahlen selbst. Modelle sind stark bei lokalen Mustern und schwach bei der Verfolgung von Daten über Dateien hinweg. Parametrisiertes SQL ist ein Muster, das das Modell tausendfach gekennzeichnet gesehen hat. Input zu bereinigen, der durch vier Funktionen in ein Template geht, ist eine Dataflow-Frage – und Dataflow braucht Kontext, den das Modell nicht hat.

Für ein professionelles Team sind die interessanten Fehler die, die die Überprüfung überstehen. Ein Reviewer findet eine fehlende Null-Prüfung oder einen falschen Variablennamen. Die Überprüfung ist schwach bei allem, das nur über Dateien und Wochen hinweg sichtbar ist – weil jede Änderung allein vertretbar aussah. Undokumentierte Logik passiert auch, weil generierter Code, der funktioniert, in einem Pull Request schwer anzufechten ist. Was sich sammelt, ist Verständnis-Schuld: Code, der korrekt läuft und niemand im Team kann ihn erklären.

Wartbarkeit zeigt die gleiche Schwäche. GitClear analysierte 211 Millionen geänderte Codezeilen von 2020 bis 2024 und laut LeadDev erschienen duplizierte Blöcke mit fünf oder mehr Zeilen 2024 achtmal häufiger. Copy-Paste-Zeilen überholten verschobene Zeilen zum ersten Mal im Datensatz. Verschobene Zeilen sind der Fingerabdruck von Refactoring – der Arbeit, etwas an einen wiederverwendbaren Ort zu konsolidieren.

In der Stack Overflow-Umfrage 2025 war die häufigste Frustration, die 66% der Befragten nannten, KI-Output, der fast richtig ist, aber nicht ganz. Die gleiche Umfrage vergrößert 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 bezeichnen. KI-gestützte Codierung ist der Standard. Ungelesene Ausgabe zu versenden ist immer noch selten.

Ein Prompt Enthält Nur Das Wissen Des Autors

KI beantwortet den Prompt, der ihr gegeben wurde. Die Obergrenze des generierten Codes ist das Domänenwissen desjenigen, der den Prompt schrieb. Bei B2B-Datenproblemen sitzt dieses Wissen selten beim Entwickler. Ein Einkaufsleiter, der 15 Jahre lang Lieferverträge ausgehandelt hat, weiß, was eine indexgebundene Preisklausel überstehen muss. Ein Entwickler, der ohne dieses Wissen promptet, bekommt Code, der das Beispiel erfüllt und nichts darüber hinaus. Die Lücke bleibt unsichtbar, bis ein echter Vertrag ankommt.

Für professionelle Teams verschiebt das den Engpass. Tippgeschwindigkeit war schon lange nicht mehr die Einschränkung, und Syntax mit ihr. Was die Ausgabe jetzt begrenzt, ist wie gut jemand das Domänenwissen zunächst extrahiert hat.

Eine verwandte Annahme verdient Erwähnung. Softwareunternehmen, die zehn Jahre am gleichen Produkt verbracht haben, haben diese Jahre selten vergeudet. Diese Zeit hält die Edge Cases, die niemand vorhersah, das Berechtigungsmodell, das eine Prüfung überstand, den Import, der mit dem Spreadsheet umgeht, das ein Lieferant tatsächlich versendet – nicht das, das die Spezifikation beschrieb. Nichts davon gelangt in einen Prompt, weil niemand es aufschreibt, bis es einmal in der Produktion bricht.

Ein erfahrener Entwickler mit guter KI-Unterstützung kann die Form eines reifen Produkts in Wochen reproduzieren. Die gelernte Reife zu reproduzieren dauert etwa so lange wie das erste Mal. Wir verkaufen Software – gewichten das entsprechend und testen es dann: Nehmen Sie ein Produkt, das Sie gut kennen, und zählen Sie, wie viele seiner Verhaltensweisen Sie von Anfang an hätten spezifizieren können.

Die Technical Debt Sitzt In Der Infrastruktur

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 feldspezifische Berechtigungen, damit Einkauf kommerzielle Bedingungen sieht und der Werkleiter nicht. Ein Audit-Trail, der aufzeichnet, wer welches Feld wann änderte. Validierung auf jedem Feld. Suche, gespeicherte Filter und Massenbearbeitung. Import aus dem Spreadsheet, das ein Lieferant per Email versendet, Export ins ERP. Background-Jobs, die ein Update mit 40.000 Zeilen überstehen. Eine REST-API für die mobile Ansicht, die jemand später anfordert.

Nichts davon ist Ihr Business-Problem. Alles davon muss funktionieren.

Promptet man einen Agent dafür, bekommt man Rollenprüfung, die im Lieferanten-Modul auf eine Weise implementiert ist und im Vertrags-Modul drei Wochen später auf eine andere. Zwei Berechtigungsmechanismen, die sich bei Edge Cases widersprechen. Überkoppelte Komponenten, weil das Modell jeden Prompt lokal optimiert und das Ganze nie sah. Änderungshistorie bei vier Entitäten, nicht bei der fünften. Jedes Stück funktioniert bei der Demo. Zusammen sind sie die Wartungsrechnung – und sie kommt, ob jemand den Prozess Vibe Coding nennt oder nicht.

In den Implementierungen, die wir ausgeführt haben, ist die Aufteilung zwischen Infrastruktur und geschäftsspezifischer Logik auf konsistente Weise unausgeglichen.

Der Teil spezifisch für das Geschäft eines Kunden ist selten mehr als ein Zehntel dessen, was gebaut wird. Der Rest ist identisch in jeder Business-Anwendung, die je geschrieben wurde – und genau das ist der Teil, den KI inkonsistent schreibt.

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

Was Eine Datenplattform Vor Dem Ersten Prompt Bietet

Die AtroCore-Plattform ist Open-Source-Software unter GPLv3, in aktiver Entwicklung seit 2018, gebaut für Master Data Management und System Integration. Ihre dokumentierten Anwendungsfälle umfassen die Nutzung als Open-Source-Low-Code-Plattform für Custom Business Software.

Verfügbar durch Konfiguration, bevor jemand eine Zeile Code schreibt:

• Datenmodell.
  Konfigurierbare Entitäten und Relationen, über 20 Feldtypen mit automatischer Validierung, konfigurierbare Layouts, mehrstufige Hierarchien mit Vererbung, Klassifizierung und Taxonomien.
• Zugriff und Historie.
  Unbegrenzte Benutzer und Gruppen, Rollenverwaltung, feldspezifische Zugriffskontrolle, konfigurierbare Abfragen, Aktionsprotokolle, Änderungsverlauf, Kommentare, Datensatzeigentümer, Dashboards, speicherbare Filter.
• Datenbewegung.
  Import- und Export-Feeds, konfigurierbare API-Anfragen und Datenbankabfragen, Transformationen vor Import oder Export, XLSX, CSV, JSON und XML, Verbindungen über REST, GraphQL, SOAP und OData.
• Verarbeitung.
  Ein Job-Manager, wo Sie die Workeranzahl gegen Serverkapazität setzen, geplante Jobs, ereignisgesteuerte Aktionen, konfigurierbare Workflows und Datenqualitätsprüfungen. Benutzerdefinierte Action-Buttons durch Konfiguration in der Oberfläche, jeder läuft gegen einen einzelnen Datensatz oder eine ganze Auswahl.
• Ausgabe.
  PDF-, Office-Dokument- und Email-Vorlagen, plus eine REST-API, die alles abdeckt, einschließlich Ihrer eigenen Konfiguration.

Was für Vibe Coding übrig bleibt, ist der Teil, der tatsächlich Ihrer ist. Die indexgebundene Preisanpassungsformel. Die Angebotsvergleichslogik. Der Connector zu diesem einen ERP-Modul, das noch niemand integriert hat.

Dieser Code hat definierte Plätze. AtroCore wird durch Module erweitert, die Sie selbst schreiben, und leichtere Logik passt in konfigurierbare Aktionen, Scripts und Bedingungen, die an bestehende Entitäten angehängt sind. Der Trigger ist üblicherweise ein konfigurierter Button, was bedeutet, dass eine Massenoperation über 300 ausgewählte Datensätze keinen Screen, keine Route und keine eigene Berechtigungslogik braucht.

Die Veracode-Erkenntnisse gelten immer noch für das, was das Modell dort schreibt. Was sich ändert, ist der Wirkungsbereich. Eine Preisformel in einem System, das bereits Authentifizierung, feldspezifische Berechtigungen und Eingabevalidierung handhabt, hat weniger Wege, Schaden anzurichten, als eine in einem selbst gestrickten Endpoint, der auch seine eigene Session-Verwaltung erfand.

Der API-Vertrag Übernimmt Die Schutzvorrichtungen

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

Überlegen Sie, was das für einen Coding-Agent bedeutet. Er schreibt einen Client, erfindet einen plausiblen Feldnamen und die Anfrage schlägt sofort mit einem Schemafehler fehl. Gleiche Session, Kontext noch offen – die Korrektur kostet dreißig Sekunden. Fehler, die in der Session abgefangen werden, werden nie zur Technical Debt. Ohne einen Vertrag an der Grenze schreibt jenes erfundene Feld stillschweigend nirgends hin und taucht vier Monate später als Datenqualitäts-Investigation wieder auf. Schnelle, unerbittliche Rückmeldung ist, was KI-generierten Code billig zu reparieren macht – und die Plattform liefert ihn, ohne dass jemand ihn bauen musste.

Das Schema ist auch das, das Sie dem Agent übergeben. Weil die Dokumentation aus den Handlern generiert wird, statt neben ihnen gepflegt zu werden, ist die OpenAPI-Beschreibung Ihrer eigenen konfigurierten Entitäten von Haus aus aktuell – was von einer handgepflegten Spezifikation selten zutrifft. Geben Sie ein Modell dieses Schema plus Ihre Namens- und Zugangskonventionen, und es schreibt gegen den echten Vertrag. Erweitern Sie das Datenmodell später durch Konfiguration, und das Schema bewegt sich mit – der Kontext des Agents bleibt akkurat, ohne dass jemand ein Dokument aktualisiert.

Forschung Zeigt Auf Das Fundament, Nicht Das Werkzeug

Googles 2025 DORA-Report ergab, dass KI als Verstärker wirkt – bestehende Stärken und Dysfunktionen vergrößert – mit den größten Erträgen aus dem zugrunde liegenden System statt aus den Tools. Googles begleitendes Fähigkeitsmodell ist spezifischer: KIs positiver Einfluss auf organisatorische Leistung wird verstärkt, wo qualitativ hochwertige interne Plattformen existieren. Eine zweite Fähigkeit behandelt gesunde Datenökosysteme: interne Daten, die hochwertig, zugänglich und einheitlich sind. Eine konfigurierbare Plattform unter Ihrer Custom Business Software adressiert beides.

Geschwindigkeitsansprüche bewegen sich ständig. METRs Test von Anfang 2025 fand, dass erfahrene Entwickler 19% länger brauchten in reifen Repositories, wenn ihnen KI-Tools erlaubt waren. Das Update von Februar 2026 deutet auf eine Beschleunigung hin und kennzeichnet Selektionseffekte als stark genug für ein Redesign. Produktivitätszahlen als unsettled betrachten. Wartbarkeitsergebnisse haben sich seit 2023 nicht bewegt.

Ein Liefervertrags-Beispiel Aus Unseren Projekten

Unsere Kunden kommen mit einer erkennbaren Version des gleichen Problems auf uns zu. Ein Hersteller behält Lieferverträge als PDFs auf einem gemeinsamen Laufwerk, Schlüsselbedingungen in einem Spreadsheet, Verlängerungsdaten in Kalender eines Einkäufers. Niemand kann sagen, welche Verträge eine Preisanpassungsklausel mit einem Rohstoff-Index enthalten – weil die Klausel ein Satz in einem Dokument ist.

Standard-Vertragsverwaltungstools existieren und gehen von einem Legal-Abteilungs-Workflow bis zur Unterzeichnung aus. Dieses Unternehmen brauchte Verträge, die mit Materialgruppen, Werken und Lieferantendatensätzen verbunden sind, die bereits in ihrer Master Data existieren – mit Verpflichtungen, die jahrelang nach der Unterzeichnung Arbeit erzeugen.

Auf der Business-Application-Plattform wurden Vertrag, Klausel, Verlängerung und Verpflichtung zu konfigurierten Entitäten mit Relationen zu bereits existierenden Lieferanten- und Materialdatensätzen. Feldspezifische Zugriffe trennten kommerzielle Bedingungen von Lieferverpflichtungen. Änderungsverlauf kam mit der Plattform – was entscheidend war, als zwei Leute sich über eine Rabattierung uneinig waren. Ein geplanter Job kennzeichnete Verlängerungsfenster.

Custom Code behandelte zwei Dinge: die indexbasierte Preisanpassungsberechnung und einen Connector, der die Rechnungsprüfung in ihrem ERP speist. Beide waren eng genug spezifizierbar und ordnungsgemäß testbar. Die Plattform begrenzt, welchen Code KI generieren darf – Vibe Coding übernimmt das, das sie nie hätte kennen können.

Wo Man Die Linie Zwischen Konfiguration 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 Linie – und die zwei Rollen sind nicht der gleiche Job.

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

KI hilft hier auf eine Weise, die übersehen wird. Fragen Sie, wie ein Vertrag-Renewal mit Vererbung modelliert wird, oder welcher Feldtyp ein Toleranzbereich passt – und ein fähiges Modell führt Sie durch die Konfiguration. Zeigen Sie es die REST-API, und es kann diese Konfiguration selbst anwenden. Konfiguration vorzuschlagen und anzuwenden ist ein anderer Job als das System zu bauen – und es trägt bessere Erträge, weil eine falsche Konfiguration in Minuten in der Oberfläche sichtbar wird, während eine falsche Architektur in Woche sechs sichtbar wird.

Generieren Sie die Transformationen und Berechnungen. Eine Formel, eine Mapping, ein Parser, eine Report-Query. Kleine Oberfläche, klare erwartete Ausgabe, leicht zu testen.

Verifizierung hat eine konkrete Form hier. Konfigurieren Sie die Validierungsregeln und Datenqualitätsprüfungen, bevor Sie etwas generieren, dann laufen Sie die generierte Logik gegen Datensätze, deren Antworten Sie bereits wissen – einschließlich unangenehmer wie dem Vertrag ohne Enddatum. Die Plattform lehnt ab, was ihre eigenen Regeln bricht, also scheitert die Berechnung laut bei dem Datensatz, der sonst stillschweigend in der Produktion scheitern würde. Bewahren Sie diesen Datensatz als Regressions-Test für das nächste Modell, das Sie versuchen.

Eine Kategorie gehört zu keiner. Wo eine falsche Antwort teuer und stillschweigend ist, schreiben Sie es selbst. Geld, Steuern, Sicherheitsdokumentation, alles das ein Regulator liest. KI kann diesen Code perfekt erzeugen. Der Grund, es von Hand zu schreiben, ist, dass Sie es zuerst verstanden haben müssen.

Wenn Sie es als Daten plus Statusänderung beschreiben können, konfigurieren Sie es. Wenn das Falsch-Machen teurer als langsames Schreiben ist, schreiben Sie es langsam.

Welche Kosten Dieser Ansatz Mit Sich Bringt

Sie übernehmen die Konventionen von jemand anderem, wie Datensätze, Relationen, Berechtigungen und Prozesse funktionieren. Wo Ihr mentales Modell abweicht, geht Zeit in den Kampf gegen die Plattform statt für ihre Nutzung. Lesen Sie die Entwicklerdokumentation, bevor Sie sich festlegen.

AtroCore läuft auf PHP und braucht einen Linux-Server mit Root-Zugriff plus PostgreSQL oder MySQL. Ordentliches Shared Hosting wird es nicht laufen. In unseren Projekten dauert das erste funktionierende Datenmodell von vier oder fünf Entitäten mit Relationen, Layouts, Rollen und History, sobald jemand das System kennt, Tage. Dieses Vertrautheit zu erreichen dauert länger – deshalb kommt Rentabilität in Monat drei.

Passung ist begrenzt. Eine Plattform, die um Datensätze, Relationen und Business-Prozesse organisiert ist, ist eine schlechte Grundlage für Echtzeit-Kontrolle oder Signalverarbeitung. Beginnen Sie von einem Framework für diese. Über-Konfiguration ist ihre eigene Schuld: zwanzig Entitäten, wo fünf genügen würden, ist Technical Debt auch – stiller als duplizierter Code und schwerer zu entwirren, sobald echte Daten darin leben.

Wie Man Ein Fundament Vor Der Ersten Aufforderung Beurteilt

Es gibt zwei Alternativen, und jede scheitert einem anderen Test. Ein bloßes Framework lässt Sie jedes Stück der Infrastruktur besitzen. Ein Low-Code-Builder löst das und belastet in einer anderen Währung: der Anbieter besitzt Ihr Datenmodell, Hosting und Laufzeit, und Preisgestaltung folgt Benutzeranzahl. Diese Transaktion funktioniert für ein internes Dashboard, schlecht für Software mit Lieferverträgen für das nächste Jahrzehnt.

Halten Sie jeden Kandidaten gegen diese Liste, einschließlich beider Alternativen oben.

• Eine Entität, ein Feld und eine Relation, hinzugefügt ohne Deployment.
• Ein einziger Berechtigungsmechanismus, der das ganze System abdeckt, statt mehrere, die auseinanderdriften.
• Eine API, die aus dem Code generiert und zur Laufzeit validiert wird, statt von Hand dokumentiert und innerhalb eines Monats falsch.
• Ein Änderungsverlauf, den niemand in Ihrem Team bauen musste.
• Hintergrundarbeit, die läuft ohne einen neuen Cron-Eintrag pro Job.
• Ein klarer Ausgang: Ihre Daten, Ihre Datenbank und Ihr Recht, das System zu betreiben, wenn der Anbieter verschwindet.

Die meisten Fundamente scheitern mehreren dieser. Zu wissen, welchen, bevor der erste Prompt, ist der Unterschied zwischen Technical Debt, die Sie wählten und Technical Debt, die Sie geerbt haben.