Diese Website, die du gerade liest, wurde fast vollständig mit KI-Unterstützung gebaut. Nicht blind generiert, nicht aus ChatGPT kopiert, sondern in einer echten Zusammenarbeit zwischen einem Senior Engineer und einem KI-Coding-Partner entwickelt. Ich möchte teilen, wie diese Erfahrung tatsächlich war — der Workflow, die Überraschungen und die ehrlichen Trade-offs.
Ich habe Figma für das Design-System und die visuelle Richtung verwendet, und Claude (Anthropics KI) als meinen primären Coding-Partner über Claude Code. Der gesamte Stack — Next.js 14, Tailwind CSS, Vier-Sprachen-i18n, SEO-Optimierung, Vercel-Deployment — wurde in einem konversationellen Workflow gebaut, in dem ich Architektur- und Content-Entscheidungen dirigierte, während die KI die Implementierung mit Geschwindigkeit übernahm.
Der Workflow: Dirigieren, nicht diktieren
Hier ist, was die meisten Leute bei KI-gestützter Entwicklung falsch verstehen: Sie erwarten entweder, dass die KI alles autonom macht, oder sie behandeln sie als verherrlichtes Autocomplete. Die Realität ist differenzierter. Ich arbeite mit Claude so, wie ich mit einem sehr schnellen, sehr wissenden Junior-Entwickler arbeiten würde — einem, der nie müde wird, nie den Kontext vergisst und ohne Zögern zwischen TypeScript, CSS, SEO und i18n wechseln kann.
Mein Prozess: Ich designe die visuelle Richtung in Figma, definiere die Komponentenarchitektur und treffe die strategischen Entscheidungen. Dann beschreibe ich Claude in natürlicher Sprache, was ich will — «Baue die About-Seite mit Hero-Section, Foto-Grid und Values-Cards unter Verwendung unserer bestehenden Design-Tokens» — und iteriere am Output. Die KI schreibt den Code. Ich reviewe ihn, passe an und deploye in Produktion.
Das ist kein Abdanken. Es ist Hebelwirkung. Ich treffe immer noch jede architektonische Entscheidung, jede UX-Wahl, jeden Content-Entscheid. Aber statt 45 Minuten damit zu verbringen, ein responsives Grid mit korrekter Bildoptimierung zu verdrahten, verbringe ich 2 Minuten damit zu beschreiben, was ich will, und 3 Minuten damit, das Ergebnis zu reviewen.
Figma als Source of Truth
Figma bleibt in diesem Workflow essentiell. KI kann exzellenten Code schreiben, aber sie kann visuelles Denken nicht ersetzen. Ich nutze Figma, um Layouts zu explorieren, Spacing-Rhythmen zu etablieren, Farbkombinationen zu testen und den emotionalen Ton jeder Seite zu definieren. Das Design-System lebt dort — Typografie-Skala, Farb-Tokens, Komponenten-Patterns.
Was sich ändert, ist wie schnell ich von einem Figma-Frame zu Produktion komme. Es gibt keine mühsame manuelle Übersetzung von Pixeln zu CSS. Ich beschreibe die Design-Intention, referenziere die Tokens, und die KI produziert Code, der passt. Wenn er nicht perfekt passt, passe ich an — aber die Feedback-Schleife ist Minuten, nicht Stunden.
Diese Kombination — menschliches visuelles Urteil in Figma plus KI-Implementierungsgeschwindigkeit — schafft einen Workflow, der wirklich besser ist als jeder der beiden allein. Ich designe ambitionierter, weil die Implementierungskosten niedriger sind. Und die KI produziert besseren Code, weil sie klare Design-Richtung hat.
Was KI gut kann
Repetitiver mehrsprachiger Content: Ich schreibe die englische Version, dann produziert die KI deutsche, französische und italienische Übersetzungen, die natürlich und kontextuell angemessen sind — nicht maschinell-steif, sondern tatsächlich lesbar.
Boilerplate mit Präzision: SEO-Metadaten, Open-Graph-Tags, Sitemaps, kanonische URLs, Hreflang-Alternates — all die Dinge, die korrekt sein müssen, aber mühsam von Hand zu schreiben sind. Die KI handhabt sie konsistent über Dutzende von Seiten ohne die Copy-Paste-Fehler, die ein Mensch machen würde.
Performance-Optimierung: Als meine Lighthouse-Scores ein Blocking-Time-Problem zeigten, beschrieb ich das Problem und die KI identifizierte die Ursache (Eager-Loading von Canvas-Animationen), schlug den Fix vor (Lazy Loading via next/dynamic) und implementierte ihn in einem Durchgang über jede betroffene Komponente.
Querschnittliche Refactorings: Ein Konzept umbenennen, eine API-Oberfläche ändern, Imports über Dateien aktualisieren — die Art von Arbeit, die mechanisch aber fehleranfällig für Menschen ist. Die KI macht es perfekt, weil sie nicht die Aufmerksamkeit verliert.
Was KI nicht tut
Sie trifft keine Produktentscheidungen. Als ich das Blog-System baute, hat die KI nicht entschieden, welche Posts veröffentlicht werden, welchen Ton sie haben sollten, oder ob Aussagen korrekt waren. Ich habe Content gefunden, der zu spezifisch war, Zahlen die nicht stimmten, und Framing das meine tatsächliche Erfahrung nicht repräsentierte. Die menschliche Urteilsschicht ist nicht verhandelbar.
Sie ersetzt keinen Geschmack. Das visuelle Design, die Content-Strategie, die Informationsarchitektur, die Entscheidung was gebaut und was übersprungen wird — das sind menschliche Entscheidungen. KI ist ein mächtiges Implementierungswerkzeug, aber sie optimiert für das, was du ihr sagst, nicht für das, was deine Nutzer tatsächlich brauchen.
Sie versteht deine Marke nicht. Ich musste den Ton korrigieren, Aussagen abschwächen, ungenaue Spezifika entfernen und sicherstellen, dass die Persönlichkeit durchkommt. Die KI schreibt kompetente Prosa, aber generische kompetente Prosa, wenn du sie nicht aktiv formst.
Das Engineering-Mindset zählt weiterhin
Hier ist, was Leute überrascht: KI effektiv einzusetzen erfordert mehr Engineering-Skill, nicht weniger. Du brauchst Architekturverständnis, um sie zu dirigieren. Du musst Code kritisch lesen können, um ihn zu reviewen. Du musst wissen, wie gute Performance aussieht, um zu erkennen, wenn sie fehlt.
Ich würde diesen Workflow niemandem anvertrauen, der die Site nicht selbst bauen könnte. Die KI verstärkt Fähigkeiten — sie erschafft sie nicht. Ein Senior Engineer mit KI bewegt sich mit 5-10-facher Geschwindigkeit. Ein Junior mit derselben KI produziert Code, der richtig aussieht, aber in Produktion bricht, weil er nicht beurteilen kann, was er bekommt.
Das deckt sich mit meinem Einstellungsansatz: Ich suche Engineers, die kritisch über Trade-offs nachdenken, keine Fanboys irgendeines bestimmten Tools. KI ist nur ein weiteres Werkzeug — ein unglaublich mächtiges, aber immer noch ein Werkzeug. Die Engineers, die damit erfolgreich sind, sind die, die schon vorher gutes Urteilsvermögen hatten.
Was das für die Branche bedeutet
Ich glaube, KI-gestützte Entwicklung ist die neue Baseline. Kein Gimmick, keine Abkürzung für faule Engineers, sondern ein echter Capability-Multiplikator für Leute, die bereits wissen, was sie tun. Die Entwickler, die sich dagegen sträuben, werden langsamer liefern. Die, die sich durchdacht darauf einlassen, werden Dinge bauen, die vorher zu teuer waren.
Diese Website — mehrsprachig, performant, SEO-optimiert, mit Blog, Kontaktformular und poliertem Design — hätte Wochen Solo-Arbeit gekostet. Es hat Tage gedauert. Nicht weil die KI es für mich gemacht hat. Sondern weil die KI mich auf die Entscheidungen fokussieren liess, die zählen, während sie die Implementierung mit Maschinengeschwindigkeit übernahm.
Die Zukunft der Softwareentwicklung ist nicht, dass KI Engineers ersetzt. Es sind Engineers, die wissen, wie man mit KI zusammenarbeitet, die Kreise um jene laufen, die es nicht tun.