Kann KI programmieren? Die Debatte zur Umgestaltung von Software

Im Januar und Februar 2026 verloren SaaS-Unternehmen zusammen rund zwei Billionen Dollar an Marktkapitalisierung. Der Grund, den Analysten zunehmend anführen, ist, dass immer mehr Einzelpersonen und Organisationen einfach eigene Anwendungen mit KI entwickeln und dabei Standardsoftware komplett umgehen. Die Bau-gegen-Kauf-Gleichung, die seit Jahrzehnten stabil ist, hat sich entschieden in eine Richtung verschoben.

Die Signale kommen weiter. Unternehmen wie Spotify und Shopify haben öffentlich in ihren Quartalsabrechnungen erklärt, dass ihre besten Entwickler nicht mehr Zeile für Zeile Code schreiben – ihre Rolle hat sich auf Lenkung, Prompting und Überwachung verlagert. Und Anthropics neuestes Coding-Modell, Mythos, wurde als zu gefährlich eingestuft, um es zu veröffentlichen, nachdem es Fähigkeiten zur Entdeckung von Cybersicherheitslücken und zur Entwicklung von Exploits demonstriert hatte, die weit über den Vorgänger hinausgingen, der selbst nur wenige Wochen zuvor veröffentlicht wurde. Anstatt es zu starten, kündigte Anthropic ein Programm an, das Tech-Unternehmen helfen soll, ihre Software zu patchen, bevor das Modell überhaupt an die Börse geht.

Dies ist die Landschaft, die das Panel "KI für Kodierung" auf der SCynergy 2026 am 15. April prägte. Moderiert von Dr. Idoia Landa Oregi, Wissenschaftlerin am Luxemburger Institut für Wissenschaft und Technologie (LIST), brachte die Sitzung Remy Bertot, Habib Guergachi, Jordi Cabot, Geoffrey Nichil und Joseph Emeras zusammen – fünf Personen mit sehr unterschiedlichen Beziehungen zum Code und zu dem, was damit geschieht.

Vibe-Coding, Vibe-Modeling – und die Lücke zwischen ihnen

Der Begriff Vibe-Coding hat sich schnell durchgesetzt: die Praxis, KI-Assistenten zu nutzen, um Software aus natürlichen Spracheingaben zu generieren, in Echtzeit ohne tiefgehendes technisches Wissen. Es ist schnell, zugänglich und immer mächtiger. 

Das Erste, was sich herauskristallisierte, war Konsens. Nicht auf die Lösungen, sondern auf das Ausmaß des Wandels. KI hat einen tiefgreifenden und beschleunigenden Einfluss auf die Softwareentwicklung, und das Gremium war sich einig, dass dies kein Hype ist, auf den man warten sollte. Der Moment ist real, die Werkzeuge wirken und die Organisationen, die dies als entferntes Anliegen betrachten, sind bereits im Rückstand.

Was wirklich umstritten bleibt, ist, wie man darauf reagieren soll.

Auf der einen Seite: KI hat es Menschen ohne Programmiererfahrung bereits ermöglicht, echte Anwendungen zu entwickeln, und diese Demokratisierung ist eine Chance, die Einzelpersonen und Unternehmen gerade jetzt nutzen sollten. Nicht-technische Fachleute können Software entwickeln; KI kann es bauen; Die Distanz zwischen Geschäftslogik und technischer Implementierung, die lange Zeit eine Reibungsquelle war, kollabiert.

Andererseits: Machbarkeit ist nicht dasselbe wie Solidität. Intention korrekt zu erfassen – Anforderungen richtig zu stellen, rigoros zu testen, Ergebnisse zu validieren – ist in einer KI-unterstützten Welt wichtiger als weniger. Code, der von einer Maschine geschrieben wird, muss weiterhin in der Produktion laufen, sensible Daten schützen und den Kontakt mit echten Nutzern überstehen. Datenintegrität, Sicherheit und IP-Schutz vereinfachen sich nicht, weil der Autor ein Algorithmus war. Im Gegenteil, sie werden schwerer zu überlegen, gerade weil der Prozess weniger sichtbar ist.

Die schärfste Gestaltung des Panels kam von der Forschungsseite: Vibe-Modellierung als Gegengewicht zum Vibe-Coding. Während Vibe Coding Wert auf Geschwindigkeit legt – Generieren, Iterieren, Ausliefern – argumentiert Vibe-Modellierung, dass der nachhaltigste Beitrag von KI darin besteht, Teams dabei zu helfen, klarer über das zu denken, was sie bauen, bevor sie es entwickeln. Konstruktionsentscheidungen wurden beim Start schlecht getroffen. Geschwindigkeit ohne Struktur verschwindet nicht – sie schiebt sich auf.

Die Frage nach dem Geschirr

Nach der ersten Runde zog der Moderator die Fäden zusammen mit einem Bild, das haften blieb: das Bedürfnis nach einem Geschirr. Keine Bremse für die KI-Einführung, sondern die Infrastruktur – technisch, organisatorisch und Governance –, die es einem ermöglicht, auf der Welle zu reiten, ohne von ihr überwältigt zu werden. Leitplanken. Aufsicht. Das menschliche Urteil, das über und um das herum liegt, was die Maschine produziert.

Diese Umformulierung prägte den Rest der Diskussion.

Für Einzelpersonen geht es um die Fähigkeiten. Da KI mehr von den routinemäßigen Mechaniken des Programmierens aufnimmt, was muss eigentlich entwickelt werden? Die Antwort, die sich herausgab, war weniger das Programmieren zu lernen, sondern vielmehr das Denken wie ein Systemdesigner – Probleme gut genug zu verstehen, um sie in etwas zu übersetzen, das eine Maschine ausführen kann, und das Zurückkommende kritisch genug zu lesen, um zu wissen, wann etwas schiefgelaufen ist.

Für Organisationen ist die Frage strukturell. Was passiert mit Softwarequalität, Nachhaltigkeit und Sicherheit, wenn jeder eine Anwendung bauen kann? Wie sieht die IT-Funktion aus, wenn Bürgerentwickler sich vermehren? Wer ist verantwortlich dafür, was eingesetzt wird? Dies sind keine hypothetischen Bedenken – es sind aktuelle operative Fragen für jedes Unternehmen, das begonnen hat, KI-unterstützte Entwicklung in großem Maßstab zu pilotieren.

Für Vorstände und Führungsteams sind die Einsätze strategisch. Die Möglichkeit, ein Unternehmen rückzuentwickeln – Software von Grund auf neu zu denken, jetzt, wo nicht-technische Menschen sie entwickeln und KI sie bauen kann – ist wirklich spannend. Sie birgt auch Risiken, die eine aktive Vorbereitung erfordern: rund um Daten, geistiges Eigentum, um die Integrität der Systeme, von denen das Unternehmen angewiesen ist.

Es gibt auch eine Infrastrukturdimension. Für Organisationen, die KI für die Softwareentwicklung nutzen möchten, ohne sensible Codebasen oder Industriegeheimnisse externen Modellen zu offenbaren, ist die souveräne LLM-Inferenz – also das Ausführen von Modellen auf kontrollierter, luxemburgbasierter Infrastruktur – ein zunehmend praktikabler Weg. Die Luxembourg AI Factory kann über ihr Partnerökosystem genau diese Art von Unterstützung für Unternehmen bieten, denen die interne Expertise oder Infrastruktur fehlt, um dies selbst zu tun.

Drei Fragen zum Mitnehmen

Das Gremium erstellte eine Karte der Entscheidungen, mit denen Einzelpersonen und Organisationen derzeit konfrontiert sind:

• Was versuchst du eigentlich zu bauen? Die Geschwindigkeit zum Prototypen ist nicht dasselbe wie die Geschwindigkeit zur Produktion. Die Ambition muss klar sein, bevor die Werkzeuge ihr dienen können, und KI ist kein Ersatz für diese Klarheit.
• Wem gehört das Urteil? Da KI mehr von der mechanischen Arbeit des Programmierens übernimmt, verlagert sich der Fokus auf Menschen, die Systeme tief genug verstehen, um zu bewerten, was die Maschine produziert, zu erkennen, was sie falsch macht, und die richtigen Fragen überhaupt zu stellen. Diese Fähigkeit wird nicht weniger wertvoll. Es wird zu dem, worauf alles andere abhängt.
• Wo liegt das Risiko eigentlich? Governance ist keine Einschränkung für die Einführung von KI – sie ist eine Voraussetzung dafür. Die Organisationen, die am meisten von KI in der Softwareentwicklung profitieren, sind nicht diejenigen, die am schnellsten vorankommen. Sie sind diejenigen, die mit dem klarsten Bild davon handeln, wofür sie verantwortlich sind.

Der Hype um KI beim Programmieren ist echt. Ebenso die Arbeit, die nötig ist, um sie zu erfüllen.

(Dieser Artikel wurde von LIST erneut veröffentlicht)