Letzte Woche habe ich 102 Commits über 5 Repositories in 7 Tagen gepusht. Keine „Tippfehler beheben“-Commits — echte Features, die mit KI-unterstützter Entwicklung gebaut wurden. Ein kompletter Headless-Next.js-Frontend von Grund auf. Eine CRM-zu-Datenbank-Sync-Pipeline. Eine Content-as-a-Service-API. GTM-Tracking. SEO-Optimierung. Admin-Panels.
Ich bin ein Solo-Entwickler. Ich hatte KI für fast alles dabei.
Das ist kein Hype-Artikel darüber, wie KI Entwickler ersetzen wird. Es ist ein ehrlicher, persönlicher Bericht darüber, was passiert ist, als ich eine volle Woche lang stark auf KI-unterstützte Entwicklung gesetzt habe — was funktioniert hat, was mich überrascht hat und worüber ich immer noch nachdenke.
Die Zahlen: Was KI-unterstützte Entwicklung in einer Woche hervorgebracht hat
Hier ist, was das git-log sagt:
| Tag | Commits | Was ich gebaut habe |
|---|---|---|
| ----- | --------- | ---------------------- |
| Donnerstag | 9 | SEO-Infrastruktur — IndexNow, Bing-Fixes, render-blocking-Optimierung |
| Freitag | 15 | Ein komplettes Next.js-Frontend von Design-Spec bis zum ersten Commit gescaffoldet |
| Samstag | 13 | Suchdialog-Redesign, iOS-Scroll-Fixes, Image-Pipeline, SEO |
| Sonntag | 1 | Ruhetag. Ein kleiner Commit. |
| Montag | 17 | Admin-Panel, Newsletter-Integration, Content-as-a-Service-API gelauncht |
| Dienstag | 22 | KI-Content-Pipeline, WP-Preview-System, Vektor-Wissensdatenbank |
| Mittwoch | 13 | Vollständige CRM-Sync-Pipeline (Perfex → Supabase → Next.js) + GTM-Tracking |
Fünf Repos. Vier Tech-Stacks (Next.js, PHP, Python, Shell-Scripting). Null Teamkollegen.
Zur Einordnung: Der durchschnittliche Entwickler pusht 5–10 Commits pro Woche laut Branchenbenchmarks von GitClear und LinearB. In meiner Erfahrung hat KI-unterstützte Entwicklung meine Output-Rate auf ungefähr das 10–20-fache dieses Benchmarks gehoben — obwohl die reine Commit-Anzahl nur einen Teil der Geschichte erzählt.
Wie KI-unterstützte Entwicklung sich wirklich anfühlt
Leute stellen sich KI-Code so vor: „Du tippst einen Prompt und Code erscheint.“ Das ist es nicht. Nicht mal ansatzweise.
Es ist eher, als hättest du einen extrem schnellen, extrem wissensstarken Kollegen direkt neben dir. Einen, der nie müde wird, deine Ideen um 2 Uhr nachts nie bewertet und zwischen PHP, TypeScript und bash kontextwechseln kann, ohne zu blinzeln. Ich habe mehrere Tools für diesen Workflow getestet — hier ist mein Claude Code vs Cursor Vergleich→, falls du die detaillierte Aufschlüsselung willst.
So sah eine typische KI-unterstützte Entwicklungssession aus:
Ich: „Ich muss Staff-Daten von unserem Perfex-CRM zu Supabase synchronisieren, inklusive benutzerdefinierter Felder für Social-Media-Links.“
KI: Liest die Perfex-API-Dokumentation, liest mein bestehendes Supabase-Schema, liest meine aktuelle Datenebene — dann schreibt sie den Sync-Endpoint, die Daten-Transformation, das Error-Handling und aktualisiert die Types. Ich reviewe, passe an, shippe.
Dieser Zyklus — Absicht beschreiben, Output reviewen, anpassen, shippen — passierte Dutzende Male pro Tag. Jeder Zyklus dauerte Minuten statt Stunden. Das ist die Kernschleife von KI-unterstützter Entwicklung, und sobald man sie verinnerlicht hat, gibt es kein Zurück mehr.
Der Speed-Multiplier ist real, aber nicht da, wo du denkst
Der rohe Geschwindigkeitsvorteil beim Programmieren durch KI-unterstützte Entwicklung ist vielleicht 3–5x. Beeindruckend, aber nicht das Wichtigste.
Der eigentliche Multiplier ist Kontextwechsel. Am Mittwoch bin ich von einem PHP-API-Fix im CRM-Codebase-Kontext zu TypeScript-Daten-Sync in Next.js gewechselt, dann zu GTM-Tags konfigurieren, dann zu Tailwind-Komponenten aktualisieren — alles in einem einzigen Vormittag. Jeder dieser Kontextwechsel kostet mich normalerweise 15–30 Minuten „Wo war ich nochmal?“ mentale Ladezeit. Mit KI, die den Kontext hält, sank die Kosten auf nahezu null.
Der zweite Multiplier ist Scope-Courage. Ich habe Dinge versucht, die ich als „zu komplex für diesen Sprint“ ausgegrenzt hätte:
Fünf Muster, die mir bei KI-unterstützter Entwicklung aufgefallen sind
Wenn ich mir meine Commit-Historie anschaue, stechen fünf Muster heraus:
1. Vertikale Integration standardmäßig
Ohne KI hätte ich zuerst das Frontend gebaut, dann den CRM-Sync für „nächsten Sprint“ geplant, und vielleicht irgendwann die Content-Pipeline angegangen. Stattdessen habe ich den kompletten vertikalen Stack in einer Woche gebaut: CRM → API → Datenbank → Frontend → Analytics. Jedes Feature war Ende-zu-Ende fertig. Das spiegelt, wie ich mein custom CRM mit Next.js und AI agents→ gebaut habe.
2. Automatisierung als erster Instinkt
Statt CRM-Daten vor jedem Deploy manuell zu synchronisieren, habe ich sofort einen Prebuild-Hook gebaut, der das automatisch macht. Statt GTM bei jedem Projekt manuell zu konfigurieren, habe ich eine wiederverwendbare Claude-Code-Skill dafür erstellt. KI-unterstützte Entwicklung macht die Kosten von Automatisierung so niedrig, dass sie zur Standardwahl gegenüber manuellen Prozessen wird.
3. Architektur nachts, Feinschliff tagsüber
Meine architektonisch ambitioniertesten Commits passierten nach Mitternacht. Das komplette Projekt-Scaffold um 2 Uhr morgens. Das Redesign des Kontaktformulars mit UX, die auf Psychologie basiert, um Mitternacht. Das Admin-Panel um 1 Uhr morgens. Tagsüber war für Fixes, Polishing und Deploying. Ich habe diese Theorie gegen meine git-Daten getestet: 40% aller Commits passierten zwischen 22 Uhr und 6 Uhr morgens. Mit KI-unterstützter Entwicklung kannst du produktiv sein, auch wenn deine eigene mentale Energie niedriger ist.
4. Tool-Building verstärkt sich
Während der Woche habe ich zwei wiederverwendbare Claude-Code-Skills gebaut — einen GTM-Installer und einen Apple-Shortcuts-Generator. Das sind nicht das Hauptprojekt, aber sie entstanden ganz natürlich, weil KI-unterstützte Entwicklung die marginalen Kosten dafür, einen Workflow in ein wiederverwendbares Tool zu verpacken, fast auf null senkt. Ich nutze denselben Ansatz, wenn ich MCP-Server baue→ für mein MCP CMS mit agent flows→.
5. Dokumentation passiert inline
Wenn KI Code schreibt, erzeugt sie auch kontextbezogene Dokumentation — Commit-Messages, CLAUDE.md-Updates, Type-Definitionen. Dokumentation hörte auf, eine separate lästige Aufgabe zu sein, und wurde zu einem natürlichen Nebenprodukt des Workflows für KI-unterstützte Entwicklung.
Die ehrlichen Tradeoffs von KI-unterstützter Entwicklung
Dieser Tempo ist nicht kostenlos. Hiermit ringe ich:
Qualität vs. Geschwindigkeit. Ich shippe schnell, aber sammle ich technischen Schulden an, die ich noch nicht sehe? KI-generierter Code besteht mein Review, aber mein Review um 2 Uhr morgens ist nicht mein Review um 10 Uhr morgens. Ich habe angefangen, Morning-after-Code-Reviews für meine Commits aus der Nacht zu machen.
Verstehen vs. Output. Wenn KI eine komplexe Daten-Transformation schreibt, verstehe ich *was* sie macht. Aber verstehe ich es tief genug, um es in sechs Monaten ohne KI-Hilfe zu debuggen? Ich bin mir nicht sicher. Ich mache es mir zum Prinzip, jede Zeile zu lesen, aber Lesen ist nicht dasselbe wie Schreiben.
Nachhaltigkeit. 102 Commits in 7 Tagen, 47 aktive Stunden, 40% der Arbeit passiert nach 22 Uhr. Das ist ein Sprint, kein Marathon. Die Tools machen es *möglich*, in diesem Tempo zu arbeiten, aber möglich ist nicht dasselbe wie empfehlenswert.
Abhängigkeitsrisiko. Wenn KI-unterstützte Entwicklungstools morgen verschwinden würden — könnte ich diese Codebase mit derselben Geschwindigkeit weiterpflegen? Absolut nicht. Ich habe diesen Tradeoff akzeptiert, weil ich nicht glaube, dass diese Tools verschwinden — aber es ist trotzdem wichtig, ehrlich zu sein.
Was ich anderen Entwicklern über KI-unterstützte Entwicklung sagen würde
Wenn du KI-Coding-Tools noch nicht nutzt, lässt du einen erheblichen Multiplier auf der Strecke. Nicht, weil die KI perfekten Code schreibt — das tut sie nicht — sondern weil sie die Reibung entfernt, die ambitionierte Projekte für Solo-Entwickler unmöglich wirken lässt.
Hier ist meine empfohlene Progression, um KI-unterstützte Entwicklung zu übernehmen:
Die Entwickler, die im nächsten Jahrzehnt erfolgreich sind, werden nicht die sein, die am schnellsten coden. Sie werden die sein, die über Systeme nachdenken können, während KI die Implementierung übernimmt — und die wissen, wann sie langsamer machen und sorgfältig nachdenken müssen, obwohl ein Tool das schnelle Vorankommen so leicht macht.
Einordnung: Die Woche im Kontext
Ich habe gebaut, was traditionell der monatliche Output eines kleinen Teams gewesen wäre. Eine komplette Website-Migration, eine CRM-Integration, eine API-Plattform und mehrere Open-Source-Tools — in sieben Tagen.
Aber das wertvollste, was ich ausgeliefert habe, war nicht Code. Es war die Erkenntnis, dass sich der Engpass verschoben hat. Es ist nicht mehr „Kann ich das bauen?“ sondern „Sollte ich das bauen?“ und „Baue ich das Richtige?“
KI-unterstützte Entwicklung hat nicht verändert, was an Software Engineering schwer ist. Sie hat nur den schweren Teil verschoben.