Make, Buy oder Prompt: Warum KI das Programmieren beschleunigt, aber das Verstehen nicht ersetzt.
Es gibt einen Satz, der in Sitzungszimmern gerade sehr oft fällt: «Das kann man doch heute mit KI schnell selbst machen.» Der Satz stimmt. Das ist das Tückische daran.
Die Make-or-Buy-Rechnung ist ins Rutschen gekommen
Jahrzehntelang war die Entscheidung für KMU relativ einfach. Entweder man kaufte eine Standardsoftware und passte die eigenen Abläufe daran an, oder man liess eine Individualsoftware entwickeln, was teurer war, dafür aber genau passte. Selbst bauen war für die meisten keine Option.
Das hat sich verändert. Mit KI-gestützten Entwicklungsumgebungen können heute auch Fachleute ohne Programmierkenntnisse brauchbare Werkzeuge erstellen. Code entsteht in Minuten oder Stunden statt in Tagen und Wochen.
Wo die Kosten wirklich liegen
Software entsteht im Kopf, bevor sie im Editor oder im Prompt entsteht. Bevor eine einzige Zeile geschrieben ist, muss jemand verstehen, wie die Prozesse tatsächlich laufen, inklusive aller Ausnahmen und Eventualfälle, die in keinem Organigramm stehen. Jemand muss entscheiden, welche Daten wohin fliessen, was bei einem Fehler passiert, welcher Entscheid getroffen werden muss, wer was sehen darf und wie die Lösung mit den bestehenden Systemen zusammenspielt. Und am Ende muss jemand beurteilen können, ob das Resultat stimmt.
Diese Arbeit nimmt einem die KI nicht ab. Sie beschleunigt das Erstellen eines funktionierenden Prototyps und teils die letzten Schritte. Das Testen, die Verbesserungen und die Logik, die verstanden werden muss bleiben, nimmt auch die KI nicht ab. Das bleibt beim Menschen. Schlimmer noch: Wenn man eine Entscheidung nicht trifft, trifft die KI sie still selbst. Freundlich, schnell und mit grosser Überzeugung. Nicht unbedingt richtig.
Man könnte es so zusammenfassen: Wer nicht genau weiss, was er will, bekommt es von der KI sehr schnell. In der Praxis braucht gute KI-gestützte Softwareentwicklung vier Fähigkeiten, und keine davon hat mit dem Werkzeug zu tun.
Prozesswissen. Der Normalfall ist schnell automatisiert. Den Aufwand machen die Sonderfälle: der Kunde mit Spezialkonditionen, die Teillieferung, die Gutschrift auf eine Rechnung aus dem Vorjahr. Wer diese Fälle nicht kennt, baut eine Lösung, die in der Demo glänzt und im Alltag stolpert.
Verständnis, wie Software funktioniert. Viele Entscheidungen, die am ersten Tag getroffen werden, zeigen ihre Folgen erst Monate später. Wie die Daten strukturiert sind, wo sie gespeichert werden, wie sich die Lösung erweitern lässt. Das sind keine Detailfragen, sondern das Fundament. Ein schief gegossenes Fundament merkt man nicht beim Einzug, sondern beim Anbau.
Präzise Vorgaben. Was heute «Prompten» heisst, hiess früher Spezifizieren. Es ist dieselbe Disziplin: klar beschreiben, was gewollt ist, was nicht, und woran man erkennt, dass es funktioniert. Wer das nicht kann, kann es auch mit KI nicht. Die KI macht nur schneller sichtbar, dass es fehlt.
Lesen und Beurteilen. KI produziert viel Text, viel Code und viele Erklärungen, und alles klingt plausibel. Ob es auch stimmt, muss jemand beurteilen. Das verlangt die Fähigkeit, Code zu lesen, aber auch ganz grundlegend: genau zu lesen, kritisch zu prüfen und zu merken, wenn eine elegante Antwort an der eigentlichen Frage vorbeigeht.
Schneller Prototyp, lange letzte Meter
Auch bei uns steht der erste Prototyp heute viel schneller als früher. Was manchmal Wochen dauerte, ist jetzt nach Tagen oder sogar Stunden da. Das ist ein echter Gewinn, vor allem für die Zusammenarbeit mit Kunden: Man diskutiert nicht mehr über Papier, sondern über etwas, das man anklicken kann.
Danach beginnt allerdings der Teil, der sich kaum verkürzt hat. Testen mit echten Daten. Feststellen, dass die Teillieferung nicht vorgesehen war. Nachbessern. Wieder testen. Merken, dass die Korrektur an einer anderen eine Auswirkung hat. Nachbessern. Diese Verbesserungsschlaufen machen einen grossen Teil der Arbeit aus, und jede einzelne verlangt genau das, was oben beschrieben ist: den Prozess kennen, das Resultat lesen, entscheiden.
Unter Programmierern kursiert seit den Achtzigerjahren eine Weisheit, die absichtlich nicht aufgeht: Die ersten 90 Prozent eines Projekts brauchen 90 Prozent der Zeit. Die restlichen 10 Prozent brauchen die anderen 90 Prozent. Wer nachrechnet, kommt auf 180 Prozent, und genau das ist der Punkt. Der letzte Teil wird fast immer unterschätzt. Mit KI ist der erste Teil dramatisch geschrumpft, der zweite kaum. Das macht ihn nicht kleiner, nur überraschender.
Bei KI-Anwendungen kommt eine Besonderheit dazu: Sie antworten nicht immer gleich. Eine klassische Software liefert bei derselben Eingabe dasselbe Resultat. Eine KI-Lösung muss man deshalb mit vielen echten Fällen prüfen, gerade auch mit den unangenehmen, bevor man ihr im Alltag vertrauen kann. Das braucht Zeit. Und es lässt sich schlecht an die KI delegieren, die man gerade testet. Auch Sicherheitsrisiken sind nicht ohne.
Ja, wir nutzen KI auch
Damit hier kein falscher Eindruck entsteht: Wir programmieren täglich mit KI. Sie macht uns schneller, und wir wären schlecht beraten, darauf zu verzichten.
Aber wir lesen, was sie schreibt. Wir wissen, was der Code tut und warum. Und wir merken, wenn die KI eine falsche Abzweigung nimmt, was regelmässig vorkommt, und zwar immer mit derselben freundlichen Selbstsicherheit. Der Unterschied liegt nicht im Werkzeug, sondern in der langjährigen Erfahrung.
Ein Akkubohrer ist ein grossartiges Werkzeug. Einen Schreiner macht er trotzdem aus niemandem.
Und dann kommt noch der Betrieb
Wenn die Lösung einmal läuft, fängt ein zweiter Teil an: Sie muss gesichert, aktualisiert und überwacht werden. KI-Modelle entwickeln sich laufend weiter, und was heute zuverlässig funktioniert, kann sich nach einem Update anders verhalten.
Diese Betriebskosten sind real. Aber auffällig oft sind sie die Folge von Entscheidungen, die ganz am Anfang getroffen oder eben nicht getroffen wurden. Eine durchdachte Lösung ist auch im Betrieb günstiger. Eine schnell zusammengesetzte Lösung schickt die Rechnung später.
Dazu kommt die menschliche Seite. Selbst gebaute Tools speichern ihr Wissen gerne in einem einzigen Kopf. In einer Zeit, in der gemäss der AXA-KMU-Studie 2026 vier von zehn KMU den Arbeitskräftemangel zu ihren grössten Herausforderungen zählen, ist das eine Wette darauf, dass genau diese Person sehr lange bleibt.
Vier Wege, alle legitim
Statt Make or Buy gibt es heute realistischerweise vier Optionen.
Standardsoftware nutzen. Wenn Ihr Prozess nicht besonders ist, ist eine bewährte Standardlösung fast immer die vernünftigste Wahl. Viele Produkte bringen inzwischen eigene KI-Funktionen mit. Es lohnt sich, zuerst zu prüfen, was man schon hat.
Selbst bauen, mit Leitplanken. Für interne Hilfsmittel, Auswertungen und vor allem für Prototypen ist KI-gestütztes Selberbauen eine echte Bereicherung. Und ein unterschätzter Nebeneffekt: Ein Prototyp, den eine Fachperson aus dem eigenen Betrieb gebaut hat, ist eines der besten Pflichtenhefte, die es gibt. Er zeigt konkret, was gebraucht wird, viel besser als jede Sitzung. Man sollte ihn nur nicht mit einer fast fertigen Lösung verwechseln: Ein Prototyp beweist, dass etwas grundsätzlich geht, nicht, dass es im Alltag funktioniert. Problematisch wird es, wenn er unbemerkt zur produktiven Lösung wird.
Professionell entwickeln lassen. Sinnvoll, wenn die Lösung geschäftskritisch ist, mit mehreren Systemen zusammenarbeiten muss, sensible Daten verarbeitet oder einen echten Wettbewerbsvorteil darstellt. Hier zahlt man nicht für das Schreiben des Codes, das geht heute tatsächlich schneller. Man zahlt für das Verstehen des Prozesses, für die richtigen Entscheidungen zur richtigen Zeit, für das Testen und Nachbessern und für jemanden, der beurteilen kann, ob das Resultat stimmt, und dafür geradesteht.
Bewusst nichts tun. Die unterschätzteste Option von allen. Manchmal zeigt eine ehrliche Rechnung, dass ein Prozess zu selten vorkommt, zu wenig kostet oder sich zu oft ändert, als dass sich eine Automatisierung lohnt. Oder, eine kleine Änderung an der bereits bestehenden Individualsoftware wirkt schneller und besser, als es ein neu integriertes KI-Tool kann. Wer Ihnen bei jedem Problem oder bei jeder Herausforderung eine KI-Lösung empfiehlt, hat vermutlich eine zu verkaufen.
Woran man die richtige Wahl erkennt
Vier Fragen helfen bei der Einordnung. Wie wichtig ist der Prozess für Ihr Geschäft, also was passiert, wenn die Lösung einen Tag ausfällt? Wie besonders ist er, oder machen andere das genau gleich? Wie lange soll die Lösung leben, einen Monat oder zehn Jahre?
Und die vierte, vielleicht wichtigste Frage: Wer in Ihrem Team kann beurteilen, ob das, was die KI liefert, richtig und sicher ist? Wer kennt sie noch und was passiert, wenn die Person ausfällt.
Was bleibt
KI hat verändert, wie Software geschrieben wird, und zwar grundlegend. Was gute Software ausmacht, hat sie nicht verändert: ein verstandenes Problem, klare Entscheidungen und jemand, der lesen und beurteilen kann, was entsteht.
Bauen ist billig geworden. Denken nicht. Und das ist eigentlich eine beruhigende Nachricht, denn gerade das Denken war schon immer der Teil, auf den es ankam.
Wenn Sie unsicher sind, auf welchem der vier Wege Sie stehen, oder wenn ein selbst gebauter Prototyp bei Ihnen gerade erwachsen wird, schauen wir ihn uns gerne gemeinsam an. Auch dann, wenn das Ergebnis «weiter so» lautet.
