Monate Arbeit — in Wochen geliefert.

Keine Kundenlogos, keine Umsatzzahlen. Stattdessen ein ehrlicher Blick darauf, wie die Arbeit tatsächlich entsteht — wo KI-gestützte Entwicklung einen Build verdichtet, wo sie es bewusst nicht tut, und warum das Ergebnis trotzdem trägt.

Projekt starten Zur Software-Leistung

01So entsteht die Arbeit

Drei Builds, jeweils zwei Zeitachsen.

Jeder Fall steht für ein typisches Projekt, nicht für einen konkreten Kunden. Links: so lief der Build früher. Rechts: derselbe Build, bei dem KI die repetitive Arbeit übernimmt. Die Zeitangaben sind realistische Richtwerte, keine Garantien.

01Datenpipeline

Verstreute Quellen in einem abfragbaren Warehouse

Eine Handvoll SaaS-Exporte, eine Produktionsdatenbank und zwei Drittanbieter-APIs — alles an einem Ort, nächtlich aktualisiert und belastbar genug, um darauf Reporting aufzubauen. Bremsklotz war nie die Idee, sondern das mühsame Konnektor-für-Konnektor-Geschäft.

Klassischer Ansatz~3–4 Monate

Für jede Quelle einen Ingestion-Konnektor von Hand schreiben
Uneinheitliche Schemata manuell mappen und abgleichen
Transformationen schreiben — und dann Tests für die Transformationen
Orchestrierung und Backfill-Logik aufsetzen

KI-gestützt~3 Wochen

KI gerüstet Konnektoren direkt aus der Doku jeder API
Transform-Modelle und ihre Tests werden in einem Zug entworfen und anschliessend geprüft
Schema-Mapping-Boilerplate wird generiert, nicht getippt
Die gewonnene Zeit fliesst in Datenmodell und Edge Cases

KI verdichtet

Die repetitive Oberfläche — Konnektor-Boilerplate, erste Transform-Entwürfe, Test-Coverage. Die 80 %, die Tippen sind, nicht Denken.

Bleibt menschlich

Das Datenmodell, die Definition von „korrekt" pro Feld, der Umgang mit Fehlern — und der Abgleich der Zahlen mit der Realität, bevor irgendjemand ihnen vertraut.

02Internes Tool

Das Spreadsheet, das endlich eine App wurde

Ein wachsendes Team, das den gesamten Betrieb in einem gemeinsamen Spreadsheet abwickelt — fragile Formeln, keine Zugriffskontrolle, jede Woche ein neuer Bug. Ein echtes internes Tool war überfällig — aber ein monatelanger Build liess sich gegenüber einem Spreadsheet, das „irgendwie funktionierte", kaum rechtfertigen.

Klassischer Ansatz~6–8 Wochen

CRUD-Screens für jede Entität bauen
Eine API-Schicht von Hand verdrahten
Authentifizierung, Rollen und Audit-Trail ergänzen
Jedes Chart aus dem Spreadsheet neu nachbauen

KI-gestützt~1 Woche

KI gerüstet CRUD-UI und API-Routen direkt aus dem Datenmodell
Charts und Filter werden aus einer beschriebenen Spezifikation verdrahtet
Authentifizierung und Rollensteuerung kommen aus einem erprobten Muster
Der Engineer verantwortet das Datenmodell und wer was sehen darf

KI verdichtet

Das Grundgerüst — Screens, Routen, Formulare, Chart-Verdrahtung. Arbeit, die klar verstanden ist und einfach erledigt werden muss.

Bleibt menschlich

Das Datenmodell, die Berechtigungsgrenzen — und die Abwägung, welche Spreadsheet-Gewohnheiten bleiben und welche stillschweigend korrigiert werden.

03Migration

Ein Legacy-System modernisieren — ohne das Rewrite-Risiko

Ein in die Jahre gekommenes System, das noch lief — aber niemand wollte es anfassen. Ein kompletter Rewrite war das offensichtliche Risiko; eine vorsichtige, schrittweise Migration der richtige Weg — und traditionell der langsame, weil das Kartieren dessen, was der alte Code wirklich tut, mühsame Kleinarbeit ist.

Klassischer Ansatz~4–6 Monate

Den Legacy-Code lesen, um zu kartieren, was er wirklich tut
Charakterisierungstests schreiben, um das aktuelle Verhalten festzunageln
Das System Modul für Modul von Hand portieren
Den Produktiv-Cutover planen und durchspielen

KI-gestützt~5 Wochen

KI kartiert die Legacy-Oberfläche und markiert die dunklen Ecken
Charakterisierungstests werden gegen das aktuelle Verhalten generiert
Migrationsskripte und neue Modulgerüste werden entworfen
Der Engineer verantwortet den Cutover-Plan und jede Risikoabwägung

KI verdichtet

Die Archäologie — alten Code lesen, Tests schreiben, die das heutige Verhalten festhalten, den Port entwerfen. Der zähe, volumenstarke Teil.

Bleibt menschlich

Die Reihenfolge des Cutovers, die Risikoeinschätzung — und die Verifikation, dass sich das neue System dort exakt wie das alte verhält, wo es muss.

02Die Methode

Schnell dank Urteilsvermögen — nicht an seiner Stelle.

Die Beschleunigung ist weder Zauberei noch Pfusch. Es ist dieselbe Engineering-Disziplin — die repetitiven 80 % übernimmt die KI, die entscheidenden Weichenstellungen bleiben fest in menschlicher Hand.

Klar umrissen, bevor eine Zeile entsteht

Jeder Build beginnt mit einem präzisen, schriftlichen Scope. KI beschleunigt die Umsetzung — sie entscheidet nicht, was gebaut wird. Das bleibt ein Gespräch.

KI übernimmt das Volumen

Boilerplate, Grundgerüste, erste Testentwürfe, repetitive Transformationen. Arbeit, die klar verstanden ist und nur noch getippt werden muss — in einem Bruchteil der Zeit erledigt.

Korrektheit bleibt beim Menschen

Architektur, Datenmodelle, Sicherheitsgrenzen und Verifikation bleiben beim Engineer. KI entwirft — Review und Urteilsvermögen liefern.

03Loslegen

Liegt bei Ihnen etwas zu lange auf Eis?

Wenn ein Projekt immer wieder verschoben wird, weil es nach Monaten Arbeit aussieht — heute vielleicht nicht mehr. Ein 30-minütiges Gespräch, kostenlos, und Sie hören ehrlich, was es wirklich brauchen würde.

Discovery-Gespräch buchen Zur Software-Leistung