Indie-Dev mit KI: allein bauen, launchen, monetarisieren

Claude Code bricht plötzlich ab mit „melde dich neu an“, „Rate-Limit“, „Prompt ist zu lang“, „MCP verbindet sich nicht“ — und jeden Fehler einzeln zu googeln wird mühsam. Dies ist eine praxisnahe Referenz, die die häufigen Fehler katalogisiert, jeweils mit Ursache und dem auszuführenden Befehl. Sie beginnt mit den drei Diagnosebefehlen, die man zuerst ausführt (claude doctor für die Volldiagnose, /status für die aktive Authentifizierung, /context für die Kontext-Aufschlüsselung), und konzentriert sich dann auf die vier häufigen Familien (Nutzung/Rate-Limits, Kontext-Überlauf, abgelaufene Authentifizierung, MCP-Verbindungsfehler) mit Symptom→Ursache→Lösungsbefehl-Tabellen zu Authentifizierung und Login, Nutzung/Rate-Limits (Claude Code verbraucht das 10- bis 100-Fache der Tokens eines Chats), Kontext und Tokens (Prompt zu lang, Compaction-Thrashing), Server und Modell (500/529/Timeout/model not found), Installation/PATH/Update, Netzwerk und Proxy (ECONNREFUSED, TLS), MCP, Berechtigungen (Deny schlägt Bypass) und Sonstiges (thinking blocks 400, Bild/PDF, IDE). Sie endet mit einem Spickzettel Fehler→Lösung und einer FAQ. Basierend auf der offiziellen Claude-Code-Doku (Stand 2026): bei Problemen die drei Diagnosebefehle ausführen, und wenn es nicht behoben ist, claude update ausführen.

2026 kristallisierten sich die großen Vier der KI-Coding-Tools heraus — Cursor, Claude Code, GitHub Copilot und Codex. Doch sie nebeneinanderzustellen und einen Sieger zu küren führt in die Irre, denn die vier sind unterschiedliche Typen. Dieser Artikel klärt zuerst den entscheidenden Punkt — den Typunterschied (Cursor = KI-Editor, Copilot = in die IDE integriertes Plug-in, Claude Code = lokaler CLI-Agent, Codex = asynchroner Cloud-Agent) — und behandelt dann, was jedes Tool wirklich ist, eine Spec-Tabelle auf denselben Achsen (Typ, Einstiegs- und Top-Preis, Modelle, Kontext, Stärken), wie man die Verschiebung 2026 von Pauschalgebühren zu „Kontingent + Nutzung (Credits)“ liest, Empfehlungen nach Typ (Einfachheit = Copilot $10+, Editor-Erlebnis = Cursor, schwere Mehrdatei-Arbeit = Claude Code, asynchrone Batches = Codex), das Standardrezept fähiger Entwickler, „ein IDE-seitiges + einen Terminal-Agenten“ zu kombinieren, sowie ehrliche Vorbehalte zu Preisen und Benchmarks — alles auf Basis offizieller Quellen und mehrerer Medien.

Jemand, der sagte „Ich bin schlecht im Design“, produziert heute zehn Social-Posts an einem halben Tag und bekommt nebenbei Logo-Vorschläge — genau dort stehen KI-Design-Tools 2026. Dieser Artikel vergleicht die vier wichtigsten Tools: Canva (am besten für die Massenproduktion von Marketing, Social und Folien, kostenlos–15 USD), Adobe Firefly (Photoshop/Illustrator-integriert und kommerziell sicher, ab 9,99 USD), Figma AI (der Standard für UI/UX und Produktdesign im Team, ab 15 USD/Editor) und Recraft (Vektor-Logos und -Icons mit 90 % Textgenauigkeit, ab 10 USD). Die vier sind keine Konkurrenten, sondern eine Rollenverteilung — verenge auf das eine, das zu deiner häufigsten Aufgabe passt. Anders als der Vergleich der Bildgenerierungs-KIs (Midjourney etc.): In diesem Artikel geht es um „Ergebnisse, die aus Bildern gebaut werden“, nicht um das Bild selbst. Mit Vergleichstabelle, sechs Best-Pick-Szenarien und drei Vorsichtshinweisen: Urheberrecht, Markenkonsistenz und Vermeidung des „KI-Looks“.

Bis 2025 kostete "in Cursor/Claude Code editieren → zum Terminal wechseln, git push → zum Browser wechseln, Vercel prüfen" Dutzende Kontextwechsel am Tag. Im Mai 2026 fassen Vercel Agent Skills (via MCP), das Claude Code Plugin und Claude Code GitHub Actions v1.0 "Code → Build → Deploy → Preview-URL → env-Management → Rollback" in einem Flow im Agent zusammen. Dieser Artikel führt durch drei Implementierungsansätze: ① git push (Setup 5 Min, Deploy 60 bis 90 s), ② MCP-Direct (.cursor/mcp.json + Slash-Befehle wie /deploy, /env, /rollback), ③ GitHub Actions (in einem PR @claude erwähnen für Auto-Fix + Preview-Deploy). Anschließend behandelt er die drei Preview-Umgebungs-Patterns (A/B-Vergleich, permanentes Staging, passwortgeschützter Kunden-Review) und die vier operativen Stolperfallen (env-Leck, Kostenexplosion, PR-Konflikte, vergessener Rollback) — alles mit funktionierendem Code, verankert in Mai 2026.

"Ich habe eine Idee für eine Web-App, kann aber nicht programmieren." Diese Mauer wurde gerade von AI-Web-App-Buildern eingerissen. Tippen Sie "bau mir eine Todo-App" und zehn Minuten später haben Sie eine lauffähige App, eine Deploy-URL und ein GitHub-Repository. Die Top drei 2026: v0 (Vercel), Bolt.new (StackBlitz) und Lovable. Lovable erreichte 20 Mio. $ ARR in 2 Monaten — das schnellste Wachstum in der europäischen Startup-Geschichte; Bolt.new 40 Mio. $ in 6 Monaten; v0 fügte im Februar 2026 Git-Integration, DB-Anbindung und agentische Workflows hinzu. Das sind nicht "dasselbe Produkt": v0 ist "Frontend-Spezialist + Vercel-Ökosystem", Bolt "Multi-Framework + Browser-only-Entwicklung", Lovable "Full-Stack + eingebautes Supabase + nicht-ingenieursfreundlich". Die Frage lautet nicht "welches ist das beste", sondern "was wollen Sie tun?". Dieser Artikel behandelt die Essenz jedes Tools, einen detaillierten Vergleich der Funktionen und Preise, die richtige Wahl je nach Anwendungsfall, was sich wirklich unterscheidet, wenn man denselben Prompt durch alle drei laufen lässt, die drei Stolperfallen in Produktion (Token-Verbrauch, Sicherheitslücken, Vendor-Lock-in) und einen Entscheidungsbaum 2026 in 5 Minuten — alles verankert in den Fakten vom 15. Mai 2026 und der Realität "früher GitHub-Export, dann Refactor in Cursor/Claude Code" für Produktionsreife.

"Ich habe auf der OpenAI-API ausgeliefert, möchte aber auch Claude und Gemini ausprobieren" — und schon verbringt man zwei Stunden damit, dieselbe Logik gegen drei verschiedene SDKs neu zu schreiben. Das Vercel AI SDK (seit 2026 schlicht "AI SDK") reduziert das auf "ein Import, eine Funktion, jeder Anbieter". Eine TypeScript-Open-Source-Bibliothek mit über 20 Millionen monatlichen Downloads; AI SDK 6 liefert Agents, MCP, Tool-Approval und DevTools und ist Stand 15. Mai 2026 der De-facto-Standard für eine einheitliche LLM-Schnittstelle. Wer 2026 LLMs aus einer Web-App oder einem Node.js-Projekt aufruft, für den ist das AI SDK der richtige Default, Punkt. Die einzigen Gründe, direkt gegen das OpenAI- oder Anthropic-SDK zu schreiben, sind eine bestehende Codebasis oder eine brandneue, anbieter-spezifische Funktion. Andernfalls liefert das AI SDK einfaches Wechseln, ein Drittel des Codes, Typsicherheit und React-Integration mit überwaeltigendem Vorteil. Dieser Artikel behandelt, was das AI SDK ist und warum man es einsetzt, einen 5-Minuten-Quickstart (von generateText zu streamText), strukturierte Ausgabe mit generateObject und Zod, Tool calling und Agents (das Herz von AI SDK 6 mit stopWhen, ToolLoopAgent, MCP), React-Integration mit useChat, Anbieterwechsel Claude/GPT/Gemini in 3 Zeilen sowie drei Stolperfallen in Produktion: Feature-Luecken zwischen Anbietern, Kosten bei Stream-Abbruch und Typ-Inferenz-Überlast.

Im Mai 2026 ist die Ära „Platz 1 = Sieg“ vorbei. Die 2026er Studie von Seer Interactive (53 Marken, 5,47 Mio. Suchanfragen) zeigt, dass die organische CTR bei Anfragen mit AI Overview von 1,76 % auf 0,61 % gefallen ist (−61 %), während AI Overviews inzwischen bei 99,2 % der informationsorientierten Anfragen erscheinen. Aber Marken, die in AI Overviews zitiert werden, verzeichnen 120 % mehr Klicks pro Impression, und die Zitationsrate von Top-10-Seiten ist von 76 % auf 38 % gesunken. Dieser Artikel präsentiert das 2026er Playbook in drei Schichten — SEO + AEO + LLMO — entwirrt das Begriffschaos (AEO ≈ GEO ≈ LLMO ≈ AIO), kartiert die Trigger-Bedingungen nach Anfragetyp, beschreibt detailliert die sieben Bedingungen, um zitiert zu werden (Passagen-Vollständigkeit, Originaldaten, E-E-A-T, schema.org, Entitätsdichte, Multimodal, technische Erreichbarkeit), trennt SEO, das noch funktioniert, von dem, was nicht mehr funktioniert, definiert KPIs neu rund um „Zitation × CVR × Share of Voice“ und schließt mit den Risiken von Halluzinationen, Zitations-Konzentration und Single-Channel-Abhängigkeit.

Ein 20-$/Monat-Abo für ChatGPT Plus kann über die API auf 2 $/Monat fallen — oder in die andere Richtung auf 200 $ schießen. Die AI-API ist eine „nutzungsbasierte“ Welt. Dieser Artikel führt durch die fünf grundlegenden Unterschiede zwischen Web-Chat und API, was Tokens sind und wie Preise berechnet werden, die Preise der wichtigsten Modelle im Mai 2026 (Claude Opus / Sonnet / Haiku, GPT-5.5/5.4, Gemini 3.1 Pro / Flash-Lite, DeepSeek V4-Pro), eine 4-Typen-Modellauswahlkarte, die drei Fallen, in die jeder Einsteiger tappt (Anhäufung des Gesprächsverlaufs, überdimensionierte System-Prompts, fehlende Ausgabenlimits) und den 5-Minuten-Erstaufruf mit curl plus Python — alles aus Einsteigersicht.

Im Februar 2025 prägte Andrej Karpathy den Begriff „Vibe Coding“ — der KI sagen, was sie tun soll, und den generierten Code gar nicht erst lesen. Ein Jahr später schlägt er selbst eine Umbenennung in „Agentic Engineering“ vor, während Sicherheitsstudien zeigen, dass 40–62 % des KI-Codes Schwachstellen enthalten. Dieser Artikel erklärt die Definition, den typischen Workflow, die führenden Tools (Claude Code, Cursor, Codex CLI, Lovable, v0, Bolt.new, Devin), die harten Zahlen zur Schattenseite und die „Vibe & Verify“-Regeln, mit denen man den Stil produktiv und sicher einsetzt.

ChatGPT mit internen Dokumenten verbinden und Mitarbeiterfragen beantworten lassen — genau dafür ist RAG (Retrieval-Augmented Generation) gemacht. Dieser Artikel erklärt die Funktionsweise in drei Schritten und zeigt Vektor-Datenbanken, eine LangChain-Implementierung sowie die Abgrenzung zum Fine-Tuning. Mit vielen Praxisbeispielen aus internem Q&A, Kundensupport und Fachbereichen wie Recht und Medizin.

Denkst du, Programmieren sei nichts für dich? Im Jahr 2026 kannst du mit KI-Coding-Tools wie Claude Code auch ohne IT-Vorkenntnisse einen eigenen Webservice erstellen und veröffentlichen. Dieser Artikel erklärt die IT-Grundlagen — Apps, Datenbanken, Server — sowie den Unterschied zwischen Shared Hosting, VPS und Cloud und zeigt den kompletten Entwicklungsablauf mit KI.

„Mit generativer KI kann jeder Apps entwickeln, auch ohne Programmierkenntnisse“ — haben Sie das auch schon gehört? 2026 sind generative KI-Coding-Tools enorm leistungsfähig, aber können Anfänger wirklich alles mit generativer KI erledigen? Dieser Artikel zeigt ehrlich, was funktioniert, was nicht und wo die Stolperfallen liegen.