KI-Entwicklung & Programmierung: Apps bauen mit KI

Sie arbeiten in Claude Code, als plötzlich ein 400-Fehler auftaucht und jede weitere Eingabe ihn wiederholt: "thinking or redacted_thinking blocks in the latest assistant message cannot be modified." Es ist ein bekannter Bug mit mehreren offenen Issues im offiziellen Repository von Anthropic, und in den meisten Fällen ist es nicht die Schuld des Nutzers. Dieser Artikel erklärt, was der Fehler bedeutet, wie die Thinking-Blöcke des Extended Thinking und ihre kryptografischen Signaturen funktionieren, die 5 Grundursachen für eine nicht passende Signatur (Bug bei der Sitzungswiederaufnahme, Verschachtelung beim Streaming, Amok laufende Reparaturlogik, Drittanbieter-Proxys, Verlaufsänderung in der eigenen App), 3 Wiederherstellungslösungen für Claude-Code-Nutzer (Esc x2/rewind, neue Sitzung /clear, JSONL-Reparatur-Tool), die wichtigste dauerhafte Behebung (Update auf die neueste Version), 3 Vorbeugungsprinzipien für API/SDK-Entwickler (unverändert hin- und herwandern, vollständiges Entfernen, defensiver Schutzmechanismus), die Abgrenzung von 3 ähnlichen Fehlern und eine Checkliste zur Vorbeugung von Wiederholungen.

GitHub Copilot startete 2021 als intelligente Code-Vervollständigung; bis 2026 ist daraus etwas anderes geworden. Weisen Sie ihm ein einzelnes GitHub Issue zu und gehen Sie weg, dann schreibt die KI den Code, bringt die Tests zum Bestehen, öffnet einen Pull Request und gibt ihn zurück — der Coding Agent. GitHub Copilot ist ein KI-Programmierunterstützungsdienst von GitHub (im Besitz von Microsoft) mit drei Nutzungsarten: Vervollständigung, Chat und Agent. Sein prägendes Merkmal ist die Installation als Erweiterung in bestehende Editoren wie VS Code und JetBrains — Sie fügen KI hinzu, ohne Ihren gewohnten Editor zu wechseln. Dieser Artikel behandelt, was Copilot kann, das Highlight 2026 — Agent Mode und Coding Agent —, die Preise Free/Pro $10/Pro+ $39 und den Wechsel zur nutzungsbasierten Abrechnung (AI Credits) ab Juni 2026, wie es sich in der Designphilosophie von Cursor und Claude Code unterscheidet, für wen es passt und wie man startet — alles mit den neuesten Informationen.

Die 6 Phasen der Systementwicklung — Anforderungen, Design, Implementierung, Tests, Deployment, Betrieb — haben sich über 20 Jahre lang kaum verändert. 2025-2026 wurde der Ablauf von Grund auf neu geschrieben. Gartner prognostiziert, dass bis 2028 90 % der Entwickler in Unternehmen KI-Coding-Assistenten nutzen werden; Cursor spart 18 Stunden pro Monat (ROI 36x); Claude Code schließt komplexe Multi-File-Refactorings in 10 bis 180 Minuten mit 89 % Erfolg ab. Dieser Artikel behandelt die Umkehrung der Zeitverteilung im SDLC (Implementierung 40 → 10 %, Anforderungen 10 → 25 %, Design 15 → 30 %), den aktuellen Stand jeder Phase und die wichtigsten Werkzeuge (Claude Code, Cursor, Copilot, v0, Bolt), das Qualitätsproblem aus Lightrun 2026 (43 % der von KI erzeugten Änderungen brauchen Debugging in Produktion), den Generationenwechsel Waterfall → Agile → AI-Native, 7 Rollenwandel (PM, Designer, Junior-PG, Senior-PG, QA, SRE, Tech Lead) und die 3 Fallen des KI-geführten SDLC (Qualitätsfragilität, Zusammenbruch der Junior-Ausbildung, Verlust impliziten Wissens) samt Gegenmitteln — alles verankert auf Faktenstand Mai 2026. "Ein Ingenieur mit nur Coding-Fähigkeit" ist ab 2027 die größte Karrierefalle.

Im Jahr 2025 stieg die Zahl der Stellenausschreibungen für eine Rolle um außergewöhnliche 1.165 % im Jahresvergleich: den FDE — den Forward Deployed Engineer. Warum ist ein stiller Job, den Palantir über rund 20 Jahre systematisiert hat, 2026 plötzlich zum „heißesten Titel“ geworden? Ein FDE ist „ein Ingenieur, der das Produkt seines eigenen Unternehmens an den Standort des Kunden trägt und Beobachtung, Konzeption, Umsetzung, Betrieb und Produkt-Feedback persönlich von Anfang bis Ende verantwortet.“ Generative KI trägt eine letzte Meile von „die Demo funktioniert, aber vor Ort nicht“, und der FDE ist die Rolle, die sie mit Menschenhand schließt. Dieser Artikel behandelt die Definition, warum die Rolle 2026 explodiert ist (der Einstellungsrausch von OpenAI, Anthropic und Google), die 5-stufige Arbeitsschleife, Vergütung und Karriere (Palantir-Durchschnitt 238.000 $, Staff über 630.000 $), den Unterschied zu SE / IT-Berater / Applied AI Engineer, wer passt und wer nicht, und wie man ohne Erfahrung dorthin gelangt — alles mit den aktuellsten Daten von Mai 2026.

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.

Frage Claude Code oder ChatGPT „wo soll ich diese Web-App deployen?” und du bekommst fast reflexartig: „Push sie auf Vercel.” Für erfahrene Entwickler korrekt; für Anfänger wirft es einen Stapel Fragen auf, was Vercel überhaupt ist, was „kostenlos” wirklich bedeutet und ob man es für eine kleine private Seite braucht. Realität von Mai 2026: Wenn du mit Next.js entwickelst, bietet Vercel die beste DX, Punkt; sonst ist es überdimensioniert. „Kostenlos” gilt nur für den Hobby-Plan (kommerzielle Nutzung verboten), Pro kostet 20 $/Sitz, und es gibt keine harte Ausgabenobergrenze — mehrere 23.000-$-DDoS-Rechnungen wurden 2025–2026 dokumentiert. Dieser Artikel erklärt, warum die KI standardmäßig Vercel wählt (3 strukturelle Gründe: Trainingsdaten-Bias, Vercel als Next.js-Eigentümer, reibungslose DX), was Vercel in 3 Minuten wirklich ist, ein 6-Fragen-Entscheidungsdiagramm, 4 Alternativen zum Kennen (Cloudflare Pages mit unbegrenzter Bandbreite, Netlify, Render/Railway, selbst gehostetes VPS), die 5 Preisfallen (insbesondere die fehlende harte Obergrenze) und die 3 Fallen, in die jeder Anfänger tappt. Für Seiten über 1 TB/Monat, mit schweren Medien oder mit DB-Bedarf sind Cloudflare Pages, Render oder Railway deutlich günstiger.

Umgebungseinrichtung ist die Stelle, an der jeder Programmieranfänger steckenbleibt. 2026 ist generative KI (Claude Code, Codex, Cursor) für Routinearbeiten an der Infrastruktur tatsächlich brauchbar – lokale Umgebungseinrichtung, Dockerfile-Generierung, Terraform-Entwürfe, CI/CD-Pipelines. HashiCorp hat 2026 seinen offiziellen Terraform MCP Server ausgeliefert, und Anthropic hat Agent Skills veröffentlicht, sodass Infrastruktur-Expertise bei Bedarf geladen werden kann. Aber „alles delegieren“ ist eine andere Frage: eine offene 0.0.0.0/0-Security-Group, ein in GitHub committeter SSH-Schlüssel, eine AWS-Monatsrechnung von 3.000 $ – alles reale Vorfälle von 2026. Dieser Artikel teilt fünf sicher delegierbare Bereiche, drei „erst prüfen, dann vertrauen“-Risikozonen, vier nur-Mensch-Bereiche, einen vierschrittigen anfängersicheren Workflow und die neuesten 2026er Werkzeuge (Claude Code, MCP, Agent Skills) – fokussiert auf Fähigkeitsbewertung, nicht auf Karrierewirkung.

Fragen Sie Claude Code oder ChatGPT nach dem Bau einer Web-App, hören Sie mit ziemlicher Sicherheit „Nimm Next.js“. Doch dieser Vorschlag kommt aus der Häufigkeit in den Trainingsdaten, nicht aus einer Bewertung Ihres Projekts. Dieser Artikel zerlegt die drei legitimen Gründe der KI (Dominanz in den Trainingsdaten / Batterien inklusive / einfaches Vercel-Deploy), erklärt das Verhältnis von JavaScript / React / Next.js, führt durch einen 5-Minuten-Entscheidungsbaum (Was bauen, SEO, DB, Zeitbudget, Zielhost), ordnet vier realistische Alternativen (Astro, Vite + React, SvelteKit, HTML + Vanilla) Anwendungsfällen zu, legt die fünf Grundlagen für den Einsatz von Next.js dar (App Router, Server vs. Client Components, dateibasiertes Routing, Umgebungsvariablen, Deploy-Ziele) und zeigt die drei Fallen, in die Einsteiger tappen ('use client' überall, Vercel-Lock-in, KI liefert veralteten Pages-Router-Code) — alles abgestimmt auf den Stand Mai 2026. Zweiter Eintrag in der Reihe „KI empfiehlt...“ nach dem Docker-Artikel.

Im Jahr 2026 wurde Tokenmaxxing — KI-Tokenverbrauch, der manipuliert wird, um interne Metriken aufzublähen — bei Amazon, Meta und Microsoft beobachtet. Die Faros-AI-Studie mit 22.000 Entwicklern zeigt, dass KI-Nutzung die Aufgabenerledigung um +34 % und Epics um +66 % steigert, aber Bugs steigen um +54 % und die PR-Review-Zeit verfünffacht sich. Menge und Qualität divergieren entscheidend. Dieser Artikel behandelt, warum sich die grobe Metrik „Tokenverbrauch = Arbeitsleistung“ verbreitet hat, die drei Feldverzerrungen, die sie erzeugt (Token-Pumping, Geschwindigkeit vor Substanz, Abdriften zu KI-freundlichen Aufgaben), Alternativen wie Salesforce AWU, DORA 4 und AWS-Ergebnisindikatoren sowie fünf praktische Maßnahmen für Einzelpersonen und Organisationen — alles gestützt auf Primärdaten. Das KLOC-Versagen der 1990er, wiederholt mit einer neuen Einheit.

Ein 20-$/Monat-Abo für ChatGPT Plus kann über die API auf 2 $/Monat fallen — oder in die andere Richtung auf 200 $ schießen. Die KI-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.