KI-Tools für die MVP-Entwicklung: welches Tool in welcher Phase?

Replit, Lovable, Cursor, Claude Code. Vier Tools, vier verschiedene Antworten auf dieselbe Frage: wie baue ich ein MVP schnell und zuverlässig? Die Antwort hängt davon ab, in welcher Phase man steckt. Wer das falsche Tool zur falschen Zeit nimmt, zahlt doppelt: einmal für den Build, einmal für die Migration. Den ausführlichen Check zur Produktionsreife gibt es unter Ist deine Vibe-Coded App produktionsreif?

Der Rahmen hier kommt aus der Praxis, nicht aus Tool-Marketing.

Was sich für Gründer wirklich geändert hat

KI kann Code schreiben. Die grössere Verschiebung ist eine andere: ausprobieren ist viel billiger geworden. Früher brauchte man für einen Test wochenlange Entwicklung, oder man musste sich mit statischen Wireframes begnügen, die niemanden überzeugt haben. Heute steht in ein paar Stunden ein funktionierender Prototyp, den man noch am selben Tag echten Nutzern zeigen kann.

Damit ändert sich das Risiko der Validierung. Früher lautete die Frage «sollen wir das bauen?», und alle im Raum wussten, dass Bauen viel Geld bedeutet. Heute lautet sie eher «bauen wir das und schauen, was passiert». «Bauen» meint dann einen funktionierenden Prototyp, kein System, das man betreiben muss. Das Risikoprofil ist ein anderes.

Auch der Zugang hat sich geändert. Gründer mit Branchenwissen und ohne technischen Hintergrund können Ideen umsetzen, die sich früher nicht einmal als Prototyp prüfen liessen. Eine Logistikerin, die genau weiss, was gebaut werden müsste, konnte dieses Wissen früher nicht testen, weil sie es selbst nicht bauen konnte. Heute kann sie es. Ein Tool, das Fachwissen von Gründern ohne Entwicklerhintergrund nutzbar macht, ist wertvoll. Die Grenzen bleiben.

Auch die Arbeit in bestehenden Codebasen ist für erfahrene Entwickler deutlich schneller geworden. Prototypen aus dem Nichts sind nur ein Teil. In einem vorhandenen Projekt gewinnt KI-gestützte Entwicklung vor allem Tempo. Bugs finden, Tests erzeugen, wiederkehrenden Code aufräumen, Boilerplate tippen: Aufgaben, die früher viele Entwicklerstunden gekostet haben, gehen heute deutlich flotter.

Was gleich geblieben ist

Was in der Softwareentwicklung schon immer schwer war, ist schwer geblieben.

Am Architekturdenken hat KI wenig geändert. Wie ein System aufgebaut ist, wie die Teile zusammenspielen, wie Daten fliessen, was im Fehlerfall passiert, wie das Ganze skaliert und sich weiterentwickeln lässt: das bleibt menschliches Urteil. KI kann Architekturen umsetzen und Muster vorschlagen. Die Abwägung bleibt beim Menschen.

Security ist nicht einfacher geworden. Threat Modeling, Angriffswege finden, saubere Zugriffskontrollen, die Aufmerksamkeit, die ein System dauerhaft sicher hält. KI hilft bei bekannten Schwachstellen. Eine Arbeitsweise, die Sicherheit mitdenkt, ersetzt sie nicht. Wenn man nicht genau weiss, worauf man schaut, kann sie neue Lücken einbauen.

Datenintegrität bleibt Handwerk. Randfälle, die eine Datenbank zerschreiben. Race Conditions, die den Zustand inkonsistent machen. Ketten, die ganze Systeme mitreissen. KI verhindert das nicht zuverlässig. Weil generierter Code oft auf defensive Programmierung verzichtet, kann er solche Probleme sogar begünstigen.

Performance unter Last braucht weiterhin Erfahrung. Queries aufräumen, gezielt cachen, Systeme so bauen, dass sie Spitzen aushalten. Dafür muss man die eigene Last kennen und konkrete Entscheide treffen. KI produziert gern Code, der im Kleinen läuft und im Grossen einbricht.

Drei Entwicklungsstufen

KI-gestützte Entwicklung ist nicht eine einzige Sache. Drei Modi, drei Situationen.

Die erste Stufe sind vollständig KI-generierte Anwendungen. Tools wie Replit, Lovable, Bolt.new und v0: man beschreibt, was man will, und die KI erzeugt die App. Für Demos, Prototypen und Hypothesentests sind sie erstaunlich stark. Der Output ist meist nicht produktionsreif. Für diese Zwecke muss er das auch nicht sein. Wer diese Woche noch etwas vor Nutzer bringen muss, sollte diese Stufe ernsthaft prüfen.

Die zweite Stufe ist KI-unterstützte Entwicklung. Tools wie Cursor und GitHub Copilot machen erfahrene Entwicklerinnen deutlich produktiver. Architektur und Qualitätssicherung bleiben beim Menschen, der den Output prüft. Die KI nimmt einen grossen Teil der mechanischen Arbeit ab: Boilerplate, Tests, Dokumentation, Refactoring. Sie schlägt Implementierungen vor, die ein Mensch bewertet. Professionelle Softwareentwicklung bewegt sich gerade in diese Richtung.

Die dritte Stufe ist KI-gestütztes Systemdesign. KI skizziert Architekturen, spielt Abwägungen durch und legt Designoptionen nebeneinander. Das ist der experimentellste Modus, und er verlangt am meisten Erfahrung. Die KI kann ein Muster zeigen, an das man selbst nicht gedacht hat, oder helfen, die Folgen eines Entscheids durchzudenken. Ohne jemanden, der die Vorschläge kritisch einordnet, bringt das wenig.

Wo jede Stufe im MVP sitzt

Ganz am Anfang, bevor es Belege gibt, dass jemand will, was gebaut werden soll, sind Stufe-1-Tools meist die richtige Wahl. Es geht ums Lernen, nicht um Qualität. Etwas bauen, das die Idee greifbar macht, vor Leute stellen, lernen. Tempo schlägt hier Korrektheit.

Sobald es Belege für Nachfrage gibt und man das baut, was später verkauft werden soll, passt Stufe 2. Jetzt braucht es echte Entwicklung, dank KI-Unterstützung aber weniger davon. Ein kleines Team mit Cursor und Co. liefert in der Praxis deutlich mehr als ohne, ohne dass es dafür eine feste Kennzahl gäbe. Stack und Domäne spielen die grössere Rolle. Die Architektur muss stehen. Die Umsetzung lässt sich beschleunigen.

Beim Skalieren, wenn Performance, Zuverlässigkeit und Security fürs Produkt kritisch werden, kommt Stufe 3 ins Spiel. Dann stehen Architekturentscheide mit grossem Hebel an. KI kann helfen, sie durchzudenken. Der Entscheid bleibt beim Menschen.

Die Falle für Gründer

Die häufigste Falle: man bleibt bei Stufe-1-Tools, obwohl längst eine Stufe weiter fällig wäre. Das passiert meist, weil Stufe 1 am Anfang so gut funktioniert hat, dass der Wechsel sich komisch anfühlt. Die Replit-App läuft. Kunden nutzen sie. Warum etwas Neues bauen?

Weil sich das, was als Nächstes gebraucht wird, nicht mehr draufsetzen lässt, ohne das Bestehende zu zerstören. Das Feature, das Enterprise-Kunden anfragen, die Compliance-Anforderung des grössten möglichen Kunden oder die Performance, die ein neues Segment öffnen würde: auf dem bestehenden Fundament geht das schlicht nicht.

Ab diesem Punkt ist die Migration teuer. Die Kosten eines Neubaus sind real. Der Business Case ist meistens überzeugend, und trotzdem unterschätzen Gründer ihn regelmässig. Ein System, das von Anfang an für den Betrieb gebaut wird, kostet mehr als ein Stufe-1-Prototyp. Es kostet deutlich weniger als ein Stufe-1-Prototyp, der beim Skalieren komplett ersetzt werden muss.

Eine nüchterne Einordnung

KI-gestützte Entwicklung hat für Gründer den Aufwand des Ausprobierens verändert. Die Tools gibt es. Der Geschwindigkeitsvorteil ist echt. Der Zugewinn beim Zugang ist echt. Die brauchbare Reaktion ist, die Tools gezielt einzusetzen.

Dazu gehört: wissen, auf welcher Stufe man steht, rechtzeitig von Stufe 1 auf Stufe 2 wechseln und Prototyp-Qualität nicht mit Betrieb verwechseln. Die Tools haben die Kosten des Ausprobierens geändert. An den Anforderungen an Zuverlässigkeit haben sie nichts geändert.

Diese Grenze im Kopf zu behalten, lohnt sich, auch wenn die Tools besser werden. Beim Generieren von Code werden sie weiter zulegen. Urteil in der Architektur, Sicherheitsdenken und Performance bleiben auf absehbare Zeit menschliche Arbeit. Gründer, die diese Grenze kennen, bauen bessere Firmen als solche, die sie übersehen.

Welches Tool passt zu deiner Phase?

Du weisst, was du bauen willst, aber nicht, ob Replit, Cursor oder ein klassischer Stack der richtige Start ist? Discovery Call. In 30 Minuten ordnen wir Tool, Phase und den nächsten Schritt ein.