App mit KI programmieren: was heute selbst geht und wann Sie einen Profi brauchen

Kann man eine App mit KI programmieren?

Ja: Mit KI-Werkzeugen lassen sich heute Prototypen, einfache Web-Apps und interne Hilfsprogramme erstellen, auch ohne tiefe Programmierkenntnisse. Sobald eine App echte Kundendaten verarbeitet, an andere Systeme angebunden wird oder in den App Store soll, reicht ein KI-Werkzeug allein nicht mehr – dann braucht es jemanden, der Architektur, Sicherheit und Wartung verantwortet.

Wir entwickeln selbst täglich mit KI-Werkzeugen. Dieser Ratgeber beschreibt deshalb aus der Praxis, wo die Werkzeuge stark sind, wo sie an Grenzen stoßen und was die Forschung zur Produktivität tatsächlich sagt.

Was können KI-Werkzeuge beim Programmieren heute?

KI-Werkzeuge schreiben aus einer Beschreibung in Alltagssprache lauffähigen Code, erklären bestehenden Code und helfen bei der Fehlersuche. Grob lassen sich drei Arten unterscheiden:

• Chat-Assistenten wie ChatGPT oder Claude beantworten Fragen, erzeugen Code-Abschnitte und erklären Fehlermeldungen. Den Code müssen Sie selbst in ein Projekt einbauen und dort zum Laufen bringen.
• Programmierumgebungen mit KI wie Cursor oder GitHub Copilot arbeiten direkt im Projekt. Sie schlagen beim Tippen Code vor und können als „Agent“ mehrere Dateien auf einmal ändern. Sie richten sich an Entwickler.
• App-Generatoren im Browser erzeugen aus einer Beschreibung eine kleine Web-App mit Oberfläche und Datenbank. Sie sind der schnellste Weg zu einem vorzeigbaren Prototyp.

Gut funktioniert nach unserer Erfahrung vor allem Routinearbeit:

• Grundgerüste für Formulare, Listen und Eingabemasken
• wiederkehrender Code wie Datenbankabfragen und Datenumwandlungen
• Entwürfe für automatische Tests
• technische Dokumentation und Kommentare
• Erklärungen zu fremdem Code und zu Fehlermeldungen

Schwächer sind die Werkzeuge bei allem, was den Überblick über ein großes System erfordert. Sie übersehen Zusammenhänge zwischen weit voneinander entfernten Programmteilen, erfinden gelegentlich Funktionen, die es in einer Bibliothek gar nicht gibt, und lösen Sonderfälle manchmal nur scheinbar. Wer den erzeugten Code nicht lesen kann, bemerkt solche Fehler oft erst, wenn Nutzer darauf stoßen.

Was sagt die Forschung zur Produktivität mit KI?

Die Forschung zeigt gemischte Ergebnisse: In großen Feldexperimenten erledigten Entwickler mit KI-Assistent mehr Aufgaben, in einer kontrollierten Studie mit erfahrenen Open-Source-Entwicklern brauchten diese mit KI dagegen im Schnitt länger. Die beiden Ergebnisse widersprechen sich weniger, als es scheint, denn sie messen sehr unterschiedliche Situationen.

Studie	Wer wurde untersucht	Werkzeug	Ergebnis
Cui et al., Arbeitspapier, Februar 2025	4.867 Softwareentwickler bei Microsoft, Accenture und einem anonymen Fortune-100-Unternehmen; drei randomisierte Feldexperimente im Arbeitsalltag	GitHub Copilot (Code-Vorschläge beim Tippen)	26,08 % mehr erledigte Aufgaben bei Nutzung des Werkzeugs (Standardfehler 10,3 %); größere Zuwächse bei weniger erfahrenen Entwicklern
METR, Juli 2025	16 erfahrene Open-Source-Entwickler, 246 Aufgaben in großen Projekten, an denen sie seit Jahren mitarbeiten	vor allem Cursor Pro mit Claude 3.5/3.7 Sonnet	19 % längere Bearbeitungszeit, wenn KI erlaubt war; die Entwickler selbst glaubten danach, die KI habe sie um 20 % beschleunigt

Feldexperimente mit GitHub Copilot (Cui et al.)

Ein Forschungsteam um Kevin Zheyuan Cui und Mert Demirer hat drei Experimente ausgewertet, die Microsoft, Accenture und ein anonymes Fortune-100-Unternehmen im normalen Arbeitsalltag durchgeführt haben. Ein zufällig ausgewählter Teil der Entwickler erhielt Zugang zu GitHub Copilot, einem Assistenten, der beim Tippen Code vorschlägt. Über alle drei Experimente und 4.867 Entwickler zusammen ergab sich ein Anstieg der erledigten Aufgaben um 26,08 % (Standardfehler 10,3 %). Weniger erfahrene Entwickler nutzten das Werkzeug häufiger und profitierten stärker. In den Daten von Microsoft stieg die Zahl erledigter Aufgaben bei neueren Mitarbeitern und in Junior-Positionen deutlich, bei Entwicklern mit längerer Betriebszugehörigkeit und in höheren Positionen dagegen nicht (Cui et al., The Effects of Generative AI on High-Skilled Work, 2025).

Zur Einordnung: Das Experiment bei Microsoft begann laut den Autoren noch vor der Veröffentlichung von ChatGPT. Untersucht wurde also ein Werkzeug, das Code vervollständigt – nicht die heutigen Agenten, die selbstständig ganze Funktionen umbauen.

Kontrollierte Studie mit erfahrenen Entwicklern (METR)

Die Forschungsorganisation METR ließ 16 erfahrene Entwickler insgesamt 246 echte Aufgaben in großen Open-Source-Projekten bearbeiten – Projekten mit im Schnitt über 22.000 Sternen auf GitHub und mehr als einer Million Codezeilen, an denen die Teilnehmer seit Jahren mitarbeiten. Per Zufall wurde je Aufgabe festgelegt, ob KI erlaubt war. Ergebnis: Mit KI brauchten die Entwickler im Schnitt 19 % länger. Vorher hatten sie eine Beschleunigung um 24 % erwartet, und selbst danach glaubten sie noch, die KI habe sie um 20 % schneller gemacht (METR, Juli 2025).

METR betont selbst, dass die Studie nicht belegt, dass KI die meisten Entwickler nicht beschleunigt, und dass die untersuchten Entwickler und Projekte nicht für die Mehrheit der Softwareentwicklung stehen. Inzwischen kennzeichnet METR die Ergebnisse als veraltet. In einem Nachtrag vom Februar 2026 schreibt die Organisation, es sei wahrscheinlich, dass Entwickler heute stärker von KI-Werkzeugen profitieren als Anfang 2025. Die neuen Daten seien wegen starker Auswahleffekte aber nur ein sehr schwacher Beleg für die Größe dieses Effekts – unter anderem, weil ein erheblicher Teil der Entwickler nicht mehr ohne KI arbeiten wollte (METR, Februar 2026).

Was die Studien für Ihr Projekt bedeuten

Für Unternehmen, die eine App planen, lassen sich drei Schlüsse ziehen:

• KI hilft am meisten bei Routine und Einarbeitung. Wo es um Standardaufgaben geht oder jemand sich in Neues einarbeitet, zeigen die Feldexperimente deutliche Effekte.
• Erfahrung bleibt der Engpass. In großen, gewachsenen Systemen mit hohen Qualitätsansprüchen kann das Prüfen und Nacharbeiten von KI-Vorschlägen so viel Zeit kosten, wie die KI spart.
• Gefühlt schneller ist nicht gemessen schneller. Die Teilnehmer der METR-Studie schätzten ihr eigenes Tempo falsch ein. Verlassen Sie sich bei Zeitversprechen – auch bei unseren – auf vereinbarte Etappen und überprüfbare Ergebnisse, nicht auf Eindrücke.

Wo liegen die Grenzen von KI beim App-Programmieren?

Die Grenzen liegen dort, wo Entscheidungen über das ganze System nötig sind und Fehler teuer werden: bei Architektur, Sicherheit, Datenschutz, der Veröffentlichung in den App-Stores und der Wartung über Jahre.

Architektur

Ein KI-Werkzeug löst die Aufgabe, die Sie ihm heute stellen – nicht die, die Sie in einem Jahr haben werden. Wie die Daten aufgebaut sind, welche Rollen es gibt und wie sich neue Bereiche später anfügen lassen, muss jemand festlegen, der das Ganze im Blick hat. Ein Datenmodell, das am Anfang nicht durchdacht ist, wird mit jedem neuen Bereich teurer zu ändern.

Sicherheit

KI-erzeugter Code funktioniert oft auf den ersten Blick und hat trotzdem Lücken: fehlende Rechteprüfungen auf dem Server, ungeschützte Schnittstellen oder Zugangsschlüssel im App-Code, die jeder auslesen kann. Solche Fehler fallen beim Ausprobieren nicht auf, weil die App ja funktioniert. Sie zu finden, erfordert gezielte Prüfung durch jemanden, der weiß, wonach er sucht.

Datenschutz

Sobald personenbezogene Daten im Spiel sind, stellen sich Fragen, die kein Code-Generator beantwortet: Wo stehen die Server? Welche Dienste verarbeiten die Daten? Wer darf was sehen, und wie werden Daten gelöscht oder auf Anfrage herausgegeben? Auch KI-Funktionen in der App selbst gehören dazu. In der Gutachten-Software für ein Sachverständigenbüro haben wir einen KI-Assistenten zum Beispiel so vorbereitet, dass Namen, Kennzeichen und Fahrgestellnummern pseudonymisiert werden, bevor Daten an den KI-Dienst gehen.

App-Store-Veröffentlichung

Eine native App muss die Prüfrichtlinien von Apple und Google erfüllen. Sie braucht Entwicklerkonten, Datenschutzangaben im Store-Eintrag und bei Apple für Unternehmen eine D-U-N-S-Nummer zur Identitätsprüfung. Wird eine App abgelehnt, kostet jede Korrekturrunde Zeit. Für interne Apps gibt es zudem andere Verteilungswege als den öffentlichen Store: Die Mitarbeiter-App eines Kran- und Schwerlastbetriebs, die wir entwickelt haben, wird unter Android zum Beispiel direkt als Installationsdatei verteilt.

Wartung

Eine App ist nach dem Start nicht fertig. Betriebssysteme, Bibliotheken und Store-Vorgaben ändern sich, Sicherheitslücken müssen geschlossen werden, und Nutzer melden Fehler. Wer den Code nicht versteht, weil ihn eine KI geschrieben hat, kann ihn auch nicht sicher ändern. Damit Korrekturen alle Nutzer schnell erreichen, kommen Updates der Mitarbeiter-App im Kranbetrieb ohne Neuinstallation aufs Handy – auch das muss beim Aufbau der App eingeplant werden.

Was können Sie selbst mit KI bauen – und wann brauchen Sie einen Profi?

Selbst bauen können Sie alles, was ohne echte Kundendaten auskommt und bei einem Fehler keinen Schaden anrichtet; einen Profi brauchen Sie, sobald Daten, Geld oder der Ruf Ihres Unternehmens daran hängen.

Gut selbst machbar

• Klickbare Prototypen, um eine Idee intern oder mit Kunden zu testen
• Kleine Hilfsprogramme für den eigenen Gebrauch, etwa zum Umwandeln oder Zusammenführen von Dateien
• Auswertungen und Berichte aus Daten, die Sie ohnehin haben
• Entwürfe für Oberflächen, die ein Entwickler später übernimmt

Besser mit erfahrenem Entwickler

• Apps mit Kundendaten, Mitarbeiterdaten oder Zahlungen
• Anbindungen an ERP, Buchhaltung oder andere Geschäftssysteme
• Apps, die im App Store erscheinen oder Gerätefunktionen im Hintergrund nutzen, etwa Standort oder Push-Nachrichten
• Software, auf die sich ein Betrieb täglich verlässt und die über Jahre gepflegt werden muss

Ein Prototyp aus einem KI-Werkzeug ist dabei kein verlorener Aufwand. Er macht Ihre Vorstellung greifbar und ist eine gute Grundlage für ein Gespräch über Umfang und Festpreis – auch wenn der Code für den Dauerbetrieb oft neu aufgebaut werden muss.

Was tun, wenn Sie eine KI-App selbst begonnen haben?

Wenn Sie eine App mit KI begonnen haben und nicht weiterkommen, lassen Sie den Code zuerst von einem erfahrenen Entwickler prüfen und entscheiden danach, ob sich Weiterbauen oder ein geordneter Neuaufbau lohnt. Bei einer solchen Prüfung sehen wir uns vor allem an:

• ob Zugangsschlüssel oder Passwörter im Code stehen,
• ob der Server Rechte prüft oder nur die Oberfläche Schaltflächen ausblendet,
• wie das Datenmodell aufgebaut ist und ob es weitere Funktionen trägt,
• ob es Tests gibt und ob die verwendeten Bibliotheken aktuell sind,
• wo die Daten gespeichert werden und ob das zu Ihren Datenschutzpflichten passt.

Häufig ist ein Mittelweg sinnvoll: Oberflächen und Abläufe werden übernommen, Datenmodell und Sicherheitslogik neu aufgebaut. Wovon der Preis dafür abhängt, erklärt der Ratgeber App- und Software-Kosten: 8 Faktoren – es sind dieselben Faktoren wie bei einem Neuprojekt, ergänzt um den Zustand des vorhandenen Codes.

Wann lohnt sich ein Entwickler, der selbst mit KI arbeitet?

Ein Entwickler, der selbst mit KI-Werkzeugen arbeitet, lohnt sich, wenn Sie das Tempo der Werkzeuge bei Routinearbeit nutzen wollen, ohne auf Prüfung, Architektur und Verantwortung zu verzichten.

So arbeiten wir: KI-Werkzeuge erzeugen Grundgerüste, wiederkehrenden Code, Testentwürfe und Dokumentation. Datenmodell, Rechte, Sicherheit und fachliche Rechenregeln legen wir selbst fest und prüfen sie. Wie das in einem großen Projekt aussieht, zeigt die Fallstudie zur Betriebsplattform mit Mitarbeiter-App für einen Kranbetrieb: Standortübermittlung nur während der Schicht, Tankbelege per Foto, Fahrzeugübernahme per QR-Code. Für KI-Funktionen in der Software selbst gilt dort das Prinzip „Die KI schlägt vor, ein Mensch bestätigt“.

Wenn Sie eine App planen oder einen KI-Prototyp professionell weiterführen möchten, lesen Sie unter App entwickeln lassen, wie wir vorgehen. Ob ein Freelancer, eine Agentur oder ein KI-gestütztes Studio besser zu Ihrem Vorhaben passt, vergleicht der Ratgeber Agentur, Freelancer oder KI-gestützte Entwicklung.

Häufige Fragen

Kann ChatGPT eine komplette App programmieren?

Für einfache Apps und Prototypen ja, für Geschäftsanwendungen in der Regel nicht allein. ChatGPT erzeugt Code-Abschnitte, aber Architektur, Sicherheitsprüfung, Datenschutz, App-Store-Veröffentlichung und Wartung muss weiterhin ein Mensch verantworten.

Ist KI-generierter Code sicher?

Nicht automatisch. KI-generierter Code funktioniert oft, kann aber Lücken wie fehlende Rechteprüfungen auf dem Server oder offen liegende Zugangsschlüssel enthalten. Deshalb sollte ihn ein erfahrener Entwickler prüfen, bevor echte Daten damit verarbeitet werden.

Was kostet es, eine selbst begonnene KI-App professionell fertigstellen zu lassen?

Das hängt vom Zustand des vorhandenen Codes ab, vor allem von Datenmodell, Sicherheitslogik und Tests, sowie vom gewünschten Funktionsumfang. Nach einer Prüfung des Codes lässt sich sagen, ob Weiterbauen oder ein geordneter Neuaufbau sinnvoller ist, und dafür ein Festpreis nennen.

Macht KI die Softwareentwicklung immer schneller?

Nein. In Feldexperimenten mit GitHub Copilot erledigten Entwickler mehr Aufgaben, in einer Studie von METR aus dem Jahr 2025 brauchten erfahrene Open-Source-Entwickler mit KI dagegen im Schnitt 19 Prozent länger. Der Effekt hängt von Aufgabe, Erfahrung und Codebasis ab.