Angefangen hat es mit einer ganz naiven Idee. Bei Vimoki hatten wir einen Vertragspartner, der mit Hilfe von KI-Werkzeugen Programme für unsere Kunden baute. Die Programme lasen Genehmigungsbescheide für Schwertransporte und holten heraus, was ein Disponent wissen muss. Das war gut gemacht, und es kostete sehr viel Geld.
Ich dachte: Lass uns doch mal ausprobieren, ob ich das mit Claude nachbauen kann. Ich weiß, wie man Software entwickelt, ich weiß, wie eine gute Architektur aussieht, und ich kann sogar beurteilen, wie guter Code aussieht. Also warum nicht?
Was unsere Kunden dort genau bauen ließen, wusste ich nicht. Ich hatte keinen Plan und keine Spezifikation. Ich hatte nur die Vorstellung, dass man so etwas prototypisch ebenfalls hinstellen kann, vielleicht sogar als Anwendung, die man im Netz mietet. Das war im März 2026.
Die Aufgabe selbst ist ja nicht sonderlich kompliziert: Lies einen Genehmigungsbescheid und lass alle in der Firma wissen, was nun zu berücksichtigen ist.
Ein Genehmigungsbescheid ist allerdings kein Dokument, das man freiwillig liest. Seitenweise Behördensprache, Auflagen, Streckenabschnitte, Uhrzeiten. Irgendwo darin steht, wann ein Kran auf welcher Straße fahren darf und ob der Transport begleitet werden muss. Und logischerweise gelten in jedem Bundesland andere Regeln. Wer die Lkw disponiert, Fahrer einteilt und Begleitfahrzeuge mietet, muss wissen, was in diesem Bescheid steht.
Nach wenigen Stunden konnte mein Prototyp das. Ohne Live-Daten, nur mit Beispielen, aber er konnte es. Ich war, ehrlich gesagt, ziemlich happy. Das große Problem der Bescheiderkennung ließ sich mit Vibe Coding lösen, und zwar nicht nur auf meinem Rechner. Denn während ich entwickelte, stellte sich heraus, dass man eine Datenbank braucht, einen Webserver und noch einiges mehr. Claude zeigte mir, was nötig war, und richtete mit mir alle Dienste ein, vom Git-Repository bis zum Setup bei Vercel.
Dann kam die zweite Naivität.
Wir hatten bei unseren Kunden gesehen, dass der Schwerlasttransport kein modernes TMS hat, kein Transportmanagementsystem, das heutigen Ansprüchen genügt. Also dachte ich, ich baue einfach mal einen Prototyp für eins.
Ich komme nicht aus der Logistik, und ich habe mir ein TMS sicher zu einfach vorgestellt. Es muss Aufträge verarbeiten, es muss Kräne und andere Fahrzeuge disponieren. Naiv wie ich bin, dachte ich, genau das macht ein TMS: Es disponiert. Erst als mein TMS disponieren konnte, habe ich verstanden, dass die heutigen Systeme gar nicht disponieren. Sie verwalten nur, was ein Disponent disponiert hat. Das sind glorifizierte Gantt-Charts, wie man sie aus Microsoft Project kennt, mit ein wenig mehr Information.
Meine Naivität ging weiter. Ein CRM für Projektgeschäft ist so kompliziert nicht, dachte ich. Klar, im Detail gibt es tausend Dinge, doch am Ende muss ein Auftrag angelegt werden, der Auftrag muss eingeplant werden, und zum Schluss muss eine Rechnung geschrieben werden. Davon verstehe ich etwas, denn wir haben für unser eigenes Dienstleistungsgeschäft über Jahrzehnte Anwendungen gebaut, und ich weiß, wie man Kunden, Aufträge und Zustände in eine Ordnung bringt.
Jetzt, sechs Monate später, ist daraus etwas geworden, das ich nicht mehr App nennen kann. Das System erkennt und erfasst Aufträge, es kann sie disponieren, es weist auf Fehler hin und schreibt die Rechnungen. Es zeigt Zustände und nimmt Informationen von der Baustelle auf, kurz: Es kann alles, wovon ich weiß, dass ein Schwerlastunternehmen es braucht. Es ist immer noch ein Prototyp, aber ein ziemlich großer, mit rund 140.000 Zeilen Code und fast 50.000 Zeilen Tests.
Irgendwann auf diesem Weg habe ich mir gesagt: Wenn ich das schon baue, dann so, wie man es heute bauen muss. Drei Jahrzehnte lang hatte ich mit Softwareentwicklung zu tun, ich habe Teams beraten und Bücher über Scrum geschrieben. Jetzt wollte ich wissen, ob ich mich selbst an das halte, was ich anderen seit Jahren erzähle.
Also habe ich testgetrieben entwickelt. Wir haben Schnittstellen gebaut, und jede größere Entscheidung wurde aufgeschrieben. Und ich habe gelernt, wie einfach es heutzutage ist, eine Datenbank anzubinden. Ich saß davor und habe mich gefragt, warum das früher eigentlich Wochen gedauert hat.
Die verrückteste Diskussion mit meinem KI-Team ging um Microservices. Ich wollte sie. So baut man das heute, dachte ich, und wenn schon modern, dann richtig. Claude und ChatGPT haben mir davon abgeraten. Für einen Prototyp, so ihr Argument, sei eine ganze Microservice-Architektur sinnlos. Bei einem einzigen Kunden mache sie nichts besser, sie koste nur Geld und brauche ein oder zwei Entwickler, die sich um nichts anderes kümmern.
Ich habe mich überzeugen lassen. Gebaut haben wir ein System, das innen so sauber getrennt ist, dass man es zerlegen kann, sobald es einen Grund dafür gibt. Mehr Kunden wären so ein Grund, und dann wäre auch das Geld dafür da. Im Kopf ist die Microservice-Architektur längst da, angelegt ist sie auch. Der Umbau wäre aufwendig, aber er ließe sich vollautomatisiert erledigen. Aktuelle Modelle wie Fable 5.1 oder GPT-6.1 Sol, bis dahin sicher mit einer höheren Versionsnummer, würden ein oder zwei Tage unter Hochdruck daran arbeiten. Alles, was es dazu braucht, sind die API-Keys der entsprechenden Dienste. Der Rest passiert im Hintergrund.
Fünfundzwanzig Jahre lang habe ich Teams erklärt, dass man für jetzt entscheidet und das Später offen hält. Diesmal hat mir das eine Maschine erklärt. Ich habe zugehört und meine Entscheidung auf ihre Empfehlung gestützt, weil sie sinnvoll war. Die Migration ganzer Anwendungen, die heute überall auf der Welt viele Tausend Entwickler beschäftigt, ist inzwischen für wenig Geld zu haben. Leider ist das so.
Die Reise, die ich mit der KI gemacht habe, ist auch eine Reise der Modelle. Mit jedem neuen Modell, das Anthropic oder OpenAI herausgebracht hat, war es plötzlich möglich, dieses TMS noch einmal neu zu denken. Ein neues Modell fand Fehler, die das alte übersehen hatte, schlug bessere Lösungen vor und baute Entscheidungsvorlagen ein, an die ich nicht gedacht hatte.
Ich höre schon den Unkenruf: Siehst du, auch die Modelle schreiben keinen fehlerfreien Code. Stimmt. So what? Entwicklungsteams tun das auch nicht. Ken Schwaber hat das in seinem berühmten Elevator Pitch für Scrum immer so erzählt: Er verspricht einem CEO funktionierende Software in dreißig Tagen, und der CEO antwortet sinngemäß, ah, Sie meinen, ich sehe schon nach dreißig Tagen, was nicht funktioniert, und kann reagieren. Genau so ist es. KI lässt uns noch schneller sehen, wo unsere Annahmen falsch waren und wo wir als Menschen danebenlagen.
Und natürlich kann man auch den Menschen, der beobachtet, noch einmal ersetzen. Das machen wir doch mit allem so. Vor vierzig Jahren saßen die Betriebsmannschaften der IT in Kontrollzentren vor Monitoren, die nichts anderes taten, als anzuzeigen, ob die Jobs im Rechenzentrum abbrachen. Brach einer ab, wurde er von Hand neu gestartet. Heute heißt das immer noch Monitoring, und doch sitzt nachts niemand mehr da und tippt RUN in die Konsole. Das macht die Software automatisch.
Warum sollten wir dann nicht auch KI von KI überwachen lassen?
Deshalb habe ich angefangen, die Modelle gegeneinander arbeiten zu lassen. Mal hat Claude den Code von ChatGPT geprüft, mal ChatGPT den von Claude. Einmal fand das eine Modell Sicherheitslücken in dem, was das andere gebaut hatte. Kam ein neues Modell heraus, habe ich es auf das ganze System gesetzt und alles noch einmal prüfen lassen. Zuletzt habe ich das komplette Design der Oberfläche mit einem neuen Modell erneuern lassen, und die Anwendung ist wieder ein Stück besser geworden. Und weil klassische Software schneller ist als eine KI, die ja erst „nachdenkt“, schlug mir die KI irgendwann selbst vor, Skripte zu nutzen, die prüfen, was die KI geschrieben hat. Schräg, oder?
Effizient im Sinne von „einmal richtig machen“ war das sicher nicht. Aber diesen Mythos hat die agile Softwareentwicklung schon lange aufgegeben. Ich habe Code ununterbrochen neu schreiben lassen, manchmal einfach, weil es ging. Genau das ist neu: Wenn Neuschreiben fast nichts kostet, darf man es sich leisten. Vertrauen in den Code entsteht dann anders. Kein Mensch liest jede Zeile. Die Maschinen schauen sich gegenseitig auf die Finger, und ein Mensch sorgt dafür, dass sie es tun.
Im August war ich im Urlaub, da hat alles gestanden. Danach stand es weiter, und das hatte einen anderen Grund.
Ein TMS kann man, wie jedes andere Produkt, nur vernünftig weiterentwickeln, wenn man einen Kunden hat, der tatsächlich mitmacht. Der sich die Zeit nimmt, echte Abläufe durchzuspielen, und einen Disponenten an den Bildschirm setzt, der sagt, wo es hakt. Unser Kunde konnte sich diese Zeit nicht nehmen. Ich verstehe das, sein Geschäft läuft weiter, ob ich nebenher etwas baue oder nicht.
Ohne ihn bleibt das System aber ein tolles Demo. Erst letzte Woche habe ich wieder angefangen, denn jetzt schaut der Kunde hin, und selbstverständlich geht damit das Umbauen los. Na und? Das ist vergleichsweise billig, sogar billiger, als darauf zu warten, dass zuerst die korrekte Spezifikation vorliegt.
Ich kann heute in Tagen bauen, wofür früher ein Team Monate gebraucht hätte. Die Wirklichkeit eines Kunden kann ich nicht bauen, auf die muss ich warten. Und doch kann ich seine Prozesse von außen verbessern. Mit KI geht heute etwas, das früher nicht so einfach war: Ich kann während des Entwickelns Best Practices für Abläufe abrufen und diese entwickeln lassen, statt nur das, was der Kunde sich wünscht. Dann stellt man fest, dass der Kunde happy ist, weil er gar nicht wusste, dass es auch anders geht. Wir wussten es auch nicht. Aber Millionen Dokumente im Internet wissen es längst.
Ich habe gelernt, wie man mit einer KI Dinge entwickelt, und zwar in sehr, sehr kurzen Zeiträumen.
Dazu gehört weniger Technik, als ich dachte. Die Maschine muss wissen, was sie bauen soll und woran man erkennt, dass es funktioniert. Eine zweite Maschine sollte der ersten misstrauen. Und jede Entscheidung gehört aufgeschrieben, sonst weiß man ein paar Monate später nicht mehr, warum man sie getroffen hat.
Das meiste davon wusste ich vorher. Ich habe es dreißig Jahre lang von Teams verlangt. Neu ist, dass ich es jetzt selbst tun kann.
Und die naive Frage vom Anfang? Im Juli habe ich die Programme unseres Vertragspartners tatsächlich nachgebaut, als gemeinsame Plattform, die alle Kunden zugleich nutzen können. Auf den Testdokumenten funktionieren sie. Ob das klug war, zeigt sich erst, wenn ein Kunde damit arbeitet.