Modul 0 · Mental Model & SetupT1Gratis12 Min Lesedauer

Wann AI-Coding nicht die Antwort ist

Die ehrliche Liste der Fälle, in denen das klassische Vorgehen besser ist.

AI-Coding ist ein Werkzeug, kein Glaubenssystem. Es gibt Situationen, in denen es dich beschleunigt — und Situationen, in denen es dich teurer ausstellt, als wenn du es selbst gemacht hättest. Hier die ehrliche Liste, basierend auf Erfahrung statt Marketing.

Wann AI-Coding nicht hilft

Wenn du das Problem selbst nicht verstehst. Das Modell verstärkt deine Klarheit. Wenn du nicht weißt, was du willst, bekommst du etwas, das aussieht wie eine Lösung, aber die falsche Frage beantwortet.

Bei kritischer Sicherheits- oder Geld-Logik. Auth-Flows, Crypto, Finanztransaktionen, Berechtigungssysteme — hier ist der Preis eines Fehlers hoch. AI hilft dir, schneller einen Entwurf zu bauen, aber die finale Logik gehört durch menschliche Augen und idealerweise durch Pair-Review.

Wenn das Repository mehr „Magie" als Konvention hat. Wenn dein Code voll mit nicht-dokumentierten Annahmen, impliziten Verträgen oder kustomisierten Frameworks ist, kann AI nicht riechen, was du meinst. Die Investition in Konventionen und CLAUDE.md zahlt sich erst aus, sobald das Repo lesbar genug ist.

Bei winzigen, lokalen Änderungen. Eine Variable umbenennen, einen Default ändern — das schreibst du in 10 Sekunden selbst. Der Aufwand, das Modell zu prompten, lohnt sich nicht.

Wenn du das Lernen verschenkst. Manche Aufgaben sind genau das wert, was du beim Lösen lernst. Ein neues Framework verstehen, ein Algorithmen-Konzept durchdenken, ein Refactoring planen — wenn AI dir die Antwort gibt, fehlt dir später das Gefühl, das du im Lernen aufgebaut hättest.

Wann es trotzdem die richtige Antwort ist

  • Wenn du den Lösungsraum schon kennst und nur die Tipparbeit beschleunigen willst.
  • Bei Boilerplate, Glue-Code, repetitiven Schritten.
  • Beim Erkunden einer neuen Library oder API — als Lese-Hilfe.
  • Bei Tests schreiben, sobald die Logik steht.
  • Beim Refactoring mit klaren Vorher-Nachher-Verträgen.

Vibe-Coding vs. professionelles AI-Coding

Wenn man gerade mit AI-Coding anfängt, läuft man als Erstes in Tools wie Lovable, Bolt, Base44 oder Replit Agent. Die fühlen sich magisch an: Prompt rein → fertige App raus, in Minuten. Genau dort liegt aber auch ihre Grenze. Ein bewusstes Bild davon zu haben, hilft dir bei jeder Tool-Entscheidung.

Vibe-CodingProfessionelles AI-Coding
ToolsLovable · Bolt · Base44 · Replit AgentClaude Code + strukturiertes Framework
StärkeErste 10 Minuten, schnelle Idee-VisualisierungSkaliert zu echten Produkten
Edge CasesBricht oft schnell zusammenSauber gehandhabt durch Architektur + Tests
Kontrolle über ArchitekturKaum (Black Box)Vollständig (du liest, gibst Feedback, korrigierst)
Code-EigentumBeim Anbieter, häufig Lock-inIm eigenen Repo, kein Lock-in
DSGVO / EU-HostingSchwierig bis unmöglichFrei wählbar (Vercel + Supabase EU-Region)
Teamfähig & wartbarEher Solo-SpielwiesePull-Requests, Reviews, Onboarding möglich

Das heißt nicht, dass Vibe-Coding-Tools schlecht sind — sie sind hervorragend, um eine Idee in 30 Minuten anzuschauen. Sobald du aber merkst, das wird ein Produkt, wechselst du auf den professionellen Pfad. Und das ist kein Re-Build von Null — es ist die Differenz zwischen Tape-Demo und Produktion. Dieser Kurs lehrt den Produktions-Pfad.

Prompt rein, App raus — magisch in den ersten 10 Minuten. Bei Edge Cases bricht es schnell, Architektur ist Black Box, Code lebt beim Anbieter. Für eine Idee zum Anschauen super, für ein Produkt mit DSGVO-Anforderungen kaum tragfähig.

Die Faustregel

Frage dich vor jedem AI-Einsatz drei Sachen:

  1. Verstehe ich, was hinten rauskommen soll, gut genug, um es zu prüfen?
  2. Sind die Kosten eines Fehlers vertretbar?
  3. Spart mir das hier mehr Zeit als das Prompt-Engineering kostet?

Wenn drei Mal „ja" → loslegen. Wenn auch nur einmal „nein" → entweder erst die Lücke schließen, oder selbst machen.