- Interne Softwareentwicklung tritt dank generativer KI nun in eine Ära ein, in der auch Nichtfachleute per natürlicher Sprache vollständige Apps erstellen können
- Frühere Low-Code-/No-Code-Tools konnten sich wegen Grenzen bei Integration, Sicherheit und Skalierbarkeit nicht von der Abhängigkeit von Engineers lösen
- Doch KI-basierte App-Builder wie Replit, Lovable und Vercel v0 ermöglichen schnelles Prototyping und die Umsetzung nutzergetriebener Workflows
- Wie die Beispiele von Sears, Zillow und Intuit zeigen, entwickeln Nicht-Engineering-Teams bereits Dutzende interner Apps selbst für den realen Betrieb
- Dennoch bleiben Sicherheit, Governance und Integration entscheidend, und ein neues Paradigma, in dem Prototypen direkt in produktive Systeme übergehen, rückt näher
Die Geschichte interner Tools
- Unternehmen benötigen seit Langem interne Software wie Dashboards, Workflows und Datenbanken
- Es gab Versuche mit Lotus Notes, Excel-Makros und Access, doch Wartbarkeit und Skalierbarkeit setzten klare Grenzen
- Mit der Verbreitung von Cloud und SaaS in den 2010er-Jahren verschärfte sich die Datensilos-Problematik, und interne Tools wurden als essenzielle Infrastruktur wahrgenommen
- Facebook war erfolgreich, weil es in interne Dashboards und Entwickler-Tools investierte, doch den meisten Unternehmen fehlten die Fähigkeiten für den Eigenbau
- Dadurch entstanden Plattformen der ersten Generation wie Retool und Zapier, die jedoch ebenfalls Grenzen hatten
Grenzen von Low Code/No Code
- Kein vollständiger Self-Service: Einfache Automatisierungen sind möglich, für komplexe Logik sind aber weiterhin Skripte nötig
- Integrations- und Sicherheitsprobleme: Für den Einsatz in Großunternehmen fehlen oft RBAC, Audit-Logs und Sicherheitszertifizierungen
- Beschränkte Skalierbarkeit: Grenzen bei großen Datenmengen, High-Performance-UIs und beim API-Zugriff
- Organisatorische Reibung: Mangelnde Dokumentation, fehlendes Rechtemanagement und das Risiko von Shadow IT
Generative KI und Text-to-Apps
- Seit 2023 ist eine neue Generation von Tools entstanden, mit der sich Apps per natürlicher Sprache erzeugen lassen
- Lovable, Replit, Vercel v0, Figma Make und Bolt automatisieren UI, Logik, Datenbank und Deployment
- Vorteile:
- Die Zeit für Prototypen sinkt von Wochen auf wenige Stunden
- Auch Nicht-Engineers können Apps für reale Arbeitsabläufe erstellen
- Frühe Einsatzfälle betreffen reale Geschäftsanforderungen wie Dashboards, Ticket-Management und API-basierte Automatisierung
Praxisbeispiele
- Sears Home Services: Nichtfachleute haben mehr als 50 interne Apps erstellt, darunter Ticket-Systeme, SMS-Benachrichtigungen und Dashboards für Teilebestellungen
- Zillow: Das Strategieteam baute ein vertriebsbezogenes Dashboard auf Basis von Three.js, das für Führungsentscheidungen genutzt wird
- Oscar Health: Engineers entwickelten mit KI-Tools ein Tool zur Erstellung von Provider-Avataren
- Ostro: Aufbau von Tools zur Klassifizierung von Kundensupport-Logs und zur Bereinigung von Datenpipelines
- Intuit: Produktmanager erstellten mit Replit reale Kampagnen- und Dashboard-Simulationen
Aktuelle Grenzen
- Für Nichtfachleute ist die Fehlerbehebung schwierig, und Re-Prompting hat Grenzen
- Bei der Integration interner Systeme bremsen Sicherheitsprüfungen, komplexe Authentifizierung und fehlende Connectoren das Tempo
- Auch generierter Code muss letztlich gewartet werden
- Unzureichende Governance: Es fehlt an Zugriffskontrolle, Audit-Funktionen und Versionsverwaltung
- Meist liegt der Fokus weiterhin auf Prototypen; für produktionsreife Systeme werden Engineers noch benötigt
- Grenzen der Prompt-Qualität: Bei nicht standardisiertem Design oder komplexer Logik treten Fehler auf
Unterschiedliche Prioritäten bei internen Tools und Prototypen
- Bei der Entwicklung interner Tools sind Sicherheit, Zugriffskontrolle, Integration und Governance zentral
- Bei Prototypen zählen eher UI/Design, Flexibilität und schnelle Iteration
Ausblick
- Generative KI-Tools ersetzen Engineers noch nicht, verändern aber bereits die Art und Weise, wie interne Software geplant, getestet und geteilt wird
- Die Entwicklung geht in Richtung:
- eines nahtlosen Übergangs von Prototypen zu produktiven Tools
- der Möglichkeit für Frontline-Teams, Apps sofort selbst zu erstellen
- des direkten Aufbaus maßgeschneiderter interner Systeme, optimiert für die Workflows einzelner Teams
- Einige Unternehmen stellen bereits Internal Deployment Engineers (IDE) ein, um diesen Wandel auf Organisationsebene zu beschleunigen
Fazit
- Wenn die erste No-Code-Generation Zugänglichkeit versprach, liefern KI-basierte Tools nun Geschwindigkeit und Skalierbarkeit
- Vieles spricht dafür, dass interne Tools, die bislang bei Prototypen stehenblieben, sich bald zur zentralen Infrastruktur produktiver Umgebungen weiterentwickeln
1 Kommentare
Wegen interner Kontroll- oder Audit-Themen scheint auch das für Nicht-Entwickler nicht gerade leicht nutzbar zu sein. Da inzwischen klarer wird, dass es unmöglich ist, aktuelle LLMs zu AGI zu machen, und dass sie auch beim Programmieren Grenzen haben, scheint es immer mehr Erklärungen nach dem Motto zu geben: „Nein, das funktioniert wirklich.“