Die Coding‑Fähigkeiten von KI‑Modellen werden aktuell immer besser. Daraus ergibt sich für Unternehmen und Freiberufler ein enormes Potenzial. Weil es jedem Unternehmen die Möglichkeit gibt, Software zu dezentralisieren.
Der Begriff „Vibecoding“ beschreibt eine Arbeitsweise, bei der man Computercode durch einen KI‑Agenten schreiben lässt. Ohne dass man dabei selbst jemals eine Zeile Code geschrieben hat oder verstehen muss. Dazu beschreibt man einfach in normaler Sprache, was das Programm können soll, und ein KI‑Modell schreibt den Code.
Innerhalb von kürzester Zeit haben es alle großen Frontier KI‑Modelle geschafft, die nötigen Fähigkeiten zu entwickeln, um funktionierende Anwendungen vibecoden zu können. Und das nicht, weil die Modelle allgemein klüger geworden sind, sondern weil ausgerechnet das Programmieren eine Eigenschaft mitbringt, die für das Training von KI‑Systemen besonders gut geeignet ist. Weshalb man diese Modelle besonders gut auf entsprechende Bereiche spezialisieren kann.
Genau daraus ergibt sich aber eine wirtschaftliche Frage, die für Unternehmen deutlich interessanter ist als die technische: Wenn eine Firma ihre Software, die sie von externen Unternehmen bezieht, für einen Bruchteil der bisherigen Kosten selbst bauen und hosten kann, wieso sollte sie dann weiterhin monatlich für Lizenzen zahlen, die nie ganz zu ihren Abläufen passen? Der Markt für Software as a Service (SaaS) beruht darauf, dass Softwareentwicklung teuer und knapp ist. Doch diese Grundbedingung gerät gerade unter Druck.
Eine Antwort auf diese Frage steckt in einer Trainingsmethode mit dem sperrigen Namen Reinforcement Learning from Verifiable Rewards, kurz RLVR. Sie erklärt, warum Modelle in Coding‑Benchmarks Sprung für Sprung besser werden, während sich Modelle bei Themen wie Halluzinationen bereits seit einiger Zeit nicht mehr verbessern.
Lange Zeit wurden Modelle vor allem darauf optimiert, welche Antwort Menschen besser finden. Dieses Verfahren nennt sich Reinforcement Learning from Human Feedback (RLHF). Aber das hat einen entscheidenden Haken: Menschliche Bewertungen sind teuer, langsam und subjektiv. Und sie belohnen vor allem das, was gut klingt, nicht immer das, was inhaltlich richtig ist.
Beim Programmieren und auch bei Mathematik fällt dieser Haken weg. Ob Code funktioniert, ist keine Geschmacksfrage. Man lässt ihn laufen und dann funktioniert er oder eben nicht. Das Ergebnis der KI kann automatisch verifiziert werden. Damit gibt es ein Signal, das eindeutig, sofort verfügbar und komplett automatisierbar ist. Kein Mensch muss mehr bewerten, ob eine Antwort gut war. Eine Maschine prüft das Ergebnis der Maschine.
Genau das ist die Idee hinter RLVR: Das Modell bekommt eine Aufgabe, erzeugt einen Lösungsversuch, der Versuch wird automatisch überprüft, und je nach Ergebnis wird das Verhalten verstärkt oder abgeschwächt. Dadurch kann man das Training für Coding‑ und Mathefähigkeiten sehr viel besser optimieren, als zum Beispiel für das Schreiben von Philosophie‑Essays oder das Recherchieren von anspruchsvollen Themen. Das Modell darf bei dieser Trainingsweise unbegrenzt oft scheitern und aus jedem Fehlschlag lernen. Bei Aufgaben, die sich nicht automatisch überprüfen lassen, ist genau das schlicht nicht möglich.
Dezentrale Software heißt: Ein Unternehmen betreibt seine Werkzeuge selbst, statt sie von einem Anbieter zu mieten. Das war jahrzehntelang unbezahlbar, weil dafür ein eigenes Entwicklerteam nötig war. Genau diese Rechnung verändert sich gerade. Vier Punkte fallen dabei besonders ins Gewicht.
SaaS wird pro Nutzer und pro Monat abgerechnet, dauerhaft und meist steigend. Ein mittelständisches Unternehmen zahlt so über Jahre hinweg erhebliche Summen für Werkzeuge, die es nie selbst besitzt. Eigene Software, die man gevibecoded hat, verursacht hingegen einmalig Aufwand und danach im Wesentlichen nur noch Betriebskosten. Aus einem dauerhaften Mietvertrag wird eine einmalige Investition.
Bei SaaS liegen Kundendaten, Kalkulationen und interne Abläufe auf den Servern eines fremden Anbieters, oftmals auch außerhalb der EU. Läuft die Software aber im eigenen Haus, verlassen diese Daten das Unternehmen nicht. Das entschärft eine ganze Reihe von Datenschutz‑ und Compliance‑Fragen und macht das Unternehmen unabhängig davon, wie sich die Bedingungen eines Anbieters künftig ändern.
Wer bei einem Softwareanbieter eine Funktion anregt, landet in einer Warteschlange hinter tausenden anderen Kunden. Meistens passiert nie etwas, weil sich der Aufwand für den Anbieter nicht rechnet. Bei eigener Software entscheidet allein das Unternehmen, was als Nächstes gebaut wird. Die Software passt sich den Abläufen an, statt dass die Abläufe sich der Software anpassen müssen.
Ein Bug in einem gemieteten Werkzeug ist für ein Unternehmen ein Ticket und danach Wartezeit aufs nächste Update. Manchmal über Wochen, ohne Einfluss auf die Priorität. Bei eigener Software ist ein Fehler ein Fehler im eigenen Haus, der noch am selben Tag behoben werden kann. Der Unterschied wirkt klein, entscheidet im Tagesgeschäft aber darüber, wie zuverlässig ein Prozess tatsächlich abläuft.
Und die Kehrseite? Wer Software selbst betreibt, übernimmt auch die Verantwortung dafür. Sicherheitsupdates, Backups, Ausfälle und das Wissen darüber, wie das eigene System funktioniert, liegen dann im Unternehmen. Es geht deshalb nicht darum, jede SaaS‑Lizenz zu kündigen, sondern darum, bewusst zu entscheiden, welche Werkzeuge zum Kerngeschäft und deshalb ins eigene Haus gehören, und welche man weiterhin sinnvoll einkauft.
Niklas Titgemeyer ist Technik‑Soziologe (M. A.) und Keynote Speaker mit Spezialisierung auf Risiken bei der Nutzung von KI‑Sprachmodellen. Auf Sozialen Medien betreibt er Wissenschaftskommunikation mit über 67.000 Followern plattformübergreifend.