No-Code, Vibecoding oder echte KI-Entwicklung: Welche Methode zu welchem Projekt passt

Einfach mal machen – das macht einfach KI. Oder? Denn mit wenigen Prompts lassen sich Skripte generieren und mit Baukastensystemen können Prozesse automatisiert werden. Was früher eine Entwicklungsabteilung gebraucht hätte, entsteht heute an einem verregneten Nachmittag.

Aber: „Ich kann es bauen“ ist nicht dasselbe wie „es ist einsatzbereit“ und nicht jedes Problem braucht denselben Weg. Zwei Fragen entscheiden, welcher Lösungsansatz zu welchem Projekt passt: Wie komplex, neu oder sensibel ist das Problem? Und wie verlässlich muss das Ergebnis am Ende laufen?

Wichtig ist, dass nicht alles, was nach Künstlicher Intelligenz aussieht, auch KI-Entwicklung ist. Ein großer Teil dessen, was sich Redaktionen wünschen, ist eigentlich Automatisierung. KI ist nur ein Baustein unter vielen.

Was ist No-Code/Low-Code?

No-Code- und Low-Code-Plattformen existieren seit Jahren. Mit Angeboten wie n8n, Make oder Zapier lassen sich Prozesse automatisieren. Sie arbeiten nach einem visuellen Baukastenprinzip. Einzelne Arbeitsschritte werden als Blöcke dargestellt und miteinander verbunden. Am Schluss steht ein vollautomatisierter Prozess.

KI spielt dabei nur am Rande eine Rolle. Sie lässt sich über Schnittstellen anbinden, aber ist nur ein Element unter vielen. Im Zentrum steht das verlässliche Wiederholen klar definierter Schritte. Im redaktionellen Kontext kann das zum Beispiel das Übertragen von Content in ein CMS sein.

Der praktische Vorteil dieser Plattformen ist, dass sie für genau solche Aufgaben gemacht sind. Auf dem Markt gibt es viele erfahrene Dienstleister, die mit dem Setup helfen können. Wer es lieber selber macht, findet online gute Schulungsangebote.

Wann No-Code/Low-Code die richtige Wahl ist

Eine Baukasten-Lösung reicht in der Regel, wenn mehrere dieser Punkte zutreffen:

• Es sind keine sensiblen Daten im Spiel. Öffentlich zugängliche Informationen, allgemeine Themenrecherche, Aggregation von Pressemitteilungen – hier gibt es keinen zwingenden Grund für eine eigene Infrastruktur.
• Der Ablauf ist überschaubar und bekannt. Wer einen Prozess in vier, fünf Sätzen erklären und ihn in wenige klar definierte Schritte zerlegen lässt, ist das ein gutes Zeichen.
• Die Nutzung ist überschaubar. Ein Tool, das ein paar Mal am Tag oder in der Woche läuft, braucht keine eigene KI-Infrastruktur.
• Fehler sind tolerierbar. Wenn ein Mensch das Ergebnis ohnehin weiterverarbeitet und ein gelegentlicher Fehler keinen Schaden anrichtet, braucht es keine aufwendige Testumgebung.

In der Praxis sieht das zum Beispiel so aus: Eine Redaktion möchte morgens ein Themen-Briefing auf dem Tisch haben, ohne dass jemand stundenlang Quellen durchforstet. Mit n8n, Make oder Zapier lässt sich ein Ablauf bauen, der vordefinierte Websites, RSS-Feeds und Newsletter abruft, die Inhalte anhand redaktioneller Kriterien durch ein KI-Modell bewerten lässt, die relevanten Treffer in ein strukturiertes Format bringt, sie in einer Datenbank ablegt und ein kompaktes Briefing mit drei Stichpunkten pro Thema an die Redaktion schickt.

Kein einziger Schritt davon erfordert eine Entwicklerin. Was es braucht, ist jemand, der den Prozess einmal sauber aufsetzt – und das Wissen, dass solche Plattformen genau dafür gemacht sind.

Was ist Vibecoding?

Vibecoding bedeutet, mit generativer KI in kurzer Zeit kleine Anwendungen oder Skripte zu erzeugen: Man beschreibt in normaler Sprache, was man will, und die KI schreibt den Code. Das Ergebnis funktioniert auf den ersten Blick oft erstaunlich gut. Schnell entsteht das Gefühl: „Das Tool für unser Archiv habe ich am Wochenende selbst gebaut – wir sind fast fertig!“

Das ist eine fantastische Entwicklung. Dass KI-Modelle heute so zugänglich sind, dass man innerhalb eines Tages mit ein paar Prompts ein funktionierendes Skript erzeugen kann, nimmt dem Team Berührungsängste und fördert das Verständnis für die Technologie enorm.

Wofür Vibecoding gut ist – und wo es aufhört

Hier ist die entscheidende Unterscheidung, die in vielen Newsrooms untergeht: Vibecoding ist eine Phase, kein Ziel. Es ist hervorragend geeignet, um eine Idee auszuprobieren, etwas zu lernen oder schnell herauszufinden, ob ein Vorhaben technisch überhaupt trägt. Als Werkzeug der Ideenfindung ist es kaum zu schlagen.

Aber ein zusammengepromptetes Skript, das auf dem eigenen Laptop läuft, ist kein Werkzeug für den Live-Betrieb in der Redaktion. Spätestens dann, wenn das Skript redaktionelle Daten verarbeitet oder der EU AI Act greift, wird aus dem Wochenend-Projekt ein Compliance-Risiko. Vibecoding ersetzt kein solides Software-Engineering.

Die praktische Konsequenz: Teams sollten Vibecoding-Skripte nicht wegwerfen – sie sind oft ein sehr guter Startpunkt. Aber ungetestet sollten sie nicht in die Nähe von redaktionellen Systemen kommen. Das Ergebnis sollte als das verstanden werden, was es ist: als Beweis, dass die Idee es wert ist, richtig gebaut zu werden.

Für alles andere: KI-Entwicklung

Wenn ein Baukasten nicht ausreicht und Vibecoding nur bestätigt hat, dass die Idee Substanz hat, dann braucht es echte Entwicklungsarbeit. Das ist der Fall, wenn eines oder mehrere dieser Kriterien zutreffen:

• Die Daten sind sensibel. Quellen, Redaktionsgeheimnisse, unveröffentlichte Recherchen, personenbezogene Informationen – sobald solche Daten im Spiel sind, ist eine Verarbeitung in der Cloud oft keine gute Idee.
• Die Aufgabe ist komplex. Viele Abhängigkeiten, mehrere Qualitätsstufen, Logiken, die sich nicht in ein paar Workflow-Blöcken abbilden lassen. Faustregel: Wenn der Prozess auf dem Whiteboard schon drei Iterationen braucht, ist das ein Hinweis.
• Der Anwendungsfall ist massentauglich oder datenhungrig. Wer täglich tausende Meldungen auswerten oder auf großen internen Datenmengen arbeiten will, stößt mit Standard-Automatisierung schnell an harte Grenzen – technisch wie finanziell.
• Die Idee ist wirklich neu. Manche Anwendungsfälle setzen auf Fähigkeiten von KI-Systemen, die es vor wenigen Monaten so noch nicht gab. Wer ahnt, dass etwas richtig gut wäre, aber nicht weiß, ob es überhaupt möglich ist – genau dann lohnt sich der nächste Schritt.

Dieser nächste Schritt heißt nicht, sofort ein fertiges System zu bauen, sondern zunächst eine Machbarkeitsstudie – einen echten Prototypen. Und hier lohnt sich eine klare Unterscheidung, die später viel Geld spart:

Ein Prototyp ist ein Machbarkeitsnachweis. Er wird in einer geschützten Umgebung gebaut, um eine einzige Frage zu beantworten: Funktioniert die Idee aus technischer Sicht? Er läuft meist auf dem „Happy Path“, also dem Idealfall, in dem alles wie vorgesehen abläuft.

Ein Produktivsystem ist die gepanzerte Version derselben Idee. Es muss in der unberechenbaren Welt bestehen: Skalierbarkeit bei plötzlichen Zugriffsspitzen, striktes Error-Logging, DSGVO-Konformität und strukturierte Fallback-Szenarien für den Fall, dass die KI einmal halluziniert.

Kurz: Der Prototyp beweist die Machbarkeit, das Produktivsystem garantiert Verlässlichkeit. Der Sinn der Machbarkeitsstudie ist, herauszufinden, ob sich der Weg zum Produktivsystem überhaupt lohnt – bevor Zeit und Budget in ein großes Softwareprojekt fließen, das am Ende keinen Mehrwert bringt oder an den aktuellen Grenzen der Modelle scheitert. Sie macht technische und rechtliche Hürden sichtbar, bevor sie teuer werden.

Falls Hilfe gebraucht wird: das KI-Reallabor

Genau für diesen schwierigen Teil – die Machbarkeitsstudie bei sensiblen, komplexen, datenhungrigen oder wirklich neuartigen Ideen – gibt es das KI-Reallabor des KI-Kompetenzzentrums Medien. Das Reallabor ist eine geschützte Umgebung, in der wir KI-Ideen unter realen Bedingungen erproben, die blinden Flecken aufdecken und einen testbaren Prototypen bauen – ohne dass Medienunternehmen dafür Kosten entstehen. Programmcode und technische Dokumentation stellen wir zur Verfügung, sodass die jeweilige IT den validierten Ansatz für die eigenen Sicherheitsanforderungen härten kann.

Eine ehrliche Vorbemerkung gehört dazu: Manchmal ist die beste Antwort auf eine Anfrage, dass ein Vorhaben mit einer No-Code-Plattform in einer Woche selbst gebaut werden kann – schneller als mit dem Reallabor. Das sagen wir dann auch. Unser Ziel ist nicht, jede sinnvolle Idee im Reallabor zu verwirklichen, sondern die bayerische Medienbranche beim Thema KI voranzubringen.

Also: Kommt mit eurer Idee. Im schlechtesten Fall geht ihr mit einem klaren Plan raus, wie ihr es selbst umsetzt. Im besten Fall bauen wir gemeinsam etwas, das es so noch nicht gibt.