Mein persönliches Highlight aus dem Jahr 2023: Ich wollte einen einfachen API-Wrapper für ein Behördenportal schreiben und landete nach zwei Stunden bei einer PDF-Anleitung aus dem Jahr 2017, einem Faxformular für die Zugangsdaten und einem Support-Ticket, das bis heute unbeantwortet ist. Der Code? Drei Zeilen. Der Aufwand? Legendär. Golem hat das Mitte März 2026 satirisch auf den Punkt gebracht: Das deutsche KI-Coding-Tool brauche sieben Schritte – und ein Fax. Hinter dem Witz steckt eine bittere strukturelle Analyse, die wir uns heute im Detail ansehen.
Spoiler: Es ist kein Witz. Golem berichtete über ein öffentlich gefördertes KI-Coding-Projekt, das einen bürokratischen Prozess erfordert, der selbst geübte Entwicklerinnen und Entwickler in die Knie zwingt. Sieben Schritte bis zum ersten Code-Vorschlag, ein Fax für die Beantragung der API-Keys – das ist keine Karikatur, das ist Produktentwicklung unter deutschen Förderbedingungen. Wer das als Einzelfall abtut, übersieht das Muster dahinter.
Das Satirestück trifft einen Nerv, weil es die kollektive Frustration einer ganzen Entwickler-Community bündelt. Ja, es gibt deutsche KI-Coding-Tools. Ja, es gibt Förderprogramme für Softwareentwicklung. Und nein, die meisten davon kommen nicht wirklich in der Praxis an. Das ist keine Frage des Willens, sondern eine des Systems.
Im Ernst: Wenn man die Zahlen dahinter sieht, hört der Spaß auf. Laut einer Bitkom-Umfrage aus dem Jahr 2023 sehen nur 2 % der befragten Unternehmen Deutschland als führende Nation bei KI. Gleichzeitig halten 24 % Deutschland in der Forschung für spitze. Starke Forschung, schwache Umsetzung – das ist das deutsche KI-Paradox in zwei Sätzen.
Bevor man über KI-Coding-Tools redet, muss man über das Fundament reden. Laut Eurostat-Daten aus dem Jahr 2023 verfügten nur 52,2 % der deutschen Bevölkerung zwischen 16 und 74 Jahren über mindestens grundlegende digitale Kompetenzen. Das klingt nach Mehrheit – ist aber Platz 18 von 26 untersuchten EU-Ländern und liegt unter dem EU-Durchschnitt von 55 %. Die Niederlande kommen auf rund 83 %, Finnland auf etwa 82 %. Das EU-Ziel für 2030 liegt bei 80 %. Deutschland bewegt sich aktuell in eine Richtung, die dieses Ziel in vier Jahren rechnerisch kaum erreichbar macht.
Das ist relevant für die Debatte um deutsche KI-Coding-Tools, weil ein schmaler Talentpool für anspruchsvolle KI-Entwicklung die direkte Konsequenz ist. Wenn selbst die digitalen Grundkompetenzen fehlen, wird die Community, die öffentlich geförderte Dev-Tools tatsächlich nutzen und weiterentwickeln könnte, zwangsläufig klein bleiben.
Nerd-Alarm: Die Digitalisierung Verwaltung ist kein abgegrenztes Technologieproblem – sie ist ein Kompetenzproblem, das von der Schule bis zur Bundesbehörde durchschlägt. Das lässt sich nicht mit einem neuen Förderprogramm lösen, das denselben strukturellen Fehler wiederholt.
Aktuelle Bitkom-Zahlen (Erhebungszeitraum 2024/25) zeigen: Nur 17 % der deutschen Unternehmen setzen KI tatsächlich ein, weitere 40 % diskutieren den Einsatz. Gleichzeitig sagen 82 % der Unternehmen, die aktuelle Wirtschaftskrise sei auch Folge einer zögerlichen Digitalisierung, und 78 % fürchten einen wirtschaftlichen Abstieg, wenn das Tempo nicht anzieht. Diese Schere zwischen Problembewusstsein und tatsächlicher Umsetzung ist das Kernproblem – und sie spiegelt sich direkt in der Lage bei deutschen KI-Coding-Tools wider.
Förderprogramme für Softwareentwicklung in Deutschland folgen meist demselben Muster: Eine Hochschule oder ein Konsortium bekommt Mittel für zwei bis drei Jahre, baut einen Prototypen, präsentiert ihn auf einer Konferenz – und dann passiert: nichts. Das Repo auf GitHub verstaubt, die Dokumentation veraltet, die beteiligten Entwicklerinnen und Entwickler haben längst neue Jobs. Was bleibt, ist ein Bastelprojekt mit Förderlogik statt Produktlogik.
Das ist kein böser Wille. Es fehlen strukturell die Anreize für Produktreife, langfristigen Betrieb und Support. Vergabeverfahren honorieren „Features entwickeln“, nicht „Tool dauerhaft betreiben und verbessern“. Typischerweise gibt es nach Projektende keine gesicherte Anschlussfinanzierung – und keine Institution, die klare Verantwortung übernimmt. So entsteht keine Software, die Entwicklerinnen und Entwickler in der Verwaltung oder im KMU wirklich nutzen würden.
Meine persönliche Einschätzung dazu: Wer einen KI-Coding-Assistenten baut, der konkurriert – ob er will oder nicht – mit GitHub Copilot, Amazon Q oder den aktuellen Spitzenreitern unter den KI-Coding-Assistenten für 2026. Gegen diese Tools mit einem zweijährigen Forschungsprojekt antreten zu wollen, ist ungefähr so, als würde man mit einem selbst zusammengeschraubten Fahrrad an der Tour de France teilnehmen.
Ein weiterer Bremsklotz: Datenschutz und Rechtssicherheit. Klar ist, dass DSGVO und die EU-KI-Verordnung nicht pauschal KI-Coding-Tools verbieten. Was sie tun, ist: Compliance-Anforderungen erhöhen. Das Problem in der Praxis ist Overcompliance. Viele Behörden und öffentliche Stellen verzichten komplett auf KI-Coding-Tools, weil niemand eindeutig sagen kann, ob das Hochladen von Quellcode eines Fachverfahrens in ein externes KI-System dienstgeheimnis- oder DSGVO-konform ist.
Das Ergebnis: Tools werden entweder gar nicht eingesetzt oder in so stark eingeschränkter Form ausgerollt, dass sie für Entwicklerinnen und Entwickler praktisch wertlos sind. Bitkom-Präsident Wintergerst hat das bereits treffend zusammengefasst: Es bringe nichts, Milliarden in KI zu pumpen, ihr dann aber die Daten zu entziehen. Wer möchte schon ein KI-Coding-Tool nutzen, das keinen Zugriff auf den eigentlichen Code hat?
Erfolgreiche Softwareprodukte haben einen Product Owner mit Mandat, Prioritäten zu setzen. Öffentlich geförderte Dev-Tools haben meistens einen Projektleiter, der Berichte schreibt. Das ist kein Seitenhieb auf einzelne Personen, sondern eine strukturelle Beschreibung. Wenn für KI-Coding-Tools kein dedizierter Product Owner existiert, der Entwickler-Feedback direkt in Produkt-Entscheidungen übersetzen kann, entsteht bestenfalls ein generisches Portal statt eines scharfen Tools mit IDE-Integration, CLI und CI/CD-Anbindung.
Die Frage, die sich jede Förderinstitution stellen sollte: Wer ist nach Projektende verantwortlich dafür, dass das Tool noch in zwei Jahren funktioniert, aktuelle Sprachmodelle einbindet und Security-Patches einspielt? Wenn diese Frage vor Projektstart keine klare Antwort hat, ist das Ergebnis absehbar.
Deutschland ist in der KI-Forschung stark – das ist Fakt, keine Schönrederei. 24 % der deutschen Unternehmen sehen das Land in der Forschung weltweit in der Spitzengruppe. Das Problem liegt im Transfer. Aus Forschungsprototypen werden selten marktfähige Produkte, und aus marktfähigen Produkten werden noch seltener Tools, die tatsächlich in der breiten Verwaltung oder im Mittelstand ankommen. Deutsche KI-Coding-Tools stecken häufig in dieser Transferlücke fest.
Global betrachtet sehen dieselben Unternehmen die USA als führend (41 %) und China auf Platz zwei (23 %). Deutschland taucht in diesen Ranglisten kaum auf – und das liegt weniger an mangelnder Forschungsqualität als an fehlender Skalierungslogik. Ein Forschungsprojekt zu einem KI-Coding-Assistenten braucht eine andere Organisations- und Finanzierungsstruktur als ein Startup, das dasselbe Produkt mit Venture Capital skaliert. Förderprogramme für Softwareentwicklung ahmen die Forschungslogik nach, nicht die Produkt-Logik.
Laut CloudComputing-Insider beschreibt ein NetApp-Bericht Deutschland als „KI-Nachzügler“ mit „bemerkenswerten Fortschritten bei der Vorbereitung der IT-Umgebungen“ – was sich ungefähr so anfühlt, wie wenn jemand sagt: „Du hast die Werkzeuge schon ausgepackt, großartig.“ Die eigentliche Arbeit fängt danach an.
Ein Aspekt, der in der Debatte um deutsche KI-Coding-Tools und die Digitalisierung Verwaltung oft zu kurz kommt, ist das Vergaberecht. Wer öffentliche Mittel für Softwareentwicklung beantragen oder vergeben will, bewegt sich in einem Regelwerk, das primär für den Einkauf von Bürostühlen und Straßenbelägen gedacht ist – nicht für iterative Produktentwicklung. Das Ergebnis sind Ausschreibungen, die Lastenheft und Leistungsbeschreibung bis ins kleinste Detail fixieren, noch bevor auch nur eine Codezeile geschrieben wurde.
Agile Entwicklungsansätze, die bei modernen KI-Coding-Tools schlicht notwendig sind, lassen sich in diesen Vergabestrukturen kaum abbilden. Wer das Vergabeverfahren für ein Förderprojekt abgeschlossen hat, hat meistens auch schon den Technologie-Zug verpasst, der während des Ausschreibungsprozesses abgefahren ist. Konkret: Ein KI-Coding-Projekt, das Anfang 2023 ausgeschrieben wurde, basierte technisch auf einem Stand, der zum Zeitpunkt des Projektstarts bereits überholt war – denn der Markt hatte sich innerhalb von zwölf Monaten fundamental verändert.
Hier bräuchte es dringend Ausnahmeregeln für innovative IT-Beschaffung, ähnlich wie sie andere EU-Länder bereits erproben. Frankreich etwa hat mit seiner Agence du Numérique de la Sécurité des Systèmes d’Information eigene Strukturen geschaffen, die schnellere Beschaffung und iterative Entwicklung ermöglichen. Deutschland diskutiert solche Ansätze – setzt sie aber kaum um.
Schleswig-Holstein hat gezeigt, dass öffentliche IT-Initiativen konkrete Ergebnisse liefern können. Die Kooperation mit Nextcloud und der explizite Fokus auf souveräne, Open-Source-basierte Lösungen haben laut Berichten mehr als 15 Millionen Euro Lizenzkosten pro Jahr eingespart. Das ist ein greifbares Ergebnis – und es basiert auf einer klaren Entscheidung: nicht auf proprietäre Tools warten, sondern selbst eine Plattformlogik aufbauen.
Aber: Schleswig-Holstein ist ein Einzelfall, kein Blaupausen-Rollout. Die Frage, die die KI-Community zu Recht stellt, ist, warum dieses Modell nicht in andere Bundesländer übertragen wird. Die Antwort liegt in föderalen Strukturen, unterschiedlichen IT-Dienstleistern und einem Mangel an gemeinsamer Produktverantwortung auf Bundesebene. Die Digitalisierung Verwaltung scheitert nicht selten am Föderalismus – nicht weil er grundsätzlich schlecht wäre, sondern weil er Skalierung strukturell erschwert.
Thüringen investiert bis 2032 im Rahmen des Digitalpakt 2.0 rund 112 Millionen Euro, mit Schwerpunkt auf pädagogischer Nutzung und Lehrerqualifikation. Das ist eine langfristigere Perspektive als übliche Projektförderung – aber es ist auch kein direkter Hebel für KI-Coding-Tools in der Verwaltung oder im KMU. Die Wirkung zeigt sich erst in Jahren, wenn eine besser digital kompetente Generation in den Arbeitsmarkt eintritt.
Parallel dazu will die Bundesregierung die KI-Rechenkapazität deutlich ausbauen. Das schafft Infrastruktur – aber Infrastruktur allein baut keine Tools, die Entwicklerinnen und Entwickler morgen früh in ihrer IDE öffnen. Die Lücke zwischen „wir bauen Rechenzentren“ und „wir haben nutzbare KI-Coding-Assistenten für die Verwaltung“ ist mindestens genauso groß wie die zwischen Forschungsprojekt und Marktprodukt.
Wer im KMU oder in einer Behörde auf KI-Coding-Tools wartet, bis ein öffentlich gefördertes deutsches Produkt ausgereift ist, wartet vermutlich zu lang. Die pragmatische Alternative: Verfügbare kommerzielle Tools sorgfältig evaluieren, On-Premise-Lösungen oder EU-Cloud-Angebote für datenschutzkritische Anwendungen prüfen und intern klären, welche Code-Typen überhaupt in externe KI-Systeme dürfen. Das ist keine Kapitulation vor Big Tech, sondern Realismus.
Wer sich tiefer informieren will, welche KI-Coding-Assistenten derzeit für IT-Abteilungen empfohlen werden und welche Auswahlkriterien gelten, findet bei der Akademie KI einen strukturierten Überblick zu KI-Tools für IT-Abteilungen. Wichtig dabei: Nicht jedes Tool, das für US-amerikanische Enterprise-Stacks optimiert ist, passt in eine deutsche Behörden-IT mit DSGVO-Anforderungen und Legacy-Systemen aus den Neunzigern.
Für die KI-Skills in der eigenen Organisation gilt dasselbe, was für KI-Coding-Tools gilt: ohne klare Verantwortung, Kontinuität und Nutzerfokus verpuffen selbst die besten Ansätze. Wer ernsthaft KI in seiner Entwicklungsumgebung einsetzen will, braucht keinen Förderantrag – aber er braucht eine Strategie, wie er mit den rechtlichen Rahmenbedingungen umgeht, ohne sich dabei selbst lahmzulegen.
Für IT-Verantwortliche in Behörden und mittelständischen Unternehmen, die den Einstieg in KI-unterstützte Softwareentwicklung suchen, lassen sich einige handhabbare Schritte skizzieren, ohne dass dabei der Förderantrag die erste Station sein muss:
Diese Schritte ersetzen keine strukturellen Reformen – aber sie ermöglichen es Organisationen, nicht auf diese Reformen warten zu müssen, während die Konkurrenz aus anderen Ländern bereits produktiv mit KI-Coding-Assistenten arbeitet.
Das Fax im Golem-Artikel ist natürlich eine Übertreibung. Oder? Im Ernst: Die strukturellen Probleme hinter der Satire sind messbar und belegt. 17 % KI-Adoption in Unternehmen, Platz 18 bei digitalen Kompetenzen, zwei Prozent der Unternehmen, die Deutschland als KI-Leitnation sehen – das sind keine Meinungen, das sind Zahlen. Deutsche KI-Coding-Tools haben das Potenzial, relevanter zu werden, aber nur wenn Förderprogramme für Softwareentwicklung aufhören, Forschungslogik zu betreiben, und anfangen, Produktlogik zu denken. Das bedeutet: Product Owner mit echtem Mandat, gesicherte Betriebsfinanzierung über Projektende hinaus, klare Vergaberegeln für iterative Softwareentwicklung und eine ehrliche Antwort auf die Frage, wer das Tool in drei Jahren noch pflegt.
Die größere Frage bleibt offen: Ist Deutschland bereit, öffentliche Digitalisierung so zu behandeln wie ein Produkt, das echte Nutzerinnen und Nutzer hat – und nicht wie ein Förderprojekt, das einen Abschlussbericht produziert? Wenn Sie Erfahrungen mit öffentlichen Dev-Tools oder gescheiterten Förderprogrammen gemacht haben, schreiben Sie es in die Kommentare. Diese Diskussion braucht mehr konkrete Beispiele und weniger Strategiepapiere.
