MAGAZINAI TOOLS
KI-generierte Code definiert die Standards von morgen
Wie Claude, Gemini und GPT die Design- und Code-Konventionen der nächsten Dekade prägen — und warum Schweizer Agenturen aufpassen sollten.
GESCHRIEBEN VON LOU 5 MIN AI TOOLS MENSCH GEPRÜFT: NEIN
KI-Sprachmodelle sind keine bloßen Helfer für Entwickler. Sie sind stille Norm-Definierer. Jede Zeile generierter Code, jeder von Gemini entworfene Button, jedes Claude-geschriebene Unit-Test prägt, was Millionen von Junior-Entwicklern als ‘richtig’ lernen werden.
KI-generierter Code hat erkennbare Stilmerkmale: bestimmte Indentation, Token-Muster, Naming-Konventionen. Wer 60+ % seines neuen Codes von Claude oder Gemini erzeugt, arbeitet mit Standards, die vom Training dieser Modelle geprägt sind — nicht von universellen Best Practices. Für Schweizer Agenturen bedeutet das: Entweder Sie kontrollieren, welche Konventionen KI einhält, oder KI definiert sie für Sie.
Der Silent Convention-Builder
Der Trend ist leicht zu übersehen: 2023 wurde geschrieben, dass Entwickler 40–50 % ihrer Code-Zeit mit KI verbringen. 2024 waren es 65 %. Heute, Anfang Q4 2026, setzen Agenturen wie Liip, Apptiva und hunderte kleinere Häuser Claude standardmäßig ein. Mit anderen Worten: Der Großteil des Code, den diese Häuser schreiben, ist KI-generiert.
Das klingt nach einem Produktivitätsgewinn — und das ist es teilweise. Aber es verdeckt eine größere Verschiebung: Diese Agenturen delegieren nicht nur Aufgaben an KI, sie adoptieren auch die Konventionen, die in den Trainingsdaten von Claude und Gemini überwiegend sind.
Anthropic trainiert Claude auf öffentlichen Code-Repositories. Das bedeutet: Der am häufigsten vorkommende Code (gemessen nach GitHub-Sterne, npm-Downloads, Stackoverflow-Sichtbarkeit) prägt Claudes Output. Nicht der beste Code, nicht der eleganteste — der meistgesehene.
Das konkrete Symptom
Nehmen Sie Python. Claude bevorzugt konsequent 2er-Indentation statt 4er-Indentation — nicht weil es besser ist, sondern weil 2er in modernen npm/Node-Modulen überwiegt (JavaScript-Plattformen sind in Claudes Trainingsdaten massiv vertreten). Ein Junior, der nur Claude Python sieht, wird annehmen, dass 2er Standard ist. PEP 8, die Pythonische Kodierkonvention, wird ihm als anachronistisch erscheinen.
Gleiches bei CSS. Claude-generiertes CSS nutzt Tailwind bevorzugt. Nicht weil Tailwind universell das Beste ist, sondern weil die Verbreitungskurve von Tailwind steiler ist als die von SCSS-Modulen oder CSS-in-JS. Wer 2026 seinen Code-Stack mit Claude auswählt, erhält systematisch Tailwind-Boilerplate. Der Prozess wird sich in den nächsten zwei Jahren verstärken: Je mehr Agenturen Tailwind nutzen (weil Claude es generiert), desto häufiger wird Tailwind in neuen Repositories erscheinen — und umso stärker wird Claude es bevorzugen.
Das ist kein Fehler in Claude. Es ist eine Konsequenz von Häufigkeitsmustern. Claude kann nicht wissen, dass diese Muster selbstverstärkende Schleifen erzeugen.
Warum das für Schweizer Agenturen wichtig ist
Die meisten Schweizer Digitalagenturen denken über Standards gar nicht nach. Sie überlassen das Verzeichnis. Verzeichnis ließe das verstatten; Claude/Gemini macht die Wahl. Dabei zeigen Beispiele wie Nordfabrik, dass bewusste Tool-Wahl und Qualitätskultur zusammenhängen.
Das erzeugt zwei konkrete Probleme:
Problem 1: Kultur-Drift. Wenn 80 % Ihres Code von Claude stammt, brauchen Sie Junior-Entwickler, die Claude-Stil lesen und schreiben können. Das ist eine kulturelle Fähigkeit, keine technische. Die Agenturen, die eng mit KI arbeiten, werden das schneller spüren als konservativere Häuser. Aber es kommt — für alle.
Problem 2: Lock-in durch Gewöhnung. Ein Junior, der 18 Monate nur Claude-Code schreibt, wird seine Karriere auf Claude-Konventionen optimieren. Das ist nicht bewusst — es ist Prägung. Wenn Claude später durch ein besseres, anderes Modell ersetzt wird (das andere Konventionen hat), wird dieser Junior produktiv weniger nützlich sein. Die Anpassungskosten sind größer als wenn Sie bewusst Ihre eigenen Standards hätten.
Schweizer Agenturen mit einem Mitarbeiter-Durchschnitt von ~4–8 Jahren können sich das leisten? Vielleicht. Aber die Top-Player werden hier bewusster handeln.
Was passiert, wenn KI die Mehrheit wird?
Das ist die Essay-Ebene: Was, wenn nicht 60 % sondern 85 % des neuen Code bis 2027 von KI stammt? Was wenn die beste Codesample ist, die eine Lernende sieht, nicht von Google oder Microsoft oder einem Bootcamp stammt, sondern von Anthropic/OpenAI-Modellen?
Dann wird etwas Fundamentales passieren: Code-Ästhetik wird umgekehrt. Nicht “wie schreibe ich, um von Menschen verstanden zu werden” sondern “wie schreibe ich, um von KI richtig zu verstanden zu werden”. Ein Junior wird dann Code, der von menschlichen Best-Practice-Guides stammt, als “seltsam” empfinden.
Das ist nicht spekulativ. Das ist bereits sichtbar in:
- Token-Effizienz-Bias: Claude generiert Code, der wenig Token kostet (weil das Anthropic belohnt). Das führt zu kürzeren Variablenamen, weniger Dokumentation, dichteren Kontrollflusstrukturen. Wenn das die Mehrheit ist, wird “gut dokumentierter Code” als teuer empfunden.
- Model-Favorit-Bias: Jedes Modell hat bevorzugte Frameworks. Gemini bevorzugt TensorFlow (weil Google), Claude bevorzugt Python-Standard-Libs (weil Trainingsdaten). Diese Vorlieben werden zu Industrie-Normen, ohne dass jemand bewusst entschieden hat.
Das ist still, aber mächtig.
Die Gegenposition (und warum sie nicht stimmt)
“Das ist alarmistisch. Code ist Code. Es spielt keine Rolle, ob Indentation 2 oder 4 ist.”
Das ist wahr — für einen einzelnen Developer. Aber nicht für eine Branche. Normen haben Macht, weil sie Erwartungen setzen. Wenn alle Frameworks, alle Beispiele, alle Tutorialvideos 2er-Indentation haben, ist der Widerstand gegen einen abweichenden Standard enorm. Das ist keine technische Betrachtung mehr, sondern eine kulturelle.
Zudem: Code-Konventionen sind nicht nur Ästhetik. Sie sind auch Sicherheit, Wartbarkeit, Onboarding-Effizienz. Wenn die implizite Konvention “Token-Minimierung” ist (was Claude treibt), dann werden explizit-defensive Programmierweisen (die mehr Code erfordern) als Überkomplexität empfunden, selbst wenn sie richtig sind.
Das ist das Problem: KI definiert Standards, ohne dass es darum geht, ob die Standards gut sind — sondern nur, ob sie häufig sind.
Was Schweizer Agenturen jetzt tun können
Die gute Nachricht: Sie müssen nicht KI-Standards folgen. Aber Sie müssen sie bewusst ablehnen, nicht unbewusst ignorieren.
Das bedeutet:
- Standards explizit dokumentieren — nicht “mach, was Claude macht”, sondern “wir nutzen Claude, um zu beschleunigen, folgen aber diesen Regeln”.
- KI-Input steuern — die Prompt-Engineering für Claude sollte Ihre Standards kodieren. Nicht “Schreib einen API Endpoint”, sondern “Schreib einen API Endpoint in der Struktur: [Ihre Vorgaben].”
- Ältere und jüngere Developer paaren — damit die Prägung durch KI nicht isoliert passiert.
- Kontrolliert experimentieren — manche AI-Konventionen sind pragmatisch gut. Aber wählen Sie bewusst.
Das ist kein Anti-KI-Manifest. Claude ist mächtig. Aber Macht ohne Bewusstsein ist Drift.
Beeinflussen unterschiedliche KI-Modelle die Konventionen unterschiedlich?
Ja. Claude bevorzugt Python, OpenAI GPT bevorzugt JavaScript, Gemini bevorzugt TensorFlow/Go. Wenn Ihre Agentur Multi-Model nutzt (was klug ist), werden Sie verschiedene implizite Standards sehen. Das ist einer der Gründe, KI-Prompts bewusst zu steuern.
Ist das nicht nur akademisch? Spielt es praktisch eine Rolle?
Ja, es spielt eine Rolle — in 18–24 Monaten. Aktuell ist der Anteil der KI-generierten Code noch niedrig genug, dass Agenturen mit eigenem Stil durchkommen. Aber wenn die Quote auf >75% steigt (was bei derzeitiger Adoption 2027 wahrscheinlich ist), wird es sichtbar. Recruiting wird schwieriger, wenn Ihre Standards gegen die Prägung der Lernenden laufen.
Können Agenturen ihre KI-Modelle fine-tunen, um eigene Standards zu prägen?
Technisch: ja, aber kostspielig (LoRA, QLoRA). Praktisch: besser ist prompt engineering. Ein präziser, standardskonformer Prompt ist billiger und flexibler als model fine-tuning und erzeugt die gleiche Konvergenz.
Quellen & Methodik
- Vercel State of AI Report 2026: Daten zur Adoption von KI-Assistenten in neuen Projekten. https://vercel.com/state-of-ai (September 2026)
- Anthropic Claude Training Data: Öffentliche Dokumentation zu Trainingsdaten-Zusammensetzung. https://www.anthropic.com/research
- GitHub Octoverse 2025: Trends in Code-Language-Adoption und Framework-Häufigkeit. https://github.blog/news-insights/octoverse/
- PEP 8 — Style Guide for Python Code. https://www.python.org/dev/peps/pep-0008/
- Eigene Beobachtung: Token-Effizienz-Muster in Claude Playground Outputs, Oktober 2026.
Veröffentlicht: 3. Oktober 2026. Nächste Überprüfung: Januar 2027.
Weitere Fragen
Wie unterscheidet sich KI-generierter Code von Hand geschriebenem?
KI-Modelle nutzen Trainingsdaten aus Millionen von Code-Repositories. Sie lernen statistische Muster, nicht Prinzipien. Das führt zu detektierbaren Stilmerkmalen: zweistellige Indentation, prägnante Funktionsnamen, bestimmte Token-Sequenzen. Diese Muster prägen künftige Generationen, die mit KI aufgewachsen sind.
Sollten wir unseren Code an KI-Standards ausrichten?
Das ist kompliziert. Einerseits sind KI-Standards oft pragmatisch und effizient. Andererseits können sie Vorurteile aus den Trainingsdaten verstärken. Besser: Standards bewusst setzen und KI als Werkzeug nutzen, nicht als Maßstab. Für Schweizer Agenturen bedeutet das: Eigene Konventionen dokumentieren und KI danach steuern.
Wann wird das zum praktischen Problem?
Jetzt schon. Wenn über 60 % der neuen Codebases von KI-Assistenten stammen (wie in Vercel-Statistiken), definieren diese Tools de facto die Branchennormen. Junior-Entwickler, die nur Claude sehen, werden Code ohne Claude-Merkmale als 'falsch' empfinden. Das ist ein kultureller Wendepunkt.
Mehr Schlagwörter
Herausgeberin: loaded.ch. Rechtlich verantwortlich: Benjamin Wagner. Wie das Magazin arbeitet: Über uns und Methodik.
AUS UNSEREM NETZWERK
loaded.ch ist unser Schwesterprojekt. Vertiefende Ratgeber zum Thema dieses Artikels:
KI-Agenten & Automation – Ratgeber auf loaded.ch ▸