Können Fachanwender mit KI selbst Systeme entwickeln? 3 Voraussetzungen und 5 Grenzen am Beispiel eines Tierhaltungsbetriebs

Anmerkung des Autors: Der Geschäftsführer eines Zuchtbetriebs mit rund 120 Mitarbeitenden hat mithilfe eines KI-Programmiertools selbst ein Verwaltungssystem aufgebaut. Dieser Artikel wiederholt nicht die These, dass nun „jeder entwickeln kann“. Stattdessen zeigt er, unter welchen Bedingungen das Beispiel funktioniert hat – und an welche Grenzen Fachleute aus dem Geschäft stoßen, wenn sie mit KI eigene Systeme bauen.

Im November 2026 wurden die Ergebnisse des Leading-Technology-Awards der Weltinternetkonferenz in Wuzhen bekannt gegeben. Qoder, die Agentenplattform von Alibaba, war das einzige chinesische universelle Agentenprodukt unter den Preisträgern. In der Berichterstattung tauchte ein Beispiel auf, das sich leicht zu „Auch Fachleute aus dem Geschäft können selbst Systeme entwickeln“ verkürzen lässt: Zhang Lifei, Geschäftsführer des Zuchtbetriebs Xixianji in Ningxia, baute mit einem KI-Programmiertool in gut drei Monaten mehrere Geschäftssysteme auf, darunter eines für die Verwaltung der Tierzucht.

Das ist keine Geschichte darüber, wie jemand ohne Vorkenntnisse über Nacht zum Programmierer wurde. Zhang Lifei hatte zuvor in der Forschung und Entwicklung bei Huawei und Ericsson gearbeitet und kannte sich mit der Tierzucht, Schlachtung und Verarbeitung im eigenen Unternehmen bestens aus. Diese beiden Voraussetzungen bestimmen, was sich aus dem Beispiel ableiten lässt – und was nicht.

Darum geht es: Nach der Lektüre können Sie einschätzen, ob sich Ihre geschäftlichen Anforderungen für ein selbst gebautes KI-gestütztes System eignen. Außerdem wissen Sie, wo die drei Hürden liegen: bei der Beschreibung der Anforderungen, der Prüfung der Ergebnisse und der laufenden Wartung.

Fachkräfte entwickeln mit KI eigene Systeme: Die wichtigsten Fakten im Überblick

Zuerst die Fakten, die sich aus dem Bericht bestätigen lassen, dann ihre Bedeutung. Alle Angaben in der folgenden Tabelle stammen aus einem Bericht von GeekPark vom 5. November 2026.

So entwickeln Fachkräfte in der Praxis mit KI eigene Systeme

Ein Detail des Berichts wird leicht übersehen: Zhang Lifei sagt nicht einfach einen Satz, woraufhin die KI ein fertiges System liefert. Er öffnet mehrere Entwicklungssitzungen gleichzeitig und wechselt zu einer anderen, während er auf das Ergebnis einer Aufgabe wartet. Hat die KI Änderungen vorgenommen, prüft er das Ergebnis selbst und ergänzt anschließend neue Erkenntnisse aus dem Geschäftsalltag.

Das ist im Grunde eine Zusammenarbeit nach dem Muster „Fachexperte plus ausführende KI“. Der Mensch zerlegt die Anforderungen, beurteilt die Ergebnisse und gibt die Richtung für die nächsten Schritte vor. Die KI übernimmt das Schreiben und Ändern von Code sowie das Ausführen von Aufgaben. Aus diesem Blickwinkel wird die Aussage des Beispiels klarer.

Fachkräfte entwickeln Systeme mit KI: Welche Hürden fallen weg?

Wer interne Tools mithilfe von KI selbst entwickelt, verteilt im Grunde Aufgaben neu, für die sonst ein kleines Team nötig wäre. Die folgende Tabelle zeigt, wer die einzelnen Schritte bei einer herkömmlichen Individualentwicklung übernimmt – und wie sie in diesem Fall erledigt wurden.

Die Tabelle zeigt: KI senkt vor allem die Hürde, klare Anforderungen in lauffähigen Code umzusetzen, und verringert den Abstimmungsaufwand zwischen Fachbereich und Entwicklung. Für Zhang Lifei war bisher besonders schwierig, dass ihm ein Team fehlte, das seine Ideen in ein System übertragen konnte. Genau dort können KI-Programmiertools besonders gut einspringen.

Die Klärung der Anforderungen und die Abnahme der Ergebnisse fallen jedoch nicht weg. Sie liegen sogar noch stärker beim Fachverantwortlichen. Der Bericht erwähnt auch, dass sich die neue Version von Qoder an Menschen richtet, „die klare Ziele haben und die Qualität der Ergebnisse beurteilen können“. Diese Einschränkung ist wichtig.

Drei Voraussetzungen, damit Fachkräfte mit KI eigene Systeme entwickeln können

Aus dem Fall lassen sich drei Voraussetzungen ableiten:

1. Das Problem kennen: Zhang Lifei wusste, dass der zentrale Schmerzpunkt darin lag, dass sich der Gewinn einer Schafherde erst nach der Schlachtung ermitteln ließ. Die Anforderung hatte damit ein klares Geschäftsziel.
2. Anforderungen klar formulieren können: Dazu gehört, Felder, Abläufe und Berechnungsregeln zu beschreiben und überprüfbare Abnahmekriterien festzulegen – statt nur zu sagen: „Erstell mir ein Verwaltungssystem.“
3. Ergebnisse beurteilen können: Sein Entwicklungshintergrund hilft ihm, die Struktur zu verstehen, Logikfehler zu erkennen und rechtzeitig einzugreifen, wenn die KI vom Kurs abkommt.

Die erste Voraussetzung erfüllen die meisten Fachverantwortlichen. Die zweite und dritte machen den entscheidenden Unterschied. Menschen ohne Entwicklungshintergrund können es ebenfalls schaffen, müssen aber zusätzliche Zeit ins Lernen investieren. Ein einzelner Fall sagt zudem nichts über ihre Erfolgsquote aus.

🚀 Schnellstart: Wenn Sie zunächst kostengünstig prüfen möchten, ob sich Ihre Anforderungen klar formulieren lassen, können Sie Ihre Geschäftsbeschreibung mit einem großen Sprachmodell in ein strukturiertes Anforderungsdokument umwandeln. Über APIYI apiyi.com können Sie mit einem einzigen API-Schlüssel verschiedene führende Modelle aufrufen. So können Sie zunächst im kleinen Rahmen experimentieren und danach entscheiden, ob Sie in die eigentliche Entwicklung investieren möchten.

Bevor Fachkräfte mit KI ein eigenes System bauen: Anforderungen als Spezifikation festhalten

Viele selbst entwickelte Systeme scheitern nicht daran, dass die KI keinen Code schreiben kann. Oft sind die Anforderungen selbst zu unklar. Bevor Sie loslegen, können Sie das Modell bitten, eine umgangssprachliche Beschreibung des Geschäftsprozesses in Datenfelder, Regeln und Abnahmekriterien zu übersetzen. Diese prüfen Sie dann Punkt für Punkt.

Hier ein einfaches Beispiel: Es ruft ein Modell über eine OpenAI-kompatible Schnittstelle auf und wandelt eine Geschäftsbeschreibung in eine Anforderungsspezifikation um:

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

desc = "三个养殖场，按批次记录每天饲料消耗和羊的体重，想在出栏前就知道每批羊大概赚多少钱。"
resp = client.chat.completions.create(
    model="gpt-4o-mini",  # Kann durch ein anderes auf der Plattform verfügbares Modell ersetzt werden
    messages=[{"role": "user", "content": f"把以下业务需求整理成数据字段、计算规则和验收条件：{desc}"}]
)
print(resp.choices[0].message.content)

import openai
from typing import Optional

SYSTEM_PROMPT = (
    "你是资深业务分析师。请把用户的业务描述整理为：\n"
    "1. 核心数据实体与字段（含单位）\n"
    "2. 计算规则（写出公式）\n"
    "3. 验收条件（每条都必须可被人工检查）\n"
    "4. 需要用户补充确认的问题清单\n"
    "不要假设用户没说过的规则，不确定的地方放进问题清单。"
)

def build_spec(
    business_desc: str,
    model: str = "gpt-4o-mini",
    extra_context: Optional[str] = None,
    max_tokens: int = 1500
) -> str:
    """Eine umgangssprachliche Geschäftsbeschreibung in eine überprüfbare Anforderungsspezifikation umwandeln"""
    client = openai.OpenAI(
        api_key="YOUR_API_KEY",
        base_url="https://api.apiyi.com/v1"
    )
    content = business_desc
    if extra_context:
        content += f"\n补充背景：{extra_context}"

    try:
        resp = client.chat.completions.create(
            model=model,
            messages=[
                {"role": "system", "content": SYSTEM_PROMPT},
                {"role": "user", "content": content},
            ],
            max_tokens=max_tokens,
        )
        return resp.choices[0].message.content
    except Exception as e:
        return f"调用失败：{e}"

if __name__ == "__main__":
    spec = build_spec(
        business_desc="按批次管理在栏羊，记录每日饲料消耗、体重和生长阶段，"
                      "希望出栏前估算每批羊的成本和利润。",
        extra_context="目前用 Excel 台账，有三个养殖场。"
    )
    print(spec)

Dieser Code entwickelt das System nicht für Sie. Sein Wert liegt darin, die Stellen aufzudecken, an denen Sie dachten, alles sei klar erklärt – obwohl noch Fragen offen sind. Je länger die Fragenliste des Modells ausfällt, desto wichtiger ist es, die Anforderungen zunächst zu präzisieren, bevor Sie ein KI-Programmierwerkzeug mit der Umsetzung beauftragen.

Können Fachkräfte mit KI eigene Systeme bauen? Ein Entscheidungsrahmen

Das Fallbeispiel zeigt: Unter den richtigen Bedingungen können Fachkräfte mit KI interne Systeme selbst entwickeln. Es zeigt aber nicht, dass sich jedes System dafür eignet. Der folgende Rahmen hilft bei der Entscheidung, was sich zunächst selbst bauen lässt und wann ein professionelles Team hinzugezogen werden sollte.

Das Zuchtmanagementsystem von 西鲜记 fällt weitgehend in die linke Spalte: Es wird intern für Entscheidungen zur Fütterung und Vermarktung eingesetzt, und bei Problemen kann jemand sie zeitnah erkennen. Gehört deine Anforderung ebenfalls in diese Kategorie, ist die Eigenentwicklung mit KI einen Versuch wert. Trifft dagegen bei mehreren Punkten die rechte Spalte zu, ist es sicherer, zunächst mit KI einen Prototyp zu erstellen und die Anforderungen zu präzisieren. Danach kannst du ein professionelles Team beauftragen oder ein ausgereiftes Produkt kaufen.

Drei Wege im Vergleich: Eigenentwicklung mit KI, Kauf und Individualentwicklung

Stellt man die drei Wege gegenüber, werden die Unterschiede deutlicher:

Die drei Wege schließen sich nicht gegenseitig aus. Eine häufige Kombination: Zunächst mit KI selbst ein System bauen, den Ablauf erproben und prüfen, ob der Bedarf tatsächlich besteht. Wenn die Nutzerzahl steigt und die Daten sensibler werden, lässt sich entscheiden, ob ein professionelles Team das System neu aufbauen soll.

Welche Auswirkungen hat es, wenn Fachkräfte mit KI eigene Systeme entwickeln?

Auswirkungen auf Verantwortliche in kleinen und mittleren Unternehmen

• Bedarfe bleiben nicht mehr liegen, nur weil ein Entwicklungsteam fehlt: Unternehmen wie Xixianji, die nur eine Person für die technische Entwicklung beschäftigen, mussten früher zwischen „unpassender Standardsoftware“ und „teurer Individualentwicklung“ wählen. Jetzt gibt es einen weiteren möglichen Weg.
• Fachwissen gewinnt an Wert: Wer die Geschäftsabläufe am besten kennt, kann dieses Wissen direkt in ein System einbringen und es im Alltag laufend anpassen. So gehen weniger Informationen bei der „Übersetzung“ von Anforderungen verloren.
• Der Zeitaufwand für Verantwortliche steigt: Laut Bericht hat Zhang Lifei die Entwicklung nach Feierabend und zwischendurch auf Dienstreisen vorangetrieben. Auch dieser Zeitaufwand verursacht Kosten und lässt sich nicht einfach als „kostenlos“ betrachten.

Auswirkungen auf professionelle Entwicklungsteams und IT-Abteilungen

• Die Rolle verschiebt sich vom „Code schreiben“ zur Absicherung: Je mehr Tools Fachkräfte selbst entwickeln, desto stärker braucht es Fachleute für Sicherheitsprüfungen, Berechtigungskonzepte, Datensicherung und Systemintegration.
• Das Risiko von Schattensystemen steigt: Wenn jede Fachabteilung mit KI eigene Tools entwickelt, können Daten verstreut liegen, Definitionen voneinander abweichen und nach dem Ausscheiden von Mitarbeitenden Zuständigkeiten für die Wartung fehlen. Dafür braucht es frühzeitig Regeln.

5 Fragen, die das Beispiel noch nicht beantwortet

Der Bericht zeigt ein erfolgreiches Ergebnis. Für Entscheidungsträger sind aber auch die folgenden Informationen wichtig, die in den öffentlich verfügbaren Materialien bislang fehlen:

Solange diese Fragen offen sind, ist eine Einordnung sinnvoll: Das Beispiel zeigt, dass der Ansatz „unter den richtigen Bedingungen machbar“ ist – nicht, dass „jeder es schaffen kann“.

Häufig gestellte Fragen (FAQ)

Geschäftsanwender entwickeln mit KI eigene Systeme: Key Takeaways

• Der Fall hat Voraussetzungen: Die Hauptperson verfügt sowohl über einen Entwicklungshintergrund als auch über fundierte Geschäftskenntnisse. Daraus lässt sich nicht einfach ableiten, dass „jeder entwickeln kann“.
• KI senkt die Hürde bei der Umsetzung: Programmierung und Weiterentwicklung werden schneller. Anforderungen zu klären und Ergebnisse abzunehmen, bleibt jedoch Aufgabe des Menschen.
• Für den Einstieg in die Eigenentwicklung geeignet: intern genutzte Tools ohne sensible Daten, bei denen sich Fehler manuell korrigieren lassen.
• Professionelle Unterstützung ist nötig: bei personenbezogenen Daten, Zahlungen, komplexen Berechtigungen und der Integration mehrerer Systeme.
• Versteckte Kosten nicht übersehen: Zeitaufwand, Toolgebühren und langfristige Wartung gehören in die Entscheidung.
• Erst prüfen, dann investieren: Über APIYI apiyi.com lassen sich Modelle kostengünstig aufrufen, um Anforderungen zu einer Spezifikation auszuarbeiten. Danach kann entschieden werden, ob Eigenentwicklung, Kauf oder Auftragsentwicklung sinnvoll ist.

Fazit

Der Fall von Xixianji zeigt: Wenn Geschäftsverantwortliche das Problem genau kennen, ihre Anforderungen klar formulieren und die Ergebnisse beurteilen können, helfen KI-Programmiertools dabei, bisher zurückgestellte Systemprojekte tatsächlich umzusetzen. Drei Punkte sind dabei entscheidend:

1. Die Einstiegshürde sinkt tatsächlich: KI kann bereits einen Großteil der Arbeit zwischen Anforderung und lauffähigem Code übernehmen.
2. Urteilsvermögen bleibt unverzichtbar: Anforderungen zu beschreiben, Ergebnisse zu prüfen und das System dauerhaft zu warten, liegt weiterhin bei Menschen mit Geschäftskenntnis.
3. Grenzen frühzeitig festlegen: Datensicherheit, Berechtigungen und langfristige Wartung bestimmen, welche Systeme sich selbst entwickeln lassen und wo ein professionelles Team nötig ist.

Wenn Sie überlegen, interne Tools mit KI selbst zu entwickeln, beginnen Sie am besten mit einem kleinen Prozess, bei dem Fehler keine großen Folgen haben. Lassen Sie die KI zunächst eine Spezifikation aus den Anforderungen erstellen und einen Prototyp entwickeln. Anhand des Ergebnisses können Sie über die nächsten Schritte entscheiden. Über APIYI apiyi.com lässt sich der Ansatz schnell testen: Mit einem API-Schlüssel können Sie mehrere gängige Modelle vergleichen.

📚 Quellen

1. GeekPark – Was steckt hinter Qoders Auszeichnung bei der World Internet Conference und seiner Spitzenposition auf dem chinesischen Markt für KI-Programmierung?: Quelle für die Fakten der Fallbeispiele in diesem Artikel
2. Link: geekpark.net/news/373542
3. Hinweis: Enthält das Fallbeispiel zum Zuchtmanagementsystem von Xixianji sowie Beispiele für den Einsatz von KI-Programmierung bei Unternehmen wie Geely und Shanda Huatian

Autor: APIYI-Technikteam
Technischer Austausch: Bei Fragen zu Modellaufrufen und zur Anbindung interner Tools kontaktieren Sie uns gerne über die Startseite von APIYI unter apiyi.com