Coden mit KI: Von Legacy-Code zu modernen Anwendungen

TL;DR — Kurzantwort

Wie du mit Claude, ChatGPT und spezialisierten Coding-Tools alten Code modernisierst, neue Apps baust und Entwicklungs-Workflows vereinfachst — auch ohne tiefe Programmierkenntnisse.

04. März 20266 Min. LesezeitDie AInauten

Kurze Antwort: Nein — nicht für die meisten Coding-Aufgaben. ChatGPT oder Claude reichen aus, um:

  • Code zu erklären und zu refactoren
  • Fehler zu debuggen
  • Legacy-Code in moderne Sprachen zu übersetzen
  • Schrittweise eine neue Architektur zu planen

Ein lokaler Coding-Agent wird erst dann interessant, wenn du willst, dass die KI eigenständig auf deinem System arbeitet — also Dateien liest/schreibt und mehrere Schritte ohne dein Eingreifen ausführt. Für einmalige Migrations-Projekte ist das in der Regel Overhead.

Ein häufiger Case in der Community: Ein selbst entwickeltes Excel/VBA- oder Access-System, das in eine moderne Webanwendung überführt werden soll.

Schritt 1: Den Code erklären lassen

Kopiere den VBA-Code in Claude und frag: "Erkläre mir, was dieser Code macht. Beschreibe die Kernlogik, die Datenstrukturen und alle Abhängigkeiten."

Das gibt dir einen klaren Überblick — auch wenn du den Code selbst geschrieben hast. Du bekommst eine verständliche Zusammenfassung, die du als Basis für die Migration nutzen kannst.

Schritt 2: Ziel-Architektur definieren

Beschreibe der KI, wohin du willst: "Ich will das als einfache Webanwendung umsetzen. Was wäre die einfachste sinnvolle Architektur? Berücksichtige, dass ich kein professioneller Entwickler bin."

Claude oder ChatGPT werden dir mehrere Optionen vorschlagen — von einfach bis komplex. Wähle das einfachste Setup, das deine Anforderungen erfüllt.

Schritt 3: Schrittweise migrieren

Nicht alles auf einmal. Lass Claude die Migration in klare Phasen aufteilen und arbeite dich Schritt für Schritt durch. Bei jedem Schritt: Code generieren lassen → testen → Feedback geben.

Cursor (cursor.com) — Die KI-IDE

Cursor ist eine IDE basierend auf VS Code mit eingebautem KI-Assistenten. Du kannst direkt im Editor:

  • Code generieren und refactoren
  • Fehler mit einem Klick debuggen
  • Den gesamten Codebase als Kontext nutzen

Für Migrations-Projekte der beste Startpunkt, wenn du bereits weißt, was du baust.

Replit — Für schnelle Prototypen im Browser

Replit ist eine Browser-IDE: kein lokales Setup nötig. Ideal für schnelle Prototypen und Experimente. Replit AI hilft dir direkt beim Schreiben und Debuggen — du brauchst nichts zu installieren.

Lovable — Web-Apps per Prompt

Lovable baut komplette Web-Apps aus Textbeschreibungen. Du beschreibst, was du willst — Lovable generiert den Code, deployt automatisch und du kannst iterativ verfeinern. Keine Programmierkenntnisse vorausgesetzt.

Bolt — Fullstack per natürlicher Sprache

Bolt verfolgt einen ähnlichen Ansatz wie Lovable: Fullstack-Apps per natürlicher Sprache. Gut für schnelle MVPs und Proof-of-Concepts.

v0 by Vercel — UI-Komponenten per Prompt

v0 von Vercel ist spezialisiert auf UI-Komponenten in React/Next.js. Du beschreibst eine Oberfläche und bekommst fertigen Code — ideal wenn du Komponenten für bestehende Projekte brauchst.

Wenn du kein professioneller Entwickler bist, empfehlen wir diesen Ablauf:

  1. Ziel klar definieren — Was soll die Anwendung können? In einem Satz formuliert.
  2. Mit ChatGPT oder Claude planen — Architektur, Technologie-Stack, Schritt-für-Schritt-Plan
  3. Lovable oder Bolt für den ersten Build — Schnell eine funktionierende erste Version
  4. Cursor oder Replit für Anpassungen — Wenn du mehr Kontrolle brauchst
  5. KI zum Debuggen nutzen — Fehlermeldungen direkt in Claude/ChatGPT einfügen und Lösung holen

Dieser Ansatz funktioniert auch dann, wenn du noch nie eine Zeile Code geschrieben hast. Der Schlüssel: Klein anfangen, häufig testen, schrittweise erweitern.

Seien wir ehrlich: KI macht Fehler beim Coden. Typische Probleme:

  • Halluzinierte Bibliotheks-APIs (die in Wirklichkeit nicht so funktionieren)
  • Sicherheitslücken bei Datenbankzugriffen, wenn du nicht explizit danach fragst
  • Schlechte Architektur-Entscheidungen bei komplexen Systemen

Die Lösung: Teste jeden generierten Code. Frag die KI explizit nach möglichen Problemen: "Welche Sicherheitsprobleme könnten in diesem Code stecken?" Und bei produktiven Systemen mit echten Nutzerdaten: Lass einen Entwickler gegenchecken.

KI macht Coding für alle zugänglicher — aber es ist kein Selbstläufer. Die besten Ergebnisse erzielst du, wenn du klar weißt, was du bauen willst, schrittweise vorgehst und die KI als Co-Developer nutzt — nicht als vollständige Lösung.

Für eine VBA-zu-Web-Migration ist Claude oder ChatGPT zusammen mit Cursor oder Lovable ein idealer Startpunkt. Fang heute an — du wirst schneller Ergebnisse sehen als erwartet.

Ähnliche Artikel

Hinterlasse einen Kommentar