Low Code und No Code: Das gebrochene Versprechen – und warum KI es jetzt einlöst

Einleitung: Ein Versprechen, das seit Jahren nicht eingelöst wird

Vor einiger Zeit haben wir einen Workshop mit einem Kunden gemacht. Thema: Microsoft Power Apps einführen. Der Kunde war überzeugt, dass seine eigenen Leute die Plattform schnell im Griff haben würden. Danach hat mich der Kunde angerufen: "Robert, das ist zu kompliziert. Das müsst ihr für uns bauen."

Und das ist kein Einzelfall. Unternehmen kaufen Low-Code- und No-Code-Plattformen mit einem klaren Versprechen: Die eigenen Mitarbeitenden sollen Prozesse digitalisieren können, ohne IT-Abhängigkeit, Programmierkenntnisse oder externe Berater:innen. Ein verlockendes Versprechen. Aber es wird seit Jahren nicht wirklich eingelöst.

Dieser Artikel erklärt, warum das so ist, und warum KI-Tools wie Cursor und Claude Code gerade das einlösen, was Low Code seit über zehn Jahren schuldet.

Was Low Code und No Code eigentlich versprechen

Das Grundversprechen von Low Code und No Code ist klar formuliert: In einer kontrollierten Umgebung sollen Nicht-IT-ler:innen in der Lage sein, Anwendungen zu bauen und Prozesse zu digitalisieren - ohne Programmier-Know-how, ohne Entwicklungsabteilung.

Das klingt nach einer echten Lösung für zwei reale Probleme: den anhaltenden IT-Fachkräftemangel und die Abhängigkeit von Fachabteilungen von überlasteten IT-Teams. Wenn Vertrieb, HR oder Einkauf ihre eigenen Prozesse selbst digitalisieren können, entlastet das die IT und beschleunigt die Digitalisierung im Unternehmen.

Die Markterwartungen waren entsprechend groß: Laut einer Analyse der Computerwoche auf Basis von Gartner-Daten sollten bis 2025 rund 70 Prozent aller neuen Unternehmensanwendungen mit Low-Code- oder No-Code-Technologien entwickelt werden - gegenüber weniger als 25 Prozent im Jahr 2020. Der Markt wuchs rasant. Das Versprechen war groß.

Der Gedanke dahinter ist richtig. Das Problem liegt aber in der Umsetzung.

Die Realität: Warum das Versprechen nicht aufgeht

Was passiert in der Praxis? Die Kund:innen merken unterwegs, dass ihre Prozesse viel komplizierter sind, als sie gedacht haben. Viele haben sich vorher nie wirklich Gedanken über ihre eigenen Prozesse gemacht. Und wenn man diese komplizierten Prozesse in eine Low-Code-Plattform bringen will, muss man dort eine ganze Menge konfigurieren.

Konfigurieren klingt einfacher als Programmieren. Ist es aber nicht. Es braucht Wissen, Struktur und Erfahrung. Wer Prozesse in Power Apps, OutSystems oder einer anderen Low-Code-Plattform abbilden will, muss erst verstehen, wie man Prozesse aufnimmt, wie man sie strukturiert, wie man sie in das Datenmodell der Plattform überführt.

Das Ergebnis ist vorhersehbar: Die Unternehmen kaufen sich externe Berater:innen rein, die dann auf der Low-Code-Plattform bauen – was sie vorher auch mit klassischer Softwareentwicklung hätten tun können. Und obendrauf kommen noch Lizenzkosten pro Prozess. Dass dieses Muster kein Einzelfall ist, belegt eine Analyse des Fachportals IT Management: 54 Prozent der Citizen-Development-Projekte scheitern bereits innerhalb des ersten Jahres, weitere 28 Prozent erzielen nur marginale Ergebnisse.

Meine Einschätzung aus der Praxis: 5 Prozent der Kund:innen bedienen diese Plattformen wirklich selbst. 95 Prozent brauchen Spezialist:innen. Das ursprüngliche Einsparziel wird nicht erreicht, dafür entstehen neue Kostenblöcke.

Überblick: Warum Low Code das Versprechen verfehlt

Aus der Praxis: Dieses Muster zeigt sich unabhängig von der gewählten Plattform.

Ob Low Code oder klassische Entwicklung: Am Ende braucht man Spezialist:innen

Das ist der Punkt, der in der Diskussion um Low Code oft übersehen wird. Das Versprechen, dass "jede:r" Prozesse digitalisieren kann, wird nicht erfüllt. Man muss sowieso Spezialist:innen einsetzen. Und ob das nun jemand mit einer Spezialisierung auf Low-Code-Plattformen ist oder eine Entwicklerin, die Cursor bedient – das spielt am Ende keine Rolle.

Man braucht eine Person, die sich in irgendetwas spezialisieren muss. Punkt.

Der Unterschied ist: Mit klassischer Entwicklung zahlt man für Entwicklungsarbeit. Mit Low Code zahlt man für Entwicklungsarbeit plus Lizenzkosten plus den Aufwand, sich in eine proprietäre Plattform einzuarbeiten, die das eigene Ökosystem definiert und Abhängigkeiten schafft.

Whitepaper: KI im Unternehmen einführen

Wie Unternehmen KI strukturiert einführen, organisatorisch verankern und Schritt für Schritt skalieren. Mit konkreten Handlungsempfehlungen aus der Praxis.

Jetzt kostenlos downloaden

Jetzt kommt KI – und verändert die Ausgangslage grundlegend

Hier liegt die eigentliche Verschiebung. Tools wie Cursor, Claude Code oder GitHub Copilot sind keine Low-Code-Plattformen. Die konfigurieren nichts. Denen sagt man einfach, was gebaut werden soll, und sie bauen es. Das ist der Unterschied.

Low Code hat seit zehn Jahren versucht, Digitalisierung zugänglicher zu machen, indem es Programmierung durch Konfiguration ersetzt. KI macht das anders: Sie ersetzt Konfiguration durch natürlichsprachliche Beschreibung. Man beschreibt, was man braucht. Das Tool baut es.

Damit verschiebt sich die Einstiegshürde auf eine Art, die Low Code strukturell nie erreicht hat. Und das hat eine entscheidende Folge:

Der Kreis der Menschen, die damit produktiv arbeiten können, ist mit KI deutlich größer.

Das war mit Low-Code-Plattformen so nicht der Fall – dort blieb die Einstiegshürde trotz allem zu hoch. Wie Unternehmen dabei Prozesse sinnvoll automatisieren können, zeigt unser Beitrag zur Hyperautomatisierung und KI-gestützten Prozessautomatisierung.

KI löst das Versprechen ein – aber auch das geht nicht im Handumdrehen

An dieser Stelle ist mir eine Nuancierung wichtig, die in der aktuellen Debatte manchmal untergeht.

Ja, KI löst das Versprechen ein, das Low Code nie halten konnte. Das ist meine feste Überzeugung. Aber das bedeutet nicht, dass es von heute auf morgen funktioniert oder dass jedes Unternehmen morgen früh Cursor installiert und direkt und produktiv loslegt.

Auch bei KI gibt es Reifegrade. Wenn Teams nicht gelernt haben, ein Problem so zu zerlegen, dass sie es einem System sinnvoll beschreiben können, werden sie auch mit dem besten Tool nicht produktiv. Das ist eine Denkfähigkeit, die man trainieren kann, aber sie muss erst aufgebaut werden. Das braucht Zeit, Geduld und die Bereitschaft, die eigene Arbeitsweise zu hinterfragen.

Wie sich beispielsweise Organisationen und Organigramme im KI-Zeitalter verändern müssen, habe ich in einem Blogbeitrag aufgeschrieben.

Was sich aber gegenüber Low Code fundamental unterscheidet: Deutlich mehr Mitarbeitende können lernen, mit KI umzugehen. Kolleg:innen, die vorher kaum Berührungspunkte mit IT hatten, arbeiten heute produktiv mit KI-Tools. Das war mit Low-Code-Plattformen strukturell so nicht möglich, weil die Einstiegshürde trotz allem zu hoch blieb.

Wenn KI-Reifegrade in allen Abteilungen aufgebaut werden, skaliert das auf eine Art, die mit Low Code nicht erreichbar war. In der Theorie vervielfacht das die Produktivität. In der Praxis hängt es genau daran: ob die Arbeitsweise wirklich mitgedacht wird, ob Unternehmen in den Kompetenzaufbau investieren und ob die Implementierung strukturiert erfolgt. Warum auch KI-Projekte an diesem Punkt scheitern können, beschreiben wir ausführlich in unserem Beitrag Warum KI-Projekte scheitern - Reifegrad statt Technik.

KI ist kein Selbstläufer. Aber wenn man es richtig macht, löst es das Versprechen ein, und das ist ein echter Schritt weiter.

Wie Unternehmen KI-Tools sicher und strukturiert einsetzen, haben wir in unserem Beitrag Wie Unternehmen KI sicher einsetzen können ausführlich beschrieben.

Die Zukunft: Eine Plattform mit Endpunkten – und KI baut die Integrationen

Ich habe seit einiger Zeit eine konkrete Idee im Kopf, die ich hier skizzieren möchte.

Stellen Sie sich eine Plattform vor, die nur Endpunkte bereitstellt: MCP-Server verschiedenster Anwendungen, ein API-Gateway, Container-Hosting. Alles, was zwischen diesen Endpunkten passiert – die Integrationen, die Automatisierungen, die Prozesslogik – wird nicht mehr konfiguriert, sondern per KI gebaut. Man sagt Claude Code oder Cursor: "Bau mir diese Integration." Das Tool baut sie. Die Integration wird automatisiert in einen Container überführt, dort gehostet, über das API-Gateway überwacht.

Das ist eine kontrollierte Umgebung – genau wie Low Code. Aber ohne proprietäre Plattformabhängigkeit, ohne Lizenzkosten pro Prozess, und ohne die Einschränkungen, die jede Low-Code-Plattform mit sich bringt.

Wenn wir dort ankommen, sind die klassischen Low-Code-Plattformen obsolet.

Meine Einschätzung: Mit zwei guten Entwickler:innen und einer Woche Hackathon könnte man diese Lösung bauen. Die Technologie ist vorhanden. Was fehlt, sind die Idee und der Mut, sie umzusetzen.

Von der Konfiguration zur Konversation: Die KI-native Integrationsplattform

Statt Low-Code-Oberflächen zu konfigurieren, beschreibt man der KI, was gebaut werden soll. MCP-Server, API-Gateway und Container-Hosting bilden die kontrollierte Umgebung; die Integrationslogik dazwischen entsteht per Prompt.

Was das für Ihre Plattformstrategie bedeutet

Wenn Sie heute eine Low-Code- oder No-Code-Plattform evaluieren oder bereits einsetzen, lohnt es sich, ein paar Fragen zu stellen:

• Wie viele Ihrer Mitarbeitenden nutzen die Plattform wirklich selbst – und wie viele Prozesse werden de facto von externen Spezialist:innen gebaut?
• Welche Lizenzkosten entstehen pro Prozess, und wie verhalten sich diese im Vergleich zu klassischer Entwicklung?
• Welche Abhängigkeiten schaffen Sie durch die Wahl einer proprietären Plattform, und wie flexibel bleiben Sie, wenn sich Anforderungen ändern?

Das bedeutet nicht, dass bestehende Low-Code-Implementierungen sofort abgelöst werden müssen. Wenn Sie heute stabile Prozesse auf einer Plattform betreiben, sollten Sie das nicht leichtfertig anfassen. Aber bei der Frage, welche Technologie für neue Digitalisierungsvorhaben eingesetzt wird, hat sich die Ausgangslage verändert.

KI-gestützte Entwicklung mit Tools wie Cursor oder Claude Code ist heute für viele Anwendungsfälle die schnellere, flexiblere und kostengünstigere Alternative, ohne die strukturellen Nachteile proprietärer Low-Code-Plattformen.

Fazit: Das Versprechen wird jetzt eingelöst – nur nicht von Low Code

Das Versprechen von Low Code und No Code war gut: Digitalisierung in die Fachabteilungen bringen, IT-Unabhängigkeit schaffen, Prozesse ohne Programmierkenntnisse automatisieren. Dieses Versprechen hat Low Code in zehn Jahren nicht wirklich eingelöst.

KI löst es gerade ein. Nicht durch bessere Konfigurationsoberflächen, sondern durch einen grundlegend anderen Ansatz: Man beschreibt, was gebaut werden soll, und es wird gebaut.

Das hat Konsequenzen für Plattformentscheidungen, für Lizenzstrategien und für die Frage, welche Kompetenzen in Unternehmen aufgebaut werden sollten. Wenn Sie heute in Low-Code-Plattformen investieren, ohne diese Verschiebung zu berücksichtigen, riskieren Sie, in Abhängigkeiten zu investieren, die in wenigen Jahren obsolet sind.

Die entscheidende Frage muss daher heute lauten, wie Unternehmen KI-gestützte Entwicklung strukturiert einsetzen: mit dem nötigen Reifegrad, klaren Endpunkten, kontrollierten Umgebungen und ohne proprietäre Plattformabhängigkeiten. Wenn Sie das strukturiert angehen, werden Sie mit der Umsetzung der Versprechen belohnt, die Low Code und No Code nie einlösen konnten.

Mehr zu den strategischen Grundlagen einer KI-Implementierung finden Sie in unserem Beitrag KI-Implementierung erfolgreich meistern.

Sprechen Sie mit uns über Ihre Plattformstrategie.

Ob Sie Low-Code-Investitionen bewerten, KI-gestützte Entwicklung einführen oder bestehende Systeme modernisieren wollen: Wir unterstützen Sie bei Analyse, Strategie und Umsetzung.

Jetzt unverbindlich Kontakt aufnehmen

FAQ

Was ist der Unterschied zwischen Low Code und KI-gestützter Entwicklung?

Low Code ersetzt Programmierung durch Konfiguration - was eigenes Wissen, Struktur und Erfahrung erfordert. KI-gestützte Entwicklung mit Tools wie Cursor oder Claude Code funktioniert anders: Man beschreibt in natürlicher Sprache, was gebaut werden soll, und das Tool baut es. Die Einstiegshürde ist strukturell niedriger, die Flexibilität deutlich höher.

Warum scheitert das Versprechen von Low Code in der Praxis?

Weil Unternehmensprozesse komplexer sind als erwartet. Wer Prozesse in einer Low-Code-Plattform abbilden will, muss sie erst strukturieren, dokumentieren und in das Datenmodell der Plattform überführen. Das erfordert Wissen und Erfahrung - weshalb am Ende meist externe Spezialist:innen eingesetzt werden, die auf der Plattform bauen. Das ursprüngliche Einsparziel wird so nicht erreicht.

Funktioniert KI-gestützte Entwicklung wirklich ohne IT-Kenntnisse?

Nicht ohne Weiteres. Auch KI erfordert einen gewissen Reifegrad: Wer ein Problem nicht klar beschreiben und strukturieren kann, wird auch mit dem besten Tool nicht produktiv. Dieser Reifegrad ist aber erlernbar, und der Kreis der Mitarbeitenden, die ihn realistisch erreichen können, ist mit KI deutlich größer als mit Low-Code-Plattformen. Entscheidend ist, dass Unternehmen in den Kompetenzaufbau investieren.

Was sollten Unternehmen bei ihrer Plattformstrategie jetzt beachten?

Drei Fragen sind entscheidend: Wie viele Prozesse werden wirklich von eigenen Mitarbeitenden gebaut - und wie viele von externen Spezialist:innen? Welche Lizenz- und Abhängigkeitskosten entstehen? Und wie flexibel bleibt man, wenn sich Anforderungen ändern? KI-gestützte Entwicklung bietet hier in vielen Fällen eine strukturell überlegene Alternative.