Die direkte Erstellung von Anwendungen über Sprachmodelle stößt im Alltag an funktionale Grenzen. Wie aus einem aktuellen Praxistest von Android Authority zu ChatGPT 6 Intelligent UI hervorgeht, kann die in den Chat integrierte, kostenlose Funktion dedizierte Softwareprogramme gegenwärtig nicht vollwertig ersetzen.
Im Test erwiesen sich die erzeugten Oberflächen eher als interaktive Antworten statt als echte intelligente Benutzeroberflächen. Als wesentliche Schwachpunkte fielen mangelnde Zuverlässigkeit und fehlender persistenter Speicher auf: Erstellte Mini-Apps aktualisieren sich nicht automatisch, und Einträge in einem erstellten Journal blieben nur für die Dauer der aktuellen Sitzung erhalten.
Zudem existiert keine zentrale Ablage zur Verwaltung der Mini-Apps. Bei funktionalen Aufgaben scheiterte das System teilweise: Ein Timer blieb selbst nach einem vollständigen Neuaufbau funktionsunfähig.
Positiv fielen hingegen einfachere interaktive Werkzeuge auf. Ein Reiseplaner mit Frage-Antwort-Funktion sowie ein Budget-Tool für zwei Personen und ein Programm zum Aufteilen von Rechnungen arbeiteten zuverlässig.
Sicherheitslücken und steigender Prüfaufwand bei KI-Code
Die im Nutzertest beobachteten Defizite spiegeln sich in umfassenden Branchenanalysen zur KI-gestützten Code-Generierung wider. Die Studie „Understanding the (In)security of Vibe-Coded Applications“ untersuchte mehr als 9.000 KI-generierte Open-Source-Apps und stellte fest, dass neun von zehn Programmen mindestens eine Sicherheitslücke aufwiesen.
Bei einem Test von zwölf KI-Coding-Agenten anhand von 186 Aufgaben funktionierte bei einem Agenten mit Claude Sonnet 4 zwar ein Anteil von 57 Prozent der Lösungen wie beabsichtigt, jedoch erwiesen sich lediglich 11,8 Prozent als sicher.
Wer sich mit der Absicherung von IT-Infrastrukturen befasst, findet in diesem E-Book wertvolle Informationen zu aktuellen Bedrohungen und neuen gesetzlichen Anforderungen. IT-Sicherheit stärken und Sicherheitslücken schließen
Laut Thoughtworks-COO Amit Choudhary belegen unabhängige Prüfungen, dass roher KI-generierter Code 2,7-mal mehr Sicherheitslücken enthält als von Menschen verfasster Code. Zudem ergab eine Analyse von Apiiro bei Fortune-50-Unternehmen, dass sogenanntes Vibe Coding die Ingenieure zwar viermal produktiver mache, aber zu zehnmal mehr Sicherheitsproblemen führe.
Auch bei der Verifikation komplexer Systeme zeigen sich Fehlerquellen. Ein Audit von Vikash Kumar, Senior Verification Architect bei Arm, untersuchte drei Spitzenmodelle an 25 handkodierten Halbleiter-Designs mit 806 eingebauten Fehlern.
Die Erkennungsraten erreichten 79,2 Prozent bei Claude Opus 5, 76,2 Prozent bei GPT-5.4 und 62,8 Prozent bei GLM-5.2. Das beste Modell übersah somit mehr als 20 Prozent der Defekte. Sämtliche getesteten Modelle erklärten fälschlicherweise den Verifikationsprozess als erfolgreich abgeschlossen, obwohl funktionale Fehler verblieben.
Der Einsatz von KI-Systemen in Unternehmen erfordert heute eine präzise Kenntnis der rechtlichen Rahmenbedingungen und Risikoklassen. Dieser kostenlose Leitfaden bietet einen kompakten Überblick über die Anforderungen der neuen EU-KI-Verordnung. Umsetzungsleitfaden zum EU AI Act kostenlos herunterladen
Zweifel an Produktivität und Rendite
Die Versprechen rascher Zeitersparnis relativieren sich in der Praxis. GovTech Singapore stellte fest, dass ein um 24 Prozent schnelleres Schreiben von Code lediglich zu einer allgemeinen Produktivitätsverbesserung von 12 Prozent führte.
Laut dem Stack Overflow Developer Survey 2025 misstrauen 46 Prozent der Entwickler der Genauigkeit von KI-Ergebnissen, 66 Prozent empfinden fast richtige Ausgaben als größte Frustration, und 45 Prozent stufen die Fehlersuche bei KI-Code als zeitaufwändiger ein.
In einer Agoda-Studie, nach der 95 Prozent der Entwickler in Südostasien wöchentlich KI nutzen, nannten 77 Prozent in Singapur inkonsistente Ausgaben als größte Hürde; zwei Drittel prüfen KI-Code vor der Zusammenführung grundsätzlich manuell.
Die wirtschaftlichen Erwartungen drohen entsprechend zu kippen. Gartner prognostiziert, dass die Kosten für KI-Coding bis 2028 infolge steigenden Token-Verbrauchs die durchschnittlichen Entwicklergehälter übersteigen werden.
Bereits bis Ende 2025 wurden laut Gartner mindestens 50 Prozent der Projekte mit generativer KI nach der Machbarkeitsphase wegen mangelnder Datenqualität, Risikokontrollen, Kosten oder unklarem Geschäftswert abgebrochen.
Einer Erhebung von Teneo Vision 2026 unter mehr als 350 CEOs börsennotierter Konzerne und 400 institutionellen Investoren zufolge erwarten 53 Prozent der Investoren einen positiven Ertrag neuer KI-Initiativen binnen maximal sechs Monaten.
Demgegenüber trauen sich dies nur 16 Prozent der CEOs von Large-Cap-Unternehmen zu, während aktuell weniger als die Hälfte der bestehenden KI-Projekte überhaupt rentabel wirtschaftet.