Der aktuelle Stand: Adoption ist da, Vertrauen ist konditional
Laut McKinsey nutzen 88 Prozent der befragten Unternehmen KI bereits regelmäßig in mindestens einer Geschäftsfunktion. Aber nur etwa ein Drittel hat die Nutzung wirklich skaliert. Der Unterschied zwischen denen, die profitieren, und denen, die nur experimentieren, liegt vor allem in der Workflow-Neugestaltung und der konsequenten menschlichen Validierung der KI-Ergebnisse.
Die Stack Overflow Entwicklerumfrage 2025 zeigt ein ähnliches Bild: KI-Tools werden im Entwicklungsalltag sehr häufig genutzt, gleichzeitig sinkt die unbedingte positive Grundhaltung gegenüber den Ergebnissen. Das ist keine Widersprüchlichkeit, sondern eine reife Haltung. Man arbeitet damit, aber man vertraut nicht blind.
Was KI in der Praxis wirklich leistet
Der stärkste Wandel liegt nicht in vollständig autonomen Website-Generatoren. Er liegt in einer veränderten Produktionslogik: Design-Dateien, Komponentenbibliotheken, CMS-Inhalte und Markenrichtlinien werden als Kontext in KI-Modelle eingespeist, damit aus Prompts nicht generische Entwürfe entstehen, sondern anschlussfähige Layouts, Varianten und produktionsnaher Code.
Konkrete Zahlen aus der Praxis geben einen guten Eindruck von den Möglichkeiten:
- Eine kontrollierte Studie von GitHub zeigt, dass Entwickler mit Copilot eine Aufgabe im Schnitt 55 Prozent schneller abschließen konnten.
- Bei CallRail führte der Einsatz von Builder Visual Copilot zu einer elfmal schnelleren Ticket-Auflösung im Frontend-Team und einem Conversion-Plus von 43 Prozent nach dem Relaunch.
- Sojern berichtet, dass ein lokalisierter Site-Build mit Webflow AI von über 32 Stunden auf maximal 30 Minuten gesunken ist.
Diese Zahlen kommen direkt von den Anbietern und messen meist das Gesamtsystem aus Tool, Prozessveränderung und Teamorganisation, nicht den isolierten KI-Effekt. Trotzdem zeigen sie eine klare Tendenz: KI entfaltet ihre Wirkung vor allem dort, wo Teams viele ähnliche Elemente produzieren müssen, also Kampagnenseiten, Lokalisierungen, UI-Varianten und Content-Optimierungen.
Wie wir bei der BRANDORT mit KI arbeiten
Bei der BRANDORT digitalschmiede setzen KI gezielt dort ein, wo sie echten Mehrwert bringt, ohne dabei die Kontrolle über Qualität, Wartbarkeit und Markenkonsistenz abzugeben. Das betrifft konkret zwei Bereiche:
Contenterstellung und Konzeptvarianten. KI hilft uns, im Konzeptionsprozess bei der Websiteerstellung schnell verschiedene Richtungen durchzuspielen: Textvarianten, Argumentationsrahmen, alternative Strukturen. Wir nutzen das, um Lücken im Konzept früher zu entdecken und Optionen zu vergleichen, die wir sonst erst in zeitaufwändigen Schleifen entwickelt hätten. Das Endergebnis bleibt immer redaktionell durchdacht und menschlich verantwortet.
Code-Unterstützung für spezielle Funktionen. Für spezifische UI-Funktionen, Hilfsskripte oder erste Implementierungsansätze nutzen wir KI als produktiven Startpunkt. Der entstehende Code wird von unseren Entwicklern geprüft, angepasst und in bestehende Strukturen integriert. So sparen wir Zeit, ohne auf Sorgfalt zu verzichten.
Wir bauen keine Websites, Features oder Funktionen vollständig mit KI. Nicht weil wir der Technologie misstrauen, sondern weil uns etwas anderes wichtiger ist: Code, der wartbar ist. Code, der in einem Jahr noch funktioniert, den jemand anderes versteht und der sich in gewachsene Systemarchitekturen integriert. KI-generierter Code, der ungeprüft in Produktion geht, ist nicht schneller. Er ist teurer. Die Kosten entstehen nur später: beim nächsten Update, beim nächsten Bugfix, beim nächsten Entwickler, der das Projekt übernimmt.
Wo die echten Grenzen liegen
Die Technologie ist noch nicht selbsttragend. Die größten Grenzen sind nicht rein technischer Natur, sondern organisatorisch und inhaltlich:
- Faktizität und Markenstimme: Generierter Content klingt oft glatt, trifft die Markenstimme aber selten von selbst und neigt dazu, Fakten zu halluzinieren. Ohne sauberes Briefing und redaktionelle Prüfung entsteht generische Masse.
- Accessibility: KI-generierter Code schließt Barrierefreiheitslücken nicht automatisch. Ohne testbasierte Validierung ist das ein echtes Risiko.
- Urheberrecht und Datenschutz: Je nach Tool und Tarif unterscheiden sich die Regeln erheblich. Welche Daten fließen ins Training ein? Wem gehören die Outputs? Das muss vor dem Einsatz geprüft sein.
- Sicherheitsrisiken im Code: McKinsey berichtet, dass mehr als die Hälfte der KI-nutzenden Unternehmen bereits mindestens einen negativen Vorfall erlebt hat. Generierter Code braucht Review, Linting und Tests.
Was als Nächstes kommt
In den nächsten ein bis zwei Jahren werden KI-Workflows deutlich enger in bestehende Entwicklungsprozesse integriert. Statt einzelner Prompts werden Teams ganze Sub-Workflows delegieren können. Die Qualität der Ergebnisse wird immer stärker davon abhängen, wie gut das Design-System, die Komponentenbibliothek und die Markenrichtlinien als Kontext für die KI aufbereitet sind. Design-Systeme werden künftig nicht nur für Menschen, sondern auch für Maschinen modelliert.
Gleichzeitig wird sich zeigen, dass nicht das kreativste oder leistungsfähigste Modell gewinnt, sondern das am verlässlichsten steuerbare. Wer Prozesse, Freigaben und Datenschutz frühzeitig klärt, hat langfristig den echten Vorteil.
Fazit
KI verändert Agenturarbeit, und das ist gut so. Aber diese Veränderung braucht Klarheit darüber, was man damit erreichen will und was man schützen muss. Für uns bedeutet das: Wir nutzen KI, um schneller zu denken, früher Varianten zu vergleichen und Entwicklungszeit für Standardaufgaben zu sparen. Wir setzen sie nicht ein, um Verantwortung abzugeben.
Am Ende steht immer ein Projekt, das funktioniert, das gepflegt werden kann und das den Namen des Kunden trägt. Daran ändert kein Sprachmodell etwas.