Manchmal muss man etwas bewusst zu weit treiben, um zu verstehen, wo die Grenze wirklich liegt. Der AI-Shop war genau so ein Experiment. Statt Geschäftslogik in Code zu gießen, haben wir sie in Echtzeit durch generative KI simuliert.
Das klingt nach Science-Fiction. Es war Arbeit. Und es war lehrreich – gerade dort, wo es nicht für den Produktivbetrieb taugt.
Was wir getestet haben
Die Idee war radikal. Fachlogik als Prompt statt als klassischer Code. Die KI als „virtueller Prozessor“ für Regeln und Zustand. Als Demonstrator eignete sich ein Online-Shop, weil er typische Enterprise-Muster mitbringt: klare Regeln, Zustand, Nutzerinteraktion.
In der Praxis hieß das: Nutzeraktionen wurden in kontextbezogene Prompts übersetzt, das Modell arbeitete gegen einen Systemzustand, Antworten wurden validiert und zurückgegeben. Der Code um die Geschäftslogik herum schrumpfte. Die Komplexität wanderte in Sprache und Kontext.
Was gut lief – und was nicht
Gut lief die Erkenntnis, wie weit man Komplexität aus klassischem Code herausziehen kann, wenn man Anforderungen präzise formuliert. Schlecht liefen Latenz und Nicht-Determinismus für einen Alltag, in dem Nutzer Millisekunden erwarten und Auditoren Nachvollziehbarkeit.
Genau diese Grenzen machen das Experiment wertvoll. Sie zeigen, warum moderne KI-Delivery im Business nicht „alles der KI überlassen“ heißt – sondern „KI dort einsetzen, wo Tempo entsteht, und Menschen dort, wo Verantwortung und Determinismus zählen“.
Transfer in die Praxis
Wir kopieren den AI-Shop nicht 1:1 in Kundenprojekte. Wir nehmen die Haltung mit. Specs müssen scharf sein. Guardrails sind Pflicht. Review bleibt. Und die Primärarbeit der Menschen verschiebt sich – weg vom Tippen, hin zu Steuerung und Kontrolle.
Das fließt in unser KI-Engineering und in die Arbeit an unserer Delivery-Pipeline. Forschung ohne Transfer ist Spielerei. Transfer ohne Forschung ist Folklore.
Ausführliche englische Fassung: AI-Shop Deep Dive
