KI als Softwareentwickler: Claude Code, Codex und die Alternativen aus Europa und China

21. Oktober 2026 | Softwareentwicklung · Künstliche Intelligenz · Erfahrungsbericht

Künstliche Intelligenz verändert die Softwareentwicklung grundlegend. Während KI-Assistenten vor wenigen Jahren hauptsächlich einzelne Codezeilen ergänzten, können moderne Coding-Agenten inzwischen umfangreiche Entwicklungsaufträge weitgehend selbstständig bearbeiten. In meinen eigenen Projekten arbeite ich bereits mit OpenAI Codex und IBM Bob. Beide haben mir gezeigt, welches Potenzial in dieser Form der Softwareentwicklung steckt. Doch welches System ist langfristig die beste Wahl? Und lohnt es sich, mehrere KI-Anbieter parallel einzusetzen?

Vom KI-Assistenten zum eigenständigen Entwickler

Meine Arbeitsweise hat sich in den vergangenen Monaten verändert. Früher habe ich selbst programmiert und KI hauptsächlich eingesetzt, um einzelne Probleme zu lösen oder Code zu optimieren. Heute übernehme ich zunehmend die Rolle des Architekten und Auftraggebers. Ich definiere Anforderungen, lege die Architektur fest und übergebe anschließend konkrete Arbeitspakete an einen KI-Agenten. Ein solches Arbeitspaket kann durchaus zwei bis drei Stunden Entwicklungsarbeit umfassen. Der Agent analysiert den vorhandenen Quellcode, implementiert Funktionen, führt Tests aus und dokumentiert seine Ergebnisse. Natürlich funktioniert das nicht immer vollständig ohne Eingriffe. Insbesondere bei Terminalbefehlen, sicherheitsrelevanten Änderungen oder Architekturentscheidungen bleibt die menschliche Kontrolle wichtig. Trotzdem ist die Produktivitätssteigerung bemerkenswert.

Meine Ausgangssituation:
Ich nutze Visual Studio Code unter Windows und arbeite mit Git-Repositories. In meinem beruflichen Umfeld steht mir IBM Bob zur Verfügung. Für private Entwicklungsprojekte verwende ich OpenAI Codex im Rahmen meines ChatGPT-Plus-Abonnements. Beide Systeme haben ihre Stärken. Allerdings gibt es ein Problem: Nutzungslimits. Gerade bei größeren Entwicklungsaufträgen kann es passieren, dass das verfügbare Kontingent erschöpft ist, bevor ein Arbeitspaket vollständig abgeschlossen wurde. Deshalb habe ich nach Alternativen gesucht. Dabei ging es mir nicht darum, Codex zu ersetzen. Vielmehr möchte ich mein Werkzeugportfolio sinnvoll erweitern.

Erweiterung um weitere KI Modelle und Plattformen zur Abbildung unterschiedlicher Rollen und Kompetenzen

Erweitung

Claude Code: Mein derzeitiger Favorit

Anthropic bietet mit Claude Code einen eigenständigen Coding-Agenten an. Claude Code kann direkt mit einem Softwareprojekt arbeiten, Dateien verändern, Befehle ausführen und Tests durchführen. Besonders interessant finde ich, dass Anthropic eine eigene Modellfamilie entwickelt. Dadurch entsteht eine zusätzliche Perspektive bei Architekturentscheidungen und Implementierungen. OpenAI und Anthropic gehören derzeit zu den bekanntesten Anbietern leistungsfähiger KI-Modelle. Die Systeme verfolgen teilweise unterschiedliche Ansätze und können sich deshalb gegenseitig ergänzen. Für mich ist Claude Code momentan der naheliegendste Kandidat für ein zusätzliches Abonnement. Der Einstieg liegt bei ungefähr 20 US-Dollar monatlich. Allerdings gibt es auch hier Nutzungslimits. Ob der Tarif für meine umfangreichen Entwicklungsaufträge ausreicht, muss sich in der Praxis zeigen.

Mistral: Eine interessante europäische Alternative

Bei der Suche nach weiteren Anbietern bin ich auf Mistral AI aufmerksam geworden. Das Unternehmen stammt aus Frankreich und entwickelt eigene KI-Modelle. Mit Mistral Vibe gibt es auch einen Coding-Agenten, der sich für die Arbeit mit Softwareprojekten eignet. Für mich ist Mistral aus zwei Gründen interessant. Erstens möchte ich wissen, wie leistungsfähig europäische KI-Modelle inzwischen sind. Zweitens ist es grundsätzlich sinnvoll, bei der Auswahl technischer Plattformen nicht ausschließlich auf amerikanische Anbieter zu setzen. Der Einstiegspreis von Mistral Pro liegt bei ungefähr 15 US-Dollar monatlich. Damit bewegt sich das Angebot in einem interessanten Preisbereich. Allerdings kenne ich Mistral bislang noch nicht aus eigener Entwicklungspraxis. Bevor ich mir eine abschließende Meinung bilde, möchte ich deshalb zunächst ein konkretes Entwicklungsprojekt damit bearbeiten.

China: Mehr als nur DeepSeek

Auch auf dem chinesischen Markt gibt es inzwischen ernst zu nehmende Alternativen.

Besonders interessant sind:

• DeepSeek: Eigene KI-Modelle mit API-Zugang.
• Alibaba Qwen: Eine umfangreiche Modellfamilie, darunter spezialisierte Coding-Modelle.
• Moonshot Kimi Code: Ein Coding-Agent mit Integration in Visual Studio Code.
• Z.ai GLM: Eigene Modelle und Angebote speziell für Softwareentwicklung.

Diese Lösungen zeigen, dass leistungsfähige Coding-KI längst nicht mehr ausschließlich aus den USA kommt. Allerdings gibt es bei der Nutzung chinesischer Cloud-Dienste zusätzliche Fragen zur Datenverarbeitung und zum Datenschutz. Gerade bei vertraulichen Projekten muss genau geprüft werden, welche Informationen an externe Dienste übertragen werden. Für private Experimente sind diese Anbieter dennoch interessant.

GitHub Copilot: Günstig, aber nicht grenzenlos

Eine weitere Alternative ist GitHub Copilot von Microsoft. GitHub Copilot ist direkt in Visual Studio Code integriert und unterstützt unterschiedliche KI-Modelle. Besonders interessant ist der Preis. Neben einer kostenlosen Variante gibt es einen Pro-Tarif für ungefähr zehn US-Dollar monatlich. Ich habe GitHub Copilot bereits selbst ausprobiert. Die Ergebnisse waren durchaus brauchbar. Allerdings bin ich schon bei kleineren Entwicklungsaufgaben relativ schnell an ein Nutzungslimit gestoßen. Vermutlich lag das am kostenlosen Tarif. Ob der kostenpflichtige Tarif für größere Entwicklungsaufträge ausreicht, bleibt offen. Außerdem ist GitHub Copilot nicht mit Microsoft 365 Copilot gleichzusetzen.Mein Microsoft-365-Family-Abonnement beinhaltet zwar bestimmte KI-Funktionen für Office-Anwendungen, ersetzt aber kein GitHub-Copilot-Pro-Abonnement.

Was kostet ein KI-Entwickler?

Für meine Betrachtung habe ich zunächst eine Preisgrenze von ungefähr 20 US-Dollar monatlich festgelegt. In diesem Bereich gibt es bereits mehrere interessante Angebote.

Hinweis: Die Preise sind eine Orientierung zum Zeitpunkt des Artikels. Leistungsumfang, Abrechnungsmodelle und Nutzungslimits können sich ändern. Preise verstehen sich vor gegebenenfalls anfallenden Steuern.

Entscheidend ist allerdings nicht allein der monatliche Preis. Ein günstiger Agent bringt wenig, wenn sein Nutzungskontingent bereits nach wenigen Arbeitspaketen erschöpft ist. Deshalb interessiert mich vor allem das Verhältnis zwischen Kosten und tatsächlich abgeschlossener Entwicklungsarbeit.

Wie ich die Systeme vergleichen möchte

Ein sinnvoller Vergleich sollte unter möglichst identischen Bedingungen stattfinden. Dafür möchte ich ein klar definiertes Entwicklungsarbeitspaket verwenden. Jeder Agent bekommt dieselben Anforderungen und denselben Ausgangsstand des Git-Repositories. Anschließend werden die Ergebnisse miteinander verglichen. Mich interessieren dabei insbesondere die Qualität des erzeugten Codes, die erfolgreiche Durchführung von Tests, notwendige manuelle Eingriffe, die Dokumentation und der tatsächliche Verbrauch des Nutzungskontingents. Auch die Einhaltung vorhandener Entwicklungsregeln ist entscheidend. Dazu gehören beispielsweise eine nachvollziehbare Git-Historie, eine gepflegte README.md, eine CHANGELOG.md und projektspezifische Vorgaben in einer AGENTS.md. Ein KI-Agent sollte nicht einfach möglichst viel Code produzieren. Er sollte sich in einen bestehenden, professionellen Entwicklungsprozess integrieren lassen.

Mein vorläufiges Fazit

Nach unserem Vergleich zeichnet sich für mich eine klare Richtung ab.

OpenAI Codex bleibt Bestandteil meiner Entwicklungsumgebung.

Als nächsten Schritt möchte ich Claude Code ausprobieren. Die Modelle von Anthropic versprechen eine interessante Ergänzung zu OpenAI. Besonders reizvoll finde ich die Möglichkeit, Entwicklungsaufträge von unterschiedlichen KI-Systemen bearbeiten oder überprüfen zu lassen. Mistral Vibe bleibt ebenfalls auf meiner Liste. Als europäischer Anbieter mit eigenen Modellen ist Mistral eine Alternative, die ich mir unbedingt genauer anschauen möchte. Die chinesischen Anbieter werde ich weiter beobachten. Besonders Kimi Code erscheint für meine Anforderungen interessant. GitHub Copilot ist zwar günstig und gut in Visual Studio Code integriert, hat mich bei meinen bisherigen Versuchen aber noch nicht vollständig überzeugt. Das kann sich mit einem anderen Tarif oder leistungsfähigeren Modellen durchaus ändern. Eine endgültige Entscheidung möchte ich deshalb erst nach einem praktischen Vergleich treffen.

Die eigentliche Frage lautet für mich nicht mehr, ob KI Software entwickeln kann. Das habe ich inzwischen ausreichend erlebt. Die spannende Frage ist vielmehr, welcher KI-Agent unter realen Bedingungen die beste Entwicklungsleistung liefert.