Warum KI-generierter Code immer noch Menschen braucht

KI soll den Alltag von Entwicklern erleichtern. Sie schreibt Boilerplate-Code, kennt vermeintlich die Best Practices und soll Projekte schneller ans Ziel bringen. Google hat mit der Modern Web Guidance genau das versucht: Ein Regelwerk, das KI-Agenten beibringen soll, wie man zugängliche, performante und sichere Webanwendungen baut.

Die Praxis sieht anders aus.

Barrierefreiheit wird oft vergessen

Ein MVP, der Accessibility erst später nachrüstet, ist von Anfang an problematisch. Barrierefreiheit ist kein Feinschliff, sondern gehört von der ersten Zeile an dazu.

Google demonstrierte die MWG an einem einfachen Beispiel: Ein aufklappbares Statistik-Widget mit sanfter Animation. Der generierte Code sah auf den ersten Blick okay aus – funktionierte aber nicht im Firefox und erfüllte keine WCAG-AA-Kriterien. Dabei hatte die MWG explizit „Progressive Enhancement“ und „Baseline-Aware Integration“ versprochen. Das KI-Modell ignorierte seine eigenen Leitlinien.

Das liegt nicht an einem Fehler im System. Es ist ein grundlegendes Merkmal von LLMs.

LLMs sind nicht verlässlich

In den MWG-Dokumenten steht es versteckt, aber deutlich: LLMs sind nicht-deterministisch. Auch wenn alle Regeln korrekt hinterlegt sind, gibt es keine Garantie, dass das Modell sie tatsächlich anwendet.

Das unterscheidet KI von klassischen Tools wie Linters oder Type-Checkern. Diese erzwingen Standards. LLMs schlagen sie nur vor – und manchmal eben nicht.

Fehlende Muster machen es noch schwieriger

Die MWG deckte beim Start längst nicht alle gängigen UI-Komponenten ab. Für Toast-Benachrichtigungen gab es zum Beispiel keine eigene Anleitung. Wenn ein Entwickler danach fragt, muss die KI aus allgemeinen Hinweisen zusammensetzen, was richtig wäre – mit ungewissem Ergebnis.

Solche Lücken sind problematisch. Je fragmentierter die Vorgaben, desto unwahrscheinlicher, dass ein Modell sie korrekt kombiniert.

Was das für echte Projekte bedeutet

Wer heute KI für produktiven Code nutzt, sollte sich bewusst sein: Das Modell ist ein Schreibassistent, kein Prüfer. Jede generierte Zeile braucht menschliche Kontrolle – besonders bei:

• Barrierefreiheit (WCAG AA ist für die meisten kommerziellen Projekte Pflicht)
• Browser-Kompatibilität („Baseline-Support“ ohne Tests ist wertlos)
• Sicherheit (KI kann versteckte Schwachstellen erzeugen)
• Performance (SPAs ohne Optimierung werden schnell schwerfällig)

Wie es weitergeht

Das heißt nicht, dass KI-gestützte Entwicklung sinnlos ist. Es bedeutet aber:

1. KI-Ausgabe kritisch prüfen, nicht blind übernehmen.
2. Feedback-Schleifen einbauen, damit das Modell aus Fehlern lernen kann.
3. Klare Hinweise zu den Grenzen der Tools verlangen.
4. Automatisierte Tests (axe, WAVE, Lighthouse) fest in der Pipeline verankern.

Bei NameOcean setzen wir auf KI, wo sie hilft: beim Gerüstbau, beim schnellen Prototyping, bei der Ideenfindung. Für Standards, Sicherheit und Nutzererfahrung bleibt der Mensch unverzichtbar.

Die eigentliche Fähigkeit im KI-Zeitalter ist nicht mehr nur das Schreiben von Code. Es ist das Reviewen, Korrigieren und Verantworten dessen, was später live geht.