Die Slop-Debatte um KI hat einen blinden Fleck. Sie tut so, als läge die Qualität in der Natur des Werkzeugs: Wer KI nutzt, produziert zwangsläufig Mittelmass. Wer ohne KI arbeitet, produziert automatisch Substanz. Das ist bequem, weil es ein einfaches moralisches Urteil erlaubt. Es stimmt nur nicht. Qualität lässt sich nicht einkaufen. Sie entsteht durch einen Prozess, der Fehler systematisch unwahrscheinlicher macht. KI entscheidet nicht darüber, ob dieser Prozess existiert. Sie macht lediglich sichtbar, wie gut oder schlecht er tatsächlich ist.

«Slop» ist selten das Ergebnis von KI. Slop entsteht durch einen Workflow, der Output belohnt und Verantwortung verwässert. In dem Moment, in dem Erzeugen billig wird, verschiebt sich das Gleichgewicht: Varianten entstehen im Sekundentakt, während Verifikation, Tests, Konsistenz und sorgfältiges Denken gleich aufwendig bleiben. Wer einfach den bisherigen Arbeitsstil beschleunigt, produziert am Ende meist schlechtere Ergebnisse. Der Grund ist nicht die KI selbst. Der Prozess dahinter wächst einfach nicht mit. Slop ist die logische Folge eines Entwicklungsprozesses ohne funktionierende Qualitätsmechanik.

Darum lautet die entscheidende Frage nicht: «Kann KI gute Software bauen?» Die eigentliche Frage ist: «Wie muss ein Entwicklungsprozess aussehen, damit KI nicht zur Slop-Maschine wird, sondern Qualität verstärkt?» Die Antwort ist unbequem, weil sie dem populären KI-Versprechen widerspricht: KI nimmt Arbeit nicht einfach weg. Sie verlagert sie. Sie nimmt dir bestimmte Aufgaben ab – und zwingt dich gleichzeitig, andere endlich ernst zu nehmen.

Erster Schritt

Der erste Schritt ist eine klare Rollenverteilung. KI ersetzt weder Entwickler noch Architekten oder Designer. Sie ist ein extrem schneller Junior ohne Verantwortung. Sie kann Code schreiben, Texte formulieren, Alternativen vorschlagen, Recherche verdichten, Tests generieren oder Refactorings durchführen. Die Verantwortung trägt sie aber nie. Wer KI als Autor behandelt, bekommt Slop. Wer sie als Werkzeug nutzt, kann Qualität gewinnen. Das klingt selbstverständlich, ist aber genau der Punkt, an dem viele scheitern. Sie erwarten, dass KI das Denken übernimmt. Tatsächlich nimmt sie vor allem Reibung aus dem Arbeitsprozess. Und genau diese Reibung zwingt Menschen normalerweise dazu, Entscheidungen bewusst zu treffen. Fällt sie weg, entsteht schnell Beliebigkeit.

Zweiter Schritt

Der zweite Schritt ist ein Prozess, der nicht auf Genialität angewiesen ist. Gute Software entsteht selten, weil jemand im ersten Anlauf alles richtig macht. Sie entsteht, weil ein System Irrtümer auffängt: klare Ziele, klare Nicht-Ziele, eine eindeutige Definition von «fertig», eine Architektur, die das Produkt zusammenhält, und eine Routine, die jede Änderung nach denselben Regeln bewertet. KI ist dabei nicht der kreative Funke. Sie übernimmt die monotonen Teile der Arbeit: Varianten erzeugen, Alternativen testen, Sackgassen erkennen und immer wieder neu ansetzen, ohne dass man mental ausbrennt. Gerade bei iterativen Aufgaben, bei denen viel Arbeit wieder verworfen wird, spart KI nicht nur Zeit. Sie reduziert auch Frust. Und das ist produktiver, als es zunächst klingt. Wer weniger Energie für Sackgassen verliert, hält den Weg bis zum fertigen Produkt deutlich eher durch.

Dritter Schritt

Der dritte Schritt ist ein Dokumentations- und Entscheidungsprozess, der vor der Implementierung beginnt. Viele behandeln Dokumentation immer noch als etwas, das am Ende schnell nachgereicht wird. Genau dieses Muster verstärkt Slop. Man produziert erst Code und versucht anschliessend, Sinn hineinzubringen. Sinnvoller ist der umgekehrte Weg. Zuerst entstehen die Leitplanken. Nicht als Romane, sondern als kurze, präzise Regeln. Was ist das eigentliche Problem? Welche Annahmen gelten? Welche Risiken sind inakzeptabel? Welche Teile müssen deterministisch sein und welche dürfen heuristisch arbeiten? Welche Zustände müssen messbar sein? Welche Grenzen setzt die Plattform? In einem KI-gestützten Prozess wird diese Vorarbeit noch wichtiger. Ohne schriftliche Leitplanken erfindet die KI in jeder Iteration eine neue, plausible Realität. Entwicklung wird dann zu einem ständigen Neuaushandeln der Grundlagen.

Vierter Schritt

Der vierte Schritt ist bewusste Iteration als Methode. In vielen Projekten gilt Iteration als Zeichen mangelnder Planung: Man startet, merkt, dass etwas nicht funktioniert, flickt nach und hofft, dass es am Ende hält. Mit KI kann daraus ein kontrollierter Prozess werden. Das Prinzip ist einfach: Man akzeptiert, dass sich nicht alles im Voraus wissen lässt – besonders dort, wo Plattformen komplex sind, Dokumentation lückenhaft ist oder viele Sonderfälle existieren. Gleichzeitig gestaltet man den Prozess so, dass Fehler möglichst früh sichtbar werden, isoliert und behoben werden können. KI hilft dabei nicht, weil sie automatisch recht hat, sondern weil sie die Kosten senkt, viele Lösungswege auszuprobieren: alternative Implementierungen, andere Datenquellen, andere Heuristiken oder andere UI-Konzepte. Wer allein entwickelt, gibt oft genau an diesem Punkt auf. Nicht aus mangelndem Können, sondern weil der psychologische Preis zu hoch wird, denselben Bereich zum fünften Mal neu zu schreiben. KI senkt diese Hürde erheblich. Dadurch werden Projekte realistisch, die früher vor allem an ihrer Zähigkeit gescheitert wären.

Fünfter Schritt

Der fünfte Schritt ist Verifikation als eigener, verpflichtender Teil der Entwicklung. KI kann fehlerhaften Code überzeugend erklären. Darum darf plausibler Output niemals automatisch als richtig gelten. Ein KI-gestützter Prozess braucht einen festen QA-Rhythmus: Tests, Gegentests, Reviews, Checklisten und Regressionstests. Nicht als Formalität, sondern als festen Bestandteil der Arbeit. Das bedeutet zunächst mehr Aufwand – und genau darin liegt der eigentliche Punkt. Wenn KI die Implementierung beschleunigt, muss die Kontrolle konsequent mitwachsen. Sonst sinkt die tatsächliche Qualität. Wer KI professionell einsetzt, investiert deshalb mehr in Validierung, nicht weniger. Genau deshalb sieht hochwertige KI-Software häufig so aus, als wäre sie vollständig ohne KI entstanden. Man sieht ihr den Einsatz der KI schlicht nicht an.

Sechster Schritt

Der sechste Schritt besteht darin, KI nicht nur produzieren zu lassen, sondern ihr gezielt zu widersprechen. Dieser Punkt wird oft unterschätzt. Menschen entwickeln Tunnelblick. Wer lange an derselben Codebasis arbeitet, wird zwangsläufig betriebsblind. KI kann hier bewusst als Gegeninstanz dienen: «Wo liegen die Risiken dieser Architektur?», «Welche Nebenwirkungen übersehe ich?», «Greife dieses Konzept an.», «Welche Annahmen stimmen vermutlich nicht?», «Welche Edge Cases fehlen?» Das ersetzt kein menschliches Review. Es hilft aber dabei, den eigenen Tunnelblick immer wieder zu durchbrechen. Wer KI nur als Schreibmaschine nutzt, produziert schneller Slop. Wer sie gezielt als kritischen Sparringspartner einsetzt, erhöht die Qualität seiner Entscheidungen.

Siebter Schritt

Der siebte Schritt ist, Handwerk und Kohärenz als unverzichtbare Anforderungen zu behandeln. Gerade weil KI vieles einfacher macht, werden fehlende Standards sofort sichtbar. Eine App oder ein System kann technisch funktionieren und trotzdem wie Slop wirken: widersprüchliche Begriffe, wechselnde Logik, inkonsistente UI-Entscheidungen, unstimmige Typografie oder widersprüchliche Zustände. KI verstärkt dieses Problem oft noch, weil sie jeden einzelnen Abschnitt lokal optimiert. Kohärenz entsteht aber nie lokal. Sie entsteht durch konsequente Design- und Architekturentscheidungen. Wer diese Disziplin nicht hat, produziert mit KI einfach mehr Einzelteile, die am Ende nicht zusammenpassen. Slop ist häufig kein Mangel an Intelligenz. Slop ist ein Mangel an Kohärenz.

Wenn man all das zusammennimmt, wird verständlich, warum KI für manche nur Slop produziert und für andere plötzlich neue Freiheiten schafft. KI senkt die Einstiegshürden, erhöht aber gleichzeitig die Anforderungen an den Entwicklungsprozess. Sie nimmt dir das Tippen ab, aber nicht das Entscheiden. Sie erleichtert das Ausprobieren, aber nicht das Bewerten. Sie macht Sackgassen weniger schmerzhaft, nimmt dir aber nie die Verantwortung ab, einen tragfähigen Weg auszuwählen und konsequent weiterzuentwickeln.

Genau hier liegt das Missverständnis der öffentlichen Debatte. Viele verwechseln die Fähigkeit, etwas zu erzeugen, mit der Fähigkeit, etwas zu bauen. Erzeugen ist billig geworden. Bauen nicht. Bauen heisst, Dinge zu verwerfen, neu anzusetzen, zu testen, zu dokumentieren, Widersprüche zu beseitigen und die eigenen Annahmen immer wieder kritisch zu hinterfragen. Wer dafür keinen Prozess hat, produziert Slop – mit oder ohne KI. Wer einen solchen Prozess hat, kann mit KI Dinge bauen, die vorher kaum realisierbar gewesen wären. Entscheidend ist, dass KI einen grossen Teil der psychologischen und zeitlichen Hürden abbaut, die echte Iteration bisher so aufwendig gemacht haben.

KI ist keine Abkürzung zu Qualität. Sie ist ein Katalysator. In einem schlechten Prozess beschleunigt sie Beliebigkeit. In einem guten Prozess beschleunigt sie gutes Handwerk. Wer das verstanden hat, muss Slop nicht bekämpfen, indem er KI moralisch ablehnt. Er muss den Entwicklungsprozess so gestalten, dass Slop gar nicht erst zur wirtschaftlich attraktiven Strategie wird.