Slothworks
← zurück zu Slothworld

Die Ökonomie individueller Software 2026

Eine ehrliche Rechnung: Was eine interne Web-Anwendung bei einer klassischen Agentur vs. AI-nativer Entwicklung kostet.

01

Der Status quo

Typische Anfrage: Ein mittelständisches Unternehmen braucht eine interne Web-Anwendung. Nichts Ausgefallenes – Formulare, Datenbank, Dashboard, Benutzer-Verwaltung.

Das Angebot einer klassischen Agentur sieht üblicherweise so aus:

Klassische Agentur
€93.000
620 Std · 4–6 Monate
Projektmanagement €12.000
UX/UI Design €18.000
Frontend-Entwicklung €30.000
Backend-Entwicklung €24.000
Testing & QA €9.000
AI-nativ · Slothworks
€10.500
68 Std · 2–3 Wochen
Anforderungs-Gespräch €600
AI-Orchestrierung & Entwicklung €6.000
Review & Iteration €2.400
Deployment & Testing €1.200
AI-Kosten (Claude API) €300

Der Preis ist nur die eine Achse. Die andere ist, was Sie am Ende anpassen können – und erst beide zusammen zeigen, warum die vier Wege sich so unterscheiden:

Anpassbarkeit groß klein
Fertig-Software
Klassische Agentur
Freelancer-Lotterie
AI-nativ
klein Kosten groß

Die spannende Ecke ist links oben: niedrige Kosten, hohe Anpassbarkeit. Bis vor zwei Jahren war sie leer. Dazu kommen 4 bis 6 Monate Projektlaufzeit bei der Agentur und die üblichen Nachforderungen, die das Budget um 20 bis 50% sprengen. Bei AI-nativ: 2 bis 3 Wochen statt 4 bis 6 Monate.

88%
€82.500 weniger
fünf Monate früher – bei vergleichbarer Qualität.
AI-nativ €10.500 Klassisch €93.000
02

Wie ist das möglich?

Der Unterschied steckt nicht im Tempo der einzelnen Schritte, sondern darin, welche Schritte ganz wegfallen:

Projektablauf Von der Idee zur Anwendung
Discovery
entfällt
Spec
entfällt
Coding
bleibt
Test
entfällt
Iteration
bleibt
Drei Schritte entfallen, weil eine Person den ganzen Durchlauf trägt.
1

Keine künstliche Arbeitsteilung

Klassische Agenturen verteilen die Arbeit auf viele Rollen: Projektmanager, Designer, Frontend-Entwickler, Backend-Entwickler, Tester. Jede Übergabe kostet Zeit und Geld. AI-nativ trägt eine Person den kompletten Durchlauf.

2

AI schreibt den überwiegenden Teil des Codes

Moderne Werkzeuge wie Claude Code generieren lauffähigen Code in Minuten, nicht Tagen. Der Mensch reviewt, orchestriert, entscheidet – aber schreibt keinen Boilerplate mehr.

3

Kein Meeting-Theater

Status-Meetings, Sprint-Planning, Retrospektiven – in einer Struktur, wo eine Person das Projekt trägt, entfallen sie.

4

Sofort-Iteration

Änderungswunsch → Implementation → Review. In Minuten, nicht in Sprint-Zyklen.

03

Die versteckten Kosten der „günstigen” Lösung

Schon der Einstieg trennt die Wege. Links das Standard-Angebot, rechts das, was bei uns nach demselben Gespräch passiert:

Dokument · Angebot Standard-Agentur
Angebot Standard-Agentur

Projektmanagement

UX/UI Design

Frontend & Backend

Testing & QA

Summe: € 93.000 · 4–6 Monate

KI-System
Was brauchen Sie genau?
4 Std Anforderung, danach Angebot direkt im Chat: €10.500, 2 Wochen, los?

Manche denken an dieser Stelle: „Wir haben einen günstigen Freelancer für €50 pro Stunde.”

Die echten Kosten:

Opportunitätskosten

Sechs Monate Wartezeit = sechs Monate ohne das Tool. Was kostet Sie das im Geschäft?

Management-Overhead

Wer koordiniert den Freelancer? Wer reviewt? Wer testet?

Qualitätsrisiko

Günstig ist nicht immer wirtschaftlich, wenn Nacharbeit anfällt.

Verfügbarkeit

Was passiert, wenn er krank wird, aufhört oder ein anderes Projekt übernimmt?

Ein €50-Freelancer, der dreimal so lange braucht, kostet am Ende mehr als ein €150-AI-native-Senior, der in zwei Wochen fertig ist.

04

ROI-Betrachtung

Angenommen, die interne Anwendung spart Ihrem Team 10 Stunden pro Woche. Bei durchschnittlich €40 pro Stunde:

€400
wöchentlich
€1.600
monatlich
€19.200
jährlich
Klassisch · €93.000
4,8 Jahre
Bis die Investition wieder drin ist.
AI-nativ · €10.500
6,5 Monate
Amortisiert – und das Tool ist 5 Monate früher da.

Und das ist noch nicht eingerechnet, dass Sie das Tool fünf Monate früher haben – fünf Monate, in denen es bereits den Nutzen stiftet.

05

Wann AI-native nicht sinnvoll ist

Fairerweise: nicht jedes Projekt sollte AI-nativ gebaut werden.

Hochkritische Systeme. Medizin, Luftfahrt, Finanzsysteme – hier ist manueller Review und formale Verifikation wichtiger.
Extreme Edge Cases. Sehr spezielle fachliche Anforderungen, für die AI keine Trainingsdaten hat.
Tiefe Legacy-Integration. Alte Systeme ohne Dokumentation, bei denen die Hälfte der Arbeit Reverse-Engineering ist.

Für 80% der Business-Anwendungen – interne Tools, Dashboards, Kundenportale, Prozess-Automationen – ist AI-nativ heute der realistischere Weg.

06

Fazit

88% weniger Kosten. Fünf Monate schneller. Vergleichbare Qualität.

Das ist nicht Zukunftsmusik. Das ist heute.