Ein Geständnis

- Emre Varol, 8+ Jahre bei Google, Palantir, Liftoff

Was bedeutet das?

Es bedeutet nicht, dass ich aufgehört habe zu denken

Es bedeutet nicht, dass ich Ergebnisse blind akzeptiere

Es bedeutet nicht, dass Ingenieurfähigkeiten keine Rolle mehr spielen

Es bedeutet, dass ich Verhalten beschreibe statt Syntax zu tippen

Es bedeutet, dass ich Ergebnisse prüfe statt jede Zeile zu reviewen

Es bedeutet, dass das, wofür ein Entwicklerteam 3 Wochen brauchte, die KI jetzt in 15 Minuten erledigt

Der alte Weg vs. der neue Weg

Der zweitbeste Programmierer der Welt arbeitet für Sie

Im Dezember 2025 erreichten KI-Modelle den 2. Platz bei den weltweit führenden Programmierwettbewerben.

Besser als 99,99 % aller menschlichen Programmierer

Löst komplexe algorithmische Probleme in Sekunden

Versteht jede Sprache, jedes Framework und jedes Pattern

Hat perfektes Gedächtnis – vergisst kein einziges Detail

24/7 verfügbar, unendlich geduldig, wird nie müde

„Vibe Coding“

Geprägt von Andrej Karpathy (OpenAI-Mitgründer, ehem. Tesla-KI-Leiter) im Februar 2025. Zum Collins Dictionary Wort des Jahres 2025 gewählt.

2026 hat es sich zu Agentic Engineering weiterentwickelt:

Spezifikationen in natürlicher Sprache schreiben

KI generiert Code unter strukturierter menschlicher Aufsicht

Multi-Model-Orchestrierung mit persistentem Projektkontext

Der Entwickler spezifiziert, reviewt und steuert – KI implementiert

Die Werkzeuge

Das ist keine Autovervollständigung

Die 2000x-Behauptung

Rechnen wir es mit echten Zahlen durch:

Ein echtes Beispiel

Ohne KI: 2–3 Wochen. Mit KI: 4 Stunden.

Was hat sich geändert?

LLMs haben ein perfektes Gedächtnis und unendliches Wissen.

Sie wurden mit praktisch allem jemals veröffentlichten Code trainiert – und haben ihn auswendig gelernt

Kontextfenster sind jetzt 1M+ Tokens – sie erinnern sich an Ihre gesamte Konversation

Sie lesen Ihr gesamtes Projekt, bevor sie eine einzige Zeile schreiben

Sie verstehen Ihre Namenskonventionen, Architektur und Ihren Stil

Sie kennen jedes Framework, jede Bibliothek und jede Best Practice, die je veröffentlicht wurde

Das ist keine Suchmaschine. Das ist ein Weltklasse-Ingenieur mit perfektem Gedächtnis, der jede Codebasis auf GitHub gelesen hat und nie ein einziges Detail vergisst.

Ihre Rolle hat sich geändert

Zentrale Erkenntnis

Voraussetzungen

Node.js 18+ – erforderlich für Claude Code und die meisten modernen Tools

Git – Versionskontrolle ist nicht verhandelbar

Ein Terminal – macOS Terminal, iTerm2, Windows Terminal oder jedes Linux-Terminal

Ein Texteditor – optional, wenn Sie Code lesen möchten (VS Code, Vim usw.)

# Versionen prüfen
$ node --version    # v20.19.0 oder höher
$ git --version     # jede aktuelle Version
$ python3 --version # 3.10+ (optional, für Codex)

Claude Code installieren

# Global installieren
$ npm install -g @anthropic-ai/claude-code

# Zu Ihrem Projekt navigieren
$ cd my-project

# Claude Code starten
$ claude

# Das war's. Claude liest Ihre gesamte Codebasis und ist bereit.

Liest Ihr gesamtes Projekt automatisch

Kann Dateien bearbeiten, Befehle ausführen, neue Dateien erstellen

Erinnert sich an den Kontext über die gesamte Konversation

Funktioniert mit jeder Sprache, jedem Framework

Codex CLI installieren

# Global installieren
$ npm install -g @openai/codex

# API-Schlüssel setzen
$ export OPENAI_API_KEY="your-key-here"

# Codex in Ihrem Projekt starten
$ codex

# Open-Source, läuft lokal, sandboxed Ausführung

Open-Source (MIT-Lizenz)

Sandboxed – läuft in einer sicheren Umgebung

Mehrere Modi: Vorschlagen, automatisch bearbeiten, Vollautomat

Gemini CLI installieren

# Global installieren
$ npm install -g @google/gemini-cli

# Mit Google authentifizieren
$ gemini auth login

# Gemini in Ihrem Projekt starten
$ gemini

# Multimodal: kann auch Bilder, Screenshots und Diagramme analysieren

Ihr erster Befehl: Bauen Sie Ihre Website

$ mkdir my-portfolio
$ cd my-portfolio
$ git init
$ claude

# Jetzt tippen (fügen Sie zuerst Ihren Lebenslauf ein, dann):
> Hier ist mein Lebenslauf: [Lebenslauf einfügen]. Baue mir eine
  schöne persönliche Portfolio-Website wie emrevarol.com. Mit
  einem Hero-Bereich mit meinem Namen und Titel, einem Über-mich-
  Bereich, meinem Erfahrungs-Zeitstrahl, Fähigkeiten, Ausbildung
  und einem Kontaktbereich. Verwende ein dunkles Theme mit modernen
  Animationen. Responsiv gestalten.

# Schauen Sie zu, wie es Ihre persönliche Website in unter einer Minute erstellt.

Das Terminal ist Ihre IDE

Sie brauchen weder VS Code, IntelliJ noch irgendeinen Editor.

Claude Code liest, schreibt, bearbeitet und erstellt Dateien

Claude Code startet Ihren Dev-Server, Tests und Builds

Claude Code committet, pusht und erstellt PRs

Claude Code deployt auf Vercel, Netlify oder jede andere Plattform

Natürlich können Sie einen Editor nebenbei nutzen. Aber Sie müssen es nicht.

CLAUDE.md: Das Gedächtnis Ihres Projekts

Erstellen Sie eine CLAUDE.md-Datei im Stammverzeichnis Ihres Projekts. Das ist das persistente Gedächtnis Ihrer KI.

# CLAUDE.md

## Project: Bean There Coffee Shop
- Tech stack: Next.js 16, Prisma, PostgreSQL
- Style: Tailwind CSS, warm earth tones
- Language: TypeScript
- Database: Neon PostgreSQL (connection string in .env)

## Rules
- Always use server components by default
- Use Turkish lira (₺) for prices
- Mobile-first responsive design
- Never hardcode secrets

Ihr Stack jenseits von Code

Ein Produkt zu bauen ist nicht nur Code. Sie brauchen Infrastruktur. Hier ist, was wir nutzen – alles aus dem Terminal eingerichtet:

Verhaltensgesteuert, nicht codegesteuert

Der Iterationszyklus

Das ist Ihr neuer Workflow. Prägen Sie ihn sich ein.

Schritt 1: Klein anfangen

Beginnen Sie mit der einfachsten möglichen Version.

> Build a complete English
learning platform with AI tutor,
assessments, writing/speaking/
listening modules, vocabulary,
grammar, leaderboards, friends,
18 languages, and auth.

> Create a Next.js app with a
landing page for an English
learning platform. Show 4
learning modules (Writing,
Speaking, Listening, Vocabulary)
as cards. Hardcoded for now.

Schritt 2: Ein Feature hinzufügen

Sobald die Basis funktioniert, fügen Sie genau ein Feature hinzu.

# Iteration 2: Datenbank hinzufügen
> Replace the hardcoded data with a PostgreSQL database using Prisma.
  Create Lesson, Module, and Progress models. Seed sample lessons
  for each module.

# Iteration 3: Benutzer-Authentifizierung hinzufügen
> Add NextAuth with email/password. Users should be able to sign up
  and log in. Show their name in the navbar when logged in.

# Iteration 4: KI-Tutor hinzufügen
> Add a /tutor page with a conversation interface. Users type a
  message, Claude API responds with English corrections and tips.
  Track conversation history.

Schritt 3: Das Verhalten testen

Nach jedem Feature das Verhalten testen, nicht den Code.

Die App im Browser öffnen

Das Feature durchklicken, wie es ein Nutzer tun würde

Grenzfälle ausprobieren: leere Eingaben, falsche Daten, Doppelklicks

Mobile Ansicht prüfen

Sie müssen NICHT:

Jede Zeile des generierten Codes lesen

Jede Hilfsfunktion verstehen

Die CSS-Klassennamen reviewen

Schritt 4: Anpassen und iterieren

Etwas stimmt nicht? Sagen Sie der KI, was sich ändern soll – in Verhaltensbegriffen.

# Nicht: "change the onClick handler to use a different state variable"
# Stattdessen:
> When I finish a lesson, the progress bar doesn't update until I
  refresh the page. Fix this so the progress updates immediately.

# Nicht: "add a try-catch around the API call"
# Stattdessen:
> When the AI tutor API call fails, the chat just freezes. Show a
  red error message that says "Connection lost, please try again"
  and re-enable the send button.

Schritt 5: Abschließen → Weitermachen

Ein Feature ist „fertig“, wenn:

Es in allen erdenklichen Fällen wie erwartet funktioniert

Es Fehler elegant behandelt

Es auf Desktop und Mobil gut aussieht

Sie versucht haben, es kaputt zu machen, und es nicht konnten

Wenn fertig: committen und zum nächsten Feature übergehen.

> Commit all changes with message "Add AI tutor with conversation history"

Nicht Code reviewen. Verhalten reviewen.

Das ist die schwierigste Umstellung für erfahrene Ingenieure.

Vertrauen Sie der Maschine

Eine harte Wahrheit aus meiner Erfahrung:

Es vergisst nie, Grenzfälle zu behandeln

Es hält Konventionen perfekt ein

Es schreibt konsistente Muster über alle Dateien

Es wird nie faul und nimmt keine Abkürzungen

Es kennt jede Best Practice aus jedem Framework

Das bedeutet nicht, dass es immer Recht hat. Es bedeutet, dass Ihre Grundhaltung Vertrauen, dann Verifizieren sein sollte – nicht Misstrauen, dann Umschreiben.

Ihre neue Rolle: Architekt + PM + QA

Sie sind jetzt drei Rollen in einer:

Der Prompt ist Ihre Spezifikation

Ein guter Prompt ist eine gute Spec. Ein schlechter Prompt ist eine schlechte Spec.

> Add a dashboard

> Add a dashboard page at /dashboard.
  Show the user's learning streak,
  completed lessons, vocabulary
  mastery %, and recent activity
  (last 10 sessions). Include a
  chart showing progress over time.

Inkrementell statt monolithisch

Zusammenfassung der Philosophie

Fallstudie 1: emrevarol.com

Gebaut in: ~4 Stunden   Traditionell: 2–3 Wochen mit einem Webentwickler   Hinweis: Ich bin Backend- & ML-Ingenieur – ich kann keine Webentwicklung!

Fallstudie 2: evimibul.org

Stack: Next.js 16 + Prisma + Neon PostgreSQL + Claude API + Cloudinary + Bright Data

evimibul.org: Conversation-First UX

Statt Filter und Formulare sprechen die Nutzer einfach:

Nutzer: Ich suche eine 3-Zimmer-Wohnung in Çankaya,
       max. 15.000 TL/Monat, mit Balkon

KI:    Ich habe 23 Inserate gefunden, die Ihren Kriterien
       entsprechen. Hier sind die Top 5 nach Wert-Score:

       1. 3+1, Kızılay, 12.500 TL - Score: 92/100
          ✓ Balkon  ✓ Zentralheizung  ✓ Metronähe
       ...

Fallstudie 3: english.cash

Stack: Next.js 16 + Prisma + Neon PostgreSQL + next-intl

Fallstudie 4: pusulam.ai

Komplexität: Finanzmathematik, Echtzeit-Preisbildung, Zahlungsintegration – alles mit KI gebaut

Fallstudie 5: deneme.live

Stack: Next.js 16 + Prisma + SQLite   Domänenspezifisch: Türkische Bildungssystemregeln, Net-Berechnung

Fallstudie 6: neyesek.biz

Stack: Next.js 16 + Prisma + PostgreSQL   Domänenspezifisch: Essens-/Restaurantdaten, Bewertungsaggregation, Ankara-fokussiert

Live-Demo: a2sv.org

Wie viele Prompts? Wie viel Zeit?

Ich habe alle diese Projekte parallel über ~3 Wochen gebaut. Hier sind die geschätzten Prompt-Anzahlen:

Gemeinsame Muster über alle 7 Projekte

Jedes Projekt begann mit einem einzigen claude-Befehl

Jedes Projekt verwendete inkrementelle, verhaltensgesteuerte Entwicklung

Jedes Projekt erreichte Mehrsprachigkeit durch KI-Übersetzung

Jedes Projekt wurde von der KI in Produktion deployt (Vercel, GitHub)

Jedes Projekt nutzt denselben modernen Stack (Next.js, Prisma, PostgreSQL/SQLite)

Kein Projekt erforderte ein Team – eine Person hat jedes einzelne gebaut

Zeitvergleich

Der Umfangsmultiplikator

Dinge, die ich niemals manuell gebaut hätte:

10–18 Sprachen mit vollständiger UI-Übersetzung über alle Projekte

KI-gestützte konversationsbasierte Suche mit Spracheingabe

CPMM-Finanzmathematik-Engine für Prognosemärkte

Web-Scraper für 150.000+ Inserate mit Deduplizierung

Interaktive Folienpräsentationen mit 90+ Folien

KI-Prüfungsgenerierung mit türkischer Net-Bewertung

Echtzeit-KI-Tutoring mit adaptiver Schwierigkeit

Zusammenfassung der Fallstudien

Parallele Agenten mit GenAI

Müssen Sie in 9 Sprachen übersetzen? Machen Sie es nicht nacheinander.

# Claude Code kann Sub-Agenten starten, die parallel arbeiten
> Translate the lecture page to all 9 supported languages
  (TR, FR, DE, ES, AR, PT, RW, SW, AM). Use parallel agents
  for each language.

# Ergebnis: 9 Agenten arbeiten gleichzeitig
# 36 Dateien in ~5 Minuten übersetzt statt ~45 Minuten

Kontext ist alles

Die KI ist nur so gut wie der Kontext, den Sie ihr geben.

CLAUDE.md – projektweite Anweisungen, Tech-Stack, Regeln

Memory-Dateien – persistentes Wissen über Konversationen hinweg

Klare Prompts – spezifische, verhaltensorientierte Beschreibungen

Vorhandener Code – die KI liest Ihre Codebasis und folgt Ihren Mustern

# Schlechter Kontext: jedes Mal von vorne anfangen
> make a page

# Guter Kontext: KI kennt Ihr Projekt in- und auswendig
> Add a /friends page similar to /leaderboard. Show mutual friends
  at the top, then suggested friends based on similar learning paths.
  Use the existing FriendRequest model.

Wenn die KI nicht weiterkommt

Das passiert. Hier ist, was Sie tun sollten:

Prompt vereinfachen – in kleinere Teile aufbrechen

Beispiele geben – zeigen, was Sie wollen, nicht nur beschreiben

Fehlermeldungen teilen – den genauen Fehler einfügen, KI ist hervorragend im Debuggen

Anderen Ansatz versuchen – „statt X, versuche Y“

Neu starten – manchmal funktioniert eine neue Konversation mit klarem Kontext besser

Debugging mit KI

KI ist ein unglaublicher Debugger.

# Einfach den Fehler einfügen und den Kontext beschreiben
> I'm getting this error when I click the Buy button:
  "TypeError: Cannot read properties of undefined (reading 'price')"
  This happens only when the market has no trades yet.

# Die KI wird:
# 1. Die relevante Datei finden
# 2. Den Bug identifizieren
# 3. Ihn beheben
# 4. Erklären, was schiefgelaufen ist

Änderungen über mehrere Dateien

Einer der größten Vorteile der KI: Sie bearbeitet viele Dateien atomar.

> Add a "favorites" feature. Users can bookmark listings.
  Show a heart icon on each listing card, a /favorites page
  with saved listings, and a count badge in the navbar.

# KI wird in einem Durchgang ändern:
# - schema.prisma (neues Favorite-Modell)
# - API-Route (CRUD für Favoriten)
# - ListingCard-Komponente (Herz-Button)
# - Navbar (Favoriten-Zähler)
# - Neue /favorites-Seite
# - Datenbank-Migration

Was man NICHT mit KI tun sollte

Nicht KI-generierten Code als Stack-Overflow-Antworten posten (er gehört nicht Ihnen)

Nicht auf Tests verzichten, weil „die KI es geschrieben hat“

Nicht KI für sicherheitskritischen Code ohne Experten-Review verwenden

Nicht aufhören, Grundlagen zu lernen – Sie müssen verstehen, was Sie bauen

Nicht nach einem fehlgeschlagenen Versuch aufgeben – umformulieren und erneut versuchen

Nicht versuchen, alles in einem riesigen Prompt zu bauen

Produktionssicherheit (1/2)

Echte Vorfälle aus dem Bau dieser Projekte mit KI.

1. Immer Backups haben

git push --force hat eine Live-Seite zerstört (Impact-Seite, Presse-Seite, GenAI-Vortrag – alles weg)

Wiederherstellung war nur möglich, weil Vercel alte Deployments aufbewahrt hatte und ein zweiter Klon existierte

Regel: Niemals force-pushen. Niemals shared Branches rebasen. Immer eine Rollback-Strategie haben.

2. Schützen Sie Ihre API-Schlüssel

KI-Modelle können autonom API-Schlüssel verwenden und Tausende von Dollar verursachen, ohne dass Sie es merken

Regel: Ausgabelimits setzen. Separate Schlüssel pro Projekt verwenden. Nutzung täglich überwachen.

Produktionssicherheit (2/2)

3. Alles protokollieren & Berichte erstellen

Sie brauchen tägliche Aktivitätsberichte und Finanzberichte – wissen Sie, was Ihre KI-Agenten getan und was sie ausgegeben haben

Nutzen Sie Dienste wie Resend, um sich automatische tägliche Zusammenfassungen per E-Mail zu schicken

Regel: Wenn Sie nicht sehen können, was gestern passiert ist, fliegen Sie blind.

Die unersetzliche Rolle des Menschen

KI kann Sie in diesen Bereichen nicht ersetzen:

Vision – Was sollen wir bauen? Warum? (vorerst)

Empathie – Was brauchen die Nutzer wirklich? (vorerst)

Urteilsvermögen – Ist das der richtige Ansatz? (vorerst)

Geschmack – Fühlt sich das richtig an? Ist es gut genug? (vorerst)

Die Zukunft ist bereits hier

Was als Nächstes kommt:

KI-Agenten, die autonom deployen, überwachen und Produktionsprobleme beheben

Multi-Agent-Systeme, in denen KIs an großen Projekten zusammenarbeiten

KI, die UX entwirft, Texte schreibt und Assets erstellt

Voice-First-Entwicklung: „Hey Claude, füge eine Suchleiste in den Header ein“

KI, die Ihre Präferenzen lernt und Ihre Bedürfnisse voraussieht

Wichtigste Erkenntnisse

1. Die Ära des manuellen Programmierens ist vorbei – nutzen Sie KI-First-Entwicklung

2. Denken Sie in Verhalten, nicht in Code – beschreiben Sie das Was, nicht das Wie

3. Klein anfangen, inkrementell iterieren – ein Feature nach dem anderen

4. Verhalten testen, nicht Code – wenn es korrekt funktioniert, ist es korrekt

5. Der Maschine vertrauen – Ergebnisse verifizieren, nicht Implementierungen umschreiben

6. Ihr Wert liegt in Vision, Urteilsvermögen und Geschmack – nicht in Syntax

7. CLAUDE.md ist das Gehirn Ihres Projekts – investieren Sie in guten Kontext

8. Hören Sie nie auf, Grundlagen zu lernen – KI verstärkt Wissen, nicht Unwissen

9. Schützen Sie Ihre API-Schlüssel – KI-Modellen ist Ihre Rechnung egal, setzen Sie Limits und überwachen Sie täglich

10. Immer Backups haben – nie force-pushen, alles protokollieren, tägliche Berichte erstellen

Ihre Hausaufgabe

Bauen Sie diese Woche etwas Echtes.

Ressourcen

Claude Code: npm install -g @anthropic-ai/claude-code

Codex CLI: npm install -g @openai/codex

Dieser Vortrag: emrevarol.com/lecture/coding-with-genai-de.html

Alle Vorträge: emrevarol.com/lecture/

Live-Projekte (In Aktion sehen)

emrevarol.com – Portfolio & Vorträge

evimibul.org – KI-Immobilien

english.cash – KI-Englischlernen

pusulam.ai – Prognosemärkte

deneme.live – KI-Prüfungsplattform

neyesek.biz – KI-Essensbewertungen

a2sv.org – Africa to Silicon Valley

Schlussworte