Kein Bauchgefühl, keine Black Box. Wir zeigen Ihnen genau, welche 8 Dimensionen wir bewerten, warum jede davon über den Erfolg von KI in Ihrer Software entscheidet und wie objektive Metriken und KI-Analyse zu einem reproduzierbaren Score von 0–100 werden.
Jede Dimension auf einer Skala von 0 (nicht vorhanden) bis 5 (vorbildlich)
Die Grundfrage ist bei jeder Dimension dieselbe: Wie zuverlässig kann ein KI-Assistent wie Claude Code, Cursor oder GitHub Copilot auf Ihrem Code arbeiten?
Warum das für KI zählt: KI-Assistenten arbeiten am zuverlässigsten, wenn sie eine isolierte, überschaubare Code-Einheit bearbeiten können. In einem eng gekoppelten Monolithen ändert die KI an einer Stelle etwas und bricht unbemerkt drei andere — genau wie ein Mensch, nur schneller.
Was wir prüfen: logische Verzeichnisstruktur, Trennung von Geschäftslogik / Datenzugriff / Darstellung, definierte Schnittstellen zwischen Modulen, Dateigröße (< 300 Zeilen), Funktionslänge (< 50 Zeilen) und Komplexität.
index.php — 2.400 Zeilen, SQL + HTML + Geschäftslogik gemischtController → Service → Repository — jede Datei < 150 Zeilen, klare GrenzenWarum das für KI zählt: Die KI lernt den vorhandenen Stil und reproduziert ihn. Ist der Bestand inkonsistent, produziert sie inkonsistente Ergebnisse — der Wildwuchs verstärkt sich mit jedem Feature.
Was wir prüfen: Linter (ESLint, Pylint, PHP_CodeSniffer), Formatter (Prettier, Black), einheitliche Namenskonventionen, toter/auskommentierter Code, Magic Numbers, Pre-Commit-Hooks.
$x = $d * 0.19; — kryptischer Name, Magic Number$mwst = $netto * MWST_SATZ; — + Linter + Formatter + Pre-CommitWarum das für KI zählt: Typen sind der wichtigste Kontext überhaupt. Ohne sie muss die KI raten, welche Datenstruktur eine Funktion erwartet — und Raten führt zu Laufzeitfehlern, die erst Ihr Kunde bemerkt.
Was wir prüfen: typisierte Parameter und Rückgabewerte, definierte Models/DTOs, strikter Typ-Modus (strict, strict_types), ORM-/Prisma-Schemas, API-Schemas (OpenAPI, GraphQL).
function save($data) { ... } — was steckt in $data?function save(user: User): Result<User> — KI kennt jedes FeldWarum das für KI zählt: Tests sind das Sicherheitsnetz für KI-generierte Änderungen. Ohne Tests kann niemand — weder Mensch noch KI — verifizieren, ob eine Änderung korrekt ist. Erst mit Tests wird die KI von „gefährlich schnell" zu „schnell und sicher".
Was wir prüfen: vorhandenes Test-Framework (Jest, PHPUnit, pytest, Playwright), Höhe der Abdeckung, Mix aus Unit- und Integrationstests, Ausführung per Ein-Befehl, Determinismus (keine unzuverlässigen Tests), CI-Integration.
*.test.ts, keine CI — jede Änderung ist Blindflugnpm test → 340 Tests, 87% Abdeckung, in CI/CDWarum das für KI zählt: Die KI braucht Domain-Kontext, um sinnvolle Änderungen zu machen. Maschinenlesbare Kontextdateien (CLAUDE.md, .cursorrules) sind der direkteste Weg, dieses Wissen an die KI zu übergeben — sie liest sie bei jeder Aufgabe automatisch.
Was wir prüfen: README mit Setup-Anleitung, dokumentierte Architektur, API-Dokumentation, KI-Kontextdateien, Glossar für Fachbegriffe.
README: "npm install" — sonst nichtsCLAUDE.md + OpenAPI-SchemaWarum das für KI zählt: Die KI muss Code ausführen, testen und validieren können. Eine reproduzierbare Umgebung ist Voraussetzung dafür, dass die KI ihre eigene Arbeit überprüft, statt sie ungetestet abzuliefern.
Was wir prüfen: Git mit sinnvoller Branch-Strategie, CI/CD-Pipeline, containerisiertes Setup (Docker), Environment-Variablen statt Hardcoding, One-Command-Setup.
docker compose up + GitHub Actions + Branch-PreviewsWarum das für KI zählt: KI-Modelle kennen aktuelle Frameworks weit besser als veraltete. Auf einem alten Stack schlägt die KI Patterns vor, die nicht mehr passen — und veraltete Pakete bringen zusätzlich Sicherheitsrisiken.
Was wir prüfen: Aktualität der Sprach-/Runtime-Version, vorhandenes Lock-File, Aktualität der Abhängigkeiten, bekannte Sicherheitslücken (npm audit, composer audit), automatisierte Updates.
Warum das für KI zählt: Die KI kann versehentlich Zugangsdaten offenlegen oder unsichere Patterns aus dem Bestand reproduzieren. Eine saubere Sicherheitsarchitektur begrenzt den Schaden, den ein KI-Fehler anrichten kann.
Was wir prüfen: Zugangsdaten ausschließlich in Umgebungsvariablen/Secret-Manager, korrekte .gitignore, Input-Validierung, parametrisierte Datenbankabfragen (Prepared Statements), Security-Header, Security-Scans in CI.
$pass = "root123"; im Code, SQL per String-KonkatenationZwei Spuren, ein nachvollziehbares Ergebnis
Der Score jeder Dimension entsteht aus zwei Spuren. Objektive Metriken liefern das messbare Fundament, das KI-Urteil liefert das qualitative Verständnis — denn „ein Linter ist eingerichtet" heißt noch nicht „der Code ist wirklich sauber".
Reine Analyse-Werkzeuge, keine KI — deterministisch und zu 100% reproduzierbar. Zwei identische Läufe ergeben dieselbe Zahl.
CLAUDE.md, CI, Docker, .gitignoreEin KI-Assistent liest Ihre Codebase wie ein Senior-Entwickler: mindestens 20 repräsentative Dateien (die größten, die am häufigsten geänderten, die zentralen Einstiegspunkte).
Datei:Zeile belegt werden — nachprüfbar, keine HalluzinationBeispielrechnung für Dimension 1 (Architektur): Die Metrik misst Score 4 (Dateien sind klein), die KI vergibt aber nur 3 — sie erkennt versteckte Kopplung, die keine Metrik sieht.
| Dimension | Metrik (40%) | KI (60%) | Kombiniert | Gewicht | Punkte |
|---|---|---|---|---|---|
| 1 · Architektur | 4 | 3 | 3,4 | 20% | 13,6 |
| 2 · Code-Qualität | 3 | 3 | 3,0 | 15% | 9,0 |
| 3 · Typisierung | 2 | 2 | 2,0 | 15% | 6,0 |
| 4 · Tests | 1 | 1 | 1,0 | 15% | 3,0 |
| 5 · Dokumentation | 2 | 3 | 2,6 | 15% | 7,8 |
| 6 · DevOps | 3 | 3 | 3,0 | 10% | 6,0 |
| 7 · Abhängigkeiten | 3 | 2 | 2,4 | 5% | 2,4 |
| 8 · Sicherheit | 2 | 2 | 2,0 | 5% | 2,0 |
| Gesamt-Score | 49,8 → 50 | ||||
Erste Zeile: (4 × 0,4 + 3 × 0,6) = 3,4, dann 3,4 ÷ 5 × 20 = 13,6 Punkte von 20 möglichen.
Ergebnis: 50/100 — Gelb, bedingt AI-fähig.
Fiktives Beispielprojekt zur Illustration, kein realer Kundenfall.
Optional validiert ein KI-Praxistest den Score am realen Verhalten: Die KI löst drei echte Aufgaben auf Ihrem Code — ein kleines Feature, einen Bug-Fix und ein Refactoring. So sehen Sie schwarz auf weiß, wie produktiv KI heute schon auf Ihrer Software arbeitet.
Der Quick Check liefert Ihnen innerhalb von 24 Stunden Ihren AI-Readiness-Score, ein Radar-Diagramm aller 8 Dimensionen und die drei wirkungsvollsten Maßnahmen — zum Festpreis von 990 €.
Quick Check buchen — 990 €