Mit KI ein Business starten: MVP mit ChatGPT, Claude Code und Codex

Du kannst mit KI ein Business starten und ein MVP bauen, bevor du den Businessplan fertig hast, mit dem du eigentlich das Geld einsammeln wolltest, um jemanden zu engagieren, der es für dich baut. Genau das ist die Verschiebung. Ein nicht-technischer Gründer mit einer klaren Idee, einem freien Nachmittag und drei Tools — ChatGPT, Claude Code und Codex — kann diese Woche ein funktionierendes Produkt ausliefern und echten Nutzern vorlegen.

Das hier ist eine praktische Anleitung, kein Hype-Stück. Du bekommst einen Tool-Stack, einen Validierungsschritt, einen echten Bauweg und die Stolperfallen, die niemand für Screenshots inszeniert. Das Ziel: mit KI ein MVP bauen, das gut genug ist, um Geld dafür zu verlangen — ohne so zu tun, als hätte die KI das Denken für dich übernommen.

Warum "Vibe Coding" die Tür geöffnet hat

Die Einstiegsrampe hat einen Namen. Andrej Karpathy prägte im Februar 2025 den Begriff "Vibe Coding": Software schreiben, indem du einer KI sagst, was du willst, und sie bauen lässt — wobei du dich "ganz den Vibes hingibst" und "vergisst, dass der Code überhaupt existiert". Der Begriff wurde später sogar zum Wort des Jahres 2025 des Collins Dictionary gekürt.

Genau dieser letzte Teil ist Chance und Falle zugleich. Finanzierte Startups liefern bereits so. Garry Tan von YC hat gesagt, ein großer Teil des Winter-2025-Batchs habe Codebases gehabt, die überwiegend KI-generiert waren, und Anthropic sagt, eine große Mehrheit seines eigenen neuen Produktionscodes werde inzwischen von Claude geschrieben. Behandle beides als berichtete Zahlen — und achte auf den gemeinsamen Nenner: Diese Gründer blieben der Redakteur, nicht der Zuschauer. Das kannst du auch.

Die besten ersten Produkte für diesen Weg

Wähle ein Modell, bei dem ein kleines, scharfes Werkzeug eine aufgeblähte Plattform schlägt:

Micro-SaaS — ein schmerzhafter Workflow, eine zahlende Nische (etwa ein Buchungstool für Tattoo-Studios oder ein Schichtplaner für eine Bäckerei-Kette).
Internes Tool als Produkt — die Tabelle-plus-Logik, die eine bestimmte Branche jedes Mal aufs Neue schlecht nachbaut (denk an die Excel-Wüste in einem mittelständischen Handwerksbetrieb).
AI-Wrapper mit Burggraben — eine fokussierte Oberfläche auf einem LLM, bei der dein Prompt, deine Daten oder dein Workflow der eigentliche Wert ist.
Produktisierte Dienstleistung — du machst die Arbeit, die KI übernimmt die Auslieferung, und das MVP ist das Bestellformular plus die Automatisierung dahinter. Genau hier setzen viele neue KI-Automatisierungsagenturen an.

Die Gewinner teilen ein Merkmal: ein schmales Publikum, das den Schmerz wöchentlich spürt und heute zahlen würde.

Der Tool-Stack: gib jeder KI einen klaren Job

Der größte Anfängerfehler ist, diese Tools als austauschbare Chatbots zu behandeln. Sind sie nicht. Verteile Rollen.

ChatGPT — die Denkschicht. Ideenfindung, Naming, Marktrecherche, dein Spec, Marketing-Texte, Debugging im Gespräch. Hier entscheidest du, was du baust.
Codex (OpenAI) — der agentische Builder. OpenAIs Coding-System, das eine CLI, eine IDE-Erweiterung, die Cloud (über ChatGPT) und einen GitHub-Bot umspannt — alle teilen sich denselben Account-Kontext. Die CLI ist Open Source, läuft lokal und nimmt Bildeingaben an — füg den Screenshot eines Designs ein, und sie liest ihn. Details zu Installation und Zugang findest du in der Codex-Doku.
Claude Code (Anthropic) — der Codebase-Agent. In Anthropics Worten ein Agent, der "deine Codebase liest, Dateien bearbeitet und Befehle ausführt" — über Terminal, IDE, Desktop-App und Browser hinweg. Er ergänzt Subagents für Parallelarbeit und einen Plan-Modus, um zu denken, bevor er Dateien anfasst.
Hermes Agent (Nous Research) — die selbst gehostete Option. Wenn du den Stack besitzen willst: Dieser MIT-lizenzierte Agent läuft über Chat-Oberflächen und die CLI auf selbst gehosteten Backends. Nous bewirbt selbst generierte Skills und persistentes Gedächtnis — prüf beides an deiner eigenen Arbeit, bevor du dich darauf verlässt. Ein echter dritter Weg für Builder, die sich lieber nicht auf einen gehosteten Anbieter verlassen wollen.

Faustregel: ChatGPT entscheidet das Was; Codex und Claude Code bauen das Wie.

Schritt 1: Validieren, bevor du baust

Spring nicht direkt zum Bauen. Verbring eine ChatGPT-Session damit, die Idee unter Druck zu setzen:

Lass ChatGPT 10 konkrete Personen benennen, die dafür zahlen würden — und warum jetzt.
Lass es fünf Kalt-Akquise-Nachrichten und einen einseitigen Landing-Pitch entwerfen.
Verschick die Nachrichten. Hol dir drei "Ja, ich würde zahlen"-Signale von echten Menschen, bevor du eine Zeile Code schreibst.

Wenn du keine drei Menschen findest, die den Schmerz spüren, liegt das Problem an der Idee, nicht an der KI.

Schritt 2: Schreib das Spec

Agenten arbeiten dramatisch besser gegen ein geschriebenes Spec als gegen Vibes. Dieser eine Schritt trennt den sauberen Build von der Chaos-Session. Lass ChatGPT ein kurzes PRD erstellen: den einen zentralen User-Flow, die Daten, die du speicherst, die Screens und — ausdrücklich — was nicht in den Scope von v1 gehört.

Speichere es als AGENTS.md in deinem Projektordner. Sowohl Codex als auch Claude Code lesen diese Datei als stehende Anweisung, sodass sie zum Briefing wird, das jede Session respektiert — und du erklärst das Projekt nie wieder von vorne.

Schritt 3: Bau das MVP mit KI

Jetzt der eigentliche Build. Arbeite in engen Schleifen, nicht in einem einzigen Riesen-Prompt:

Gerüst. Richte Codex oder Claude Code auf deine AGENTS.md und verlange die kleinste lauffähige Version des Kern-Flows.
Lauf lassen. Lass den Agenten Befehle ausführen und die App starten. Das ist die Grenze zwischen einem KI-MVP und einem Ordner voll Code, der nie gelaufen ist — diese Agenten führen aus und testen, was ChatGPT allein nicht kann.
Iteriere Screen für Screen. "Füg Login hinzu." "Jetzt das Dashboard." Kleine, überprüfbare Schritte.
Füttere es mit Bildern. Codex nimmt Screenshots und Design-Specs als Eingabe — wirf eine grobe Skizze rein und lass es das Layout treffen.
Bau ein Verify-Gate ein. Bevor du eine Änderung ausspielst, lass den Agenten deine Tests laufen — oder reich den Diff an einen separaten Review-Durchgang weiter. Die Codex-CLI fährt einen unabhängigen Review; Claude Code hat dafür den Plan-Modus und Subagents.

Behandle jede Schleife als Prompt → ausführen → Diff lesen → annehmen oder korrigieren. Das Lesen ist nicht verhandelbar — hier ist, warum.

Schritt 4: Workflows in wiederverwendbare Agent Skills verwandeln

Das ist der technisch differenzierteste Punkt dieser Anleitung — und der, der deine Geschwindigkeit verzinst.

Claude Code und Codex teilen sich dasselbe Skills-Primitiv. Ein Skill ist ein Ordner mit einer SKILL.md-Datei mit YAML-Frontmatter — name und description sind die Pflichtfelder — die wiederverwendbare Anweisungen, Skripte und Ressourcen bündelt, damit der Agent einen Workflow jedes Mal gleich ausführt. Beide folgen dem offenen Agent-Skills-Standard.

Der Gewinn für Gründer: Schreib einen Workflow einmal, nutz ihn für immer. Bau ein SKILL.md für "auf Vercel deployen" oder "meine Test-Suite laufen lassen und die Fehler melden" — und du fügst dieselben Anweisungen nicht mehr in jede Session ein.

In Claude Code rufst du einen Skill mit /skill-name auf; der Body lädt nur bei Nutzung, was den Kontext günstig hält. (Hinweis für 2026: Custom Commands sind in Skills aufgegangen — eine Datei unter .claude/commands/deploy.md und ein Skill unter .claude/skills/deploy/SKILL.md erzeugen beide /deploy, und alte .claude/commands/-Dateien funktionieren weiterhin.)
In Codex rufst du über /skills oder $skillname auf; es lädt nur Name und Beschreibung, bis du den Skill auswählst. Codex sucht in .agents/skills und seiner eigenen Config, nicht in Claude Codes .claude/skills/ — geh also nicht davon aus, dass ein Layout für beide passt.

Schritt 5: Verkauf das erste Angebot

Dein MVP plus die drei validierten Leads aus Schritt 1 ergeben einen Launch.

Lass ChatGPT den Landing-Text und eine schlichte Preisseite schreiben — ein Angebot, ein Preis.
Deploy. (Mach daraus ein SKILL.md, dann ist es beim nächsten Mal ein einziger Befehl.)
Geh zurück zu den drei Leuten, die "Ich würde zahlen" gesagt haben. Schick den Link. Frag nach Geld, nicht nach Feedback.

Ein zahlender Kunde in Woche eins schlägt ein poliertes Produkt in Woche zehn — mit keinem.

Fehler, die du vermeiden solltest

Alle drei Tools als eines behandeln. Lass ChatGPT keinen Code schreiben, den es nicht ausführen kann; übergib die Ausführung an Codex oder Claude Code.
Das Spec überspringen. Kein AGENTS.md heißt driftende, inkonsistente Ausgabe.
Den Code nicht lesen. Eine CodeRabbit-Analyse realer Pull Requests aus dem Jahr 2025 berichtete, dass Code mit KI-Co-Autorschaft spürbar mehr Probleme trug — darunter mehr Sicherheitsprobleme — als von Menschen geschriebener Code. Diana Hu von YC sagte es unverblümt: Gründer brauchen "den Geschmack und genug Training, um zu erkennen, ob ein LLM Mist oder Gutes ausspuckt." Lies die Diffs.
Wiederverwendung ignorieren. Anweisungen erneut einfügen, statt ein SKILL.md zu schreiben.
Kein Verify-Gate. Ausspielen, ohne Tests oder einen Review-Durchgang laufen zu lassen.
Ohne Autor oder Offenlegung veröffentlichen. Wenn du über deinen Build schreibst: Googles Helpful-Content-Leitlinie behandelt Vertrauen als wichtigsten E-E-A-T-Faktor und erwartet offengelegte KI-Unterstützung sowie gezeigte Erfahrung aus erster Hand. Dieselbe Disziplin gilt für das Marketing deines Produkts.

Dein 30-Tage-Fahrplan

Tage 1–3: Modell wählen. Mit ChatGPT und echter Akquise validieren. Drei "Ich würde zahlen" holen.
Tage 4–5: Das PRD schreiben; als AGENTS.md speichern.
Tage 6–14: Den Kern-Flow mit Codex oder Claude Code bauen, ein Screen pro Schleife, jeden Diff lesen.
Tage 15–18: Verify-Gate einbauen; einen Review-Durchgang über den Code laufen lassen.
Tage 19–22: Zwei wiederverwendbare Skills schreiben — Deploy und Test.
Tage 23–26: Landing-Page und Preisseite per ChatGPT bauen; deployen.
Tage 27–30: An deine drei Leads verkaufen. Einen Fix aus ihrem Feedback ausliefern. Geld verlangen.

FAQ

Muss ich programmieren können, um mit KI ein MVP zu bauen? Nein — aber du musst lernen, die Ausgabe zu lesen und die App laufen zu lassen. Die nicht-technischen Gründer, die Erfolg haben, behandeln den Agenten als schnellen Junior-Entwickler, den sie beaufsichtigen — nicht als Orakel, dem sie blind vertrauen.

Soll ich Codex oder Claude Code nehmen? Beide sind agentische Coder, die Code lesen, bearbeiten und ausführen, und beide unterstützen SKILL.md-Skills. Die meisten Builder paaren ChatGPT fürs Denken mit einem Coding-Agenten. Probier zuerst Codex, wenn du ohnehin für ChatGPT zahlst, da es enthalten ist. Probier Claude Code, wenn du tiefe Terminal- und IDE-Integration plus Subagents willst. Du kannst beide laufen lassen.

Ist KI-generierter Code sicher genug zum Ausliefern? Nicht automatisch. Der CodeRabbit-Befund zu höheren Sicherheitsproblem-Raten ist genau der Grund, warum du ein Verify-Gate einbaust und Diffs liest. Lass vor jedem Deploy einen Review-Durchgang laufen.

Was ist eine SKILL.md genau? Ein Ordner mit einer SKILL.md-Datei — YAML-Frontmatter, die name und description verlangt — die einen wiederverwendbaren Workflow wie "auf Vercel deployen" bündelt, damit dein Agent ihn zuverlässig ausführt und du ihn nie wieder erklärst. Über den offenen Agent-Skills-Standard funktioniert das in Claude Code und Codex gleichermaßen.

Quellen und weiterführende Lektüre

Mehr auf Boostor: Claude Code Skills für Entwickler und Gründer · KI-Agenten fürs Business: 25 Workflows · Das Vibe-Coding-Playbook für nicht-technische Gründer.