Hinweis: Dieses Video und dieser Podcast wurden mithilfe von KI erstellt auf Grundlage der ursprünglichen Inhalten sowie den technischen Erkenntnissen des Autors des Blogartikels.
Wie AI die Arbeit von Entwickler:innen verändert
AI verändert die Webentwicklung derzeit in hohem Tempo. Doch welche Entwicklungen werden langfristig relevant sein und welche Konsequenzen ergeben sich daraus für Entwickler:innen? Darüber haben wir mit Christian Liebel und Sebastian Springer gesprochen. Beide bei den JavaScript & Angular Days als Trainer und fachliche Advisors aktiv und befassen sich seit Jahren mit modernen Webarchitekturen, AI und Fullstack-JavaScript.
Technisch betrachtet hat sich die Disziplin nicht grundlegend verändert: Es geht weiterhin um HTML, JavaScript und CSS. Verändert hat sich jedoch die Art und Weise, wie Software entsteht.
Wer bislang mit Frameworks wie Angular oder React arbeiten wollte, benötigte bislang meist tiefgehendes Fachwissen. AI hat diese Hürde deutlich gesenkt, da Wissen über Frameworks inzwischen Teil des Wissens vieler Modelle ist. Grundlegendes Software-Engineering-Know-how in Kombination mit AI-Unterstützung ermöglicht es Entwickler:innen, mit Sprachen und Frameworks zu arbeiten, in denen sie keine ausgewiesenen Expert:innen sind.
Paradoxerweise steigert AI gleichzeitig den Wert von Expertenwissen. AI kann zwar oft genau das tun, was man ihr vorgibt, doch ohne fundiertes Fachwissen wird man vollständig von ihr abhängig. Dadurch können gravierende Fehler unbemerkt bleiben.
Fullstack-JavaScript: Wie AI die Grenzen zwischen Frontend und Backend verändert
Fullstack als Disziplin verschwindet nicht; es kommt vielmehr eine zusätzliche Dimension hinzu.
Frontend, Backend und AI haben jeweils ihre eigenen Schwerpunkte, doch die Grenzen zwischen den Fachgebieten werden zunehmend unschärfer. Frontend-Entwickler:innen können Anwendungen heute einfacher deployen, Backend-APIs implementieren und Bereiche erschließen, die zuvor außerhalb ihres Tätigkeitsfelds lagen.
Wenn die einzige Serverabhängigkeit einer Anwendung die AI-Inferenz ist, kann diese inzwischen ins Frontend verlagert werden. In bestimmten Fällen kann dadurch der Server vollständig entfallen. Kleine, spezialisierte Anwendungen, die bisher lediglich einen Backend-Service benötigten, um API-Aufrufe weiterzuleiten, können heute vollständig auf der Client-Seite laufen.
Das ist eine echte architektonische Veränderung und nicht lediglich ein Verwischen von Rollenbildern. Das Backend als Architekturmodell bleibt jedoch bestehen. Es kann beispielsweise AI-Inferenz vermitteln oder die Anbindung an Cloud-Anbieter übernehmen.
Die Frage lautet daher nicht mehr: „Bist du Frontend- oder Backend-Entwickler:in?“, sondern: „Wo gehört die jeweilige Logik tatsächlich hin und an welchem Ort wird sie am sinnvollsten ausgeführt?“ AI liefert auf diese Frage eine dritte Antwortmöglichkeit, die es zuvor nicht gab.
Bleib informiert
Brancheninsights im Newsletter erhalten:
Führt AI eine neue Ebene architektonischer Komplexität in JavaScript ein?
AI verändert JavaScript selbst nicht, da die grundlegenden Prinzipien ja unverändert bleiben. Sie verändert jedoch die Art und Weise, wie Systeme erweitert und orchestriert werden.
Für Christian Liebel gilt: „KI ist eine Ergänzung zu JavaScript, keine Transformation davon.“
In der monolithischen Ära wurden Codeblöcke ergänzt. In der Ära von Microservices und Micro Frontends wurden zusätzliche Services integriert. Heute kommen Werkzeuge und Agenten hinzu. Die Grundidee bleibt ähnlich, aber die Mechanismen für Konnektivität, Routing und Dispatching unterscheiden sich deutlich.
„Normalerweise programmierst du die Entscheidung direkt in deinem Code: Ist etwas wahr oder falsch, ist es A, B oder C? Jetzt hast du einen intelligenten Knotenpunkt in deiner Anwendung, der diese Entscheidung trifft. Dadurch wird deine Software wesentlich flexibler und deutlich dynamischer”, erklärt Sebastian Springer.
AI Inferenz in Node.js und serverseitigem JavaScript
Grundsätzlich ist der Aufruf einer KI lediglich ein weiterer HTTP-Aufruf an einen externen Dienst. Sie stellt ein weiteres Werkzeug und eine zusätzliche Abstraktionsschicht dar.
Der Unterschied besteht darin, dass heute statt strukturierter Daten natürlich formulierte Prompts ausgetauscht werden. Die Ergebnisse müssen anschließend wieder in eine strukturierte Form überführt werden, damit sie maschinell verarbeitet werden können. Die Herausforderung besteht darin, aus inhärent probabilistischen Systemen zuverlässig strukturierte Ausgaben zu erhalten.
Streaming-APIs spielen dabei eine zentrale Rolle, erläutert Liebel. Viele Entwickler:innen fühlen sich jedoch noch nicht wohl dabei, Backends auf dieser Grundlage zu entwickeln. Node.js unterstützt inzwischen die Web Streaming API. Dadurch kann Streaming-Code zwischen Client und Server geteilt werden, was einen erheblichen praktischen Vorteil darstellt.
Mehr zum Thema: Wer den praktischen Einsatz von KI in JavaScript- und Angular-Anwendungen vertiefen möchte, findet auf den JavaScript & Angular Days (12.–16. Oktober 2026, Berlin) mehrere passende Workshops:
Web-Apps mit AI-Agents analysieren und optimieren: von Codebase bis Infrastruktur (Jonas Herrmannsdörfer)
AI im Browser: Lokale Modelle und AI Inference auf dem Endgerät
KI im Browser beschränkt sich nicht auf den aktuellen Hype rund um generative KI. Sie umfasst auch klassische Machine-Learning-Anwendungen. Die Hintergrundunschärfe in Google Meet ist beispielsweise seit Jahren ein etabliertes Beispiel für ein lokal ausgeführtes KI-Modell. Die zentrale Frage lautet dabei: „Wo wird das KI-Modell ausgeführt?“
Es gibt zwei Ansätze:
Ansatz 1: Eigene KI-Modelle direkt im Browser
Die Website bringt ein vortrainiertes Modell selbst mit – beispielsweise ein Open-Weights-Modell von Hugging Face – und führt dieses innerhalb der bereits vorhandenen JavaScript-Laufzeitumgebung des Browsers aus.
Relevante APIs sind unter anderem WebGPU und WebNN. Auf Framework-Ebene kommen beispielsweise Apache TVM, Transformers.js oder ONNX Runtime Web zum Einsatz.
Ansatz 2: Integrierte KI-Modelle im Browser
Der Browser selbst enthält das Modell und führt es aus. Entwickler:innen wählen lediglich den Anwendungsfall, nicht jedoch das Modell.
Dieser Ansatz ist derzeit in Chrome und Edge implementiert. Chrome verwendet Gemini Nano, das in den Browser heruntergeladen und anschließend lokal auf dem Gerät ausgeführt wird. Die Prompt API dient dabei als Schnittstelle zum Sprachmodell.
Lokale KI-Modelle vs. integrierte Browser-KI: Vor- und Nachteile
Eigenes KI-Modell mitbringen
|
Integrierte KI
|
„Die lokale Ausführung von KI ist eine Form von Edge AI – also KI direkt auf dem Gerät der Nutzer:innen. Niemand sonst kann die Daten sehen. Sie funktioniert offline und bietet erhebliche Vorteile für den Datenschutz”, sagt Christian Liebel.
Wann ist KI im Browser sinnvoller als Cloud-Inferenz?
Es gibt zahlreiche Anwendungsfälle, in denen lokale KI beziehungsweise KI im Browser sinnvoller ist als Cloud-basierte Inferenz. Liebel nennt insbesondere vier Aspekte:
- Kosten: Es entstehen keine Kosten für Cloud-Inferenz. Das ist sowohl für Unternehmen als auch für Hobbyentwickler:innen relevant, die KI-Funktionen einsetzen möchten, aber keine nutzerabhängigen Inferenzkosten tragen können.
- Latenz: Ein Beispiel ist die Hintergrundunschärfe bei Videokonferenzen. Das Übertragen von Videobildern an einen Server und zurück wäre zu langsam. Die lokale Verarbeitung erfolgt nahezu verzögerungsfrei.
- Datenschutz: Prompts und Eingabedaten verlassen das Gerät niemals.
- Offline-Fähigkeit: Die Funktionen stehen unabhängig von der Netzwerkverbindung zur Verfügung.
Mehr zum Thema: Das Thema lokale KI im Browser wird auf den JavaScript & Angular Days (12.–16. Oktober 2026, Berlin) auch praktisch behandelt. Im Workshop Smarter Angular mit Transformers.js & Prompt API zeigt Christian Liebel, wie sich Browser-KI und lokale Modelle direkt in moderne Webanwendungen integrieren lassen.
Sicherheit und Datenschutz in KI-gestützten Webanwendungen
Es ist wichtig, zwischen zwei Sicherheitsdimensionen zu unterscheiden:
- KI-unterstützte Angriffe, bei denen Angreifer:innen KI einsetzen, um Schwachstellen zu finden.
- Durch KI eingeführte Schwachstellen, die durch die Integration von KI in Anwendungen entstehen.
KI-Modelle sind sehr gut darin, Muster zu erkennen und Schwachstellen deutlich effizienter als Menschen aufzuspüren. Die Zahl der Fehler steigt dadurch nicht zwangsläufig – sie werden lediglich leichter entdeckt.
Ein eindrucksvolles Beispiel ist das Mythos-Projekt von Anthropic. Mit der Technologie wurde ein Fehler im weit verbreiteten Betriebssystem BSD gefunden, der über etwa 30 Jahre hinweg von Menschen unentdeckt geblieben war. Dies verdeutlicht, wie fragil die IT-Welt tatsächlich ist und wie viel KI erkennen kann, was Menschen übersehen.
Eine praktische Gegenmaßnahme gegen KI-gestützte Angriffe besteht laut Springer darin, KI-basierte Sicherheitsanalysen als festen Bestandteil des Softwareentwicklungsprozesses zu etablieren. “Nutze dieselben Werkzeuge, die potenzielle Angreifer:innen verwenden würden, bevor diese gegen dich eingesetzt werden können. KI-gestützte Schwachstellenanalysen sollten Teil jeder Entwicklungs-Pipeline sein”, so Springer weiter.
Mehr zum Thema: Wer die im Artikel angesprochenen Architekturthemen vertiefen möchte, findet auf den JavaScript & Angular Days (12. – 16. Oktober 2026, Berlin) mehrere passende Workshops:
Bootcamp: Praktische Fullstack-Architektur – von der API bis zur Benutzeroberfläche (Sebastian Springer, Nils Hartmann)
Die Zukunft der Webentwicklung im KI-Zeitalter
„Die einzige verlässliche Konstante lautet: flexibel bleiben, sich schnell anpassen und die grundlegenden Prinzipien des Software Engineerings nicht vergessen”, rät Sebastian Springer, antwortend auf die Frage, wie wir uns die Zukunft vorstellen sollten.
Der eigentliche Wert von KI liegt nicht darin, eine Funktion als „KI-gestützt“ zu vermarkten. Entscheidend ist die konkrete Nutzererfahrung, die dadurch ermöglicht wird. Nutzer:innen interessieren sich nicht für die zugrunde liegende Technologie. Sie interessieren sich dafür, ob eine Funktion intelligent wirkt, hilfreich ist und einen spürbaren Mehrwert bietet.
Diese Sichtweise gewinnt zusätzlich an Bedeutung, weil sich die Geschwindigkeit der Webentwicklung weiter erhöht. Technologien verändern sich schneller, ihre Lebenszyklen werden kürzer und Entwickler:innen müssen sich kontinuierlich anpassen.
Ein Beispiel ist Googles Browser Chrome: dieser wird ab September 2026 von einem vierwöchigen auf einen zweiwöchigen Release-Zyklus umstellen, um mit den stetigen Veränderungen Schritt zu halten.
In einem solchen Umfeld könnte Anpassungsfähigkeit die wertvollste Fähigkeit überhaupt sein.
Author
🔍 Frequently Asked Questions (FAQ)
1. Was ist AI im Browser?
AI im Browser bezeichnet die Ausführung von KI-Modellen direkt im Webbrowser oder auf dem Endgerät der Nutzer:innen. Dadurch können Anwendungen KI-Funktionen lokal bereitstellen, ohne jede Anfrage an einen externen Server senden zu müssen.
2. Was sind lokale KI-Modelle?
Lokale KI-Modelle werden direkt auf dem Gerät der Nutzer:innen ausgeführt. Sie ermöglichen eine geringe Latenz, Offline-Fähigkeit und einen besseren Datenschutz, da Eingabedaten und Prompts das Gerät nicht verlassen.
3. Wie verändert AI die Architektur moderner Webanwendungen?
AI erweitert klassische Frontend- und Backend-Architekturen um eine zusätzliche Ebene. Bestimmte Aufgaben, die bisher auf Servern ausgeführt wurden, können heute direkt im Browser oder auf dem Endgerät verarbeitet werden.
4. Wann ist AI im Browser sinnvoller als Cloud-Inferenz?
Browser-KI eignet sich besonders für Anwendungsfälle mit hohen Anforderungen an Datenschutz, geringe Latenz oder Offline-Fähigkeit. Außerdem entfallen laufende Kosten für Cloud-basierte Inferenzdienste.
5. Welche Technologien ermöglichen KI im Browser?
Für die Ausführung von KI-Modellen im Browser kommen Technologien wie WebGPU, WebNN, Transformers.js oder ONNX Runtime Web zum Einsatz. Moderne Browser wie Chrome und Edge unterstützen zudem integrierte KI-Modelle über die Prompt API.
6. Welche Rolle spielt Node.js bei AI-gestützten Anwendungen?
Node.js ermöglicht die Integration von KI-Diensten über APIs und unterstützt moderne Streaming-Technologien. Durch die Web Streaming API kann Code zwischen Client und Server einfacher geteilt werden, was die Entwicklung von AI-Anwendungen erleichtert.
7. Wie beeinflusst AI die Zukunft von Frontend- und Backend-Entwicklung?
AI macht die Grenzen zwischen Frontend, Backend und Fullstack-JavaScript zunehmend fließend. Entwickler:innen müssen künftig stärker entscheiden, an welcher Stelle eine Funktion am effizientesten ausgeführt wird – im Browser, auf dem Server oder direkt durch ein KI-Modell.





