Die Nachfrage nach Software übersteigt das Angebot an Ingenieuren, also bauen auch Citizen Developer, auf Low-Code- und No-Code-Plattformen. Dieses Paper wertet die Literatur dazu aus, KI, insbesondere LLMs und LLM-basierte Agenten, in diese Plattformen zu bringen: was sich ändert, was es kostet und wo die Forschung dünn ist. Es endet mit Lücken, die sich zu untersuchen lohnen: Task-Technology-Fit, Bewertungsmetriken und proaktive Unterstützung.
01Die Lücke
Low-Code- und No-Code-Plattformen lassen Menschen mit wenig Programmierhintergrund Anwendungen aus visuellen Bausteinen zusammensetzen 1. Professionelle Ingenieure nutzen dagegen KI für Codegenerierung und Empfehlungen im gesamten Entwicklungszyklus. Beide Gruppen haben unterschiedliche Fähigkeiten und Werkzeuge, und die Frage ist, was passiert, wenn dieselbe KI vor beiden sitzt.
02Wie die KI hineinkommt
Die Übersicht nennt fünf KI-Fähigkeiten, die in Low-Code-Plattformen ankommen: Schnittstellen in natürlicher Sprache, intelligente Suche nach Komponenten und Funktionen, Codegenerierung, Automatisierung von Entwicklungsaufgaben wie Tests und freundlichere KI-gestützte Oberflächen 6. Laufend werden neue generative KI-Funktionen angekündigt 3. 1
03Was die Literatur berichtet
Berichtete Vorteile sind Effizienzgewinne bei Zeit, Aufwand und Kosten sowie eine bessere Zusammenarbeit zwischen Citizen Developern und Ingenieuren 2. Eine Nutzerstudie fand bei einfachen Anwendungen keinen signifikanten Unterschied in Korrektheit oder Zeit zwischen Programmierern und Citizen Developern 2. Berichtete Herausforderungen fallen in drei Gruppen: Nutzerkompetenzen (Einsteiger tun sich schwer, wenn ihr Ziel unklar ist), technische Grenzen der Plattformen (Fragmentierung, Sicherheit) und organisatorische Faktoren wie Rollenkonflikte und Governance 4.
04Offene Fragen
Die Übersicht nennt sechs Forschungsrichtungen, drei stechen hervor. Task-Technology-Fit: wie KI-Funktionen zu verschiedenen Entwicklungsaufgaben passen. Leistungsmetriken: für den Erfolg von Citizen Developern gibt es kein Standardmaß. Proaktive Unterstützung: KI, die im Arbeitsablauf Hilfe anbietet, statt auf einen Prompt zu warten, was an LLM-basierte Agenten für Software Engineering anknüpft 4. Dazu kommen bessere Unterstützung für Einsteiger, klarere Definitionen digitaler Kompetenzen und KI im Plattformdesign.
Quellen
- 1. M. O. Ajimati, N. Carroll, M. Maher. Adoption of low-code and no-code development: a systematic literature review and future research agenda. Journal of Systems and Software 222, 2025.
- 2. T. Guthardt, J. Kosiol, O. Hohlfeld. Low-code vs. the developer: an empirical study on the developer experience and efficiency of a no-code platform. MODELS Companion '24, 2024.
- 3. O. Bruhin, E. Dickhaut, E. Elshan, M. Li. The rise of generative AI in low code development platforms: an analysis and future directions. 2024.
- 4. H. Jin et al. From LLMs to LLM-based agents for software engineering: a survey of current, challenges and future. 2025.
- 5. B. Yetiştiren, I. Özsoy, M. Ayerdem, E. Tüzün. Evaluating the code quality of AI-assisted code generation tools. 2023.
- 6. G. Kacheru, N. Arthan, R. Bajjuru. Artificial intelligence (AI) for low-code and no-code development: making non-developers developers in 2024. Formosa Journal of Multidisciplinary Research 4(1), 2025.