Claude Code, Cursor, Lovable: Werkzeugkategorien im Überblick

Ihr Entwicklungsleiter möchte Claude Code, die Produktabteilung schwärmt von Lovable, und ein Dienstleister arbeitet mit Cursor. Für die Geschäftsleitung klingt das nach drei Varianten desselben Produkts. Das ist es nicht. Hinter den Namen stehen unterschiedliche Werkzeugkategorien, die sich in Nutzern, Ergebnis und Risiko deutlich unterscheiden. Wer die Kategorien auseinanderhalten kann, stellt vor einer Freigabe die richtigen Fragen.

Kategorie 1: Der Coding-Agent im bestehenden Code

Claude Code beschreibt sich als agentisches Werkzeug: Es liest eine Codebasis, ändert Dateien, führt Befehle aus und bindet die vorhandenen Entwicklungswerkzeuge ein. „Agentisch“ heißt dabei, dass die KI nicht nur Vorschläge macht, sondern Arbeitsschritte selbst ausführt. Laufen kann Claude Code im Terminal, in Entwicklungsumgebungen wie VS Code und JetBrains, als Desktop-App und im Browser.

Der typische Nutzer ist ein Entwickler, der an einem bestehenden System arbeitet: Funktionen ergänzen, Fehler beheben, Routinearbeit automatisieren. Für die Nutzung braucht es in den meisten Fällen ein Abonnement oder ein Konto beim Anbieter, einige Varianten lassen sich auch über Drittanbieter betreiben.

Frage an Ihr Team: Auf welche Systeme und Befehle darf der Agent zugreifen, und wer prüft, was er ändert? Der Beitrag Wer prüft den KI-Code? zeigt, warum diese Frage schnell zum Engpass wird.

Kategorie 2: Der KI-Editor mit eingebautem Agenten

Cursor ist eine Entwicklungsumgebung, also das Programm, in dem Entwickler Code schreiben, mit einem integrierten Agenten. Dieser kann laut Dokumentation komplexe Aufgaben eigenständig bearbeiten, Code ändern und Terminalbefehle ausführen. Für größere Vorhaben gibt es Projekte, in denen ein koordinierender Agent die Arbeit plant und an weitere Agenten verteilt.

Cursor beschreibt den Agenten als Zusammenspiel aus drei Bausteinen: Anweisungen, Werkzeugen und dem Modell, das der Nutzer auswählt. Anbindungen gibt es unter anderem an GitHub, GitLab, Azure DevOps, Bitbucket, Slack und Linear.

Frage an Ihr Team: Welche Modelle sind freigegeben, und wo werden Ihre Daten dabei verarbeitet? Die Modellwahl ist hier eine laufende Entscheidung, keine einmalige.

Kategorie 3: Der App-Builder im Browser

Lovable verfolgt einen anderen Ansatz. Man beschreibt in natürlicher Sprache, was entstehen soll, und die Plattform erzeugt eine lauffähige Webanwendung mit Frontend, Backend, Datenbank, Anmeldung und Integrationen. Der Code ist editierbar und lässt sich per Git-Sync mit GitHub, GitLab oder Bitbucket verbinden. Gearbeitet wird in gemeinsamen Workspaces, abgerechnet über einen gemeinsamen Credit-Pool statt pro Projekt oder Arbeitsplatz.

Lovable nennt als Zielgruppe ausdrücklich auch Fachbereiche: Produktmanagement, Vertrieb, Finanzen oder Personal, die Tabellen und Einzellizenzen durch eigene Apps ersetzen. Genau hier liegt der Unterschied für die Leitung: Software entsteht nicht mehr nur in der IT.

Frage an Ihr Team: Wer betreibt und wartet eine App, die ein Fachbereich gebaut hat, sobald sie geschäftskritisch wird? Für wen Sie welche Werkzeuge öffnen, beleuchtet KI-Coding für alle?.

Warum der Name des Modells nicht reicht

Alle drei Kategorien nutzen große Sprachmodelle. Eine aktuelle Untersuchung, über die The Decoder berichtet, zeigt, warum das Modell allein wenig über das Ergebnis sagt. Im Benchmark Co-Design Bench erfüllte das beste von zehn getesteten Modellen im Schnitt rund 70 Prozent der Anforderungen einer Aufgabe, vollständig korrekt war das Ergebnis aber nur bei 26,4 Prozent. Je mehr Arten von Änderungen eine Aufgabe verband, etwa Layout, Bedienung und Inhalt, desto schwächer wurden alle Modelle.

Noch wichtiger für die Tool-Wahl: Dasselbe Modell erreichte bei größeren Umbauten je nach Arbeitsumgebung 75 oder nur 56 Prozent. Die Arbeitsumgebung, im Fachjargon „Harness“, ist das Programm, über das ein Agent Code liest, schreibt und ausführt. Die Autoren raten deshalb, Modell und Umgebung immer gemeinsam zu bewerten. Für Sie heißt das: Sie wählen nicht nur ein Modell, sondern eine Kombination aus Modell und Werkzeug. Wie Sie Ranglisten generell einordnen, steht in KI-Benchmarks richtig lesen.

Was das für Ihre Entscheidung bedeutet

Die drei Kategorien beantworten unterschiedliche Fragen. Ein Coding-Agent oder KI-Editor beschleunigt Ihre Entwickler im bestehenden Code. Ein App-Builder bringt Softwareentwicklung in Fachbereiche, die bisher keine eigene Software gebaut haben. Beides kann sinnvoll sein, aber Verantwortung, Prüfaufwand und Abhängigkeiten liegen jeweils woanders.

Drei Fragen helfen bei der Einordnung:

• Wer baut? Entwickler oder Fachbereiche? Davon hängen Schulungsbedarf, Review und Betrieb ab.
• Wo landet der Code? Im eigenen Repository oder zunächst auf der Plattform eines Anbieters? Das berührt die Abhängigkeit, um die es in Vendor Lock-in bei KI-Tools geht.
• Wie wird getestet? Mit eigenen, typischen Aufgaben, in der Kombination aus Modell und Werkzeug, die tatsächlich eingesetzt werden soll, und mit eingeplanter Nacharbeit, denn „weitgehend fertig“ ist laut der Untersuchung der Normalfall.

Fazit

Claude Code, Cursor und Lovable sind keine austauschbaren Alternativen, sondern Vertreter verschiedener Kategorien. Wer zuerst die Kategorie klärt und dann das Produkt, vermeidet Fehlinvestitionen und weiß, welche Kontrollen nötig sind. Zentrale Begriffe sind im Glossar erklärt.

Sie möchten mit Ihrem Führungsteam klären, welche Werkzeugkategorie zu Ihren Vorhaben passt? Fragen Sie ein Inhouse-Seminar an oder melden Sie Ihr Interesse am offenen Seminar an.