State of AI App Building 2026: Daten aus 11.355 generierten Apps

KI-App-Builder sind von der Spielerei zum Arbeitswerkzeug geworden: Menschen beschreiben eine App in einem Satz, und eine funktionierende Codebasis — Frontend, Datenbankschema, API — kommt in Minuten zurück. Doch das meiste, was über diese Kategorie geschrieben wird, ist Anekdote. Dieser Report untersucht, was Menschen wirklich bauen, wenn eine KI den Code schreibt — auf Basis von 11.355 Projekten, 124.755 generierten Code-Dateien und 80.189 Builder–KI-Chat-Nachrichten auf der VULK-Plattform (November 2025 – Juli 2026).

Die wichtigsten Ergebnisse auf einen Blick

• Der mediane Builder liefert seine erste KI-generierte App 47 Sekunden nach der Anmeldung aus. Die Zeit bis zur ersten App wird jetzt in Sekunden gemessen, nicht in Tagen.
• Der mediane App-Prompt hat nur 364 Zeichen — rund 60 Wörter. Menschen beschreiben Apps in einem kurzen Absatz und verfeinern dann im Gespräch.
• Die mediane Build-Konversation ist nur 4 Nachrichten lang; die Top 10% der Projekte überschreiten 25 Nachrichten, und die längste Konversation eines einzelnen Projekts erreichte 588 Nachrichten.
• 80,5% der KI-generierten Apps sind React + Vite-Web-Apps; Flutter ist mit 5,6% die Plattform Nr. 2.
• 62% der KI-generierten Apps enthalten ein SQL-Datenbankschema — die meisten „vibe-gecodeten" Apps sind keine statischen Seiten, sondern Datenanwendungen.
• 27% der Apps bekommen ein provisioniertes Backend (API + gehostete Datenbank), aber nur 3,7% werden auf eine öffentliche URL deployt — der größte Abbruch im Funnel ist der letzte Schritt.
• Nur 1,6% der KI-generierten Apps sind To-do-Listen. Das Klischee der Tutorial-Ära ist tot: Dashboards und Admin-Panels (12,5%) sind die Kategorie Nr. 1.
• Das durchschnittliche KI-generierte Projekt enthält 20,7 Dateien und rund 1.500 Codezeilen; das größte Einzelprojekt erreichte 677 Dateien.
• 65% aller generierten Code-Dateien sind TypeScript (inklusive TSX); SQL ist mit 6,1% die am zweithäufigsten generierte Sprache.
• Die KI redet am meisten: 3,4 Assistenten-Nachrichten auf jede 1 menschliche Nachricht in Build-Konversationen.
• Südasien stellt 47% der neuen KI-App-Builder, aber 8% des Umsatzes; Nordamerika stellt 3,5% der Builder und 25% des Umsatzes — eine 7×-Monetarisierungslücke zwischen dort, wo KI-App-Building gelernt wird, und dort, wo dafür bezahlt wird.
• 30,5% der Angemeldeten generieren mindestens eine App; 29% davon kommen zurück, um eine zweite zu bauen, und der durchschnittliche Builder erstellt 2,5 Apps.
• Die Spitzenzeit fürs Bauen liegt werktags zwischen 12:00 und 15:00 UTC (Dienstag ist der geschäftigste Tag); nur 26% der Apps entstehen am Wochenende — KI-App-Building ist Arbeitszeit-Verhalten, kein Wochenend-Hobby.
• 3,5% aller Anmeldungen konvertieren zu zahlenden Kunden.

Was bauen Menschen wirklich mit KI?

Das Stereotyp KI-generierter Software — To-do-Apps und Spielzeug-Demos — überlebt den Kontakt mit den Daten nicht. Die Klassifizierung der natürlichsprachlichen Prompts hinter 10.994 aktiven Projekten nach Thema:

Zwei Dinge stechen hervor. Erstens: Der Anwendungsfall Nr. 1 ist Software in Form interner Tools: Dashboards, Admin-Panels, Buchungssysteme, Finanz-Tracker — die unglamourösen Anwendungen, die Unternehmen früher kauften oder von Hand bauten. Zweitens: To-do-Apps liegen auf Platz 13. Wenn eine App einen Absatz Text kostet, überspringen die Leute das Übungsprojekt und gehen direkt zu dem, was sie wirklich brauchen.

Ein bemerkenswerter Meta-Trend: 3,1% der KI-generierten Apps sind selbst KI-Apps — Menschen nutzen KI, um KI-Assistenten, Chatbots und Agent-Frontends zu bauen.

Wie viel Code schreibt ein KI-App-Builder wirklich?

Über 11.355 Projekte hinweg generierte die Plattform 124.755 Code-Dateien mit insgesamt 769 MB Quellcode — ungefähr 9,5 Millionen Zeilen (basierend auf einer Zufallsstichprobe von ~6.000 Dateien mit durchschnittlich 76 Zeilen).

Das durchschnittliche Projekt:

• 20,7 Dateien (Median 20, Maximum 677)
• ~127 KB Quellcode, rund 1.500 Zeilen
• 6,2 KB pro Datei im Schnitt — KI-Generatoren produzieren viele kleine, fokussierte Dateien statt Monolithen

Die Sprachverteilung der generierten Dateien zeigt, wie der moderne KI-generierte Stack aussieht:

TypeScript hat die Ära des KI-Codegen faktisch gewonnen. Zwei Drittel von allem, was die Modelle ausgeben, ist typisiert. Und dass SQL die Output-Sprache Nr. 3 ist, unterstreicht den Datenbank-Punkt weiter unten.

Haben KI-generierte Apps echte Backends?

Ja — und das ist wahrscheinlich die am wenigsten berichtete Verschiebung in der Kategorie.

• 61,7% der Projekte enthalten ein SQL-Datenbankschema unter ihren generierten Dateien.
• 27,1% der Apps haben ein provisioniertes Backend — ein laufender API-Worker plus eine gehostete Datenbank, nicht nur Frontend-Code.
• Die übrigen Apps sind wirklich Frontend-only (Portfolios, Landing Pages, Spiele).

Das populäre Framing von KI-App-Buildern als „UI-Spielzeug" ist veraltet: Die Mehrheit der generierten Apps modelliert Daten, und mehr als ein Viertel betreibt serverseitige Infrastruktur.

Der Funnel verengt sich am Ende allerdings stark:

Nur ~1 von 27 KI-generierten Apps schafft es auf eine öffentliche URL. Die Generierung ist nicht mehr der Engpass — die letzte Meile (Deployment, Domains, Livegang) ist der Punkt, an dem die meisten Projekte stehen bleiben. Für das Ökosystem ist das die klarste Produktlücke, die die Daten offenlegen.

Für welche Plattformen bauen die Menschen?

Die Plattform wird aus den tatsächlichen Dateien jedes Projekts erkannt (Build-Configs, Manifeste):

Das Web dominiert den Output weiterhin — aber die Nachfrage läuft der Auslieferung voraus. Betrachtet man, was Nutzer in Prompts anfragen (All-Time-Plattform-Nachfrage auf derselben Plattform): Flutter führt mit 381 Anfragen, gefolgt von Node-Backends (310), Next.js (265), Python (246), React Native (213) und PHP (174). Die Mobile- und Backend-first-Nachfrage übersteigt deutlich, was derzeit generiert wird — was nahelegt, dass die nächste Phase des KI-App-Buildings Multi-Runtime ist: Mobile-Binaries, Python-Services und PHP-Apps, nicht nur React-SPAs.

Wie sprechen Menschen mit einer KI, die Apps baut?

• Der mediane Anfangs-Prompt hat 364 Zeichen — etwa 60 Wörter oder 3–4 Sätze. Der Mittelwert ist weit höher (1.983 Zeichen), weil ein Long Tail von Nutzern ganze Spezifikationen, Briefings oder bestehenden Code einfügt; der längste einzelne Prompt überschritt 500.000 Zeichen.
• Die mediane Projekt-Konversation hat 4 Nachrichten. Die Hälfte aller Apps ist im Kern „ein Schuss plus ein Feinschliff".
• Die Top 10% der Projekte haben 25+ Nachrichten — das sind die Nutzer, die die KI als iterativen Pair-Programmer behandeln, nicht als Automaten. Der Rekord: 588 Nachrichten in einem einzigen Projekt.
• Über alle Konversationen hinweg sendet die KI 3,4 Nachrichten auf jede 1 menschliche Nachricht (61.977 Assistenten- vs. 18.212 Nutzer-Nachrichten) — ein Spiegel der streamenden, mehrstufigen Natur der Code-Generierung.

Das Muster, das sich abzeichnet: kurze Absicht rein, langer Iterationszyklus raus bei den Projekten, die zählen. Die Fähigkeit steckt nicht in der Prompt-Länge, sondern darin zu wissen, was man als Nächstes verlangt.

Wer baut KI-generierte Apps — und wer bezahlt dafür?

Bei der Geografie werden die Daten am interessantesten. Unter den Anmeldungen mit bekanntem Land:

• Südasien (Indien, Pakistan, Bangladesch, Nepal, Sri Lanka): 47,4% der Builder — Indien allein stellt 25% aller Anmeldungen, das größte Einzelland.
• Afrika: 15,9% (Nigeria, Algerien, Ägypten, Südafrika, Kenia und Marokko alle in den Top-15-Ländern)
• Europa: 7,9%
• Nordamerika: 3,5%

Der Umsatz verteilt sich nahezu invers:

• Nordamerika: 24,8% des Umsatzes (aus 3,5% der Anmeldungen — ein ~7×-Überindex)
• Europa: 24,4%
• Golfstaaten: 12,5%
• Südasien: 7,7% (aus 47,4% der Anmeldungen)

Die Interpretation: KI-App-Building wird in Schwellenmärkten als Fähigkeit angeeignet und in entwickelten Märkten als Werkzeug gekauft. Die größten Builder-Populationen sitzen in Märkten, in denen $20/Monat ein spürbarer Preis ist; die zahlenden Kunden ballen sich in den USA, Deutschland, Großbritannien, Frankreich, den Niederlanden, der Schweiz und am Golf. Jedes KI-DevTool-Unternehmen wird diese Form wiedererkennen — es ist die prägende Go-to-Market-Spannung der Kategorie.

Insgesamt werden 3,5% aller Anmeldungen zu zahlenden Kunden — bemerkenswert für eine Produktkategorie, in der der kostenlose Output (eine funktionierende Codebasis) selbst der Wert ist.

Wann wird gebaut?

Ohne automatisierte/Batch-Aktivität:

• Spitzenfenster der Erstellung: 12:00–15:00 UTC, mitten im europäischen/afrikanischen/südasiatischen Arbeitstag und im US-Morgen.
• Dienstag ist der geschäftigste Tag; Montag und Sonntag sind die ruhigsten.
• Wochenenden machen nur 26% der App-Erstellung aus.

KI-App-Building zeigt die Nutzungskurve eines Arbeitswerkzeugs, nicht die einer Unterhaltung. Menschen generieren Apps während der Arbeitszeit, an Arbeitstagen — konsistent mit der Dominanz von Dashboards/Admin-Panels in den „Was wird gebaut"-Daten.

Wie schnell kommt die erste App?

Die mediane Zeit von der Kontoerstellung bis zur ersten generierten App beträgt 47 Sekunden. Das ist wohl die prägende Zahl der Kategorie: Die Distanz zwischen „Ich habe eine Idee" und „Ich habe laufenden Code" ist auf unter eine Minute kollabiert.

Aktivierung und Retention:

• 30,5% der Anmeldungen generieren mindestens eine App (4.622 von 15.165 Nutzern)
• 29,5% der Builder kommen zurück, um eine zweite App zu erstellen (1.362 Nutzer)
• 181 Power-User haben 5+ Apps gebaut; der durchschnittliche Builder erstellt 2,5 Apps
• Die Plattformaktivität ist spitzenlastig: Die Hälfte aller Projekte entstand im Launch-Fenster Dezember 2025 – Januar 2026, mit organischer monatlicher Erstellung, die ab Mai 2026 wieder beschleunigt (Juni 2026 war der stärkste organische Monat seit Januar, 2,2× über Mai).

Methodik

Dieser Report basiert auf aggregierten, anonymisierten Produktionsdaten der VULK-Plattform (vulk.dev), einem KI-gestützten App-Builder.

• Datensatz: N = 11.355 generierte Projekte (10.994 aktiv), 124.755 generierte Code-Dateien, 80.189 Chat-Nachrichten, 15.165 registrierte Nutzer, 576 Zahlungen von 533 Kunden.
• Zeitraum: November 2025 – 17. Juli 2026.
• Die Plattformerkennung leitet sich aus den tatsächlich vorhandenen Dateien jedes Projekts ab (z. B. vite.config.*, pubspec.yaml, requirements.txt, next.config.*, composer.json), berechnet über die 6.025 Projekte mit erhaltenen Dateibäumen.
• Die Kategorieklassifizierung nutzt Keyword-Matching auf Projekt-Prompts; Kategorien schließen sich nicht gegenseitig aus.
• Die Codezeilen-Zahlen sind aus einer Zufallsstichprobe von ~6.000 Dateien geschätzt (TABLESAMPLE); Byte-Summen sind exakt.
• Die Tageszeit- und Wochentagszahlen schließen identifizierte Batch-/automatisierte Erstellungsereignisse aus (Tage, an denen ein einzelnes Konto >200 Projekte erstellte — ein solches Ereignis, 1.569 Projekte am 2026-07-16, wurde aus den Verhaltensstatistiken ausgeschlossen; die Gesamtzahlen enthalten alle Projekte).
• Die geografischen Zahlen nutzen das Land bei der Anmeldung; Anmeldeanteile werden über Nutzer mit bekanntem Land berechnet (78,4% der Konten). Umsatzanteile werden über abgeschlossene Zahlungen berechnet.
• Es wurden keine individuellen Nutzerdaten, Prompts, E-Mails oder personenbezogenen Informationen eingesehen oder berichtet; alle Statistiken sind Aggregate.

Dieser Report darf mit Quellenangabe an VULK (vulk.dev) frei zitiert werden. Bei Fragen zu diesen Daten oder zur Methodik kontaktieren Sie das VULK-Team über vulk.dev.