Kurz gesagt
Eine Demo zeigt den Weg, auf dem alles klappt: ein Nutzer, eine Datenbank, keine Fehler. Echte Nutzer brauchen mehr. Bei Apps aus Lovable, Bolt, Cursor, v0 oder Replit fehlen meist dieselben Dinge: Login-Mails, die bei jedem ankommen, Backups, Migrationen, getrennte Umgebungen, Fehlermeldungen, die jemand sieht, und Kostengrenzen bei den Anbietern. Fast alles davon lässt sich im bestehenden Code nachrüsten. Neu bauen lohnt sich erst, wenn das Datenmodell falsch ist oder niemand den Code mehr ändern kann, ohne etwas anderes kaputtzumachen.
Mit Vibe Coding beschreibst du einer KI, was die App tun soll, und sie schreibt den Code. Bis zur ersten Demo geht das erstaunlich weit. Danach kommen Fragen, die im Prompt nie vorkamen: Was passiert, wenn hundert Leute sich gleichzeitig anmelden? Wer merkt, dass die Zahlung nicht verbucht wurde? Was, wenn die Datenbank weg ist?
Dieser Artikel geht die Bereiche durch, in denen solche Apps zwischen Demo und Produktion typischerweise brechen, und sagt für jeden, wie du ihn reparierst. Die Sicherheit (Schlüssel im Frontend, Row Level Security, fehlende Login-Prüfungen) behandle ich hier nur kurz, weil sie einen eigenen Artikel hat: Ist KI-generierter Code sicher? Was ein Audit findet. Am Ende steht eine Entscheidungshilfe, ob du reparierst oder neu baust, und eine Checkliste für den Launch.
Warum die Demo läuft und die echte App nicht
KI-Werkzeuge optimieren auf das, was du siehst: Die Seite lädt, der Button tut etwas, die Daten erscheinen. Was du nicht siehst, prüft im Chat niemand. In der Demo gibt es genau einen Nutzer, nämlich dich, du bist Teil des Projektteams, und jeder Fehler passiert vor deinen Augen.
Mit echten Nutzern dreht sich das um. Sie haben fremde E-Mail-Adressen, brechen Abläufe in der Mitte ab, öffnen die App auf dem Handy mit schlechtem Netz, und wenn etwas schiefgeht, schreiben sie dir nicht, sondern gehen. Die folgenden Abschnitte sind deshalb nach der Frage sortiert, was zuerst wehtut.
Was beim Login mit fremden Nutzern bricht
Der häufigste erste Fehler nach dem Launch ist banal: Die Bestätigungsmail kommt nicht an. Läuft deine App auf Supabase, etwa als Lovable-Projekt mit eigenem Supabase-Projekt oder als Bolt-App, die du in dein Supabase-Konto übernommen hast: Der eingebaute E-Mail-Dienst von Supabase schickt laut Supabase-Dokumentation nur an Mitglieder des eigenen Projektteams und höchstens 2 Nachrichten pro Stunde (Stand: November 2026). Supabase schreibt selbst, dass er nicht für den Produktivbetrieb gedacht ist. Solange du allein testest, fällt das nicht auf. Mit dem ersten fremden Nutzer schon.
Was du reparieren solltest:
- Eigener SMTP-Server: Richte einen E-Mail-Anbieter für die Auth-Mails ein. Danach gehen Mails an jede Adresse, und das Limit lässt sich in den Rate-Limit-Einstellungen anheben.
- Site URL und Redirect URLs: Die Supabase-Dokumentation rät, die Site URL von
http://localhost:3000auf die echte Domain umzustellen, weil Bestätigungs- und Passwort-Reset-Links davon abhängen. Für die Produktion empfiehlt sie exakte Redirect-URLs statt Platzhaltern. - Login auf dem Server richtig prüfen: Server-Code darf sich laut Supabase nicht auf
getSession()verlassen, weil die Funktion die Sitzung aus dem Cookie liest, ohne sie zu prüfen, und Cookies sich fälschen lassen. Für Rechteentscheidungen nimmst dugetClaims()odergetUser(). - Rechte pro Datensatz: Dass ein eingeloggter Nutzer nur seine eigenen Daten sieht, muss in der Datenbank oder auf dem Server erzwungen werden, nicht in der Oberfläche. Wie du das prüfst, steht im Selbstcheck des Sicherheitsartikels.
Die Datenbank mit Schema, RLS, Migrationen und Backups
Die Datenbank ist der Teil, den du nach dem Launch am schwersten ändern kannst, weil echte Daten darin liegen. Vier Dinge gehören vorher geklärt.
Row Level Security, die auch schnell ist
Row Level Security (RLS) sind Regeln in der Datenbank, die festlegen, welche Zeilen ein Nutzer lesen oder ändern darf. Dass sie da sein müssen, erklärt der Sicherheitsartikel. Weniger bekannt ist, dass schlecht geschriebene Regeln die App langsam machen, sobald Tabellen wachsen. Supabase nennt in der RLS-Dokumentation zwei Regeln: Jede Spalte, nach der eine Policy filtert, braucht einen Index, sonst liest Postgres die ganze Tabelle. Und auth.uid() gehört in ein select, damit Postgres den Wert einmal pro Abfrage berechnet statt einmal pro Zeile.
create index on public.invoices (user_id);
create policy "Nutzer sehen eigene Rechnungen"
on public.invoices for select
to authenticated
using ((select auth.uid()) = user_id);Beides musst du nicht von Hand suchen. Die Advisors im Supabase-Dashboard melden unter anderem Tabellen ohne RLS, Fremdschlüssel ohne Index und Policies, die pro Zeile neu rechnen (auth_rls_initplan). Laut Supabase können manche Funde gewollt sein, also prüfe jeden gegen dein Datenmodell.
Migrationen statt Klicks im Dashboard
In vielen Prototypen ist das Schema durch Klicks im Dashboard oder durch Prompts entstanden, und niemand weiß genau, welche Änderung wann passiert ist. Supabase nennt in der Anleitung zu Migrationen eine goldene Regel: Die Datenbank in der Produktion nie direkt ändern. Jede Änderung wird eine SQL-Datei im Repository, lokal getestet und mit supabase db push ausgerollt. Gibt es schon Änderungen direkt in der Produktion, holt supabase db pull den aktuellen Stand als erste Migration ins Repository. Ab da läuft jede Änderung über Dateien.
Backups, die es wirklich gibt
Laut Supabase-Dokumentation sichert Supabase Projekte ab dem Pro-Plan täglich und hält die Backups dort 7 Tage vor, im Team-Plan 14 Tage. Für Projekte im Free-Plan empfiehlt Supabase, die Daten selbst regelmäßig mit supabase db dump zu exportieren. Dateien im Supabase Storage sind in keinem Datenbank-Backup enthalten. Wer Point-in-Time-Recovery braucht, bucht sie dazu.
Ein zweiter Punkt beim Free-Plan: Projekte, die eine Woche lang kaum Datenbankzugriffe haben, pausiert Supabase. Für eine App mit wenigen ersten Nutzern ist das realistisch, und solange das Projekt pausiert ist, schlagen alle API-Aufrufe fehl.
Mach vor dem Launch eine Probe: Spiel ein Backup in ein leeres Projekt ein und prüf, ob die App damit läuft. Ein Backup, das nie zurückgespielt wurde, ist eine Hoffnung.
Entwicklung und Produktion trennen
Wie teuer eine gemeinsame Datenbank für Entwicklung und Produktion sein kann, zeigt ein Fall vom Juli 2025: Der KI-Agent von Replit löschte während eines ausdrücklichen Code-Freeze die Produktionsdatenbank einer App, die SaaStr-Gründer Jason Lemkin baute (The Register, 21. Juli 2025). Laut Replit konnten Änderungen während der Entwicklung damals die Produktion treffen. Die Daten ließen sich über die Rollback-Funktion wiederherstellen. Seit Ende Juli 2025 trennt Replit Entwicklungs- und Produktionsdatenbank standardmäßig.
Lovable ist den umgekehrten Weg gegangen: Am 23. Oktober 2026 hat Lovable die getrennten Umgebungen Test und Live abgeschafft. Seitdem läuft jedes Projekt mit dem eingebauten Backend auf einer einzigen Datenbank, und laut Lovable-Dokumentation haben auch die neuen Drafts keine zweite Datenbank. Die abgetrennten Test-Datenbanken löscht Lovable am 1. Dezember 2026 endgültig. Wer mit Lovable eine Produktion betreibt, braucht für Experimente also eine eigene zweite Datenbank, etwa ein zweites Supabase-Projekt.
Geheimnisse und Konfiguration
Ein Prototyp hat oft genau einen Satz Schlüssel, und der steckt irgendwo im Code oder in einer .env-Datei, die mal committet wurde. Die Twelve-Factor App fordert eine strikte Trennung von Konfiguration und Code und gibt einen einfachen Test: Könntest du den Code jederzeit veröffentlichen, ohne dass ein Zugang offenliegt?
Für eine App, die live geht, heißt das:
- Jede Umgebung (lokal, Vorschau, Produktion) hat eigene Schlüssel, und Testschlüssel funktionieren in der Produktion nicht.
- Schlüssel stehen in den Umgebungsvariablen des Hosters, nicht im Repository.
- Was im Browser landet, ist öffentlich. Welche Variablen das bei Vite und Next.js betrifft und wie du geleakte Schlüssel in der Git-Historie findest, steht im Sicherheitsartikel.
- Jeder Schlüssel, der je im Code oder in einem Chat mit der KI stand, wird beim Anbieter widerrufen und neu erzeugt.
Fehlerbehandlung und Monitoring
In der Demo siehst du jeden Fehler in der Browser-Konsole. In der Produktion sieht ihn nur der Nutzer, und der sieht oft eine leere Seite: Wirft eine React-Komponente beim Rendern einen Fehler, entfernt React laut Dokumentation standardmäßig die ganze Oberfläche. Eine Error Boundary zeigt stattdessen eine Fehlermeldung und kann den Fehler an einen Dienst melden. Fehler in Event-Handlern und asynchronem Code fängt sie nicht, die brauchen eigenes try/catch.
Mindestens drei Dinge sollten vor dem Launch stehen:
- Fehler-Tracking: Ein Dienst wie Sentry oder ein selbst gehostetes Gegenstück sammelt Fehler aus Browser und Server mit Stacktrace und schickt dir eine Nachricht.
- Logs auf dem Server: Jede Server-Funktion schreibt bei Fehlern genug mit, um den Fall nachzustellen, aber keine Passwörter, Tokens oder Gesundheitsdaten.
- Saubere Webhooks: Zahlungen sind der Ort, an dem stille Fehler Geld kosten. Stripe verlangt, die Signatur jedes Webhooks zu prüfen, schnell mit einem
2xx-Status zu antworten und erst danach die Logik auszuführen. Stripe wiederholt fehlgeschlagene Zustellungen im Live-Modus bis zu drei Tage lang und schickt dasselbe Ereignis gelegentlich mehrfach. Deshalb speicherst du verarbeitete Ereignis-IDs und verarbeitest keine doppelt.
Performance und Kosten nach dem Launch
Eine App, die mit zehn Datensätzen flott ist, kann mit zehntausend hängen. Die häufigsten Ursachen sind fehlende Indizes (siehe oben), Listen ohne Seitenaufteilung, die alle Zeilen auf einmal laden, und Seiten, die für jeden Eintrag eine eigene Abfrage schicken. Der Performance Advisor von Supabase findet einen Teil davon, für den Rest hilft ein Blick in den Reiter „Netzwerk“ der Entwicklertools: Wie viele Anfragen schickt eine Seite, und wie groß sind sie?
Teurer als langsame Seiten sind offene Kostenhähne. Jeder Endpunkt, der eine KI-API aufruft, kostet pro Aufruf Geld, und ohne Limit zahlst du jeden Missbrauch mit. Setze bei jedem Anbieter eine harte Grenze, wo es eine gibt (Stand: November 2026):
| Anbieter | Was es gibt | Worauf achten |
|---|---|---|
| OpenAI API | Harte Ausgabengrenze pro Organisation und pro Projekt; danach antwortet die API mit Fehler 429 | Nur mit der Option „Enforce a hard limit“. Ausgabenwarnungen allein begrenzen nichts, und kurz kann die Grenze überschritten werden |
| Vercel | Budgets pro Team und Projekt im Pro-Plan, mit Mails bei 50, 75 und 100 % | Ein Budget stoppt nichts von selbst. Erst „Pause production deployments“ hält das Projekt an, und Vercel prüft nur alle paar Minuten |
| Supabase | Spend Cap im Pro-Plan: Über das Kontingent hinaus wird nichts berechnet | Compute, Point-in-Time-Recovery, eigene Domain und einige Extras zählen nicht dazu |
Begrenze außerdem in deiner eigenen App, wie oft ein Nutzer die teuren Funktionen aufrufen darf. Warum das auch ein Sicherheitsthema ist, steht im Abschnitt zu Rate Limiting im Sicherheitsartikel.
Deployment und Umgebungen
Viele Vibe-Coding-Apps haben genau eine Umgebung: die, in der die KI gerade arbeitet. Jede Änderung geht sofort live, auch die, die etwas kaputtmacht. Für eine App mit echten Nutzern brauchst du mindestens:
- Den Code in Git, bei dir: Lovable synchronisiert mit GitHub, GitLab und Bitbucket in beide Richtungen, v0 legt laut Dokumentation ein privates Repository an und arbeitet pro Chat auf einem eigenen Branch, Bolt synchronisiert laut Hilfeseite ebenfalls in beide Richtungen mit GitHub. Damit ist jede Änderung nachvollziehbar und lässt sich zurückdrehen.
- Eine Vorschau vor der Produktion: Jeder Pull Request bekommt eine eigene Vorschau-URL, bei v0 und Vercel passiert das von selbst. Dort testest du, bevor du zusammenführst.
- Eine eigene Datenbank für die Vorschau: Sonst testest du mit echten Kundendaten, siehe den Replit-Fall oben.
- Einen festen Weg in die Produktion: Code und Migrationen gehen nur über den Hauptbranch live, nicht per Klick aus dem Chat.
Fehlende Tests
Ein typischer KI-Prototyp hat keine Tests. Das ist für eine Demo in Ordnung, wird aber zum Problem, sobald die KI weiter am Code arbeitet: Jede neue Anweisung kann etwas ändern, das vorher lief, und ohne Tests merkt das erst ein Nutzer.
Ich würde nicht versuchen, im Nachhinein alles abzudecken. Sinnvoller sind wenige End-to-End-Tests, etwa mit Playwright, für die Wege, an denen Geld oder Vertrauen hängt: registrieren, einloggen, bezahlen, die wichtigste Aktion der App. Dazu ein Test, der mit zwei Konten prüft, dass Nutzer A die Daten von Nutzer B nicht sieht. Diese Tests laufen bei jedem Pull Request, bevor etwas live geht. Sie sind auch die beste Anweisung an die KI: Ein fehlschlagender Test sagt ihr genauer als jeder Prompt, was kaputt ist.
Code, den niemand pflegen kann
Das Problem, das am spätesten auffällt: Der Code funktioniert, aber jede Änderung dauert länger und macht häufiger etwas anderes kaputt. Typische Anzeichen sind dieselbe Logik in fünf Dateien, Komponenten mit über tausend Zeilen, Fehler, die mit leeren catch-Blöcken verschluckt werden, und Typ-Casts, die den Compiler zum Schweigen bringen.
Dass das mit KI-Werkzeugen häufiger wird, zeigen die Daten von GitClear. In der Auswertung von 623 Millionen Code-Änderungen aus den Jahren 2023 bis 2026 sank der Anteil verschobener Zeilen, ein Zeichen für Refactoring, von 21 % im Jahr 2022 auf 3,8 % im Jahr 2026; doppelte Code-Blöcke nahmen gegenüber 2023 um 81 % zu (GitClear, The Maintainability Gap, 2026). GitClear misst dabei einen Trend über die Zeit, nicht jede einzelne KI-Zeile, und verkauft selbst Werkzeuge zur Code-Analyse.
Reparieren lässt sich das schrittweise: erst Tests für die kritischen Wege, dann doppelte Logik zusammenführen, dann große Dateien aufteilen, immer nur so viel, wie die Tests absichern. Beim Aufräumen der KI-Spuren in einem Branch hilft mein Open-Source-Skill deslop (MIT-Lizenz, keine Provision), der erzählende Kommentare, unnötigen Abwehrcode und verdeckende Casts entfernt, ohne das Verhalten zu ändern.
Wie leicht du von der Plattform wegkommst
Wie abhängig du von einer Plattform bist, hängt weniger am Code als an Daten, Geheimnissen und Server-Funktionen. Der Code lässt sich bei allen großen Werkzeugen exportieren (Stand: November 2026):
| Werkzeug | Code | Daten und Backend |
|---|---|---|
| Lovable | Zwei-Wege-Sync mit GitHub, GitLab oder Bitbucket, das Repository bleibt beim Trennen erhalten; ZIP-Download in bezahlten Plänen | Eingebautes Backend oder ein eigenes Supabase-Projekt. Seit Oktober 2026 nur noch eine Datenbank pro Projekt |
| Bolt | Zwei-Wege-Sync mit GitHub, privates Repository | Die eingebaute Bolt-Datenbank lässt sich samt Daten in ein eigenes Supabase-Konto übernehmen („Claim“), ab Pro-Plan; der Weg zurück geht nicht |
| v0 | Privates GitHub-Repository mit Sync in beide Richtungen, ZIP-Export | Umgebungsvariablen und Deployments hängen am verbundenen Vercel-Projekt |
Mein Rat: Verbinde Git am ersten Tag, nicht am Tag vor dem Umzug, und lege die Datenbank in ein Konto, das dir gehört. Dann ist ein Wechsel des Werkzeugs eine Fleißarbeit, kein Notfall.
Reparieren oder neu bauen?
Die meisten Probleme oben lassen sich im bestehenden Code beheben: Mails, Backups, Migrationen, Monitoring, Kostengrenzen und Tests kommen dazu, ohne dass sich an der App selbst viel ändert. Ein Neubau ist teurer, als er am Anfang aussieht, weil er auch alles nachbauen muss, was im Prototyp schon funktioniert.
So würde ich entscheiden:
| Befund | Eher reparieren | Eher neu bauen |
|---|---|---|
| Datenmodell | Passt zum Geschäft, es fehlen Indizes oder Regeln | Grundlegend falsch, etwa Mandanten nicht getrennt oder alles in einer Tabelle |
| Sicherheit | Einzelne offene Tabellen oder Routen | Rechteprüfung fehlt überall und ist nirgends zentral |
| Code | Unordentlich, aber Änderungen bleiben lokal | Jede Änderung bricht etwas an einer anderen Stelle |
| Technik | Verbreiteter Stack (React, Vite, Next.js, Supabase) | Die Plattform kann etwas Nötiges nicht, und es lässt sich nicht exportieren |
| Nutzer und Daten | Schon echte Nutzer und Daten drin | Noch keine Nutzer, und der Prototyp war vor allem ein Test der Idee |
Auch ein Neubau verschwendet den Prototyp nicht. Er ist die genaueste Beschreibung, die du einem Entwickler oder einer KI geben kannst: Bildschirme, Abläufe und Datenfelder sind schon da. Oft lohnt sich ein Mittelweg: Oberfläche behalten, Datenbank und Server-Logik sauber neu aufsetzen.
Checkliste vor dem Launch
Sicherheit prüfen
Geh den Selbstcheck im Sicherheitsartikel durch: Schlüssel im Frontend, RLS auf jeder Tabelle, Rechte pro Datensatz, Git-Historie.
Login mit einer fremden Adresse testen
Eigener SMTP-Server für Auth-Mails, Site URL auf die echte Domain, exakte Redirect-URLs. Registriere dich mit einer Adresse, die nicht im Projektteam ist.
Backup zurückspielen
Prüf, welcher Plan welche Backups hat, und spiel eines in ein leeres Projekt ein. Dateien im Storage separat sichern.
Schema in Migrationen überführen
supabase db pullholt den aktuellen Stand ins Repository. Ab dann ändert nur noch eine Migration die Produktion.Umgebungen trennen
Eigene Datenbank und eigene Schlüssel für Vorschau und Produktion. Code nur über den Hauptbranch live.Fehler sichtbar machen
Error Boundary, Fehler-Tracking für Browser und Server, Webhook-Signaturen prüfen und doppelte Ereignisse abfangen.
Kostengrenzen setzen
Harte Limits bei KI-APIs, Pause-Option beim Hoster, Spend Cap bei Supabase, Rate Limits für teure Funktionen in der App.
Kritische Wege testen
End-to-End-Tests für Registrierung, Login, Bezahlung und die wichtigste Aktion, plus ein Test mit zwei Konten. Sie laufen bei jedem Pull Request.
Wann du dir Hilfe holen solltest
Die Checkliste schaffst du mit etwas Erfahrung selbst. Schwierig wird es, wenn du den Code nicht lesen kannst, den die KI geschrieben hat, und deshalb nicht beurteilen kannst, ob eine Korrektur etwas anderes kaputtmacht. Oder wenn die Frage „reparieren oder neu bauen“ über viel Geld entscheidet.
Für solche Apps mache ich das Vibe-Code-Audit: Ich lese den Code und die Datenbank, prüfe Sicherheit, Codequalität und Performance und schreibe dir einen Bericht mit einer priorisierten Liste, was zuerst behoben werden muss, und einer Empfehlung, ob sich Reparieren lohnt. Danach entscheidest du, wer die Punkte umsetzt: du, dein Team oder ich.
[ Anolilab — Blog ]
Mehr Praxis zu KI, Webentwicklung und Infrastruktur.
