Wir haben unsere Website ohne Agentur gebaut. Nicht, weil wir mussten — sondern weil es heute anders geht.

propgen ist ein KI-first CRM für Immobilienmakler. Wir sind überzeugt, dass künstliche Intelligenz im Makleralltag mehr sein kann als Spielerei: Sie kann Routinearbeit verkürzen, Exposé-Prozesse unterstützen und Akquise strukturierter machen. Glaubwürdig wird so eine Haltung erst, wenn man sie auch selbst im eigenen Arbeiten ausprobiert.

Genau deshalb haben wir unsere Website nicht extern vergeben. Wir haben sie mit Claude Code gebaut — einem Coding-Assistenten von Anthropic, der direkt im Terminal arbeitet und in unserem Setup dabei geholfen hat, Repository-Struktur, Dateien und Änderungen im Kontext zu bearbeiten.

Das Ergebnis ist aus unserer Sicht eine Website auf hohem Niveau, gebaut mit einem kleinen Team und deutlich schneller, als wir es aus klassischen Projektabläufen erwartet hätten. Aber das Eigentliche ist nicht die Geschwindigkeit. Das Eigentliche ist eine andere Art, Software zu bauen.

Der Ausgangspunkt: kleines Team, hoher Anspruch

Die Anforderungen an die Website waren bewusst nicht trivial. Sie sollte:

• die Positionierung von propgen als KI-first CRM klar transportieren,
• modern und distinkt aussehen, nicht wie der nächste Bootstrap-Klon,
• technisch sauber sein — performant, zugänglich, SEO-tauglich,
• redaktionell klar strukturiert bleiben, damit Inhalte kontrolliert weiterentwickelt werden können,
• iterativ wachsen können, statt in einem großen Wurf eingefroren zu werden.

Der klassische Weg wäre gewesen: Briefing, Mockups, Beta, Abnahme, mehrere Abstimmungs-Schleifen. Je nach Anspruch, Agentur und Umfang kann daraus schnell ein längeres und teureres Projekt werden. Wir wollten einen anderen Weg gehen — nicht aus Sparsamkeit, sondern aus Überzeugung.

Drei Ebenen: Denken, Umsetzen, Prüfen

Das Modell, das sich für uns etabliert hat, ist einfach genug, dass man es in einem Satz zusammenfassen kann: Der Mensch denkt und prüft. Die KI setzt um. Beides ist klar getrennt — und genau diese Trennung macht den Unterschied.

Ebene 1 — Denken (Mensch). Wofür steht propgen? Welche Tonalität wollen wir? Welche Probleme lösen wir für Makler? Welche Funktionen verdienen eine eigene Sektion? Diese Entscheidungen lassen sich nicht an ein Modell delegieren — sie sind das eigentliche Produkt. Und sie sind die Leitplanken, ohne die KI-Coding zu generischer Allerwelts-Optik führt.

Ebene 2 — Umsetzen (Claude Code). Mit klarer Struktur im Kopf füttern wir Claude Code iterativ: „Bau eine Hero-Sektion mit folgendem Aufbau, halte Dich an unser Farbsystem, achte auf Mobile." Claude Code kann dann Bausteine anlegen, Code schreiben und Sonderfälle mitdenken. Was uns überrascht hat: die Qualität vieler erster Iterationen. Statt grobem Rohbau liefert das Modell häufig Code, der nach Review und Korrektur schon nahe am produktiven Stand ist.

Ebene 3 — Prüfen (Mensch — und KI auf KI). Jeder Stand wird gegengelesen, im Browser geprüft, auf realen Geräten getestet. Hier zeigt sich, wo das Modell etwas zu generisch denkt, wo eine Animation fehlt, wo ein Abstand nicht stimmt. Diese Feedback-Schleifen sind kurz und produktiv — meist genügt eine präzise Korrektur, und der nächste Stand ist da.

Was sich darüber hinaus als wirksam erwiesen hat: Wir ermutigen Claude Code regelmäßig, sich selbst zu prüfen. Konkret heißt das, nach Sprints einen Security-Audit, einen SEO-Audit oder einen UX-Audit durchzuführen — mit der klaren Vorgabe, jeweils fünf konkrete Verbesserungen vorzuschlagen, sortiert nach Wirkung und Aufwand. Die Selbstprüfung ist erstaunlich produktiv, weil das Modell den Code im Kontext sieht und Schwachstellen findet, die im operativen Bauen leicht untergehen.

Das Entscheidende daran ist das Tempo: Ein UX-, Security- oder SEO-Audit, für den man früher externe Spezialisten und Tage gebraucht hätte, ist so in Minuten gemacht — und die gefundenen Schwachstellen lassen sich häufig im selben Sprint beseitigen, nicht erst im nächsten Quartal. Aus „wir müssten das mal prüfen lassen" wird „wir haben es geprüft und behoben".

Und ein zweiter Schritt, der uns überrascht hat: Wir lassen eine andere KI — in unserem Fall ChatGPT — die Arbeit von Claude Code prüfen. Zwei Modelle haben unterschiedliche blinde Flecken. Was Claude Code übersieht, sieht ChatGPT manchmal sofort, und umgekehrt. Diese Kreuzprüfung ersetzt menschliches Review nicht, aber sie hebt das Niveau dessen, was beim Menschen ankommt, deutlich an.

Drei Ebenen — der Mensch hält Anfang und Ende, KI macht die Distanz dazwischen schnell, und an entscheidenden Stellen prüft KI sich selbst und gegenseitig. Das ist kein Tool-Setup. Es ist die Aufgabenteilung.

Eine Routine, kein Einmal-Projekt

Eine Website ist nie fertig. Was sich für uns als wertvolle wiederkehrende Routine etabliert hat: Wir lassen Claude Code in regelmäßigen Abständen relevante Teile des Repos analysieren — einmal mit dem Blick auf Inhalt und Nutzererlebnis, einmal mit dem Blick auf Technik, Sichtbarkeit und Barrierefreiheit. Aus diesen Reviews entsteht eine geordnete Liste mit Verbesserungen, sortiert nach Wirkung und Aufwand.

Diese Liste ist der Bauplan für den nächsten Sprint. Genau diese Site, in der Du gerade liest, hat so unter anderem Pre-Rendering, Vorschau-Bilder, Barrierefreiheits-Fixes in der Navigation, eine Vision/Mission-Sektion und einen Trust-Bereich mit Kundenlogos und Gründer-Vita bekommen.

Das ist der methodisch wichtigste Punkt: KI ist für uns nicht nur das Werkzeug, das Code schreibt — sondern auch ein Werkzeug, das Code liest und mögliche Prioritäten sichtbar macht. Statt zu spekulieren, was die Website besser machen könnte, hatten wir schnell eine strukturierte Diagnose mit konkreten Hinweisen.

Was konkret entstanden ist

Drei Beispiele aus der Praxis, weil abstrakte Behauptungen wenig wert sind:

Crawler bekommen Inhalt schon im HTML. Eine moderne React-Website kann im Browser zunächst nur ein Gerüst laden und Inhalte erst danach live nachziehen. Für Sichtbarkeit und Link-Vorschauen ist das nicht immer ideal. Wir haben dafür gesorgt, dass die öffentlichen Seiten beim Build als HTML-Dateien entstehen. Google, LinkedIn und Co. bekommen dadurch beim Abruf bereits einen HTML-Stand mit Inhalt; der Browser legt anschließend die Interaktivität darüber.

Zentrale Seiten und Artikel haben passende Vorschaubilder. Wer einen Link auf LinkedIn oder per E-Mail teilt, soll nicht bei jedem Link dasselbe Standardbild sehen. Wir haben eine kleine Werkstatt-Pipeline gebaut, die aus einer Vorlage Vorschaubilder für zentrale Seiten und Perspektiven-Artikel erzeugt — mit passendem Titel und Untertitel.

Schnelle Seiten durch sparsames Laden. Wir laden im Browser page-seitig nur nach, was die aktuell aufgerufene Route braucht — nicht gleich jede andere Seite mit. Klingt selbstverständlich, ist aber Konfigurationsarbeit, die bei Marketing-Sites schnell ausgespart wird.

Was uns überrascht hat

Drei Dinge, die wir vorab nicht so erwartet hätten.

Die Code-Qualität ist höher als vermutet. Claude Code lieferte in vielen Fällen nicht nur funktionierenden Code, sondern Code, der bestehende Konventionen im Repository erkannte und respektierte. Trotzdem blieb Review nötig.

Ein Beispiel: Beim Testen bemerkten wir, dass die Vorschaubilder beim Teilen auf LinkedIn nicht das richtige Motiv zeigten — auf Unterseiten erschien teilweise das Bild der Startseite. Nach einigen Browser-Inspections lag die Ursache im Zusammenspiel aus Routing, Pre-Rendering und Head-Metadaten. Eine zentrale Komponente pro Route, gezielte Aufräumarbeit, erneuter Test — gelöst. Die Frage war nicht, ob Review nötig ist. Die Frage war, wie schnell man den Fehler nachstellt und behebt.

Design-Disziplin entsteht durch klare Vorgaben. Wer Claude Code ohne Leitplanken arbeiten lässt, bekommt das berüchtigte „KI-Aussehen" — generische Verläufe, zu viele Karten, beliebige Icons. Mit klaren Design-Tokens, einer definierten Typografie-Skala und konkreten Referenzen entsteht ein eigenständiger Look, der nichts mit Stock-Optik zu tun hat.

Geschwindigkeit verändert, wie man entscheidet. Wenn ein neues Layout-Konzept innerhalb von Minuten sichtbar wird, probiert man Varianten aus, statt sie vorab tot zu diskutieren. Das verschiebt den Schwerpunkt von Spekulation zu Empirie. Man sieht eine Idee, statt sie sich vorzustellen — und entscheidet auf besserer Grundlage.

Wo die Grenzen liegen

Damit kein falscher Eindruck entsteht: Claude Code ersetzt keine ganze Agentur. Was es nicht ersetzt, ist genauso wichtig wie das, was es kann.

Es ersetzt kein strategisches Markenverständnis. Es ersetzt keine echte Design-Direktion — ein guter Designer trifft hunderte Mikro-Entscheidungen, die in Summe Charakter ergeben. Und es ersetzt kein QA. Browser-Macken, echte Endgeräte, Tests gegen Barrierefreiheits-Standards — das alles bleibt menschliche Arbeit.

Und es gibt subtile Stolperfallen. Beim sparsamen Nachladen einzelner Seiten lief unser Build-Prozess auf eine Eigenheit, bei der die fertigen HTML-Seiten kurz leer wirkten, bevor der Browser sie übernahm. Drei Anläufe brauchten wir, bis ein eigener kleiner Mechanismus die Lücke schloss.

Zur Ehrlichkeit gehört auch das hier: Unser Build hängt am Ende manchmal ein paar Sekunden, ohne sauber zu beenden. Wir wissen das und haben es auf der Liste. KI macht nicht alles perfekt — sie macht Iteration schnell genug, dass solche Macken nicht den ganzen Prozess blockieren.

Drei kleine Werkzeuge — und was sie eigentlich zeigen

An den Stellen, an denen kein Standard-Tool exakt passte, haben wir selbst gebaut. Drei kleine Werkzeuge, die in der Summe den Unterschied machten:

1. Ein automatisch rollendes Datum im Schema-Markup. Suchmaschinen lesen strukturierte Angebotsdaten aus — darunter das Datum, bis zu dem ein Angebot gilt. Wer das einmal hartcodiert, schreibt seinen eigenen Verfall. Unser Werkzeug ersetzt das Datum bei jedem Build durch das Ende des nächsten Kalenderjahres.

2. Ein Aufräumer für Build-Reste. Beim Pre-Rendering kann ein großes Build-Artefakt in generierten HTML-Dateien referenziert werden, obwohl es im Browser nicht gebraucht wird. Ein zweites Werkzeug durchläuft am Ende die HTML-Dateien und entfernt diesen Eintrag.

3. Ein Sicherheitsnetz fürs sparsame Laden. Damit das Nachladen einzelner Seiten beim Pre-Rendering nicht zu kurz leeren Seiten führt, war ein eigener kleiner Mechanismus nötig. Drei Anläufe, dann saß es.

Keiner dieser Schritte ist trivial, alle drei sind klein. Genau das ist das Muster: KI-Coding macht es leistbar, an mehreren Stellen unter die Haube zu greifen, statt sich auf den Standard zu beschränken oder jede kleine Kante zu einem eigenen Spezialprojekt zu machen. Der Hebel liegt nicht in einem großen Schritt. Er liegt darin, dass viele kleine Schritte plötzlich machbar werden.

Was Makler daraus mitnehmen können

Was wir hier mit unserer Website machen, ist exakt das Prinzip hinter propgen — übertragen auf einen anderen Anwendungsfall.

Der Makler bleibt verantwortlich für das, was zählt: die Entscheidung, die Beziehung, das Urteil. Die Umsetzung dazwischen — Texte aufbereiten, Anfragen qualifizieren, Bewertungen kommunizieren, Termine koordinieren — wird massiv beschleunigt. Genau die gleiche Aufgabenteilung wie auf unserer Website. Mensch denkt und prüft. KI setzt um.

Ein konkretes Pattern aus unserem Bauen, das auch im Produkt steckt: Profilbilder zeigen Initialen, Kunden-Logos eine saubere Wortmarke aus dem Firmennamen, solange noch kein Foto oder Logo abgelegt ist; sobald die Datei eintrifft, schaltet die Anzeige automatisch um. Das ist die gleiche Logik wie in vielen propgen-Workflows: Du wartest nicht, bis alle Daten perfekt sind. Du arbeitest mit dem, was da ist — und das System verbessert den Stand, sobald mehr Information eintrifft.

Ein Maklerbüro, das Exposés erstellt, Anfragen qualifiziert, Bewertungen kommuniziert und Termine koordiniert, kennt das Gefühl, dass die operative Arbeit den Blick auf das Wesentliche verstellt — die Beziehung zum Kunden. Genau dort setzen wir an. Nicht, indem wir Menschen ersetzen, sondern indem wir die Routine-Anteile so weit komprimieren, dass wieder Raum für das Eigentliche entsteht.

Auf einmal bin ich das Bottleneck

Ein persönlicher Punkt zum Schluss, der mir wichtig ist. Von 2006 bis 2012 war ich bei der onvista Media GmbH — dem Betreiber eines der führenden deutschen Portale für Börsen-Informationen — für das Produktmanagement verantwortlich, die letzten beiden Jahre als Geschäftsführer. Ich erinnere mich gut daran, wie lange ich teilweise auf die Umsetzung von Features gewartet habe: ein Ticket schreiben, priorisieren, ins nächste Sprint-Planning, warten, nachfragen, testen, wieder warten. Zwischen der Idee und dem, was der Nutzer am Ende sah, lagen oft Wochen.

Das ist für mich Geschichte. Mit Claude Code habe ich die Umsetzung selbst in der Hand und entwickle in einer Geschwindigkeit, die ich vorher nicht für möglich gehalten hätte. Eine Idee am Morgen kann am Nachmittag live sein — geprüft, nicht nur gebaut. Ich muss nichts mehr in eine Roadmap einreihen und auf fremde Kapazität hoffen.

„Auf einmal bin ich das Bottleneck — nicht mehr die IT."

Was umgesetzt wird, hängt seitdem nicht mehr an Tickets, Kapazität und Wartezeit, sondern an meiner eigenen Klarheit darüber, was ich eigentlich will. Das ist unbequem und befreiend zugleich — die Ausrede „das dauert, das muss erst entwickelt werden" fällt weg. Genau diese Verschiebung ist der eigentliche Kern dessen, was wir auch mit propgen für Makler erreichen wollen.

Fazit

KI verändert nicht, was gute Arbeit ausmacht — sondern wer sie leisten kann und wie schnell. Sorgfalt, Geschmack, strategische Klarheit bleiben menschliche Disziplinen. Was sich verändert, ist die Distanz zwischen Idee und Umsetzung.

Der größte Unterschied ist nicht Geschwindigkeit. Es ist Kontrollierbarkeit bei Geschwindigkeit.

Wer eine Idee hat, kann sie schneller selbst in einen testbaren Stand bringen. Weniger Ticket, weniger Briefing, weniger Wartezeit. Das verändert das Verhältnis zwischen denen, die Ideen haben, und denen, die sie umsetzen — weil beides näher zusammenrückt.

Der Unterschied liegt nicht mehr darin, wer etwas kann. Sondern wer es schneller in die Realität bringt.

Dass wir unsere eigene Website mit demselben Ansatz gebaut haben, mit dem wir auch im Produkt arbeiten, ist für uns kein Marketing-Trick. Es ist ein Praxistest im eigenen Haus — und ein ehrlicher Blick darauf, was dieser Ansatz in unserem Fall geleistet hat und wo weiter Review nötig bleibt.

Was im Produkt selbst aus diesem Arbeitsmodus entstanden ist, zeigen die Release Notes — als greifbare Beispiele etwa das CRM-Datenverständnis des KI-Assistenten, die KI-Anlage neuer Datensätze und das Schaufenster TV.