The Playbook
Bewertung

Clean Room für Maschinen — Warum die Cloning-Doktrin ihren Architekten verliert

Von
AI-Strategie Wettbewerbsvorteile Recht DACH Vibe Coding

Im Sommer 1982 saßen in einem Hotelzimmer in Houston fünfzehn Ingenieure, die in den nächsten neun Monaten nicht eine einzige Zeile IBM-Code zu sehen bekommen würden. Sie arbeiteten an Compaq Portable, dem ersten ernsthaften IBM-PC-Klon. Ein zweites Team, getrennt durch eine “Chinese Wall”, hatte das IBM-BIOS Byte für Byte analysiert und in eine reine Verhaltens-Spezifikation übersetzt: Wenn Input X kommt, muss Output Y herauskommen. Die fünfzehn im Hotelzimmer durften nur diese Spezifikation lesen, niemals das Original. Wer das Original je gesehen hatte, war für die Implementation verbrannt. Das Verfahren war teuer, langsam und juristisch wasserdicht — und es definierte vierzig Jahre lang, was im Software-Wettbewerb erlaubt war.

Im Juli 2026 reicht ein Wochenende, ein Cursor-Abo und ein Account bei v0. Das Cloning-Team ist von fünfzehn Ingenieuren auf einen Vibe-Coder mit drei Agenten zusammengeschrumpft. Die Chinese Wall ist eine Fiktion, weil das Foundation Model, das den Code schreibt, jedes relevante Open-Source-Repo und jeden öffentlich abrufbaren Quelltext längst gesehen hat. Die alte Clean-Room-Doktrin schützte vor einer Welt, in der Code knapp und teuer war. Diese Welt existiert nicht mehr.

Was Vibe Coding auf der Produktionsseite bedeutet, habe ich in Vibe Coding: Wenn der CFO selbst Software baut beschrieben — Teil eins dieser Serie. Dieser Text ist Teil zwei und wechselt die Blickrichtung: vom Bauen zum Nachbauen.

Warum die alte Cloning-Doktrin nicht mehr greift

Clean-Room-Reverse-Engineering war juristisch eine elegante Konstruktion. Die US-Gerichte hatten in Sega v. Accolade (1992) und Sony v. Connectix (2000) die Dekompilierung zur Herstellung interoperabler Produkte als Fair Use anerkannt — mit einer harten Bedingung: Die fertige Implementation durfte keine Spuren des Originals enthalten. Genau dafür war die Trennung in zwei Teams da. Phoenix Technologies, die das IBM-BIOS später für jeden Hersteller klonten, machte daraus ein Geschäftsmodell. Im deutschen Recht erlaubt § 69e UrhG Dekompilierung explizit zur Herstellung von Interoperabilität, nicht zur Erstellung eines konkurrierenden Produkts.

Der Schutzgedanke war immer derselbe: clean origin of the implementation. Niemand im Implementations-Team durfte den Originalcode gesehen haben. Wenn ein Gericht später Ähnlichkeiten zwischen Klon und Original fand, ließ sich nachweisen, dass diese aus der gemeinsamen Spezifikation stammten, nicht aus Code-Übernahme.

Diese Konstruktion bricht zusammen, sobald das Foundation Model im Spiel ist. Claude, GPT, Gemini — sie alle wurden auf hunderten Millionen Code-Repositories trainiert, GitHub-Repos eingeschlossen. Jedes Open-Source-Projekt, jeder lecke Quellcode, jedes versehentlich öffentliche Internal Tool ist in den Trainingsdaten. Die Frage “hat der Implementer den Original-Code gesehen?” ist sinnlos, weil das Modell, das den Code für ihn schreibt, ihn definitiv gesehen hat. Die Chinese Wall, auf die das Cloning-Recht seit vierzig Jahren aufbaut, hat das Modell schon vor dem ersten Prompt durchbrochen.

Dazu kommt das Team-Kollaps-Phänomen. Compaq brauchte fünfzehn Leute, weil die Trennung in zwei Teams den Kommunikationsaufwand verdoppelte und weil jeder Bestandteil des BIOS händisch nachgebaut werden musste. Ein moderner Vibe-Coder beschreibt der UI-Generator-Agentin in v0 die Marketing-Site des Konkurrenten anhand von Screenshots, lässt sich von Claude Code die API-Endpunkte aus dem Network-Tab des Browsers reverse-engineeren und hat nach drei Tagen ein funktionsfähiges Frontend mit halbwegs realistischem Backend. Das ist keine Spekulation. Das passiert gerade jeden Tag.

Die Doktrin, die den Wettbewerb der letzten vier Dekaden geordnet hat, hat ihren Architekten verloren — den Code als knappes Gut, das nur durch teure Spezialisten zu reproduzieren war.

Was die aktuellen Gerichte sagen

Die Rechtsprechung versucht aufzuholen, ist aber für die Zykluszeit von AI-gestütztem Cloning um Jahre zu langsam. Der Stand Ende Juli 2026 lässt sich entlang von sechs Fällen lesen.

In Thomson Reuters v. ROSS Intelligence entschied das US-District-Court Delaware im Februar 2025 erstmals, dass das Training einer AI auf urheberrechtlich geschützten Inhalten — hier die Westlaw-Headnotes — keinen Fair Use darstellt, wenn das resultierende Modell direkt gegen das Originalprodukt konkurriert. Der Richter Stephanos Bibas argumentierte mit dem vierten Fair-Use-Faktor: Marktschaden. Die Entscheidung wurde im Mai 2025 für Berufung freigegeben, ROSS reichte im September 2025 Opening Brief beim Third Circuit ein. Amici Curiae, unter ihnen Rechtsprofessoren, kritisierten die Analyse als unsound — nicht zuletzt, weil sie noch vor den Entscheidungen Bartz und Kadrey erging. Am 11. Juni 2026 fand vor dem Third Circuit das Oral Argument statt, die erste Appellate-Verhandlung zu Fair Use bei AI-Training überhaupt. Die Entscheidung steht aus.

In Bartz v. Anthropic (Juni 2025, Judge Alsup) und Kadrey v. Meta (Juni 2025, Judge Chhabria) — beide N.D. Cal. — kamen die Gerichte zum gegenteiligen Ergebnis: AI-Training auf urheberrechtlich geschütztem Material kann Fair Use sein, wenn der Output transformativ ist und den Markt für die Originalwerke nicht direkt verdrängt. Alsup machte aber eine wichtige Einschränkung: Anthropics Aufbau einer “permanenten digitalen Bibliothek aus Piraten-Kopien” war kein Fair Use. Die Folge war das Anthropic-Settlement über rund 1,5 Milliarden US-Dollar, die größte US-Copyright-Einigung der Geschichte. Seit dem 20. Juli 2026 ist sie rechtskräftig: Judge Martínez-Olguín (N.D. Cal.) erteilte das Final Approval, verwarf alle 53 Einwände und kürzte das Anwaltshonorar von 187,5 auf 101,6 Millionen US-Dollar.

In NYT v. OpenAI (S.D.N.Y., Judge Stein) wurde das Summary-Judgment-Briefing im April 2026 abgeschlossen; die Entscheidung von Judge Stein steht Ende Juli 2026 noch aus. Die Times hat über die “Regurgitation”-Theorie einen wirksamen Hebel gefunden: Es geht nicht mehr darum, ob das Training erlaubt war, sondern ob ChatGPT NYT-Artikel wortwörtlich reproduziert. Im Januar 2026 ordnete Judge Stein die Herausgabe von 20 Millionen ChatGPT-Logs an die Klägerseite an — ein massiver Discovery-Sieg, der zeigt, wo die Front jetzt verläuft.

Die Doe v. GitHub-Klage (N.D. Cal.) gegen Copilot ist seit der Tigar-Entscheidung im Mai 2024 entkernt. Die DMCA-§1202-Vorwürfe gegen das Strippen von Copyright-Hinweisen wurden weitgehend abgewiesen, die Behauptung, Copilot würde geschützten Code 1:1 ausgeben, ließ sich nicht ausreichend belegen. Übrig blieben Vertragsbruch-Ansprüche aus den Open-Source-Lizenzen. Stand Q3 2026 konzentriert sich der Streit auf die Frage, ob Metadaten-Strippung während des Trainings als vorsätzlicher §1202-Verstoß zählt.

In Getty Images v. Stability AI entschied der High Court of England and Wales am 4. November 2025 weitgehend für Stability. Die Sekundär-Urheberrechts-Klage wurde abgewiesen, das Gericht stellte fest, dass das Modell selbst keine Kopien der Trainingswerke enthält. Übrig blieben begrenzte Markenrechts-Verstöße — denn Stable Diffusion reproduzierte das Getty-Watermark in einer Reihe von Outputs. Getty hatte die primäre Trainings-Klage fallengelassen, weil sich das Training nicht in UK nachweisen ließ. Die territoriale Frage bleibt offen.

Im deutschen Recht ist der wichtigste Fall Kneschke v. LAION. Das LG Hamburg entschied am 27. September 2024 zugunsten von LAION (310 O 227/23) und stützte sich auf die wissenschaftliche TDM-Schranke (§ 60d UrhG). Das OLG Hamburg bestätigte am 10. Dezember 2025 die Entscheidung — mit dem deutlich weitreichenderen Befund, dass auch § 44b UrhG (kommerzielles Text- und Data-Mining) auf generatives AI-Training anwendbar ist. Entscheidend: Der Rechteinhaber muss beweisen, dass sein Opt-Out maschinenlesbar war. Ein Vorbehalt im Fließtext der AGB reicht nicht. Revision zum BGH wurde zugelassen, Entscheidung erwartet 2027.

Dazu kommt der EU AI Act. Seine GPAI-Transparenzpflichten gelten bereits seit dem 2. August 2025: Modellanbieter müssen eine öffentliche Zusammenfassung ihrer Trainingsdaten veröffentlichen und die Copyright Directive einhalten. Am 2. August 2026, fünf Tage nach Erscheinen dieses Textes, beginnt das Enforcement durch das AI Office — ab dann kann Brüssel Verstöße auch sanktionieren. Was das für B2B-Softwareanbieter über die Cloning-Frage hinaus bedeutet, steht im Insight EU AI Act ab August 2026. Für Inhaber von SaaS-Originalen ist die Transparenzpflicht ambivalent: Sie sehen erstmals, welche Modelle ihr Material verwertet haben, haben aber keinen direkten Anspruch auf Beseitigung — die Schranken-Regelungen aus §§ 44b, 60d UrhG bleiben unverändert.

Das deutsche Software-Patentrecht ist als Cloning-Schutz weitgehend unbrauchbar. Art. 52 EPÜ schließt Computerprogramme als solche von der Patentierbarkeit aus; nur technische Effekte über die reine Code-Logik hinaus sind schutzfähig. Wer auf Patente als Cloning-Barriere baut, hat in Europa nichts in der Hand.

Die Gesamtlinie: Das Recht entwickelt sich, aber zu langsam. Drei Jahre vom Filing bis zum Urteil sind die Norm. In dieser Zeit hat ein AI-gestützter Klon das Original längst überholt oder ist gescheitert — beides ohne juristische Beteiligung. Die Lizenz schützt 2026 nur noch gegen Folgekopierer mit Geld zum Verklagen. Das ist kein Schutz, das ist eine Lotterie.

Die Anatomie des Vibe-Clonings

Wer verstehen will, was vor seiner Tür steht, sollte einmal nüchtern hinsehen, wie AI-gestütztes Cloning heute abläuft. Ich beschreibe das hier methodisch, nicht als Anleitung — der Insight enthält bewusst keine kopierbaren Prompt-Templates. Wer das Verfahren nachbauen will, hat das Material auf Reddit und YouTube längst gefunden. Wer sich verteidigen will, braucht erst das Bild.

Phase eins ist Surface-Mapping. Der Klon-Bauer sammelt alles, was öffentlich zugänglich ist: Marketing-Site, Doku, Demo-Videos, GitHub-Issues, Subprozessoren-Liste, Stellenanzeigen — letztere verraten den Tech-Stack zuverlässiger als jede Recherche. Eine Personio-Stellenanzeige für einen “Senior Engineer mit Erfahrung in PostgreSQL, Kotlin und Kubernetes” beantwortet drei Architektur-Fragen, bevor das Cloning beginnt. Die Subprozessoren-Liste, die jeder DSGVO-konforme SaaS-Anbieter veröffentlicht, ist eine Schatzkarte der Infrastruktur.

Phase zwei ist Behavior-Capture. Browser-DevTools, Network-Tab, HAR-File-Export. Wer ein freies Trial-Konto öffnen kann, klickt sich durch die wichtigsten Workflows und exportiert die kompletten API-Calls. Playwright nimmt die UI-Flows auf. Bei vielen B2B-Tools reicht eine 14-Tage-Testlizenz für die strukturelle Vollanalyse.

Phase drei ist UI-Replikation. v0, Lovable oder Bolt bekommen die Screenshots und liefern Tailwind-Komponenten in der Pixel-Annäherung. Das ist die billigste Phase. Eine halbwegs überzeugende Personio-Lookalike-Oberfläche entsteht in einem Nachmittag.

Phase vier ist die Backend-Spezifikation. Aus den HAR-Files baut Claude Code Behavior-Specs: Endpunkt, Request-Schema, Response-Schema, Fehlerverhalten. Der Implementations-Agent bekommt diese Specs plus die Anforderung “implementiere ein Backend, das auf jeden dieser Calls korrekt antwortet”. Iterativ wird gegen die aufgezeichneten Flows gebaut, bis die abgefangenen Frontend-Calls bedient werden. Ein funktionsähnlicher MVP entsteht in zwei bis fünf Tagen.

Ich habe das selbst durchgespielt. In den 72 Stunden, in denen ich Clueny gebaut habe, waren die Phasen eins bis vier in einem Tag durch. Tag zwei und drei gingen dafür drauf, die Stripe-Integration und die DSGVO-konforme Datenhaltung wirklich produktiv zu bekommen — also genau das, was sich nicht vibe-coden ließ. Das ist die wichtigste Lektion aus dem Experiment: Was sich klonen lässt, ist gerade nicht der Kern.

Phase fünf — die harten Mauern — ist auch der Punkt, an dem die meisten Vibe-Klone scheitern. Sie scheitern nicht am Code, sondern am Drumherum:

Echte Kundendaten und deren Schema-Idiosynkrasien. Ein neuer Procore-Klon kann den Workflow für eine fiktive Baustelle nachbauen. Er kann nicht die 14 Jahre alten Stammdaten eines Hochtief-Projekts importieren, weil weder die Schema-Migrationen noch die historischen Edge-Cases dokumentiert sind.

Integrations-Endpunkte mit OEM-Verträgen. Wer einen Personio-Klon baut, kann das HR-Frontend in zwei Wochen liefern. Die DATEV-LODAS-Anbindung, die Personio über jahrelange Verhandlung als zertifizierte Schnittstelle bekommen hat — die liegt für den Klon hinter einer geschlossenen Tür.

Trust-Marken. ISO 27001, SOC 2, BSI C5, KRITIS-Zertifizierung. Audit, Dokumentation, Penetrationstest, Re-Zertifizierung. Das dauert zwölf bis 24 Monate, kostet einen sechsstelligen Betrag, und kein Cursor-Agent verkürzt das.

Vertriebs- und Channel-Beziehungen. Wer Haufe einen Steuerberater-Verbund weggenommen hat, hat zwanzig Jahre Beziehungsarbeit gemacht. Der Klon kommt mit besserer UI und scheitert am ersten Procurement-Gespräch.

Das ist die eigentliche Erkenntnis aus der Vibe-Cloning-Welle: Der Code-Anteil am Moat eines B2B-SaaS schrumpft brutal. Was bleibt, ist alles, was nicht in Code lebt.

Was wirklich noch schützt — die Moat-Synthese

Im Insight “Software-Moats im AI-Zeitalter” habe ich die zehn klassischen SaaS-Burggraben durchsortiert. Fünf Monate später lohnt sich der zweite Durchgang, jetzt durch den Vibe-Cloning-Filter. Welche dieser Moats halten unter dem Druck, dass die reine Software-Reproduktion auf Tage geschrumpft ist?

Es halten — und das ist die gute Nachricht für etablierte Anbieter:

Daten-Gravity. Celonis hat 15 Jahre Prozess-Event-Logs aus tausenden ERP-Installationen. Diese Daten sind nicht nur die Trainings-Grundlage für die Process-Mining-Modelle, sie sind auch die Benchmark-Bibliothek, gegen die jeder neue Kunde sofort vergleichen kann. Ein Klon kann die Software in Tagen nachbauen. Er kann die Datenbasis nicht in Jahren aufbauen. thinkproject im Construction-Bereich profitiert vom selben Effekt: Die historischen Baustellendaten der Bestandskunden machen die Plattform für neue Kunden im Vergleich überlegen.

Workflow-Embedding mit Integrations-Stack. Personio ist nicht deshalb schwer zu klonen, weil das Frontend besonders raffiniert wäre, sondern weil jede deutsche Mittelstands-Personalabteilung an mindestens vier weiteren Systemen klemmt: DATEV oder LODAS für die Lohnabrechnung, ein Bewerber-Tool, ein Zeiterfassungs-System, irgendeine Bank-Schnittstelle. Jede einzelne dieser Klammern ist ein Cloning-Hindernis. Der Klon baut eine Insel.

Regulatorische Komplexität. Haufe Group ist das Lehrbuchbeispiel. Wer die Haufe-Inhalte technisch klonen will, kann die UI in einer Woche bauen. Er kann nicht 50 Jahre Auslegung deutschen Steuer-, Arbeits- und Sozialrechts in eine Datenbank gießen, ohne dieselben 50 Jahre Arbeit nachzuholen — oder ohne die Haufe-Inhalte 1:1 zu kopieren, was wieder eine Urheberrechts-Frage ist, vor der Vibe-Coding-Bauer in der Regel kapitulieren.

Ecosystem Lock-in. Procore ist im US-Construction-Markt deshalb dominant, weil General Contractors, Subcontractors, Architekten und Engineers alle auf derselben Plattform arbeiten. Ein Klon mit besserer UI hat das Netzwerk nicht. Ein Single-Player-Klon mag schöner aussehen, aber die Multiplayer-Funktion ist der Punkt.

Compliance-Stamp-Moat. DATEV ist Genossenschaft, hat BSI-C5, ist Standard im Steuerberater-Markt. Ein DATEV-Klon kann technisch in Monaten stehen. Die Zertifizierungen brauchen Jahre, die Steuerberater-Vertrauensbeziehung Jahrzehnte. Wer diesen Markt klonen will, kämpft nicht gegen Software, sondern gegen eine Institution.

Es wackelt:

Feature-Moat. Tot. Jede neue Funktion eines Konkurrenten ist in 72 Stunden nachgebaut. Wer in 2026 noch eine Feature-Roadmap als zentrale Verteidigung pitcht, hat das letzte Jahrzehnt verschlafen.

UI/UX-Moat. In Tagen kopierbar. Selbst die “verschmolzene Customer-Experience”, die Designer als nicht-reproduzierbar verkaufen, lässt sich mit Loom-Videos und v0 in einer Woche zur Pixel-Annäherung bringen.

Konfigurations-Vorsprung. SAP hat den Vorsprung lange aus der schieren Komplexität der Konfiguration gezogen. AI-Agenten parsen S/4HANA-Customizing-Tabellen mittlerweile auch — der Vorsprung wird schmaler.

Es ist neu beziehungsweise aufgewertet:

Distribution-Moat. Bestandskunden, die das Original nicht durch ein gleichwertiges Klon-Angebot ersetzen werden — wegen Wechselkosten, Risiko und Beziehungs-Bindung. Dieser Moat ist 2026 deutlich mehr wert als 2019, weil die Klon-Schwelle so niedrig geworden ist, dass nur der Vertriebszugang die Spreu vom Weizen trennt.

Real-World-Daten-Pipeline. Sensordaten, OEM-Telemetrie, Kundenprozess-Logs. Was nicht aus dem öffentlichen Netz stammt, hat das Foundation Model nicht gesehen. Wer eine geschlossene Datenpipeline hat, hat einen echten Vorsprung — nicht im Code, sondern in dem, womit der Code gefüttert wird.

HÄLT TROTZ KLON Distribution-Moat Compliance-Stamp (DATEV) Operational-Moat (Open Core) DIE ECHTEN GRÄBEN Daten-Gravity (Celonis) Real-World-Daten-Pipeline Regulatorische Komplexität (Haufe) Ecosystem Lock-in (Procore) Workflow-Embedding (Personio) TOT Feature-Moat UI/UX-Moat Konfigurations-Vorsprung (SAP) SPRINTER-MOAT Update-Velocity (GitLab EE) dauerhaft Wochen voraus Tage Jahre Reproduktionszeit für den Kloner → niedrig hoch Wertanteil außerhalb des Codes →

Die zehn Moats nach dem Vibe-Cloning-Filter: Was in Tagen reproduzierbar ist und seinen Wert im Code trägt, ist tot. Was hält, lebt außerhalb des Codes — in Daten, Regulatorik, Netzwerken und Vertrieb.

Und damit zur Frage, die im Issue ausdrücklich gestellt war: Wo ist der Moat von Open-Source mit Premium-Funktionen?

Die Antwort, die ich nach drei Jahren Beobachtung gebe: Wenn das Premium-Layer technisch reproduzierbar ist — und das ist es bei den meisten Open-Core-Modellen — dann ist der Moat nicht der Code des Premium-Layers, sondern die Kombination aus operativer Übernahme und Vertrauen. Drei Verteidigungsmuster funktionieren in der Praxis, beobachtet an Sentry (BSL-Wechsel 2019), PostHog (Cloud vs. Self-Hosted), GitLab (CE/EE-Split), Mattermost und Nextcloud:

Erstens, der Operational-Moat. Self-Hosting ist erlaubt, aber operativ teurer als der Service. Sentry und PostHog leben davon, dass die meisten Kunden lieber zahlen als die Infrastruktur selbst betreiben. Der Klon, der Sentry self-hosted nachbaut, hat dasselbe Problem.

Zweitens, der Compliance-Moat. Premium liefert Audit-Bescheinigungen, die dem Klon fehlen. GitLab EE und die SOC-2-Zertifizierung sind ein Paket; wer das Open-Source-CE selbst betreibt, kann seinem Auditor keinen SOC-2-Bericht vorlegen, der von GitLab-Inc kommt.

Drittens, der Update-Velocity-Moat. Premium-Releases sind dauerhaft Wochen oder Monate voraus. Wer die Premium-Roadmap einholen will, klont nicht — er joggt einem Sprinter hinterher.

Die wichtigste strategische Erkenntnis: Open-Source-Premium ist 2026 keine Schwäche mehr, sondern ein Bauplan. Es zwingt den Anbieter zur einzigen Verteidigung, die unter AI-Cloning-Druck noch trägt: operative Exzellenz. Wer schon eine kostenlose Version hat, gegen die er sich behaupten muss, hat den Klon-Wettbewerb innerlich längst eingepreist.

Verteidigungs-Playbook für DACH-Anbieter

Was heißt das praktisch für einen DACH-SaaS-Anbieter, der heute Abend in den Spiegel schauen muss?

Vertraglich. AGB-Klauseln gegen Scraping und AI-Training haben begrenzte Wirksamkeit — gegen einen Vibe-Coder aus Bulgarien sind sie nicht durchsetzbar, gegen einen DACH-Wettbewerber theoretisch schon. Das maschinenlesbare Opt-Out nach § 44b Abs. 3 UrhG ist nach OLG Hamburg juristisch notwendig: TDM-Reservation Protocol, robots.txt, ai.txt — was der Stand der Technik ist, sollte gesetzt sein. Reverse-Engineering-Verbote in der EULA sind durch § 69e UrhG eingeschränkt, helfen aber im Zivilrecht gegen identifizierbare Akteure. Audit-Rechte gegen Wettbewerber-Demos im B2B-Vertrieb sind praktisch nicht durchsetzbar — vergessen.

Technisch. Honeypot-Endpunkte: API-Calls, die nur ein Scraper findet, die in keinem echten Workflow vorkommen. Wer den Klon später anschaut und diese Endpunkte dort sieht, hat einen Beweis. Rate-Limiting auf der Marketing-Site und in der Doku ist Standard. Asymmetrische APIs für Free vs. Paid — die Free-Tier-API sollte struktureller Köder sein, nicht Spiegel der Paid-API. Watermarking von Demo-Datensätzen mit verteilten Markern: Wenn der Klon dieselben Demo-Daten zeigt, ist die Quelle klar. Marketing-Site-Schutz vor LLM-Crawlern über noai/noimageai-Header und die 2025 gestartete IETF-AIPREF-Standardisierung — bislang Drafts, keine fertige Spec, aber der Stand der Technik, auf den sich ein Opt-Out berufen kann. Cloudflares Bot-Management gegen unauthorized AI-Crawler ist die niedrigste sinnvolle Schwelle. Wie die Crawler der Modellanbieter arbeiten und welche dieser Signale sie tatsächlich respektieren, steht im Insight Wie LLMs das Web durchsuchen. Ein Zielkonflikt gehört auf den Tisch: Der GEO-Insight empfiehlt, AI-Crawler auf die Marketing-Site zu lassen, um in KI-Antworten sichtbar zu sein — dieses Verteidigungs-Playbook empfiehlt das Blocken. Die Auflösung liegt in der Differenzierung: Marketing-Inhalte offen, Produkt-Doku und API-Details dicht.

Strategisch — und das ist der wichtigste Block. Aggressive Distribution: Bestandskunden vor dem Klon binden, mit Mehrjahresverträgen, eingebauten Migrations-Hürden, Erweiterungen, die das Ökosystem-Embedding vertiefen. OEM-Lock mit den drei bis fünf wichtigsten Integrations-Targets — eine zertifizierte Schnittstelle zu DATEV, SAP, Salesforce oder zum dominanten Branchenspieler ist 2026 mehr wert als ein eigenes Feature-Pack. Compliance-Stamps früh holen, nicht erst nach dem ersten Großkunden, der danach fragt. Real-World-Daten-Pipeline aufbauen, die nicht reproduzierbar ist — Sensorik, IoT, OEM-Telemetrie, alles, was nicht im öffentlichen Netz steht.

Was 2026 nicht mehr hilft: Patente auf reine Software-Funktionen, weil sie in Europa unter Art. 52 EPÜ ohnehin schwach durchsetzbar sind. NDAs gegen Cloning-Versuche, weil der Beweis praktisch nicht zu führen ist. AGB-Verbote für AI-Training gegen Scraper außerhalb der EU. Investitionen in proprietäre UI-Frameworks, die schöner sind als der Wettbewerber — schöner ist in 72 Stunden eingeholt.

Meine Perspektive

Wer 2026 noch in eine Feature-Roadmap als Hauptverteidigung investiert, kämpft den Krieg von 2018. Die Roadmap ist nicht tot — sie ist nur kein Burggraben mehr, sondern Hygiene.

Open-Source-Premium-Modelle sind keine Schwäche, die man Anbietern wie PostHog oder GitLab vorhalten sollte. Sie zwingen den Anbieter zur einzigen Verteidigung, die unter AI-Cloning trägt: operative Exzellenz. Geschlossene Modelle täuschen sich über ihren Code-Moat länger.

Die DACH-Compliance-Komplexität, die alle als Wachstumsbremse beschimpfen, ist 2026 unser brutalster Moat. BSI C5, KRITIS, MDR, GwG, DSGVO in der Praxis — das alles dauert für den Klon Monate bis Jahre und ist nicht vibe-codbar. Wir sollten aufhören uns darüber zu beschweren und anfangen es zu vermarkten.

Recht entwickelt sich in Jahren, AI-Cloning in Tagen. Wer als SaaS-Anbieter auf Gerichte wartet, wird geklont, bevor das Urteil zugestellt ist. Die rechtliche Lizenz schützt nur noch gegen den schlechten Klon — gegen den guten schützt nur das Drumherum.

Und der unbequemste Punkt: Die meisten SaaS-Anbieter im DACH haben ihre Moat-Erzählung noch nicht angepasst. Sie verkaufen weiter ihre UI, ihren Feature-Vorsprung, ihre Konfigurierbarkeit. Wer die Investorenpräsentationen liest, sieht selten ein Slide, das ehrlich sagt: “Unser Burggraben sind unsere zertifizierten Schnittstellen zu DATEV, SAP und Salesforce sowie unsere KRITIS-Zertifizierung.” Das wäre die wahre Geschichte. Es klingt nur nicht so sexy wie “AI-powered next-gen experience”. Was diese Erzähllücke für die Bewertung kostet, habe ich in Software-Multiples unter Druck durchgerechnet: Der Markt preist Klonbarkeit längst ein, auch wenn das Management sie nicht adressiert.

Fazit

Die alte Cloning-Doktrin von Clean Room und Chinese Wall hat ihren Architekten verloren — den knappen, teuren Code, der nur durch Spezialisten zu reproduzieren war. Sie wird nicht zurückkehren. Was bleibt, ist die Frage, welche der zehn klassischen SaaS-Moats unter dem neuen Druck noch tragen — und welche nur noch dekorativ in der Investorenpräsentation stehen.

Ein einfaches 2×2-Bild hilft beim Sortieren. Auf der x-Achse: Reproduzierbarkeit des Codes (niedrig links, hoch rechts). Auf der y-Achse: Reproduzierbarkeit des Drumherums — Daten, Integrationen, Zertifizierungen, Vertrieb (niedrig oben, hoch unten).

Oben links — niedriger Code-Klon-Risiko, niedrige Drumherum-Reproduzierbarkeit — sitzen DATEV, Celonis, thinkproject. Das ist die komfortable Ecke. Wer dort sitzt, schläft ruhig.

Oben rechts — Code leicht klonbar, Drumherum aber kaum — sitzen Personio, Haufe, Procore in Europa. Die Software ist reproduzierbar, der Markt nicht. Diese Position ist verteidigbar, aber nur, wenn die Anbieter ihre Verteidigung auf Drumherum verlagern statt auf Features.

Unten links — Code schwer klonbar, Drumherum leicht reproduzierbar — gibt es kaum noch. Diese Position ist 2026 eine Illusion: Was technisch schwer zu klonen ist (komplexe Algorithmen, eigene Frameworks), wird vom Foundation Model trotzdem irgendwann gespiegelt.

Unten rechts — Code leicht klonbar, Drumherum leicht reproduzierbar — sitzen die meisten neuen Vibe-Coded-SaaS und viele klassische Vertical-SaaS ohne tiefe Integrations- oder Compliance-Verankerung. Diese Position ist der Friedhof. Wer dort sitzt, wird in den nächsten 24 Monaten geklont. Die einzige Strategie ist, sich nach oben oder nach links zu bewegen, bevor es passiert.

Die Cloning-Doktrin hat ihren Architekten verloren. Die Praxis muss sich einen neuen suchen — und der heißt nicht Code, sondern Kontext.

Consulting Vibe Coding — Teil drei der Serie — dreht die Perspektive ein weiteres Mal: Was Vibe Coding mit dem Geschäftsmodell der Beratungsbranche macht, wenn der Kunde das Deliverable selbst baut.

Quellen

US-Rechtsprechung:

UK:

DACH:

EU:

Historische Präzedenzfälle Clean-Room-Doktrin:

Cross-Links The Playbook: