JSONATA IN EINEM TAG NEU GESCHRIEBEN: 500.000 DOLLAR GESPART

Das Wichtigste

Das Security-Startup Reco.ai hat eine kritische Open-Source-Abhängigkeit mit KI-Unterstützung in einem einzigen Arbeitstag ersetzt und spart damit nach eigenen Angaben 500.000 Dollar pro Jahr.

Was ist passiert?

Reco.ai nutzte in seinem Produkt JSONata, eine Abfragesprache für JSON-Daten. Das Problem: Die Lizenzkosten oder Abhängigkeitsrisiken der genutzten Implementierung wurden intern als nicht tragbar bewertet. Eine manuelle Neuentwicklung hätte Wochen gedauert und erhebliche Entwicklerkapazität gebunden.

Stattdessen setzte das Team auf einen KI-gestützten Rewrite-Prozess. In einem Tag entstand eine funktionsfähige Eigenimplementierung, die die bestehende Lösung ersetzt. Das Ergebnis: keine externe Abhängigkeit mehr, volle Kontrolle über den Code, und eine jährliche Einsparung im sechsstelligen Bereich.

Der Hacker-News-Thread mit über 100 Kommentaren zeigt, wie stark dieses Thema die Entwickler-Community bewegt. Die Diskussion dreht sich weniger um die Technologie selbst als um die Frage, was solche Geschwindigkeiten für Softwareentwicklung und Teamstrukturen bedeuten.

Technische Details

JSONata ist eine deklarative Abfragesprache, die JSON-Dokumente transformiert und filtert. Eine vollständige Implementierung erfordert Parser, Evaluator und Typsystem. Genau das ist der Typ von klar definierter, gut dokumentierter Aufgabe, bei der aktuelle KI-Coding-Assistenten ihre Stärken ausspielen.

Die entscheidenden Voraussetzungen für einen erfolgreichen KI-Rewrite dieser Art sind: eine exakt spezifizierte Ausgangsbasis (die JSONata-Spezifikation existiert), vorhandene Testsuites als Validierungsgrundlage, und ein erfahrenes Team, das den Output beurteilen kann. Ohne diese drei Faktoren wäre das Ergebnis nicht produktionstauglich.

Warum ist das relevant?

Dieser Case ist kein Einzelfall mehr. Er ist ein Datenpunkt in einem Muster, das sich 2025 und 2026 durch die Branche zieht: KI-Assistenten machen bestimmte Klassen von Entwicklungsaufgaben dramatisch schneller. Nicht alle, aber genug, um Kostenstrukturen zu verschieben.

Für Entscheider bedeutet das konkret: Die klassische Make-or-Buy-Entscheidung bei Software-Abhängigkeiten verschiebt sich. Was früher nur als Kauf sinnvoll war, weil Eigenentwicklung zu teuer gewesen wäre, kann heute in Stunden selbst gebaut werden.

Für Entwickler ist die Botschaft nüchterner: KI beschleunigt gut definierte Reimplementierungen erheblich. Wer diese Werkzeuge nicht nutzt, arbeitet mit einem strukturellen Geschwindigkeitsnachteil.

Take-Away

Prüft eure kritischen Abhängigkeiten. Welche davon sind gut spezifiziert, haben existierende Tests, und erzeugen Lizenz- oder Vendor-Risiken? Genau diese sind Kandidaten für einen KI-gestützten Rewrite. Der Reco-Case zeigt, dass der Aufwand dafür heute in Stunden gemessen werden kann, nicht in Wochen.