Mein langer Weg zu Kilo Code
Ich verfolge diese KI-Revolution schon länger, als die meisten meiner Mitmenschen wissen, dass es sie gibt. Nicht erst seit dem 30. November 2022, als OpenAI ChatGPT veröffentlichte und innerhalb von fünf Tagen eine Million Nutzer gewann. Eine Adoption, die schneller war als jede Consumer-App in der Geschichte des Internets. Ich war schon vorher dabei. Ich habe die Entwicklung beobachtet, gelesen, diskutiert. Und ich war von Anfang an fasziniert.
Auch deshalb gehört VS Code für mich an den Anfang dieser Geschichte. VS Code ist das Fundament, in dem ich heute arbeite. Und es war die IDE, die mich überhaupt erst auf die Idee gebracht hat, einen KI-Assistenten im Alltag auszuprobieren. Genau deshalb will ich dieses Fundament hier transparent machen. Zumal VS Code über Jahre sehr offensiv als Open Source kommuniziert wurde, meine Erfahrung damit aber etwas mehr Facetten bietet.
VS Code ist für mich bis heute ein bewusster Kompromiss. Der Quellcode ist MIT-lizenziert und öffentlich. Die Binary, die Microsoft ausliefert, enthält jedoch Telemetrie und steht unter einer proprietären Lizenz. Wer das vermeiden will, greift zu VSCodium, einem Community-Build ohne Microsoft-Branding und mit deaktiviertem Tracking, aus denselben Sources kompiliert. Nach dem Kauf von GitHub im Jahr 2018 war die strategische Stoßrichtung im Developer-Tooling-Bereich eigentlich gut zu erkennen. VS Code und GitHub sind keine philanthropischen Projekte. Sie sind Plattformen. Copilot war die logische Konsequenz.
Trotzdem arbeite ich in VS Code bewusst weiter. Die IDE ist leicht, sie geht einem aus dem Weg, sie ist nicht sperrig wie andere Umgebungen. Und sie funktioniert auch ohne GitHub, ohne Microsoft-Account und ohne Cloud erstaunlich gut. Diesen Kompromiss gehe ich bewusst ein. Aber er erinnert mich jeden Tag daran, dass Unabhängigkeit in diesem Bereich nie absolut ist.
Vor diesem Hintergrund war meine Suche nach einem echten Open-Source-Assistenten für lokale LLMs nach der deutlich spürbaren Preisanpassung des Copilots Anfang Juni 2026 keine Kür, sondern eine Notwendigkeit.
Aber Faszination allein reicht nicht. Wenn man diese Entwicklung beobachtet, stellt man sich irgendwann eine Frage, die hinter den Feature-Releases und Bewertungsrunden fast untergeht: Was wirft diese Revolution eigentlich für uns ab? Für die Menschen, die unabhängig denken, die selbst entwickeln, die nicht in einem Konzern sitzen, sondern Freelancer, Indie-Developer, Product Engineers sind. Kurz: für alle, die nicht einfach ein Enterprise-SaaS-Abo unterschreiben können. Was bleibt für uns übrig, wenn sich der Staub der Preisentwicklung gelegt hat?
Die Antwort liegt in Open Source
Die Antwort auf diese Frage ist für mich eindeutig: Open Source. Nicht aus Prinzip oder Ideologie, sondern aus pragmatischer Überzeugung. KI verändert Open-Source-Entwicklung fundamental. Commits werden schneller, die Codequalität steigt, Beiträge kleiner Teams werden konkurrenzfähiger gegenüber denen großer Organisationen. Das ist eine echte Demokratisierung der Softwareentwicklung. Und sie hat gerade erst begonnen.
Gleichzeitig muss man die Augen offenhalten. Open Source kostet Geld. Infrastruktur, Maintainer-Zeit, Hosting. Nichts davon ist gratis. Und die großen Player wissen das. Sie befinden sich in einem wahren Kaufrausch, finanziert durch Bewertungen, die mit der tatsächlichen Leistung oft wenig zu tun haben. Anthropic hat Ende 2025 den JavaScript-Runtime Bun gekauft, um ihn in Claude Code zu integrieren. OpenAI hat im März 2026 Astral akquiriert, die Macher von uv, ruff und ty, drei der meistgenutzten Python-Tools der Community, um sie in Codex einzubetten. Im Juni 2026 folgte die Übernahme von Ona, einem Startup für agentic Cloud-Infrastruktur, ebenfalls für Codex. Die Botschaft ist unmissverständlich: Wer die Werkzeuge kontrolliert, kontrolliert den Workflow.
Ein Muster ist klar zu erkennen. Ein Open-Source-Projekt gewinnt Vertrauen und Nutzerbasis. Dann wird es absorbiert. Manchmal bleibt der Code öffentlich, manchmal nicht. Die Anreize verschieben sich in jedem Fall. Das ist kein Vorwurf, das ist Kapitalismus. Aber man sollte es beim Namen nennen, bevor man sein tägliches Werkzeug auf einem solchen Fundament aufbaut.
Der erste Kontakt
Ich erinnere mich noch gut, wie ich zum ersten Mal wirklich mit KI gearbeitet habe. Noch nicht wie heute, sondern eher als vorsichtiges Experiment. Blackbox AI hieß das Tool, das mir den Einstieg ermöglicht hat. Es hat meine ersten Skripte verbessert, Fehler in Quellcode und Struktur aufgedeckt und vor allem: es hat funktioniert. Kein großes Setup, kein Marketingversprechen von AGI. Nur ein Werkzeug, das mir bei meiner alltäglichen Editorarbeit zur Hand ging. Für jemanden, der nicht hauptberuflich entwickelt, war das ein echter Türöffner. Und ein erstes Gefühl dafür, was möglich ist, wenn sich KI-Integration zurückhält und aus dem Weg geht.
Der Mainstream-Weg: Copilot und seine Logik
Der nächste logische Schritt war GitHub Copilot im kostenlosen Plan. GitHub vermittelt ja immer noch einen gewissen offenen Charakter. Deshalb hatte ich anfangs wenig Berührungsängste. GitHub Copilot funktionierte. Die Vervollständigungen waren präziser, die Kontexttiefe besser. Aber Copilot Free war, nüchtern betrachtet, eher ein Verkaufsargument. Beinahe jede Interaktion enthielt die Botschaft: Wie weit würdest du mit der Pro-Version kommen? Diese Idee wurde durch Banner, Hinweise und subtile UI-Einschränkungen verstärkt. GitHub Copilot ist kein schlechtes Produkt, aber es versuchte mich ins Abo zu ziehen. Das ist kein Vorwurf, sondern ein Geschäftsmodell. Man sollte es nur beim Namen nennen. Und anfangs waren die Preise ja auch fair.
So bin ich irgendwann ins Abo gewechselt. Ehrlich gesagt war die bezahlte Erfahrung gut. Wirklich gut, solange das Credit-Modell stabil blieb. Doch dann hat Microsoft es umgestellt, und plötzlich war der Wert des Abos ein anderer als zuvor. Das war mein Signal, weiterzuschauen.
Der lokale Traum: Open-Weight-Modelle mit Continue
Zwischen Copilot Free und dem Abo lag ein Abstecher, der meine Denkweise nachhaltig verändert hat: lokale Open-Weight-Modelle in VS Code, integriert mit Continue. Die Idee war bestechend. Lokale Modelle direkt im Editor, kein Cloud-Zwang, volle Kontrolle, keine Kosten. Continue war als Open-Source-Alternative zu Copilot positioniert, und zumindest auf dem Papier war es genau das, was ich wollte.
Die Realität war aber rauer. Continue war buggy. Nicht auf eine Weise, die man ignorieren kann, sondern auf eine, die den Workflow konstant unterbricht. Verbindungsabbrüche, inkonsistentes Verhalten, Konfigurationsaufwand, der sich selten ausgezahlt hat. Ich habe es in den vergangenen Monaten mehrfach als Alternative zu Copilot versucht und hatte sogar Phasen, in denen es halbwegs lief. Doch letztlich bin ich wieder zu Copilot zurückgekehrt. Das Kapitel Continue hat sich ohnehin erledigt: Cursor hat das Projekt übernommen. Cursor ist eine KI-gestützte IDE, die ausschließlich über ein Abo funktioniert. Und Cursor selbst gehört inzwischen zu xAI. Das Muster ist bekannt. Continue war besser in der Theorie, Copilot war verlässlicher in der Praxis.
Cline: Open Source als Fassade
Cline hatte ich auch schon länger als Ergänzungstool im Einsatz, für inhaltliche Überarbeitungen mit Anthropic-Modellen. Die Konfigurationsmöglichkeiten und das freie Prompting ließen mir viel Raum und es funktionierte. Als ich es aber zum Haupt-Coding-Assistenten machen wollte, stieß ich auf ein Muster, das mich zunehmend gestört hat.
Cline ist Open Source, behandelt lokale Modelle aber nicht gleichberechtigt. Ständige Warnmeldungen, die empfehlen, auf Claude Sonnet oder größere Cloud-Modelle zu wechseln. Selbst moderne OpenWeight Modelle mit einem Millionen-Token-Kontextfenster, wurden mit einer Warnung quittiert. Da diese im Code des Assistenten hard codiert ist braucht es stets ein Update um neue Modelle freizuschalten. Formal ist Cline Open Source, faktisch führt es einen zuverlässig zu Anthropics API-Modellen. Der Code mag öffentlich sein, die Absichten dahinter nicht. Ich schätze das Tool immer noch, doch nach nüchterner Einordnung habe ich weitergesucht.
Roo Code: Ankunft und sofortiger Abschied
Nach weiterer Recherche stieß ich auf Roo Code, einen Fork von Cline, der mit echtem Fokus auf lokale Modelle warb. Installation abgeschlossen, Editor neu gestartet und dann, beim ersten Öffnen eine Meldung, dass das Projekt eingestellt wird. Die Entwicklung wechselt zu einem neuen Produkt namens Roomote. Die VS-Code-Extension Roo Code, der Cloud-Dienst und der Router werden zum 15. Mai 2026 archiviert.
Drei Millionen Installs und dann einfach Licht aus. Kein dramatisches Scheitern. CEO Matt Rubens war sogar ehrlich darüber: Die Entscheidung basierte auf der Überzeugung, dass IDE-zentrisches Coding nicht die Zukunft sei. Respekt für die Transparenz. Aber ich stand wieder am Anfang.
Kilo Code: Endlich angekommen
Was ich dann fand, war Kilo Code. Mein erster Eindruck war ungewohnt. Nicht weil es besonders spektakulär aufgetreten wäre, sondern weil es professionell wirkte, ohne sich zu verkaufen. Vollständige Modellfreiheit, lokale LLMs gleichberechtigt neben Cloud- und API-Modellen, Apache-2-Lizenz, kein Subscription-Lock. Die Fork-Genealogie ist transparent: Cline → Roo Code → Kilo Code. Kilo beschreibt sich selbst als Superset beider Vorläufer.
Was mich hielt, war nicht das Feature-Set allein. Es war die Frage, die ich mir inzwischen bei jedem neuen Tool stelle: Wer steckt dahinter, und wie wird es finanziert?
Das Fundament zählt mehr als der Star Count
Kilo Code wurde co-gegründet vom GitLab-Mitgründer Sid Sijbrandij und Scott Breitenother. Die Seed-Runde über 8 Millionen Dollar, geführt von Cota Capital, mit Beteiligung von General Catalyst, war bereits im Dezember 2025 abgeschlossen. Als Roo Code seine dreieinhalb Millionen Nutzer umfassende Community zurückließ, hat Kilo Code diese aktiv aufgenommen und parallel auf einer eigenen OpenCode-Engine aufgebaut, die CLI, Cloud und IDE umfasst.
Das ist kein Garagen-Projekt, das morgen verschwinden könnte. Das ist auch kein Corporate-Tool mit versteckten Wegen ins Abo. Es ist ein Startup mit klarer Finanzierung, einem Gründerteam mit echter Infrastruktur-DNA, und einem Lizenzmodell, das echte Freiheit lässt. Noch.
Was ich mitgenommen habe
Dieser Weg hat mich nicht demotiviert, er hat mich klüger gemacht. Und er hat meine Überzeugung bekräftigt: Die KI-Revolution ist real, sie ist mächtig, und sie kann Open Source stärker machen als je zuvor. Aber genau deshalb ist sie auch ein Ziel. Die großen Player kaufen sich genau in die Infrastruktur ein, die Developer täglich nutzen. Manchmal bleibt der Code offen. Die Macht über Roadmap, Prioritäten und Zukunft liegt trotzdem woanders.
Was nehme ich mit? Wer heute ein Open-Source-Tool evaluiert, sollte nicht beim GitHub-Repo aufhören. Die wirklich relevanten Fragen lauten: Wer hat das Projekt gestartet? Wie wird es finanziert? Was passiert, wenn die Nutzer nicht zahlen und was passiert, wenn das Geld ausgeht? Ein gepflegtes README und ein hoher Star Count sagen wenig darüber aus, ob ein Projekt in zwölf Monaten noch existiert. Roo Code hatte beides. Und trotzdem war nach der Installation die Abschiedsnachricht die Erste, die mich begrüßte.
Wohin die Reise mit Kilo Code geht, weiß ich nicht. Kein Startup ist ein Versprechen auf Ewigkeit, und die KI-Toollandschaft verändert sich gefühlt schneller als irgendeine Produkt-Roadmap. Aber das Fundament ist solider als bei allem, was ich auf diesem Weg kennengelernt habe. Und für mich gilt: Solange die Lizenz stimmt, die lokalen Modelle gleichberechtigt sind, und niemand versucht mich mit Warnmeldungen in API-Verträge zu drängen, geb ich ihn eine Chance.