In einer Woche hat ein einziger Entwickler mit Unterstützung eines KI-Modells das populäre Frontend-Framework Next.js neu gebaut – das Ergebnis: vinext, eine Drop-in-Alternative, die auf Vite basiert und direkt auf Cloudflare Workers deployt werden kann. Das Projekt, das unter dem Namen „vinext“ (ausgesprochen „vee-next“) steht, verarbeitet Anwendungen bis zu 4,4-mal schneller als Next.js 16 mit Turbopack und erzeugt Client-Bundles, die bis zu 57 % kleiner sind. Die gesamten Kosten für die KI-Genutzung lagen bei etwa 1.100 US-Dollar an Token-Gebühren. Die Herausforderung, die Next.js im serverlosen Ökosystem darstellt, liegt in seiner spezifischen Toolchain: Turbopack und die komplexen Build-Ausgaben erfordern auf Plattformen wie Cloudflare, Netlify oder AWS Lambda umfangreiche Anpassungen – ein Problem, das Lösungen wie OpenNext nur teilweise lösen konnten. Diese sind anfällig für Versionsschwankungen und erfordern ständige Anpassungen. Vinext umgeht dies, indem es die gesamte Next.js-API-Oberfläche direkt auf Vite implementiert, statt auf dessen Output aufzubauen. Dadurch entfällt die Notwendigkeit, den Build-Prozess zu „reverse-engineern“. Vinext funktioniert nahtlos: Ein einfacher Befehl npx vinext init migriert ein bestehendes Next.js-Projekt, wobei pages/, app/, next.config.js und die Routing-Logik unverändert bleiben. Die Entwicklung läuft mit vinext dev, der Build mit vinext build, und die Deployment-Logik mit vinext deploy – alles direkt auf Cloudflare Workers. Besonders bemerkenswert ist die native Unterstützung für Cloudflare-spezifische Features wie Durable Objects, AI-Bindings und KV-Caching, die in der Entwicklung und Produktion ohne Workarounds funktionieren. Die Benchmarks zeigen eindrucksvolle Verbesserungen: Bei einem 33-Routen-Testprojekt reduziert vinext die Build-Zeit auf 1,67 Sekunden (mit Vite 8 / Rolldown), gegenüber 7,38 Sekunden bei Next.js. Die Client-Bundles sind mit 72,9 KB (gzip) um mehr als die Hälfte kleiner. Diese Zahlen sind allerdings nur Richtwerte – die Leistung hängt von der Anwendung ab. Ein zentrales Innovationselement ist Traffic-aware Pre-Rendering (TPR): Statt alle Seiten im Build vorzurendern, analysiert vinext die Traffic-Daten von Cloudflare und prärender nur diejenigen Seiten, die tatsächlich frequentiert werden – oft nur 100–200 von 100.000 Seiten. Das beschleunigt die Build-Zeit erheblich und optimiert Ressourcen. Die Entwicklung war möglich, weil mehrere Faktoren zusammenkamen: Ein gut dokumentiertes, gut getestetes API-Surface (Next.js), eine starke Grundlage (Vite), und KI-Modelle, die nun in der Lage sind, komplexe, konsistente Codebasen über lange Zeiträume zu handhaben. Der Entwickler nutzte Claude in OpenCode, um Architektur und Prioritäten zu planen, während die KI fast alle Implementierungen und Tests schrieb – alles unter strengen Qualitätskontrollen: 1.700 Vitest-Tests, 380 Playwright-E2E-Tests, Type-Safety via tsgo und automatisierte CI/CD. Obwohl vinext noch experimentell ist und nicht alle Features wie statische Pre-Rendering (noch) unterstützt, läuft es bereits in der Produktion bei Kunden wie National Design Studio für CIO.gov. Die Open-Source-Community ist eingeladen, weitere Deployment-Targets (z. B. Vercel) zu integrieren – die Architektur ist weitgehend plattformunabhängig. Bewertung durch Branchenexperten: Vinext ist ein Paradigmenwechsel in der Softwareentwicklung. Es zeigt, dass KI nicht nur Debugging oder Code-Vervollständigung ermöglicht, sondern auch komplexe Frameworks neu konstruieren kann – mit menschlicher Leitung, aber mit künstlicher Effizienz. Experten sehen darin ein Zeichen dafür, dass viele bisher notwendige Abstraktionen (Frameworks, Wrapper, Middleware) in Zukunft überflüssig werden könnten. „Wir sind am Ende der Framework-Ära“, sagt ein Entwickler bei Cloudflare. „KI kann die ganze Architektur im Kopf halten – die Layer, die wir jahrzehntelang aufgebaut haben, sind vielleicht nur menschliche Crutches.“ Die Zukunft könnte einfacher, schneller und weniger komplex sein. Vinext ist ein experimenteller, aber vielversprechender Beweis dafür, dass KI nicht nur Werkzeug, sondern auch Mitgestalter der Softwarearchitektur wird.