Kevin Riedl, Gründer und CEO der Softwareagentur Wavect,
diskutiert mit uns den aktuellen Stand KI-gestützter
Softwareentwicklung. Statt einzelner Prompts definieren Teams
zunehmend Ziele mit klaren Akzeptanzkriterien und lassen Agenten
in Schleifen arbeiten, bis diese erfüllt und durch Tests belegt
sind. Dieses Loop-based Engineering verlagert den Aufwand in die
Spezifikation. Agenten erschließen sich eine Codebase inzwischen
selbst, schreiben dafür eigene Bash- und Python-Skripte und
probieren Lösungen in Wegwerfcontainern aus, bevor sie Code
ändern. Kritisch bleibt, ob die von der KI geschriebenen Tests
die Kriterien wirklich prüfen oder nur grün werden sollen.
Arbeiten mehrere Agenten parallel am selben Repository, trennen
isolierte Git‑Worktrees die Änderungen. Ein Orchestrierungsagent
legt Reihenfolge und Parallelisierbarkeit der Issues fest. Die
Qualität sichern Quality Gates als harte Prüfungen in der CI,
etwa Skripte, die zu lange Dateien, abweichende
Namenskonventionen oder versehentlich übernommene Kundendaten
erkennen. Regeln für alle Sessions stehen in Dateien wie
CLAUDE.md oder AGENTS.md, die jeder Agent zu Beginn liest. Je
kohärenter eine Codebase benannt und strukturiert ist, desto
schneller findet sich die KI darin zurecht. Ende-zu-Ende-Tests,
früher wegen des Wartungsaufwands sparsam eingesetzt, werden
wieder attraktiv, weil die KI sie schreibt und pflegt.
Die heutigen Tokenpreise gelten als stark subventioniert. Wer
vorausplant, senkt den Verbrauch: Modellrouter verteilen Anfragen
je nach Komplexität auf passende Modelle, Codemapper bilden die
Codebase als semantischen Graphen ab, und Kompressionstools
kürzen CLI-Ausgaben, bevor sie im Kontext landen. Eine
Alternative sind Open-Weight-Modelle wie Kimi oder GLM, deren
Selbstbetrieb allerdings schnell fünfstellige Hardwarekosten
verursacht und sich erst bei Dauerlast rechnet. Quantisierung
senkt den Bedarf, kostet aber Genauigkeit.
Mit dem Tempo wachsen die Risiken. Ein Agent mit weitreichenden
Rechten liest auch .env-Dateien mit Secrets, packt beim Bauen
eines Docker-Images womöglich Dateien ein, die nicht
hineingehören, und findet erstaunlich kreative Wege um
Einschränkungen herum. Sandboxing, Secret Management und
risikobasierte Reviews gewinnen deshalb an Gewicht, ebenso der
Umgang mit der eigenen Aufmerksamkeit, die bei vielen parallel
laufenden Agenten zum eigentlichen Engpass wird.
Kevins Tool-Empfehlungen zum Token-Sparen:
RTK: https://github.com/rtk-ai/rtk
Graphify: https://github.com/safishamsi/graphify
LeanCTX: https://github.com/yvgude/lean-ctx
Wavect: https://wavect.io/
Kevin Riedl auf LinkedIn: https://www.linkedin.com/in/wsdt/
-------
Einfach Komplex ist ein Podcast von Heisenware.
Weitere Infos und ein kostenloser Test:
https://heisenware.com/einfach-komplex
Kontakt: podcast@heisenware.com
Kommentare (0)
Melde dich an, um einen Kommentar zu schreiben.