Beschreibung
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: [email protected]
