Softwareentwicklung in Zeiten von KI

Es ist nicht lange her, da sah das Arbeitsleben in der Softwareentwicklung ungefähr so aus: Eine neue Aufgabe beginnen, über die beste Lösung nachdenken, Code schreiben, Code testen, Code verbessern und am Ende die Lösung ausliefern. Zwischendrin muss auch Code von anderen Entwickelnden im Team begutachtet werden und diverse Abstimmungen gehörten auch schon immer dazu.

Jede Teilaufgabe ist wichtig, aber im Zentrum des Berufsbildes stand das Schreiben von Code, auch weil dieser Schritt in der Regel viel Zeit und Arbeit in Anspruch nahm. Das Finden der besten Lösung war mutmaßlich schon immer der anspruchsvollste Schritt, aber die Übersetzung in qualitativ hochwertigen Code erforderte ebenfalls Know-how und Erfahrung.

Hier schwingt schon mit, dass sich etwas verändert hat und Künstliche Intelligenz (KI) spielt dabei eine entscheidende Rolle. Schon 2023 haben unsere Xperten in einem Blogbeitrag folgendes festgestellt: “So beeindruckend KI-Tools auch sein mögen, die Fähigkeit, kausale Hintergründe zu prüfen und die Wahrheit bzw. Funktionsfähigkeit des Outputs sicher zu stellen, haben diese Modelle noch nicht. In absehbarer Zukunft werden jedoch sehr wahrscheinlich KI-Tools entwickelt werden, die generierten Code automatisch ausführen und testen können.”

Diese absehbare Zukunft ist jetzt und KI-Tools mit diesen Fähigkeiten nennen wir heute Agenten, die viel mehr können, als nur Code zu generieren.

Agenten als Game Changer

Anthropic, die Firma hinter den derzeit fähigsten KI-Modellen im Bereich der Softwareentwicklung, definiert Agenten kurz und bündig als „LLMs calling tools in a loop“. In diesem kurzen Satz stecken zwei wichtige Aspekte:

• Tools: Während Large Language Models (LLMs) nur Text generieren, können Agenten handeln. Sie können Applikationen starten, Tests ausführen, Webrecherchen durchführen und vieles mehr.
• Loops: Agenten arbeiten über viele Schritte hinweg und können dabei auf das reagieren, was zuvor passiert ist. Sie können planen und den Plan anschließend schrittweise umsetzen.

Dabei handelt es sich um nichts Geringeres als einen Paradigmenwechsel. Einer der Schlüssel ist die Fähigkeit der Agenten, nun wirklich zu prüfen, ob der generierte Code auch wie erhofft funktioniert. Agenten können von Syntax-Fehlern bis hin zu vergessenen Edge-Cases entstandene Fehler selbst entdecken und darauf reagieren, indem der generierte Code verbessert wird, bis er funktioniert. Neben immer fähigeren KI-Modellen ist dieser Feedback-Mechanismus ein Hauptgrund dafür, dass sich Softwareentwicklung von der direkten Implementierung hin zur Orchestrierung durch Agenten verlagert.

Orchestration von Agenten als neue Kernkompetenz

Das klingt zunächst abstrakt, ist aber im Alltag sehr konkret. Es reicht nicht aus, dass KI-Tools agentische Fähigkeiten haben, sondern diese müssen auch wirksam abgerufen werden. Wenn moderne Agenten wie bspw. Claude Code, Cursor oder Codex heute an Entwicklungsaufgaben arbeiten, dann reicht eine vage Aufgabenbeschreibung selten aus, um qualitativ hochwertige Ergebnisse zu erhalten. Die Kunst im Umgang mit Agenten besteht darin, die Anforderungen präzise zu definieren, Randbedingungen zu benennen, Architektur und Qualitätsziele zu klären, Abnahmekriterien zu definieren und die richtigen Werkzeuge und Informationsquellen zur Verfügung zu stellen. Nur weil KI unsere Sprache versteht, ist es nicht immer einfach ein Problem so zu beschreiben, dass ein Agent am Ende die beste Lösung umsetzt. Das heißt aber auch nicht, dass Entwicklungsteams heute nur noch aus „Prompting Wizards“ bestehen.

Viel mehr gilt es, die bestehende Expertise in der Softwareentwicklung zu nutzen, um Systeme zu gestalten:

• Kontext und Guidelines vorgeben: Was ist das Ziel? Wie sieht die Codebasis aus? Welche Standards gelten?
• Aufgaben sauber schneiden: Große, diffuse Vorhaben müssen in überprüfbare Teilaufgaben zerlegt werden.
• Werkzeuge sinnvoll anbinden: Agenten werden stark, wenn sie nicht nur Text erzeugen, sondern Tests ausführen, Dateien lesen, Browser und Terminal nutzen und auf strukturierte Vorgehensweisen zurückgreifen.
• Guardrails definieren: Was darf automatisiert passieren, was nicht? Wo braucht es Freigaben? Was muss vor Ausführung validiert werden?
• Qualität operationalisieren: „Gut“ darf keine Geschmacksfrage bleiben. Gute Teams machen Qualität maschinenlesbar: Tests, Regeln, DoD, Policies, Checklisten.

Das Berufsbild verschiebt sich also hin zu einer Mischung aus Architektur, Übersetzung, Review, Quality Engineering und Orchestration.

Der neue Entwicklungsablauf: Planen, Delegieren, Prüfen

Der menschliche Beitrag fokussiert sich nun stärker auf drei Phasen:

1. Planung

Hier wird entschieden, was eigentlich gebaut werden soll und warum. Das entscheidet nicht die KI, sondern wird weiterhin von Menschen verantwortet und von KI maximal unterstützt.

• Welches Problem ist wirklich relevant?
• Welche Nebenbedingungen gelten?
• Welche Lösung ist fachlich sinnvoll?
• Welche Risiken sind inakzeptabel?

2. Delegation und Umsetzung

In dieser Phase arbeitet der Agent, aber nicht im luftleeren Raum, sondern innerhalb eines klaren Rahmens, den Softwareentwickelnde mit Expertise am aller Besten definieren können:

• mit Regeln und Konventionen
• mit Repository-Kontext
• mit Tests, Linting und Build-Prozessen
• mit zugelassenen Tools und Schnittstellen

3. Review und Verifikation

Am Ende liegt es in der Verantwortung der Entwicklungsteams sicherzustellen, dass die erzeugte Lösung fachlich richtig, technisch sauber und langfristig wartbar ist. Es gibt mittlerweile auch spezialisierte Systeme für Code Reviews, aber auch die sollten nicht zu blindem Vertrauen führen. Es kann schnell passieren, dass die Menge des erzeugten Codes schneller steigt als die Fähigkeit von Teams, ihn sauber zu bewerten. Softwareentwicklung braucht daher heute mehr denn je automatisierte Prüfmechanismen, wie statische Code-Analyse, Security-Checks, klar definierte Freigaben, nachvollziehbare Logs und am Ende natürlich menschliche Review-Entscheidungen an den kritischen Stellen.

Was Unternehmen jetzt lernen müssen

Für Unternehmen ist die wichtigste Lehre vielleicht eine unbequeme: Man kann agentische Softwareentwicklung nicht einfach einkaufen in dem man Claude-Code-Lizenzen bezahlt. Wer Wirkung will, muss seine Arbeitsweisen anpassen. Das beginnt bei der Anforderungserhebung, die schneller und strukturierter werden muss. Es geht damit weiter, dass wertvolle Kontexte systematisiert werden müssen. Wissen über Codebasis, Architektur, Builds, Tests, Sicherheitsregeln und Konventionen sollten nicht nur in einzelnen Köpfen oder verstreuten Dokumenten existieren. Workflows und Wissenspakete für Agenten müssen erarbeitet und systematisch geteilt werden. Wenn sich ein Berufsbild so radikal verändert, muss man auch bedenken, wie sich das auf die Betroffenen auswirkt. Für diejenigen, die schon immer vor allem Probleme lösen wollten, sind die Schwierigkeiten in der neuen Welt mutmaßlich geringer als für Entwickelnde, die bislang den meisten Spaß beim Schreiben von Code hatten. Kurz gesagt: Softwareentwickelnde verbringen weniger Zeit mit dem Schreiben von Code und mehr Zeit mit der Steuerung komplexer Systeme. Hier gilt es Lösungen zu finden, Weiterbildungen zu organisieren und auch zu akzeptieren, dass die Umstellung nicht bei allen Menschen gleich schnell passiert. Reviews müssen neu gedacht werden. Wenn mehr Code in kürzerer Zeit entsteht, muss auch der Prüfprozess mitwachsen. Intensive menschliche Begutachtung wird bestenfalls selektiver, strukturierter und stärker von automatisierten Prozessen unterstützt. Darüber hinaus gilt es, eine Sicherheitsarchitektur für agentische Entwicklung frühzeitig mitzudenken. KI-Systeme erhöhen nicht nur die Produktivität, sondern auch die Angriffsfläche. Ungeprüft übernommene Tools können den Code an Dritte schicken oder Schadsoftware einbauen. Moderne Softwareentwickelnde verbringen künftig weniger Zeit mit dem Tippen von Code und mehr damit, ein System aus Regeln, Tools und Agenten so zu steuern, dass am Ende hochwertige Software entsteht. Genau darin liegt die eigentliche Verschiebung des Berufsbildes. Und deshalb lohnt es sich, diese Entwicklung nicht als reinen Produktivitätstrick zu betrachten, sondern als grundlegende Neuordnung der Softwareentwicklung.

Für Unternehmen bedeutet das auch, sich strategisch neu aufzustellen. Die Transformation hin zu einer „AI-ready“ Organisation betrifft nicht nur die Entwicklung selbst, sondern auch angrenzende Bereiche wie Architektur, Wissensmanagement, Security und Prozessgestaltung. Genau hier setzt die IT Sonix an: Mit Beratungsleistungen, die über die klassische Softwareentwicklung hinausgehen, unterstützen unsere Xperten dabei, Strukturen, Workflows und Governance so zu gestalten, dass der Einsatz von KI und agentischen Systemen nachhaltig Wirkung entfaltet. Ziel ist es, nicht nur neue Tools einzuführen, sondern die Organisation ganzheitlich auf die Anforderungen moderner, KI-gestützter Softwareentwicklung auszurichten.