Ein KI-Coding-Agent kann mechanische Arbeit beschleunigen. Ohne menschliches Review weist er keine Produktionsreife nach.
Ich erwartete weniger Tipparbeit und mehr Delegation. In der Praxis hat sich die Arbeit verschoben. Ich verbringe weniger Zeit mit Mechanik und mehr mit dem Lesen von Änderungen, dem Finden fehlenden Kontexts und der Frage, ob ein Vorschlag zum Produkt passt.
Cursor passt für kleinere Änderungen im Editor. Claude Code nutze ich für größere Aufgaben im Terminal, wenn mehrere Dateien und längerer Kontext wichtig sind. Copilot nutze ich vor allem für Autocomplete.
Codex hatte ich zunächst beiseitegelegt, weil mir die Art der Interaktion nicht lag. Update, Juli 2026. Codex ist in unsere Rotation zurückgekehrt und führt Agentenaufgaben neben Claude Code aus.
Das sind Arbeitspräferenzen, keine Empfehlung. Jedes Team braucht einen eigenen Vergleich an realen Aufgaben.
Wählen Sie eine isolierte Änderung mit klarem Ergebnis und ohne irreversible Auswirkung. Schreiben Sie vorher auf, was fertig sein muss, welche Tests bestehen müssen und wer die Änderung freigibt. Vergleichen Sie Zeit bis zur Freigabe, Review-Funde und Abdeckung relevanter Grenzfälle mit dem manuellen Vorgehen.
Ein Agent kann Code vorschlagen, der überzeugend wirkt und einige Tests besteht. Er kennt keine Regel, die nicht im Auftrag, Code oder in der Dokumentation steht. Deshalb braucht er guten Kontext und eine Person, die die Domäne versteht.
Legen Sie für jede Agentenaufgabe fest, was automatisch laufen darf und was ein Mensch vor Versand, Merge oder Deployment freigeben muss. Bewahren Sie Auftrag, geänderte Dateien, Prüfergebnisse und Grund der Freigabe auf.
Bei Änderungen mit Auswirkung auf Daten, Geld oder Zugriffsrechte beziehen Sie den Prozessverantwortlichen ins Review ein. Tests sind notwendig, erfassen aber keine Regel, die nie aufgeschrieben wurde.
Update, 24. Juli 2026. Wir verwenden einen manuell gestarteten Shadow-Prozess mit WorkOrder, Planfreigabe, genauen Checks und unabhängigem Review. Der Agent führt weder Merge noch Deployment aus. Der Ablauf ist im review-gated agentic workflow beschrieben.
Messen Sie nicht generierte Zeilen. Messen Sie Zeit bis zur Freigabe, Eingriffe im Review, falsche Vorschläge, Eskalationen und Fehler nach dem Release. Wenn diese Kennzahlen keinen Nutzen zeigen, verkleinern Sie die Aufgabe oder übergeben Sie sie nicht an einen Agenten.
Ich weiß nicht, wie sich diese Werkzeuge entwickeln werden. Es bleibt die Frage, was Junior-Entwickler lernen, wenn sie von Beginn an nur fremden Code lesen und freigeben. Code zu lesen ist eine andere Fähigkeit, als ihn von Grund auf zu entwerfen.
Wenn Sie herausfinden möchten, wo KI Ihren Entwicklungsprozess unterstützen kann, sprechen wir darüber.
Gründer und Geschäftsführer von Rise.sk. Er konzipiert und liefert Webanwendungen, Datensysteme und Automatisierungen und schreibt über Softwareentscheidungen, KI und digitale Dienste.
Drei Absätze erzeugten 55.000 Zeilen Spielcode und eine Bewertung von 5,05 von 10. Die Methode dahinter funktioniert auch für geschäftliche Ergebnisse, und die ehrlichen Zahlen sind der nützliche Teil.
Der Juli 2026 brachte die stärksten Preissenkungen bei KI-Modellen aller Zeiten, und trotzdem haben 73 Prozent der Unternehmen ihr KI-Budget überschritten. Über die Rechnung entscheidet nicht der Tokenpreis, sondern wie viele Tokens eine fertige Aufgabe verbraucht.
Wählen Sie die erste Automatisierung nach Arbeit, Daten, Risiko, Verantwortung und Rückkehrmöglichkeit. Prüfen Sie einen Pilotversuch, bevor Sie ihn ausweiten.