Verwaltungssoftware für meine eigene Arbeit, neu geschrieben mit Coding-Agenten: die Methode an einem ganzen Projekt.

Neben der Verwaltung meiner Arbeit sammelt das Programm jetzt die regelmäßigen Quellen, die mich über Neuigkeiten und Releases informieren.

Die Informationen werden in einer Datenbank und in einem Archiv für die Suche nach Bedeutung (Vector Store) gespeichert. Zu dem, was ich archiviert habe, kann ich über eine RAG-Funktion Fragen in natürlicher Sprache stellen.

Auch die E-Mails habe ich ins Programm geholt: Ich lese und verwalte meine Nachrichten, wobei Regeln Newsletter und wichtige Mails hervorheben. Ich hatte ein Outlook-Add-in erwogen, aber Microsoft unterstützt diese nicht für IMAP-Postfächer.

Sieben getrennte Teile, jeder mit einer klaren Aufgabe.

1. Arbeits-App (React): die tägliche Erfassung und das Abrufen der Daten.
2. Web-API (ASP.NET Core): der Dienst, auf dem die App aufbaut.
3. Worker: eigene Prozesse, die Nachrichten und YouTube-Daten lesen.
4. Auftragsverwaltung (WolverineFx und Marten): Jede Änderung wird als Ereignis in einem Event Store gespeichert, sodass sich die Geschichte eines Auftrags jederzeit nachvollziehen lässt.
5. Portal (Umbraco): der eher administrative Teil von Aufträgen und Tätigkeiten.
6. Chrome-Erweiterung: Verwaltung von Links und Listen.
7. MCP-Server: ein Dienst, mit dem sich die Agenten verbinden, um die Arbeit an jedem Auftrag festzuhalten, etwa Analyse, Spezifikationen, Entwicklung und Prüfungen. So behalte ich alles im Blick.

In den Bildern sind Namen, Auftragsnummern, Stunden und private Nachrichten abgedeckt. Die Oberfläche ist italienisch. Klicken Sie auf ein Bild, um es vollständig zu sehen.

Hier probiere ich die Methode aus, die Skills, die ich für die Agenten entwickle, und wie sie sich an die Anforderungen eines Programms anpassen lassen.

Skills sind wiederverwendbare Abläufe, denen der Agent bei einer bestimmten Art von Arbeit folgt. Manche Entscheidungen stehen sicher in keinem Verhältnis zu dem, was das Programm leisten muss: Ich habe sie getroffen, um Funktionen und Vorgehensweisen auszuprobieren.

Dieses Projekt zeigt eine Arbeitsweise, kein Ergebnis, das sich anderswo gleich wiederholt.

• Es ist ein kleines Projekt, und ich arbeite allein. Keine Kollegen am selben Code und kein gemeinsames Projektgerüst: Ein Team auf einem einzigen Projektgerüst arbeiten zu lassen ist ein Schritt, den ich noch nicht gegangen bin. Qualität und Coding-Agenten.
• Ich bin mein eigener Kunde. Ich entscheide im Handumdrehen, was sich ändert, und akzeptiere Einschränkungen, die ein Kunde nicht hinnehmen würde.
• Nur ich nutze es, lokal. Sicherheit, Berechtigungen und Verfügbarkeit für viele Nutzer sind eine andere Aufgabe.
• Die Bedingungen sind günstig. Verbreitete Technologien, von Grund auf neu geschriebener Code und ein Fachgebiet, das ich kenne: Bei Altsystemen oder außerhalb des Standards leistet der Agent weniger. Grenzen und Bedingungen.
• Es misst keine Einsparung. Die zwei Wochen sind eine Schätzung, und mir fehlt der Vergleich mit derselben Arbeit ohne Agenten.

Fehler und die Lehren daraus beschreibe ich anhand eines komplexeren Projekts.

Wo ich Fehler gemacht habe und was ich daraus gelernt habe →

Die Arbeitsweise bleibt gleich: schriftliche Spezifikationen, nachvollziehbare Entscheidungen, Prüfung getrennt von der Person, die den Code schreibt. Anders sind die Rahmenregeln.

In Kundenprojekten setze ich Coding-Agenten nur dort ein, wo die Regeln des Kunden es erlauben; das Projektgerüst bleibt so vertraulich wie der Code, und Datenanalysen finden in Testumgebungen oder auf anonymisierten Daten statt.

Vertraulichkeit →

.NET 10 und React mit TypeScript; EF Core auf einer bestehenden Azure-SQL-Datenbank, ohne Migrationen (Database-First); Event Sourcing auf PostgreSQL mit Marten und WolverineFx, über RabbitMQ mit den anderen Teilen verbunden; Docker Compose und .NET Aspire für die lokale Ausführung; Tests mit Testcontainers auf echten Datenbanken; Suche mit Qdrant und lokalen Modellen über Ollama.

Meine Art zu lernen ist eine persönliche Entscheidung: Diese Studien beweisen sie nicht, weisen aber in dieselbe Richtung.

• Anthropic — How AI assistance impacts the formation of coding skills (öffnet in einem neuen Tab): kontrollierte Studie mit 52 Entwicklern, überwiegend Junior-Entwicklern, Januar 2026. Mit dem Assistenten ergab der Verständnistest im Schnitt 50 %, gegenüber 67 % bei Handarbeit. Wer den Code delegierte, schnitt schlechter ab als wer Erklärungen verlangte oder nachfragte. Kleine Stichprobe, vorläufige Ergebnisse direkt nach der Aufgabe, mit einem Chat-Assistenten statt einem Coding-Agenten; der Zusammenhang zwischen Nutzungsweise und Ergebnis ist nicht belegt.
• Kraishan und Jitkajornwanich — Plans They Abandon, Reports They Author (öffnet in einem neuen Tab): In 5.851 realen Sitzungen nennt die Abschlussnachricht des Agenten etwa eine von elf ausgeführten Aktionen. Preprint in Begutachtung, September 2026; er beschreibt die Berichte als unvollständig, nicht als falsch.
• Gong und Kollegen — Analyzing Message-Code Inconsistency in AI Coding Agent-Authored Pull Requests (öffnet in einem neuen Tab): Bei 23.247 von Agenten geschriebenen Pull Requests steht die Beschreibung nur in 1,7 % der Fälle in deutlichem Widerspruch zum Code. Am häufigsten werden dabei Änderungen behauptet, die nicht vorgenommen wurden. Preprint, Januar 2026; gemessen mit einem Näherungsindikator.
• Microsoft — Outlook add-ins overview (öffnet in einem neuen Tab): Web-Add-ins werden für Konten außerhalb von Microsoft nicht unterstützt, mit einer einzigen Ausnahme auf dem Mac (IMAP CloudCache). Gelesen am 1. November 2026.