Coding-Agenten im Entwicklungsteam: prüfen, messen, schulen.
Mit Coding-Agenten entsteht mehr Code. Für alle, die ein Entwicklungsteam führen, stellt sich damit eine andere Frage: Kann das Team ihn verstehen, prüfen und warten? Der Nutzen zeigt sich in hilfreicher, wartbarer Software im Produktivbetrieb.
Was ich tun kann – und was ich noch nicht gemacht habe
Junior-Entwickler zu schulen und zu begleiten gehört seit jeher zu meiner Arbeit als Senior-Entwickler und Teamleiter.
Dasselbe kann ich bei Coding-Agenten tun: einzelne Entwickler im methodischen Einsatz schulen, jeden an der eigenen Arbeit (schriftliche Spezifikationen, eine persönliche Harness, Prüfungen), und sie während des Projekts begleiten. So setze ich die Agenten selbst ein, wie auf der Seite Coding-Agenten beschrieben.
Ein ganzes Team mit einer einzigen gemeinsamen Harness arbeiten zu lassen, ist ein anderer und deutlich komplexerer Schritt, den ich in einem Projekt noch nicht angegangen bin. Die folgenden Abschnitte fassen die Kriterien zusammen, die ich in einem Team für notwendig halte: Es sind methodische Vorschläge, nicht der Bericht über eine Einführung, die ich bereits geleitet habe.
Warum eine gemeinsame Harness schwierig ist
In einem Projekt habe ich das noch nicht gemacht. Dies sind die Probleme, die ich sehe.
- Wer sie ändert. Wenn alle sie ändern können, verschlechtert sie sich und verliert an Präzision: Es braucht eine verantwortliche Person und ein Review, wie beim Code.
- Wie sie wächst. Die Informationen nehmen zu, und der Agent muss weiterhin die richtigen finden: Sie muss laufend gepflegt und optimiert werden.
- Was sie enthält. Über eine Grundstruktur hinaus hat jedes Projekt eigene Anforderungen: Eine fertige Vorlage zum Kopieren gibt es nicht.
- Senior- und Junior-Entwickler. So wie ich es sehe, müssten die Senior-Entwickler in der Harness die Abläufe, die Fachdokumentation und die Prüfungen aufbauen, mit denen sich Aufgaben zuweisen und Ergebnisse validieren lassen; die Junior-Entwickler würden die Aufgaben erhalten und daran arbeiten, bis das Review den Pull Request freigibt. In der Theorie funktioniert es so; in der Praxis erscheint es mir komplex. Und der Agent allein bringt einen Junior-Entwickler nicht voran: Ihn zu schulen und während des Projekts zu begleiten, bleibt Aufgabe der Senior-Entwickler.
- Was es kostet. Es ist zusätzliche Arbeit, die in die Kosten der Einführung einzurechnen ist.
Pull-Request-Review mit KI und die Entwicklung von Junior-Entwicklern
Die Prüfung kann zum Engpass werden
Wenn ein Agent mehr Code ändert, als ein Team verstehen und prüfen kann, wird der anfängliche Geschwindigkeitsgewinn möglicherweise zu Review- und Wartungsaufwand. Dieses Risiko halte ich für zentral.
Ich schlage vor, Erstellung und Validierung zu trennen: Abnahmekriterien und Referenzergebnisse sollten auch außerhalb des Prozesses geprüft werden, der die Änderung erzeugt hat. Ein zweiter Agent kann helfen, aber dieselben Fehler wie der erste machen.
- Verhaltens-, Integrations-, Vertrags- und Regressionstests entsprechend dem Risiko.
- Statische Analyse, Sicherheitsprüfungen und Prüfung der Abhängigkeiten.
- Reviews mit klaren Kriterien und Abgleich mit fachlichen Anforderungen und Vorgaben.
- Änderungen, die klein genug bleiben, um Fehler und Folgen erkennen zu können.
Nicht jede Zeile braucht dieselbe menschliche Prüfung. Eine Person muss jedoch für die Entscheidung verantwortlich sein; wo Fehler schwerere Folgen haben, sind stärkere Prüfungen erforderlich.
Werkzeuge und Zuständigkeiten im Team
Als Freiberufler kann ich direkt bewerten: Ich setze mir ein Budget und prüfe, ob das Ergebnis die Kosten rechtfertigt; wo nötig, genehmigt der Kunde den Einsatz. In einem Unternehmen ist der Nutzen von Person zu Person verschieden, und ohne Werkzeuge, um ihn zu messen, wird es schwierig, den Einsatz von Coding-Agenten zu genehmigen.
Sie nicht zu bewerten, hat allerdings seinen Preis. Nach meiner Erfahrung haben kleine Teams und spezialisierte Büros in bestimmten Bereichen oft mehr technische Kompetenz als Teams, die größere Unternehmen zusammenstellen; auch deshalb werden ihnen manchmal Aufgaben übertragen. Mit Coding-Agenten kann ein kleines Team mit Kompetenz und Methode einem Kunden, vielleicht nicht sofort, eine bessere und günstigere Lösung anbieten. Hält es dann seine Versprechen, einschließlich der Kontinuität des Betriebs, verliert der unterlegene Anbieter nicht nur den Auftrag, sondern auch an Ansehen. Das ist ein Szenario, das man prüfen sollte, keine Prognose.
Für ein Team würde ich Werkzeuge und Zugriffsstufen nach den Tätigkeiten auswählen, statt automatisch allen dieselbe Lizenz zuzuweisen. Zur Anschaffung gehören Schulung, gemeinsame Praktiken und klare Zuständigkeiten für Kontext und Dokumentation.
In diese Richtung geht ein im Oktober 2026 bekannt gewordener Fall: Laut 404 Media zahlt Accenture seit dem 1. Oktober pro Person 29 Dollar im Monat für Claude; höhere Ausgaben sind dem Projekt oder Team zuzuordnen. Ein Beschäftigter, der mit Claude Code Software für mehrere Kunden entwickelte und testete, gab in der Regel zwischen 500 und 1.000 Dollar im Monat aus. Bei intensiver Nutzung eines Coding-Agenten hängen die Ausgaben von der Nutzung ab, nicht von der Lizenz: Deshalb sollten die Kosten mit der Arbeit verglichen werden, die er hervorbringt, nicht mit der Preisliste.
Die Arbeit vor der Zuweisung vorzubereiten, senkt auch den Verbrauch: Bei präzisen Anfragen durchsucht der Agent weniger Code.
Ich würde Bearbeitungs- und Reviewzeiten, Fehler und Nacharbeit gemeinsam mit den Kosten messen. Token, erzeugte Zeilen und die Zahl der Pull Requests reichen nicht aus, um Nutzen oder individuellen Beitrag zu bewerten: Dies ist ein methodischer Vorschlag, keine allgemeingültige ROI-Formel.
Arbeit messen, die das Team weiterführen kann
Die Gesamtkosten von KI-Anwendungen
Arbeit vorbereiten: klarere Pull Requests und geringere Kosten
Junior-Entwickler ausbilden
Coding Agents können die Produktivität steigern, je nach Aufgabe und Kontext. Sie ersetzen das Verständnis des Systems nicht; darin liegt weiterhin der entscheidende Unterschied.
Auch die Ausbildung von Nachwuchsentwicklern verändert sich. Es besteht die Gefahr, dass sie die KI so lange befragen, bis etwas funktioniert, ohne selbst dazuzulernen. Deshalb ermutige ich die Entwickler, die ich betreue, ein eigenes Verständnis des Produkts aufzubauen, und bespreche ihre Aufgaben mit ihnen. Demselben Grundsatz folge ich als Teamleiter.
Das Systemverständnis erhalten
Mit „Verständnisschulden“ oder „Cognitive Debt“ beschreibe ich ein Risiko: Die Software funktioniert weiterhin, doch immer weniger Menschen verstehen, warum sie so aufgebaut wurde. Das ist ein hilfreiches Konzept, keine etablierte Standardmetrik.
Dokumentierte Entscheidungen, Gespräche über die Fachdomäne und gemeinsame Prüfungen erhalten dieses Wissen. Zur Entwicklerrolle gehören Anforderungen, Architektur, Kontext und die Beurteilung von Änderungen; auch bei delegierter Umsetzung bleiben diese Fähigkeiten erforderlich.
Die Harness muss Fehler sichtbar machen
Eine Harness umfasst Kontext, Regeln, Werkzeuge und Verfahren. Ihre Verbesserung kann den Agenten wirksamer machen, aber auch eine falsche Interpretation schneller verbreiten.
Deshalb gehören für mich auch Aktionsgrenzen und Abbruchbedingungen dazu: fehlgeschlagene Tests, unklare Anforderungen, unerwartete Unterschiede oder fehlende Prüfungen. Entscheidend ist, eine falsche Änderung zu erkennen, bevor sie ins Produkt gelangt.
Coding Agents bei Legacy-Anwendungen
Ein Coding Agent kann selbstständiger arbeiten, wenn ihm ein Prüfzyklus zur Verfügung steht: Er ändert den Code, führt Prüfungen aus, liest Fehlermeldungen und korrigiert Fehler. Automatisierte Tests sind neben der Kompilierung und weiteren relevanten Prüfungen ein zentraler Bestandteil dieses Zyklus. Ein strikter TDD-Prozess ist dafür nicht zwingend erforderlich; entscheidend sind wiederholbare Rückmeldungen zum geforderten Verhalten.
Bei manchen Legacy-Anwendungen erfordert die Prüfung einer Änderung den Start des gesamten Systems, eine Datenbank mit geeigneten Daten, externe Dienste und schwer reproduzierbare Konfigurationen. Wenn die Logik eng mit diesen Abhängigkeiten verbunden ist und automatisierte Tests fehlen, verursacht die Einrichtung eines Prüfzyklus zusätzlichen Aufwand. Auch eine neuere Anwendung kann dieselben Einschränkungen aufweisen.
Eine Datenbank verhindert die Automatisierung nicht: Testumgebungen und zurücksetzbare Daten lassen sich vorbereiten. Dennoch kann es nötig sein, den Start zu dokumentieren, Tests für das bestehende Verhalten einzuführen und einzelne Abhängigkeiten schrittweise zu trennen. Dieser Aufwand gehört in die anfängliche Bewertung des Agenteneinsatzes. Wo Prüfungen überwiegend manuell bleiben, würde ich die Autonomie des Agenten begrenzen und kleine Änderungen mit ausdrücklichen menschlichen Kontrollen vorsehen.
Arbeit messen, die das Team weiterführen kann
Der Anteil KI-generierten Codes, Token, Prompts oder die Anzahl von Pull Requests reichen zur Nutzenmessung nicht aus. Ich vergleiche Bearbeitungs- und Reviewzeiten, Fehler, Regressionen, Nacharbeit und die Fähigkeit, das Produkt weiterzuentwickeln.
Das SPACE-Framework behandelt Produktivität als mehrdimensional. Entsprechend schlage ich vor, Ergebnisse, Zusammenarbeit und nachhaltige Arbeitsweisen gemeinsam zu bewerten, ohne aus einer einzelnen Messgröße eine Rangliste der Entwickler zu machen.
Mein Ziel wäre korrekte, nützliche und wartbare Software zu tragbaren Kosten.
Was die Studien sagen
Produktivität und Qualität stehen nicht automatisch in einem bestimmten Verhältnis.
Das 2026 veröffentlichte Experiment von Borg und Kollegen mit 151 Teilnehmenden findet keine signifikanten Unterschiede in der späteren Wartbarkeit von Code, der mit KI-Assistenten entstand. Die Aufgaben wurden Ende 2024 bearbeitet, vor den heutigen Coding-Agenten.
Liu und Kollegen analysieren dagegen rund 302.600 der KI zugeschriebene Commits in 6.299 Repositories. Sie erkennen Probleme durch statische Analyse; 22,7 % davon bestehen in der letzten beobachteten Revision fort. Dies belegt fortbestehende Probleme in der Stichprobe, misst aber weder alle Fehler noch den Vergleich mit jedem menschlichen Entwickler.
GitClear beobachtet während der Verbreitung von KI mehr Duplikation und weniger Refactoring. Diese Signale verdienen Aufmerksamkeit, belegen allein aber keine einzelne Ursache.
Der DORA-Bericht 2025, der auf fast 5.000 Antworten beruht, stellt fest, dass der KI-Einsatz mit mehr Auslieferungen, aber auch mit weniger stabilen Releases einhergeht und dass 30 % der Teilnehmenden dem generierten Code wenig oder gar nicht vertrauen. Für die Autoren verstärkt KI, was bereits vorhanden ist: Sie stärkt solide Teams und macht die Probleme der anderen sichtbar. Es handelt sich um eine Befragung der Teilnehmenden, nicht um eine direkte Messung am Code.
Zusammen sprechen die Arbeiten dafür, die Auswirkungen im eigenen Prozess zu messen.
Ein Fall: Shopify
Im September 2026 beschreibt Shopify den Wechsel von React Native zu Swift und Kotlin: Coding-Agenten haben die Kosten für die Pflege von zwei nativen Implementierungen verändert. Die Shop-App wurde in etwa zwölf Wochen neu gebaut und veröffentlicht; die Migration der Shopify-App mit über 300 Bildschirmansichten wird als laufend beschrieben. Für die Migration nutzt Shopify kleine Schritte mit Tests, visuellem Vergleich und zwei unabhängigen Reviews; die Freigabe durch einen Ingenieur ist die Standardeinstellung. Dies ist eine konkrete Unternehmenserfahrung, keine auf andere Anwendungen übertragbare Schätzung.
Daraus leite ich einen allgemeineren Vorschlag ab: Klare Verantwortlichkeiten, ausdrückliche Verträge, schnelle Tests und verständliche Beobachtbarkeit erleichtern Menschen und Agenten die Arbeit am System.
Quellen zur Einordnung
Die Studien nutzen unterschiedliche Methoden und untersuchen verschiedene Kontexte. Die Vorschläge zur Validierung und zur Entwicklerrolle sind daraus abgeleitete Arbeitsgrundsätze, keine Zusage eines allgemeingültigen Ergebnisses.
- Borg et al. — Echoes of AI (öffnet in einem neuen Tab): Experiment zur späteren Wartung; Daten von Ende 2024.
- Liu et al. — Debt Behind the AI Boom, Version 2 (öffnet in einem neuen Tab): der KI zugeschriebene Commits und statisch erkannte Probleme.
- GitClear — Maintainability Gap (öffnet in einem neuen Tab): beobachtete Signale zu Duplikation, Wiederverwendung und Wartung.
- Shopify — Entscheidung für native Entwicklung (öffnet in einem neuen Tab): Gründe des Wechsels und für Agenten zugängliche Architektur.
- Shopify — Migration der Shop-App (öffnet in einem neuen Tab): Erfahrung und Zeitrahmen des konkreten Projekts.
- Shopify — Helix (öffnet in einem neuen Tab): Checkpoints und Prüfungen bei der Migration der Shopify-App.
- Forsgren et al. — SPACE (öffnet in einem neuen Tab): ergänzende Dimensionen der Entwicklerproduktivität.
- Claude Code — Best practices (öffnet in einem neuen Tab): Kriterien und Prüfungen, die der Agent ausführen kann.
- Martin Fowler — Legacy Seam (öffnet in einem neuen Tab): Trennung von Abhängigkeiten zur Prüfung bestehenden Codes.
- Microsoft — Choosing a testing strategy (öffnet in einem neuen Tab): Tests mit echten Datenbanken, Isolation und Grenzen von Test-Doubles in EF-Core-Projekten.
- DORA — State of AI-assisted Software Development 2025 (öffnet in einem neuen Tab): Befragung von fast 5.000 Fachleuten; Zusammenhang zwischen KI-Einsatz, Liefervolumen und Stabilität der Releases.
- 404 Media — Accenture begrenzt die Claude-Ausgaben der Beschäftigten auf 29 Dollar im Monat (öffnet in einem neuen Tab): Bericht auf Grundlage einer nicht öffentlichen internen Mitteilung; ein Einzelfall, ohne Begründung des Unternehmens. Der Artikel ist teilweise nur für Abonnenten zugänglich.
- The Next Web — Zusammenfassung des Berichts von 404 Media (öffnet in einem neuen Tab): Einzelheiten der internen Mitteilung und Reaktionen der Beschäftigten; Sekundärquelle, vollständig lesbar.