Ihre Entwickler nutzen KI bereits. Die Frage ist, ob sie es gut nutzen.
GitHub Copilot, Claude, ChatGPT, Cursor: in jedem Team gibt es jemanden, der mit diesen Werkzeugen Code erzeugt. Manche produzieren damit schneller funktionierende Software als zuvor. Andere erzeugen plausiblen Unsinn in noch nie dagewesenem Tempo. Der Unterschied liegt nicht im Werkzeug. Er liegt in der Disziplin drumherum.
Wir setzen KI-Werkzeuge täglich in der produktiven Arbeit ein. Nicht für Demos. Nicht für Konferenzvorträge. Für Software, die echte Nutzer verwenden. Wir haben Kubernetes-Namespaces mit Copilot migriert, Geschäftsregeln aus 28.000 Zeilen VBA mit Claude extrahiert und Features in Stunden gebaut, die früher Wochen gedauert haben.
Was wir dabei gelernt haben: KI macht gute Praktiken wertvoller, nicht überflüssig. TDD wird wichtiger, wenn Code schnell und ungeprüft entsteht. CI/CD wird wichtiger, wenn Änderungen schneller fließen. Architektur wird wichtiger, wenn jeder in einer Minute 500 Zeilen erzeugen kann.
Der Engpass hat sich vom Tippen zum Denken verschoben. KI hat den Bedarf an Entwicklern nicht beseitigt. Sie hat die Ausrede beseitigt, keine disziplinierten zu haben.
Jeder KI-Anbieter behauptet, sein Werkzeug erzeuge funktionierenden Code. Manchmal stimmt das. Oft entsteht Code, der richtig aussieht, eine oberflächliche Prüfung übersteht und zwei Wochen später in der Produktion versagt.
Die Entwickler, die mit KI erfolgreich sind, hatten vorher schon gute Gewohnheiten: zuerst den Test schreiben, kontinuierlich integrieren, kleine Änderungen ausliefern, Annahmen überprüfen. KI beschleunigt all das.
KI ohne Disziplin ist nur schnelleres Chaos.
Wir arbeiten mit Ihrem Team zusammen, setzen KI-Werkzeuge im echten Produktivcode ein. Keine separate „KI-Initiative". Kein Workshop mit Spielbeispielen.
KI schreibt Tests und Code gleichzeitig. So sieht der tatsächliche Arbeitsablauf aus. Man beschreibt, was das System tun soll, und die KI liefert Implementierung und Tests zusammen.
Die Tests werden zu Leitplanken. Wenn jemand nächste Woche den Code ändert, die KI einen Abschnitt neu erzeugt oder eine neue Anforderung hinzukommt, fangen diese Tests Abweichungen auf. Sie sichern ab, was als funktionierend vereinbart wurde. Ohne sie ist jede KI-gestützte Änderung ein Glücksspiel, ob etwas anderes unbemerkt kaputt ging.
Ohne Tests driftet KI-generierter Code. Mit Tests bleibt er zuverlässig.
Hier glänzt KI tatsächlich. Niemand will 28.000 Zeilen VBA aus dem Jahr 2003 lesen. Der KI ist das egal.
Wir nutzen KI, um Geschäftsregeln aus Legacy-Code zu extrahieren, sie in verständliche Sprache zu übersetzen, GitHub Issues zu erstellen, die fachliche Experten validieren können, und dann in modernen Technologien mit ausführbaren Spezifikationen neu zu implementieren.
Was früher Monate mühsamer manueller Archäologie erforderte, dauert jetzt Wochen. Die KI liest den alten Code. Menschen verifizieren das extrahierte Wissen. Das Ergebnis ist ein modernes System, das tatsächlich die gleichen Ergebnisse liefert.
Das ist keine Theorie. So sieht unser Dienstag aus. Einige Beispiele aus der echten Arbeit:
Ein Newsletter-Dienst musste zwischen Kubernetes-Namespaces umziehen. Wir haben Copilot in VS Code das Problem beschrieben, und es hat uns durch das Zusammenführen zweier SQLite-Datenbanken, die Aktualisierung der Ingress-Regeln und das Auffinden einer Umgebungsvariable geführt, die wir übersehen hätten. Vierzig Minuten, null Fehler, kein Rollback nötig.
Ein deutscher Versicherungs-Software-Anbieter hatte 28.000 Zeilen VBA mit Gehaltsabrechnungsregeln, die niemand mehr vollständig verstand. Wir haben Claude auf den Code angesetzt und Geschäftsregeln in verständliche GitHub Issues extrahieren lassen. Fachliche Experten haben diese Issues geprüft und bestätigt oder korrigiert. Monate manuellen Lesens auf Wochen komprimiert.
Beim Schreiben von neuem Code erzeugt KI Tests und Implementierung zusammen. Die Tests werden zum Vertrag. Wenn jemand den Code später ändert oder eine neue Anforderung die Form des Systems verändert, fangen diese Tests auf, was abgewichen ist. Sie sind kein Nachgedanke. Sie sind der Grund, warum man dem Ergebnis vertrauen kann.
Für Legacy-Migrationen nutzen wir KI, um parametrisierte Charakterisierungstests aus bestehendem Verhalten zu erzeugen. Diese Tests sichern ab, was das alte System tatsächlich tut, bevor jemand eine einzige Zeile Ersatzcode schreibt.
Jedes Werkzeug bleibt der Praxis untergeordnet. KI schlägt vor. Tests entscheiden.
Der KI-Hype-Zyklus produziert Behauptungen schneller als KI Code produziert. Einige Realitätsprüfungen aus der täglichen Praxis:
Diese Arbeit wird in unsere Delivery Integrity Intervention integriert. KI-Einführung ist kein isoliertes Projekt. Sie ist Teil des Aufbaus von Entwicklungsdisziplin.
Wir arbeiten eingebettet in Ihrem Team, in Ihrer Codebasis und etablieren Praktiken, die bestehen bleiben, wenn wir gehen. Retainer-basiert, transparent, mit messbarem Fortschritt über Navigator.
Bringen Sie Ihre Fragen zur KI-Einführung mit, Ihre Frustrationen mit aktuellen Werkzeugen oder Ihre Herausforderung bei der Modernisierung von Altsystemen. Wir sagen Ihnen ehrlich, was KI für Ihre konkrete Situation leisten kann und was nicht.
Online-Gespräch vereinbarenUnsere Erfahrung mit KI in der produktiven Arbeit: