Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
medium.com3. Juli 2026 · Q011061

I Ran Three AI Coding Agents at Once and Turned Into Young Steve Jobs

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Autor empfiehlt für KI-Coding-Agenten ein „10–80–10“-Vorgehen: Anforderungen präzise festlegen, die Agenten arbeiten lassen und das Ergebnis anschließend gründlich prüfen. Er berichtet, dass weniger Zwischenüberwachung seine eigene Bearbeitungszeit mehr als halbiert habe, während eine Abschlussprüfung einen fehlenden Fremdschlüsselindex aufdeckte, den Tests mit kleinen Datenmengen nicht zeigten.

Mittel

Der Autor berichtet, dass ihn der parallele Einsatz von drei KI-Coding-Agenten zunächst zum ständigen Beobachten und Eingreifen verleitet habe. Dabei übersah er, dass zwei Agenten dieselbe Schnittstellenfrage unterschiedlich lösten, und musste später ihre Ansätze zusammenführen. Eine Steve-Jobs-Anekdote führt ihn zum Muster „10–80–10“: zuerst Richtung und Anforderungen klären, die Agenten anschließend arbeiten lassen und am Ende das Ergebnis genau prüfen.

Für Coding-Agenten heißt das laut Autor, vorab eine präzise Spezifikation samt Schnittstellen und relevanten Dateien zu erstellen. Während der Agent Code erzeugt und Tests ausführt, müsse er nicht jeden Schritt verfolgen. Die Abschlussprüfung bleibe jedoch notwendig. Nach einer schärferen Spezifikation und weniger Zwischenkontrollen sei seine Arbeit laut eigener Darstellung in weniger als der halben Zeit fertig geworden; unabhängige Messungen nennt er nicht.

Warum das Schlussreview zählt, zeigt eine Migration: Tests und lokale Abfragen mit wenigen tausend Datensätzen liefen, doch ein Fremdschlüsselindex fehlte. Der Autor schätzte, dass bei Produktionsdaten dadurch später sequenzielle Scans entstehen könnten. Er berichtet von ähnlichen Fällen in zwei weiteren Projekten. Tests mit kleinen Datenmengen und Spezifikationen ohne Angaben zum Produktionsvolumen deckten solche Lücken nicht auf. Deshalb sollen Agentenarbeiten am Ende auch aus Betriebs- und Datenbanksicht geprüft werden.

Ausführlich lesen

Der Autor beschreibt, wie er drei KI-Coding-Agenten parallel in getrennten Terminalfenstern arbeiten ließ und dabei zunächst glaubte, parallele Entwicklung effizienter zu machen. Tatsächlich bemerkte er, dass zwei Agenten dasselbe Schnittstellenproblem auf unvereinbare Weise lösten. Statt das gewünschte Feature auszuliefern, verbrachte er den Nachmittag damit, die Ansätze zusammenzuführen. Rückblickend erkannte er ein weiteres Problem: Während der Agentenarbeit beobachtete er ständig die Fenster, prüfte laufende Änderungen und griff früh ein. Er hielt das für Review, deutet es nun aber als bloßes Überwachen.

Als Denkanstoß schildert er eine Geschichte über Steve Jobs und ein Rechnerprogramm für den Macintosh. Nach einer von Andy Hertzfeld erzählten Begebenheit missfielen Jobs mehrere frühe Gestaltungsdetails; auf jede Überarbeitung folgten neue Beanstandungen. Der Ingenieur Chris Espinosa baute schließlich ein Werkzeug mit Reglern, mit dem Jobs das Aussehen selbst verändern konnte. Der Autor hebt hervor, dass die Lehre nicht darin bestanden habe, weniger auf Details zu achten, sondern die Prüfung anders über den Ablauf zu verteilen. Das als „10–80–10“ bezeichnete Muster: zuerst etwa zehn Prozent für Richtung und Maßstab einsetzen, die mittleren achtzig Prozent die Arbeit erledigen lassen und am Ende die letzten zehn Prozent für eine genaue Prüfung nutzen. Die Geschichte und ihre spätere Anwendung bei Apple und Pixar gibt der Autor als überlieferte Darstellung wieder.

Auf Coding-Agenten übertragen, bedeutet die erste Phase für ihn vor allem eine präzise Spezifikation: Anforderungen, Schnittstellenvertrag und relevante Dateien sollen so klar sein, dass verschiedene Agenten daraus austauschbare Ergebnisse erzeugen könnten. Er sagt, dass Fehler in dieser frühen Phase leichter und billiger zu korrigieren seien als nach dem Schreiben des Codes. In der mittleren Phase sollen Agenten Code erzeugen, Tests ausführen und Fehler bearbeiten. Die abschließende Phase bleibt menschliche Arbeit: Änderungen sollen gründlich geprüft werden, auch mit Blick darauf, was im Produktionsbetrieb Folgen haben könnte.

Der Autor berichtet, dass er das dauernde Beobachten beendete, die Spezifikationen schärfte und erst dann wieder auf die Arbeit sah, wenn ein Diff vorlag. Seiner Darstellung nach verschlechterte sich die Arbeit dadurch nicht; die verstrichene Gesamtzeit sei auf weniger als die Hälfte gesunken. Er führt das vor allem darauf zurück, dass er nicht länger als Engpass zwischen Agenten und Entscheidungen stand, die er bereits zu Beginn hätte treffen können. Das ist sein Bericht über eigene Abläufe; vergleichende Messwerte oder kontrollierte Versuche nennt er nicht.

Als Grund dafür, die Schlussprüfung nicht auszulassen, beschreibt er eine Migration mit Fremdschlüssel auf einer stark genutzten Tabelle. Die Tests liefen, und lokal mit einigen tausend Datensätzen schien die Abfrage schnell. Der Agent hatte jedoch keinen Index für die Fremdschlüsselspalte ergänzt. Laut Autor legt PostgreSQL solche Indizes nicht automatisch an. Bei der tatsächlichen Datenmenge hätte der Join seiner Einschätzung nach binnen einiger Wochen nach Veröffentlichung sequenzielle Scans verursachen können. Er entdeckte die Lücke bei einer gezielten Prüfung aus Datenbanksicht. Ähnliche fehlende Indizes habe er nach eigener Aussage in zwei weiteren Projekten gefunden. Die Tests übersahen diese Fälle, weil sie mit kleinen Datenmengen liefen; außerdem könne ein Agent Produktionsvolumen nicht kennen, wenn die Spezifikation es nicht nennt. Der zentrale Schluss des Beitrags: Gute Vorgaben am Anfang schaffen Raum für ungestörte Agentenarbeit, ersetzen aber nicht die sorgfältige Prüfung des Ergebnisses am Ende.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Zusammenfassung ist überwiegend treu, enthält aber eine Falschdarstellung und lässt die Herkunft des Musters aus. Die Einordnung stützt sich nur auf den Berichtstext; die Sammelfragen sind dabei unabhängig von Lunas Stufen bewertet.

Im Bericht, aber nicht in der Zusammenfassung

  • Der Bericht führt das Muster auf eine Anekdote über Steve Jobs und den Taschenrechner-Applet (Andy Hertzfeld, Chris Espinosa) zurück, die Lunas Zusammenfassung nicht nennt.
  • Der Autor räumt ein, dass sein ständiges Beobachten der Agenten kein echtes Review war.
  • Die Fehlerfälle bei zwei weiteren Projekten werden nur knapp erwähnt; der Bericht betont zudem, dass Tests und Spezifikationen das Produktionsvolumen meist nicht abdecken.

In der Zusammenfassung, laut Prüfung nicht im Bericht belegt

  • Die Aussage, der Autor habe übersehen, dass zwei Agenten dieselbe Schnittstellenfrage unterschiedlich lösten, steht so nicht im Bericht: Er hat dies bemerkt („By lunch I'd caught two of them“).

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Fähigkeiten messen
  1. SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 45 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 30 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 68 %Hintergrund, keine Belege
    • JEV 37 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Vertrauen in Modelle
  1. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 33 %Hintergrund, keine Belege
    • JEV 31 %einzelne zitierbare Belege
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung Hintergrund, keine Belege
  2. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 52 %beantwortet teilweise oder widerspricht
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 22 %gleiches Oberthema, hilft nicht
    • Luna 38 %Hintergrund, keine Belege
    • JEV 51 %beantwortet teilweise oder widerspricht
    • amos 33 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 38 %gleiches Oberthema, hilft nicht
    • d3-ultra 53 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 25 %Hintergrund, keine Belege
    • Luna 25 %nur am Rande erwähnt
    • JEV 42 %einzelne zitierbare Belege
    • amos 27 %gleiches Oberthema, hilft nicht
    • SubQ 40 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 63 %gleiches Oberthema, hilft nicht
  2. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 22 %Hintergrund, keine Belege
    • Luna 33 %Hintergrund, keine Belege
    • JEV 36 %einzelne zitierbare Belege
    • amos 24 %Hintergrund, keine Belege
    • SubQ 32 %gleiches Oberthema, hilft nicht
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra 45 %gleiches Oberthema, hilft nicht
Beteiligung und Gemeinwohl
  1. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 26 %Hintergrund, keine Belege
    • JEV 59 %beantwortet teilweise oder widerspricht
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →