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.com18. Juli 2026 · Q011243

I Stopped “Prompting” AI to Write Code. I Built an Agentic Coding System Instead.

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Bericht empfiehlt, Coding-Agenten mit Projektdokumentation, festen Abläufen, Tests, unabhängigen Reviews, Automatisierung und Feedbackschleifen in eine strukturierte Arbeitsumgebung einzubetten. Der Autor behauptet, dies mache sie verlässlicher und teamähnlicher, belegt die Vorteile im Text aber nicht mit Messungen oder Fallstudien.

Mittel

Der Autor argumentiert, dass bessere Ergebnisse mit KI-Coding-Agenten vor allem durch ein gutes Arbeitsumfeld entstehen und nicht durch immer ausgefeiltere Prompts. Dazu empfiehlt er eine AGENTS.md als Wegweiser zu Projektdokumentation, einen festen Ablauf von Recherche und Planung bis zu Tests und Review sowie die laufende Aktualisierung der Dokumentation. Agenten sollen die Anwendung ausführen, Tests ergänzen, Linter zur Fehlerbehebung nutzen und ihre Arbeit von anderen Rollen oder Agenten prüfen lassen. Sitzungsnotizen, Feedback, Automatisierungen und eine priorisierte Aufgabenliste sollen Unterbrechungen abfedern und wiederkehrende Arbeit reduzieren. Weitere Vorschläge sind regelmäßige Codebasisprüfungen, festgelegte Konventionen, visuelle Regressionstests, Leistungsbenchmarks und Profiling vor Optimierungen. Zum Ende einer Arbeitsschicht soll eine umfassende Validierung erfolgen. Der Bericht versteht dies als Weg, Agenten stärker in Teamabläufe einzubinden. Er beschreibt jedoch Empfehlungen und behauptete Vorteile, ohne Vergleichsmessungen oder Fallstudien vorzulegen; die Wirkung ist im Text daher nicht empirisch belegt.

Ausführlich lesen

Der Bericht vertritt die These, dass zuverlässigeres KI-gestütztes Programmieren weniger von ausgefeilten Einzelprompts abhänge als von einer gut eingerichteten Arbeitsumgebung. Der Autor vergleicht Coding-Agenten mit neuen Entwicklern: Sie bräuchten Projektwissen, Werkzeuge, klare Abläufe und Überprüfung, statt lediglich einen Auftrag zu erhalten. Als Einstieg empfiehlt er eine AGENTS.md-Datei, die auf passende Dokumentation verweist, etwa zu Anmeldung, Datenbank, Oberfläche oder Bereitstellung. Ein einheitlicher Ablauf soll Aufgabenverständnis, Recherche im bestehenden Code, Planung, Umsetzung, Tests, Fehlerbehebung, Dokumentation, Review und Commit umfassen.

Zu den vorgeschlagenen Praktiken zählen außerdem, Dokumentation bei Änderungen aktuell zu halten, die Anwendung tatsächlich auszuführen und Tests fortlaufend zu ergänzen. Linter sollen Probleme möglichst automatisch beheben. Für die Prüfung empfiehlt der Autor getrennte Rollen oder Agenten, beispielsweise für Sicherheit, Leistung und Architektur, statt die Arbeit allein vom schreibenden Agenten kontrollieren zu lassen. Ein Sitzungsprotokoll soll festhalten, was erledigt ist und was noch aussteht, damit eine unterbrochene Aufgabe fortgesetzt werden kann. Rückmeldungen am Sitzungsende – etwa zu fehlender Dokumentation oder wiederkehrenden Fehlern – sollen den Arbeitsablauf verbessern.

Darüber hinaus schlägt der Bericht kleine Automatisierungen für Reviews und Projektzustandsprüfungen sowie regelmäßige Codebasis-Durchsichten auf Duplikate, uneinheitliche Benennung, Architekturabweichungen und offene TODOs vor. Festgehaltene Programmierkonventionen sollen einheitliche Erwartungen schaffen. Für autonomere Arbeit empfiehlt er eine priorisierte Aufgabenliste und eine orchestrierte Abfolge aus Recherche, Planung, Umsetzung, Tests, Review und Wiederholung. Weitere Kontrollen sollen schwache Tests aufdecken, visuelle Regressionen anhand von Screenshots erkennen und Leistungswerte wie Ladezeit, API-Latenz sowie Speicher- und CPU-Verbrauch messen. Optimierungen sollen laut Autor erst nach Profiling erfolgen. Zum Abschluss einer Arbeitsschicht nennt er umfassende Prüfungen wie Tests, Linting, Build, Benchmarks, Reviews, Dokumentations- und Screenshotkontrollen.

Das Ergebnis des Textes ist vor allem ein organisatorischer Vorschlag: Mit Dokumentation, standardisierten Abläufen, Werkzeugen, Prüfungen und Feedbackschleifen könne ein Coding-Agent eher wie ein Teammitglied arbeiten als wie ein Chatbot. Der Bericht formuliert diese Empfehlungen und Erwartungen, liefert im vorliegenden Text aber keine vergleichenden Messungen, Fallstudien oder Belege dafür, wie stark die beschriebenen Maßnahmen Produktivität oder Fehlerquote tatsächlich verändern. Auch Aufwand und Grenzen autonomer Nachtarbeit werden nicht näher untersucht. Die behaupteten Vorteile sind daher als Position des Autors und nicht als im Text nachgewiesene Resultate zu verstehen.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Abbildungen 2 bis 5 (Repos, .NET-Roadmap, Angular, NVIDIA-Modelle) haben keinen erkennbaren Bezug zum Haupttext und wurden nicht bewertet; die Einordnung stützt sich nur auf den Textkörper.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Kernthese, dass das Problem im System um das Modell liegt und nicht im Modell selbst.

In der Zusammenfassung, laut Prüfung nicht im Bericht belegt

  • Der Zweck der Notizen und der Aufgabenliste wird als Abfederung von Unterbrechungen beschrieben; der Bericht nennt dafür nur die Übergabe nach einem Absturz und die Priorisierung von Aufgaben.

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
Vorfälle melden
Fähigkeiten messen
  1. SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
    • clef 100 %kein Bezug
    • Luna 44 %Hintergrund, keine Belege
    • JEV 40 %einzelne zitierbare Belege
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 56 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • SF-F4-T03 Welche neue Prüfung braucht jeder Einsatz, wenn Fähigkeiten zunehmend im Nachdenken des Modells während der Nutzung stecken statt in einem einmal trainierten Modell, und würden die für ein festes Modell gebauten Freigabetests das noch erfassen? Luna: Stufe 3 · 39 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 0 · kein Bezug
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 29 %gleiches Oberthema, hilft nicht
    • Luna 47 %einzelne zitierbare Belege
    • JEV 25 %beantwortet teilweise oder widerspricht
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 42 %gleiches Oberthema, hilft nicht
    • drex 51 %gleiches Oberthema, hilft nicht
    • 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 49 %einzelne zitierbare Belege
    • JEV 32 %einzelne zitierbare Belege
    • amos 33 %gleiches Oberthema, hilft nicht
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 58 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt

  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 31 %gleiches Oberthema, hilft nicht
    • Luna 52 %einzelne zitierbare Belege
    • JEV 25 %gleiches Oberthema, hilft nicht
    • amos 31 %gleiches Oberthema, hilft nicht
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 53 %gleiches Oberthema, hilft nicht
    • d3-ultra 53 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

Vertrauen in Modelle
  1. 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 31 %nur am Rande erwähnt
    • JEV 46 %einzelne zitierbare Belege
    • amos 48 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 53 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 25 %gleiches Oberthema, hilft nicht
    • Luna 50 %einzelne zitierbare Belege
    • JEV 49 %beantwortet direkt und ausführlich
    • amos 25 %Hintergrund, keine Belege
    • SubQ 40 %gleiches Oberthema, hilft nicht
    • drex 29 %gleiches Oberthema, hilft nicht
    • d3-ultra 48 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

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 23 %gleiches Oberthema, hilft nicht
    • Luna 46 %einzelne zitierbare Belege
    • JEV 36 %beantwortet teilweise oder widerspricht
    • amos 25 %Hintergrund, keine Belege
    • SubQ 34 %gleiches Oberthema, hilft nicht
    • drex 28 %gleiches Oberthema, hilft nicht
    • d3-ultra 46 %gleiches Oberthema, hilft nicht

  2. SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
    • clef 32 %gleiches Oberthema, hilft nicht
    • Luna 42 %Hintergrund, keine Belege
    • JEV 43 %gleiches Oberthema, hilft nicht
    • amos 29 %nur am Rande erwähnt
    • SubQ 41 %gleiches Oberthema, hilft nicht
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra 47 %gleiches Oberthema, hilft nicht
  3. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 28 %gleiches Oberthema, hilft nicht
    • Luna 40 %Hintergrund, keine Belege
    • JEV 35 %gleiches Oberthema, hilft nicht
    • amos 33 %gleiches Oberthema, hilft nicht
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra 48 %gleiches Oberthema, hilft nicht
Modelle teilen und schützen
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 44 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. 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 27 %gleiches Oberthema, hilft nicht
    • JEV 31 %einzelne zitierbare Belege
    • amos 48 %gleiches Oberthema, hilft nicht
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 53 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Wirtschaft und Haftung

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 →