Ein Coding Agent ist ein KI-System, das Code über mehrere Schritte hinweg schreiben, bearbeiten, ausführen und debuggen kann, ohne dass ein Mensch jeden einzelnen Schritt steuert. Es arbeitet in einer Schleife: Code generieren, ausführen, die Ausgabe lesen und überarbeiten, bis ein Ziel erreicht ist oder das System nicht weiterkommt.
Unterschied zu einem Code-Vervollständigungstool
Die meisten Entwickler haben KI bereits genutzt, um eine Zeile automatisch zu vervollständigen oder auf Anfrage eine Funktion zu generieren. Das ist eine einmalige Interaktion: Sie geben einen Prompt ein, das Modell antwortet, Sie entscheiden, was Sie behalten.
Ein Coding Agent geht weiter. Er verfolgt ein Ziel, unterteilt es in Schritte, nutzt Tools (eine Shell, ein Dateisystem, einen Browser, eine API) und arbeitet diese Schritte über viele Iterationen ab. Er kann Abhängigkeiten installieren, Tests ausführen, Fehlermeldungen lesen und es erneut versuchen. Der Mensch ist möglicherweise nur am Anfang und am Ende eingebunden.
Das ist näher an Agentic Coding als an assistiertem Schreiben.
Welche Tools ein Coding Agent typischerweise verwendet
- Datei lesen und schreiben (Erstellen, Bearbeiten, Löschen von Dateien in einer Codebase)
- Shell-Ausführung (Ausführen von Befehlen, Skripten, Test-Suites)
- Websuche oder Dokumentationsabfrage
- Externe APIs oder Dienste
- Manchmal: Starten von Sub-Agents für parallele Aufgaben
Der Agent entscheidet anhand des aktuellen Aufgabenstatus, welche Tools er aufruft.
Was dabei tatsächlich passiert
Im Hintergrund führt der Agent wiederholt Aufrufe an ein Sprachmodell durch. Jeder Aufruf enthält das ursprüngliche Ziel, den bisherigen Verlauf und den aktuellen Kontext: Dateiinhalte, Fehlerausgaben, Testergebnisse. Dieser akkumulierte Kontext ermöglicht es dem Agent, schrittübergreifend zu denken, anstatt jedes Mal von vorne zu beginnen.
Größe und Struktur dieses Kontexts sind entscheidend. Ein schlecht verwaltetes Context Window kann dazu führen, dass der Agent frühere Entscheidungen aus dem Blick verliert oder bereits erledigte Arbeit wiederholt.
Wo Coding Agents in der Praxis eingesetzt werden
Typische Anwendungsfälle sind:
- End-to-End-Entwicklung und Ausführung eines neuen Features auf Basis eines definierten Tickets
- Refactoring eines Moduls und Überprüfung, ob die Tests weiterhin bestehen
- Debugging einer fehlgeschlagenen CI-Pipeline
- Generieren von Boilerplate-Code für einen neuen Service
- Analyse und Behebung eines gemeldeten Bugs mit einem Reproduktionsskript
Anspruchsvollere Einsatzbereiche umfassen länger laufende Aufgaben, größere Codebasen oder Agents, die Arbeit untereinander weitergeben. Dies birgt mehr Risiko, da sich Fehler über Schritte hinweg summieren und schwieriger zu erkennen sein können.
Die wesentlichen praktischen Risiken
Coding Agents können Ausgaben erzeugen, die korrekt wirken, es aber nicht sind. Sie bestehen möglicherweise ihre eigenen Tests, übersehen dabei aber Randfälle. Sie können Änderungen über viele Dateien hinweg vornehmen, von denen einige auf eine Weise interagieren, die der Agent nicht berücksichtigt hat. Und da die Arbeit schnell und ohne Kommentierung stattfindet, hat ein Reviewer, der nur den abschließenden Diff sieht, möglicherweise kaum Einblick in die zugrunde liegende Logik.
Deshalb erfordert das Review von KI-generiertem Code andere Gewohnheiten als das Review von Code, den ein Kollege Schritt für Schritt geschrieben hat. Der Diff kann umfangreich, in sich konsistent und in einem bestimmten Bereich mit Überzeugung falsch sein.
Menschliche Kontrolle an definierten Punkten, nicht nur am Ende, reduziert dieses Risiko. Mehr dazu, wie Teams das strukturieren, finden Sie unter human-in-the-loop engineering.
Was wir prüfen
Coding-Agenten verändern, worauf wir bei der Bewertung von Engineers achten. In Sitzung 1 arbeiten Kandidaten ohne KI-Tools, damit wir Grundlagen wie Debugging und Priorisierung direkt bewerten können. In Sitzung 2 arbeiten sie mit ihren üblichen KI-Tools, und wir bewerten Aspekte wie die Verifizierung von KI-Output und Tool-Orchestrierung: ob sie plausiblen, aber fehlerhaften generierten Code erkennen, und ob sie wissen, was sie an einen Agenten übergeben gegenüber dem, was sie selbst schreiben sollten. Vollständige Details finden Sie unter how we vet.
Kurze Antworten
Ist ein Coding Agent dasselbe wie GitHub Copilot?
Nein. Copilot und ähnliche Tools vervollständigen oder generieren Code als Reaktion auf einen Prompt. Ein Coding Agent arbeitet autonom über mehrere Schritte, führt Code aus, liest die Ausgabe und überarbeitet, ohne dass ein Mensch jeden Schritt steuert.
Kann ein Coding Agent mit einer bestehenden Codebase arbeiten?
Ja, allerdings hängt die Effektivität von der Größe der Codebase, der Qualität der Dokumentation und der Fähigkeit des Agents ab, sich in einer unbekannten Struktur zurechtzufinden. Größere oder schlecht dokumentierte Codebasen erhöhen das Risiko, dass der Agent Änderungen vornimmt, die bestehenden Konventionen widersprechen.
Ersetzen Coding Agents Entwickler?
Derzeit nicht. Sie bewältigen klar abgegrenzte, gut spezifizierte Aufgaben ausreichend gut, benötigen aber einen Entwickler, der Ziele festlegt, Ergebnisse prüft und eingreift, wenn der Agent Fehler macht. Die geforderten Fähigkeiten verschieben sich; der Bedarf an Urteilsvermögen bleibt.
