Agentic Coding ist eine Form der Softwareentwicklung, bei der ein KI-Agent ein Ziel erhält, es in Teilschritte zerlegt, Code schreibt, ihn ausführt, die Ausgabe liest und iteriert, ohne dass ein Mensch jeden einzelnen Schritt steuert. Der Engineer legt das Ziel fest und prüft das Ergebnis; der Agent übernimmt die Zwischenschritte.
Unterschied zum assistierten Coding
Die meisten KI-gestützten Coding-Tools reagieren auf eine einzelne Eingabe und liefern eine einzelne Antwort. Der Engineer entscheidet, was als Nächstes zu tun ist. Agentic Coding kehrt das um: Der Agent entscheidet, was als Nächstes zu tun ist, ruft Tools auf, führt Tests aus, liest Fehlermeldungen und passt seinen Ansatz in einer Schleife an. Der Mensch greift wieder ein, wenn die Schleife endet oder etwas schiefläuft.
Dies wird manchmal als Coding Agent bezeichnet und setzt voraus, dass das Modell Zugriff auf eine Reihe von Tools hat: einen Code-Executor, ein Dateisystem, ein Terminal, manchmal einen Browser oder eine externe API.
So sieht die Schleife in der Praxis aus
Ein typischer agentischer Programmierzyklus läuft in etwa wie folgt ab:
- Der Engineer gibt ein Ziel vor: „Füge dem Zahlungs-Endpunkt ein Rate-Limiting mit Tests hinzu.“
- Der Agent liest die relevanten Dateien, um den bestehenden Code zu verstehen.
- Es erstellt einen Plan und schreibt anschließend den Code.
- Es führt die Tests aus. Wenn diese fehlschlagen, liest es die Fehlermeldung und versucht es erneut.
- Es gibt einen Diff oder eine Zusammenfassung zurück, die der Engineer prüfen kann.
Die Anzahl der Schritte zwischen menschlichen Eingaben kann je nach Aufgabe und Tool zwischen drei oder vier und mehreren Dutzend liegen.
Die Bedeutung des Kontextfensters
Agentische Schleifen füllen den Kontext schnell. Jeder Tool-Aufruf, jede Fehlermeldung, jede gelesene Datei fügt Tokens hinzu. Ein lang laufender Agent auf einer komplexen Codebasis kann das Kontextfenster eines Modells erschöpfen. In diesem Fall fallen frühere Informationen heraus, und der Agent verliert den Überblick darüber, was er bereits getan hat. Zu steuern, was bei jedem Schritt in den Kontext aufgenommen wird und was zusammengefasst oder verworfen wird, ist eine praktische technische Anforderung und kein nachträglicher Gedanke.
Mögliche Fehlerquellen
Die wesentlichen Risiken sind nicht dramatischer Natur. Sie sind stiller:
- Der Agent schließt eine Aufgabe zuverlässig ab, die nicht ganz der Absicht entsprach, weil die Anforderung mehrdeutig war.
- Er nimmt eine Änderung in einer Datei vor, die eine Annahme in einer anderen Datei bricht, die er nicht gelesen hat.
- Er besteht seine eigenen Tests, weil er sowohl den Code als auch die Tests auf der Grundlage desselben Missverständnisses geschrieben hat.
- Er wiederholt eine Schleife bei einem fehlschlagenden Test, nimmt zunehmend spekulative Änderungen vor und erzeugt einen Diff, der schwieriger zu prüfen ist als das ursprüngliche Problem.
Nichts davon ist spezifisch für agentisches Coding, aber die autonome Schleife bedeutet, dass sich Fehler häufen können, bevor ein Mensch sie sieht. Deshalb ist das Prüfen von KI-generiertem Code und die Aufrechterhaltung eines Menschen in der Schleife an sinnvollen Kontrollpunkten umso wichtiger, je leistungsfähiger Agenten werden.
Das Verhältnis zum Vibe Coding
Vibe Coding wird manchmal mit agentischem Coding verwechselt. Der Unterschied liegt in der Absicht, nicht im Tool. Agentisches Coding ist ein technisches Muster: ein Agent mit Tool-Zugriff, der über mehrere Schritte hinweg arbeitet. Vibe Coding beschreibt eine Arbeitsweise, bei der der Engineer Ergebnisse mit minimaler Prüfung übernimmt. Ein agentisches Tool lässt sich sorgfältig oder nachlässig einsetzen. Das Tool bestimmt nicht den Qualitätsstandard der Arbeit.
Was wir prüfen
Agentisches Coden verändert, was ein Eignungsprozess messen muss. Unser how we vet-Prozess umfasst zwei Sitzungen: eine Grundlagenbewertung ohne KI-Tools und eine AI-native-Bewertung mit ihnen. Die zweite Sitzung ist der Ort, an dem agentische Arbeit direkt sichtbar wird. Wir bewerten die Verifizierung von KI-Output, weil kompilierender generierter Code nicht dasselbe ist wie korrekter Code, und risikoorientiertes Urteilsvermögen, weil ein Agent eine Zahlungsmigration und eine Textänderung mit derselben Geschwindigkeit und demselben Selbstbewusstsein produziert. Ein Engineer muss beides unterschiedlich behandeln.
Kurze Antworten
Ist agentisches Coding dasselbe wie die Verwendung von GitHub Copilot?
Nein. Copilot und vergleichbare Tools vervollständigen einzelne Prompts und geben die Kontrolle sofort zurück. Agentisches Coding bedeutet, dass die KI mehrere Aktionen nacheinander ausführt, Code ausführt und Ergebnisse liest, bevor sie zum Engineer zurückkehrt.
Benötigt man ein spezielles Tool für agentisches Coding?
In der Praxis ja. Der Agent benötigt Zugriff auf Tools: einen Code-Executor, ein Dateisystem, ein Terminal oder Ähnliches. Standard-chatbasierte KI-Modelle ohne Tool-Zugriff können keine agentischen Schleifen ausführen. Mehrere Produkte unterstützen dies inzwischen nativ.
Ist Agentic Coding für den Produktionseinsatz geeignet?
Es kann geeignet sein, wenn geeignete Prüfpunkte vorhanden sind. Das Risiko besteht darin, dass sich Fehler über mehrere Schritte hinweg aufschaukeln, bevor ein Mensch sie überprüft. Engineers müssen Aufgaben sorgfältig abgrenzen, Diffs kritisch prüfen und eine bestandene Test-Suite nicht als ausreichende Validierung betrachten.
