Warum Agentic Engineering alles ändert

Wer glaubt, dass KI-gestützte Entwicklung nur schnelleres Coden bedeutet, hat das Spiel nicht verstanden. Die eigentliche Herausforderung liegt nicht im Prompt, sondern im Engineering: Wie schafft man Umgebungen, in denen Agenten verlässlich qualitativ hochwertigen Code produzieren? Cleanup-Crews, die automatisch refactorn, Retrospektiven mit Agenten und Produktionsstraßen statt Einzelfeatures sind die neuen Werkzeuge – aber nur, wenn die Architektur stimmt. Denn die Dora-Studie zeigt brutal klar: Mit schlechten Prinzipien wird man durch AI nur schneller schlechter.

Podcast Episode: Warum Agentic Engineering alles ändert

In dieser Episode spreche ich mit Benedikt Stemmildt über Agentic Engineering – und warum “Vibecoding” der falsche Begriff für das ist, was gerade wirklich passiert. Benedikt zeigt, dass es nicht um schnelleres Coden geht, sondern um Architektur, Qualitätssicherung und das Schaffen von Umgebungen, in denen KI-Agenten guten Code produzieren. Wir sprechen darüber, warum Cleanup-Crews wichtiger sind als perfekte Prompts, wie Retrospektiven mit Agenten funktionieren und warum Teams sich plötzlich auf die Füße treten, wenn alle gleichzeitig agentisch arbeiten.

„Wenn du schlechte Prinzipien hast und AI anwendest, dann wirst du schneller schlechter. Und wenn du gute Prinzipien hast, wirst du schneller besser.” - Benedikt Stemmildt

Als Technologe seit Kindheitstagen widmet Benedikt Stemmildt sich seit über 20 Jahren der Aufgabe, die Arbeitswelt von Entwicklern zu verbessern. Developer Experience ist seine Leidenschaft: Seine Mission ist es, Teams dabei zu unterstützen, die neue Arbeitsweise des „Agentic Software Engineering“ zu adaptieren und gewinnbringend einzusetzen.

Highlights der Episode

• Agentic Engineering ersetzt Vibe Coding: Es ist Architekturarbeit, keine spontane Code-Generierung mehr.
• Mit schlechten Prinzipien macht AI dich schneller schlechter – mit guten schneller besser.
• Code-Qualität entsteht durch Cleanup-Agenten, die kontinuierlich Deduplizierung und Refactoring übernehmen.
• Teams von fünf Entwicklern mit Agenten stehen sich auf den Füßen – kleinere Cross-Functional-Einheiten funktionieren.
• Konfigurationen nach Modell-Updates wegwerfen: Neue Defaults können besser sein als alte Skills.

Agentic Engineering: Wie KI die Softwareentwicklung und Qualität verändert

Von “Vibe Coding” zu Agentic Engineering

In der Welt der Softwareentwicklung treffen ständig neue Begriffe auf alte Prinzipien. Neues entsteht, Altes bleibt nützlich, vieles wird ausprobiert. Ein gutes Beispiel dafür ist der Wandel von “Vibe Coding” hin zu “Agentic Engineering”. Während “Vibe Coding” eher als lose kreative Interaktion mit generativer KI verstanden wurde, bringt “Agentic Engineering” das Ingenieursdenken zurück in die Diskussion. Der Fokus verschiebt sich: Es geht nicht länger nur darum, Code zu erzeugen, sondern um den kompletten Prozess dahinter – mit Qualität, Architektur und Systematik.

Die Bedeutung von Prinzipien – schneller gut oder schneller schlecht?

Wenn KI-gestützte Tools in der Softwareentwicklung eingesetzt werden, passiert das nicht im luftleeren Raum. Die alten Prinzipien wie Codequalität, saubere Architektur und gut gewählte Teams zählen weiterhin. Wie Benedikt Stemmildt im Podcast betont, verstärkt der Einsatz von KI die Effekte dieser Prinzipien: Wer schon schlechte Praktiken hat, produziert mit KI schneller noch schlechteren Code. Wer gute Prinzipien lebt, bekommt von der KI hingegen einen Schub nach oben. Kurz: KI beschleunigt die Richtung, in die ein Team ohnehin unterwegs ist.

Aufräum-Agents: Qualität entsteht nach dem ersten Wurf

Ein spannender Aspekt des Agentic Engineering ist das “Cleanup”- oder Aufräumprinzip. Der erste Entwurf muss nicht perfekt sein – genau wie in agilen Methoden entscheidet das Nacharbeiten. Hier bekommt die Entwicklung Unterstützung von KI-Agenten, die automatisiert Fehler finden, Redundanzen beseitigen und Tests generieren. Statt menschlicher Clean-Code-Engineers übernehmen spezialisierte Agenten die Aufgabe, die Codebasis schlank und übersichtlich zu halten. Entwicklern bleibt dadurch mehr Freiraum für Experimente und Kreativität.

Modelle, Tools und der richtige Umgang mit neuen Features

Die Diskussion um das jeweils neueste KI-Modell ist heiß, aber nicht alles dreht sich nur um Wechsel und Upgrades. Benedikt Stemmildt empfiehlt, bei neuen Modellen mit leeren Einstellungen zu starten, um sich mit ihrem Verhalten vertraut zu machen, statt alte, eventuell hinderliche Gewohnheiten mitzuschleppen. Zudem bietet Agentic Engineering die Möglichkeit, Softwareentwicklungsstraßen zu bauen: Eine Prozesskette, in der verschiedene KI-Modelle gezielt für unterschiedliche Aufgaben eingesetzt werden – zum Beispiel für Planung das leistungsfähigste, für Routine-Jobs das schnellste und günstigste Modell. Das erlaubt flexible und effiziente Entwicklung, ohne an starre Abläufe gebunden zu sein.

Teamdynamik, Organisation und die neuen Rollen

Mit mehr Automatisierung und KI im Team kommen auch organisatorische Fragen auf. Teams müssen heute kleiner, cross-funktional und flexibler werden, um mit der Geschwindigkeit und Parallelität mitzuhalten, die KI ermöglicht. Konflikte etwa durch kollidierende Änderungen im Code können KIs bereits gut lösen – doch Überblick, Fokus und Steuerung bleiben menschliche Aufgaben. Klassische Aufteilungen wie Frontend- und Backend-Teams stoßen dabei schnell an ihre Grenzen, wenn alles enger zusammenwächst oder ein Agent das Teamwork teilweise übernimmt.

Qualitätssicherung im Wandel: Von Tests zu Feedbackschleifen

Bei klassischen Softwaretests ging es immer um klare Ausgangspunkte und erwartete Ergebnisse. Mit KI-generiertem oder durch KIs optimiertem Code verändert sich dieser Ansatz. Es gibt mehr Varianten, mehr Feedbackschleifen, kleinere Iterationen. Man testet öfter, automatisierter und dynamischer. Gute Teams verschieben Tests weit nach vorne ins Entwicklungsstadium (“Shift Left”), um mit dem KI-Tempo mitzuhalten. Wer das verpasst, bleibt mit Bergen von Pull Requests und langwierigen QA-Abnahmen zurück.

Die Rolle des klassischen Entwicklers verschiebt sich. Viele “Handgriffe” übernimmt künftig die KI. Die entscheidenden Fähigkeiten werden, gute Umgebungen zu schaffen und Prinzipien vorzuleben, die Qualität und Effizienz fördern. Das ist und bleibt Architekturarbeit, nur eben eine Stufe höher – und oft im Zusammenspiel mit intelligenten Agenten. Unternehmen, die jetzt ihre Teams, Prinzipien und Prozesse anpassen, profitieren doppelt vom Fortschritt. Die anderen riskieren, schneller ins Chaos zu rutschen.