Ein klassisches Hydra-Ticket — einen Bug fixen, zwei neue finden. Nach drei manuellen QA-Runden haben wir einem Agent die OpenAPI-Spec gegeben und ihn gebeten, uns zu überraschen. Hat er.
Zwei EC2-Instanzen, unterschiedliche CPU-Architekturen, Docker-Images mit eingebackenen Umgebungsvariablen. In einer agentic Session haben wir das auf einen Server, ein Image, zwei Umgebungen und 72 KB Konfiguration reduziert.
Ein Senior-Entwickler mit 20 Jahren Erfahrung konnte es nie rechtfertigen, Nebenprojekte allein zu bauen. Dann hat KI die Rechnung verändert — und jetzt pflegt ein befreundeter Nicht-Entwickler eigenständig seine eigene Website.
Wir haben CodeWithAgents.de in einer einzigen Session von React auf Astro migriert — nicht weil etwas kaputt war, sondern weil 98/100 bei PageSpeed einfach nicht gut genug ist.
Auf jeder Stufe der KI-Entwicklungsreise gibt es eine unsichtbare Decke. Die überwindest du nicht durch härter Arbeiten — sondern wenn dir jemand von außen zeigt, dass sie überhaupt existiert.
Wir haben das Coding automatisiert. Die PRs. Die CI. Jetzt auch das Browser-Testing — und der Agent hat 307 Interaktionen durchgezogen, ohne einmal zu murren.
Wir betreiben 18 AI-Agents mit klar definierten Rollen und Logging. Es funktioniert — bisher. Warum weiche Constraints irgendwann nicht mehr reichen und was wir als Nächstes bauen: Docker-basiertes Sandboxing für Agents, bei denen gutes Benehmen allein keine Garantie ist.
Ein AI-Agent hat unser Blog-System gebaut. Es hat funktioniert. Es hat auch eine tickende Zeitbombe mitgeliefert. Warum menschliche Expertise im Zeitalter des Agentic Engineering wichtiger wird — nicht unwichtiger.
Eine chronologische Aufzeichnung, wie ich von KI als schlaue Autovervollständigung zu 18 spezialisierten Agenten in einer Produktionspipeline gekommen bin.
Claude Code merkt sich jetzt Dinge, die du ihm nicht explizit gesagt hast. Für interaktive Nutzung ist das praktisch. Für autonome Pipelines ist es ein ganz anderes Problem.