Status Quo der KI-basierten Software-Entwicklung

Chapter Meeting Stuttgart - Softwareallianz

Frederik Wystup

MeiLuft GmbH & Co. KG

Worum geht es heute?

  • AI-Coding-Tools entwickeln sich monatlich weiter
  • Zentrale Frage: Wie setzen wir diese strategisch ein?
  • Von der Idee zur App in Minuten - aber professionell
  • Context-Engineering ist entscheidender als der Code selbst
  • KI als "Junior-Entwickler" im Team

Über mich

Frederik Wystup

  • Ingenieur & Unternehmer
  • Mitgründer MeiLuft GmbH & Co. KG
  • Wissenschaftlicher Betreuer DHBW Mosbach
  • 25+ Jahre IT-Erfahrung

Schwerpunkte

  • Elektronenoptische Sensoren
  • KI für Steuerung & Bildauswertung
  • KI-gestützte Entwicklung
  • Open-Source AI-Coding Tools

Typische Herausforderungen

Die Sie vielleicht kennen...

  • Teure Nachbesserungen in Softwareprojekten
  • Team-Skalierung - Die richtigen Leute zur richtigen Zeit
  • Integration neuer Technologien - KI, Cloud, DevOps
  • Kostenkontrolle bei steigender Komplexität
  • Geschwindigkeit - Time-to-Market vs. Qualität
  • Erwartungshaltung - "Kann man das nicht mit ChatGPT bauen?"

→ AI-Coding kann hier helfen - wenn man es richtig einsetzt

Die Antwort auf alles...

42

Ohne Context bekommt man nur "42"

Warum Context wichtiger ist als Code

Context Engineering = Die Kunst, der KI den richtigen Kontext zu geben

  • Projekt-Struktur & Architektur-Entscheidungen
  • Coding-Standards & Best Practices
  • Testing-Anforderungen (TDD, Coverage, E2E)
  • Security & Quality Gates
  • Business-Domain & Fachlogik

→ Context-Dokumentation ist wertvoller als der generierte Code!

Die Evolution des AI-Codings

Stufe 1: Vibe Coding

ChatGPT
Gemini
Grok (X.AI)
MS Copilot
  • Rein browser-basiert, kein Setup nötig
  • Schnell & einfach - Code per Copy & Paste
  • Gut für Prototypen & Experimente
  • Aber: "App in 5 Minuten" ≠ Produktionsreife

"Warum ist Software eigentlich so teuer? Man kann doch jetzt alles in 5 Minuten bauen..."

→ Die Frage, die Ihre Kunden stellen

Die Evolution des AI-Codings

Stufe 2: Integrierte Plattformen

bolt.new
Google AI Studio
Replit
  • Integrierte Entwicklungsumgebung im Browser
  • Direkte Preview & Deployment
  • Noch immer primär "Vibe Coding"
  • Limitation: Vendor Lock-in, wenig Kontrolle

Die Evolution des AI-Codings

Stufe 3: Agentic Coding 🎯

Claude Code
Gemini CLI
GitHub Copilot Workspace
  • Tool-Zugriff: KI kann Dateien lesen, schreiben, testen, committen
  • Context-Aware: Versteht Projekt-Struktur & Abhängigkeiten
  • Iterativ: Plan → Implement → Test → Fix-Zyklen
  • Governance: Hooks, Guards, Human-in-the-Loop

→ Das ist professionelle AI-gestützte Entwicklung

Vendor Lock-in vermeiden

Multi-Tool-Strategie für professionelle Entwicklung

⚠️ Das Problem

  • Claude Code ist aktuell sehr gut - aber alles hängt an Anthropic
  • Risiken: Server-Ausfälle, API-Änderungen, Preisänderungen, Verfügbarkeit
  • Abhängigkeit von einem einzigen Anbieter = Geschäftsrisiko

✅ Multi-Tool-Ansatz

  • Claude Code, Gemini CLI
  • Continue, Cline, Aider
  • OpenAI Codex
  • Immer Alternativen parat

🖥️ Lokale LLMs

  • Qwen, DeepSeek, Llama
  • Fast so gut wie Cloud-LLMs
  • Volle Kontrolle & Datenschutz
  • GPU-Hardware nötig (vor Ort oder gemietet)

DEMOXaresAICoder

Open-Source Tool für professionelle AI-Coding Sandboxes

Per Knopfdruck:

  • Isolierte Docker-Entwicklungsumgebung
  • Vorinstallierte Tools (Git, Node, Python, etc.)
  • Claude Code / Gemini CLI Integration
  • Sichere Sandbox für Experimente

github.com/dg1001/xaresaicoder

DEMOhn-gems Projekt

Bestehende Projekte mit AI weiterentwickeln

Aufgabe: Deutsche Audio-Version zum bestehenden Podcast hinzufügen

  • Projekt in XaresAICoder laden
  • Claude Code mit Context versorgen
  • Implementierung: Text-to-Speech für Deutsch
  • Testing & Iteration
  • Git Commit mit AI-generierter Message

github.com/DG1001/hn-gems

BMAD-METHOD

"Breakthrough Method for Agile AI Driven Development"

19+ Agents

Spezialisierte KI-Personas

50+ Workflows

Guided Prozesse

20.8k ⭐

GitHub Stars

Scale-Adaptive Intelligence

  • Quick Flow: Bug Fixes, Small Features
  • BMad Method: Products, Platforms (PRD + Architektur + UX)
  • Enterprise: Compliance, Security, DevOps

github.com/bmad-code-org/BMAD-METHOD

Ralph - Die While-Loop Technik

Iterative AI-Coding-Automation

Das Konzept

while :; do cat PROMPT.md | npx --yes @sourcegraph/amp ; done

Kontinuierliche Iteration: Prompt → Ausführen → Lernen → Verbessern

✅ Einsatzgebiete

  • Prototypen entwickeln
  • Greenfield-Projekte starten
  • Neue Programmiersprachen lernen
  • Experimentieren mit neuen Technologien

💡 Prinzip

  • Deterministische Fehler
  • Iteratives Verfeinern der Prompts
  • Wie Gitarre-Stimmen: Schritt für Schritt besser
  • Automatisierung repetitiver Aufgaben

ghuntley.com/ralph/

Was sagen Studien zu AI-Coding?

Wichtig: Die meisten Studien untersuchen "Vibe Coding" (Autocomplete), nicht "Agentic Coding"

✅ Positive Effekte

  • GitHub/Accenture 2024: 73% bleiben besser im Flow
  • 87% sparen mentale Energie bei repetitiven Tasks
  • Harness: 10.6% mehr PRs, 2.4% schnellere Zyklen
  • 60-75% fühlen sich erfüllter bei der Arbeit

⚠️ Kritische Befunde

  • GitClear 2025: 41% höhere Churn-Rate (mehr Überarbeitung nötig)
  • Medium 2024: 19% langsamer, aber glauben 20% schneller!
  • NYU: 40% des AI-Codes mit Security-Issues
  • Perception Gap: Gefühlte ≠ tatsächliche Produktivität

Fazit: AI-Coding hilft bei Flow & mentaler Entlastung, aber Code-Qualität und tatsächliche Geschwindigkeit müssen kritisch gemessen werden. Deswegen ist der Einsatz von Agentic Coding mit Governance wichtig, dies kann merklich bessere Ergebnisse liefern - aber dazu fehlen noch Langzeitstudien.

Agentic Governance

Context definieren, bevor die KI loslegt

  • Projekt-Context: Architektur, Tech-Stack, Patterns
  • Firma-Context: Standards, Security-Requirements, Compliance
  • Development-Context:
    • Testing: TDD, E2E, Coverage-Ziele
    • Quality Gates: Linting, Type-Checking, Reviews
    • Security: OWASP Top 10, Dependencies-Scanning
  • Review-Prozess: AI-unterstützt, aber Human approved

→ Nicht 100% auf KI verlassen. Mensch bleibt Architekt & Quality Gate.

Die richtige Erwartungshaltung

KI = Junior-Team-Mitglied (ohne Domain-Wissen)

Was KI kann ✓

  • Boilerplate Code generieren
  • Refactoring durchführen
  • Tests schreiben
  • Dokumentation erstellen
  • Bugs fixen (mit Context)
  • Schnell iterieren

Was KI nicht kann ✗

  • Architektur-Entscheidungen
  • Business-Domain verstehen
  • Komplexe Bugs debuggen
  • Trade-offs bewerten
  • Security-Risiken erkennen
  • Langfristig denken

Wichtig: KI ersetzt nicht den Junior, sondern ergänzt das Team!
Senior-Entwickler können sich auf high-value Tasks fokussieren.

Best Practices für KI-Entwicklung

✅ Do's

  • Context first: Detaillierte Projektbeschreibung
  • Iterativ entwickeln: Kleine Schritte, häufiges Feedback
  • Testing automatisieren: TDD mit KI-Unterstützung
  • Code Reviews: Mensch + KI
  • Dokumentation: Prompts und Entscheidungen dokumentieren
  • Experimentierfreude: Prototypen schnell erstellen

❌ Don'ts

  • Blind vertrauen: KI-Ergebnisse immer prüfen
  • Ohne Context: Keine detaillierten Anforderungen
  • Production direkt: Ohne Testing/QA
  • Security ignorieren: KI kennt nicht alle Risiken
  • Domain-Wissen: KI hat kein Fachwissen
  • Komplexität unterschätzen: Echte Projekte brauchen Struktur

Key Takeaways

  1. Context > Code - Dokumentation von Prompts & Context ist wertvoller als generierter Code
  2. Evolution verstehen - Von Vibe Coding zu Agentic Coding für Production-Quality
  3. Tools nutzen - XaresAICoder, Claude Code & Co für professionelle Workflows
  4. Governance etablieren - Context, Tests, Quality Gates VOR dem Coding definieren
  5. Richtige Erwartung - KI als Junior-Team-Member, nicht als Ersatz für Entwickler
  6. Experimentieren - Sandbox-Umgebungen nutzen, um sicher zu experimentieren

→ Teams für das "Agentic Age" rüsten

Fragen & Diskussion

Lassen Sie uns diskutieren!

Frederik Wystup

MeiLuft GmbH & Co. KG

GitHub: github.com/dg1001
XaresAICoder: github.com/dg1001/xaresaicoder
hn-gems: github.com/DG1001/hn-gems

Vielen Dank!

Viel Erfolg beim Experimentieren mit AI-Coding!

Softwareallianz Stuttgart Chapter Meeting
November 2025