So arbeite ich mit Teams

KI verstärkt, was in Ihrer Entwicklung schon da ist

Die meisten Teams führen KI-Werkzeuge ein und hoffen auf Tempo. Was tatsächlich passiert, hängt weniger am Modell als am Weg in die Produktion. Wo Tests, Linting und Sicherheitsprüfungen automatisiert erzwungen werden, wird ein Team mit KI messbar besser. Wo diese Schranken fehlen, entsteht schneller mehr Code, den niemand mehr verantworten kann.

Ich setze deshalb nicht bei der Toolauswahl an, sondern bei Ihrer Auslieferungsstrecke.

1. 01

   Bestandsaufnahme

   Messen, bevor irgendetwas eingeführt wird. Ohne Zahlen vor dem Rollout ist jede spätere Effizienzaussage eine Behauptung, auch meine.

2. 02

   Härten

   Tests, Linting, Sicherheitsanalyse und Review-Regeln laufen automatisiert in der Pipeline und gelten für menschlichen und maschinell erzeugten Code gleichermaßen. Damit wird die Herkunft des Codes zur Nebensache.

3. 03

   Einführen

   Wir arbeiten in Ihren Repositories, nicht an Beispielprojekten. Am Ende steht ein produktives Setup in Ihrem Code, das Ihr Team ohne mich weiterbetreiben kann.

Welches KI-Coding-Tool sollen wir einsetzen?

Meist die falsche erste Frage. GitHub Copilot, Claude Code, Cursor und Codex bilden inzwischen dieselben Bausteine ab — Instruktionsdateien, spezialisierte Agenten, wiederverwendbare Prompts, Guardrails, Werkzeuganbindung über MCP. Unterschiedlich sind Lizenzmodell, Integration in Ihre bestehende Infrastruktur und Ihre Datenschutzanforderung. Ich beantworte das für Ihren Kontext und baue das Setup so, dass ein Anbieterwechsel kein neues Projekt wird.

Wie viel schneller wird unser Team?

Dazu nenne ich keine Zahl, und ich wäre skeptisch bei jedem, der das vor dem Blick auf Ihre Pipeline tut. Die sauberste kontrollierte Studie zum Thema misst bei erfahrenen Entwicklern in vertrauten Codebasen eine längere Bearbeitungszeit — bei der festen Überzeugung, schneller zu sein. Ohne Ausgangsbasis vor dem Rollout ist jede Effizienzaussage eine Behauptung, auch meine. Deshalb beginnt die Arbeit mit dem Messen.

Unsere Testabdeckung ist schwach. Müssen wir das erst reparieren?

Nicht vorher, sondern parallel. Ohne belastbare Tests wird KI zum Beschleuniger in die falsche Richtung: mehr Code pro Tag, den niemand prüfen kann. In den meisten Projekten, die ich sehe, ist die Testlage der eigentliche Engpass und nicht das Modell. Testautomatisierung gehört deshalb zur KI-Arbeit dazu und ist keine Vorbedingung, die Sie vorher abschließen müssten.

Darf unser Code das Haus verlassen?

Er muss es nicht. Neben den Modellen von Anthropic, OpenAI und Google arbeiten wir mit offenen Modellen, die Sie in Ihrer eigenen Infrastruktur oder in einer europäischen Cloud betreiben. Wo die Anforderung streng ist, richten wir lokal betriebene Modelle ein.

Wie verhindern wir, dass ein Agent etwas zerstört?

Indem man es technisch unmöglich macht, statt freundlich darum zu bitten. Je eigenständiger ein KI-Werkzeug arbeitet, desto weniger trägt eine Anweisung im Prompt. Rechte, Sandboxing, Lifecycle-Hooks, die Tool-Aufrufe vor der Ausführung abfangen, und automatisierte Prüfschritte in der CI sind die Schranken, die halten. Eine Zeile im Prompt ist keine Sicherheitsgrenze.

Wie läuft ein Projekt ab?

Es beginnt mit 20 Minuten über den Ist-Stand Ihres Teams, danach mit einer Bestandsaufnahme Ihrer Auslieferungsstrecke. Die Maßnahmen richten sich anschließend nach Ihrer Situation und nicht nach einem festen Paket. Die Umsetzung erfolgt über die SHI GmbH, wo ich den Geschäftsbereich AI Engineering & Developer Productivity verantworte.