Das Projekt untersucht das Programmieren mit KI als methodisch steuerbaren Entwicklungsprozess und nicht primär als Werkzeugnutzung. Im Fokus steht die systematische Beobachtung, wie sich KI-gestützte Codeerzeugung, -analyse und -iteration in reale Softwarearbeitsabläufe einfügt. Dabei werden sowohl technische Ergebnisse als auch Prozessmerkmale, Entscheidungslogiken und Kontrollmechanismen betrachtet. Das Projekt ist explorativ angelegt und entwickelt seine Fragestellungen iterativ entlang konkreter Praxisexperimente. Ziel ist es, belastbare Muster, Grenzen und Voraussetzungen für einen verantwortungsvollen und nachvollziehbaren Einsatz von KI im Programmieren herauszuarbeiten.
Motivation und Ausgangslage
Die zunehmende Leistungsfähigkeit generativer KI verschiebt das Programmieren von einer überwiegend manuellen Tätigkeit hin zu einer dialog- und promptbasierten Zusammenarbeit zwischen Mensch und System. Während erste Erfahrungen häufig auf Produktivitätsgewinne und schnelle Ergebnisse fokussieren, bleiben methodische Fragen weitgehend unbeantwortet. Insbesondere fehlt eine systematische Betrachtung, wie sich KI in bestehende Entwicklungslogiken integrieren lässt, ohne grundlegende Prinzipien wie Nachvollziehbarkeit, Qualitätssicherung und Verantwortung aufzugeben.
Das Projekt entstand aus der Beobachtung, dass viele Diskussionen auf Tool-Ebene verharren, während die eigentliche Veränderung auf der Ebene von Prozessen, Rollen und Entscheidungsstrukturen stattfindet.
Zielsetzung
- Untersuchung des Programmierens mit KI als prozessuale Abfolge von Entscheidungen, nicht als punktuelle Codegenerierung.
- Entwicklung eines methodischen Verständnisses dafür, wie KI-Beiträge bewertet, eingeordnet und begrenzt werden können.
- Identifikation stabiler Arbeitsmuster und Kontrollpunkte, die auch bei KI-generiertem Code Qualität und Nachvollziehbarkeit sichern.
- Analyse der Wechselwirkungen zwischen technischer Umsetzung, Dokumentation und Governance-Anforderungen.
- Schaffung einer belastbaren Grundlage, um KI-gestützte Programmierung reproduzierbar, überprüfbar und reflektiert einsetzen zu können.
Zentrale Fragestellungen
- Welche methodischen Schritte sind notwendig, um KI nicht nur zur Codeerzeugung, sondern zur strukturierten Weiterentwicklung von Software einzusetzen?
- Wie verändert sich der Charakter von Softwareartefakten, wenn wesentliche Teile nicht aus menschlicher Autorenschaft stammen?
- An welchen Stellen eines Entwicklungsprozesses ist explizite menschliche Intervention zwingend erforderlich?
- Wie lassen sich implizite Annahmen der KI sichtbar machen und kontrollieren?
- Welche neuen Anforderungen entstehen an Dokumentation, Versionierung und Entscheidungsnachweise?
- Ab wann werden Governance-Fragen integraler Bestandteil auch kleiner, experimenteller Projekte?
Ergebnisse und aktuelle Erkenntnisse
Im Rahmen dieses Vorhabens sind bereits zwei dokumentierte Zwischenstände entstanden:
- Der Artikel “Apps bauen mit Google Gemini Canvas” [1] beschreibt den initialen Einsatz von KI zur Erstellung eines lauffähigen Softwareprototyps. Im Fokus steht die Geschwindigkeit, mit der aus einer fachlichen Idee ein funktionierendes Artefakt entsteht, sowie die Beobachtung, dass frĂĽhe Erfolgserlebnisse methodische Fragen zunächst ĂĽberdecken. Der Beitrag dient als Referenz fĂĽr die Phase „Idee → funktionsfähiger Prototyp“.
- Der Beitrag “Programmieren mit KI: Vom KI-Prototyp zum echten Release” [2] dokumentiert die ĂśberfĂĽhrung des Prototyps in einen klassischen GitHub-basierten Entwicklungsprozess. Beschrieben werden Analyse, Pull-Request-basierte Ă„nderungen, Dokumentationsanpassungen und erste Release-Vorbereitungen. Der Schwerpunkt liegt auf den neu entstehenden Anforderungen an Nachvollziehbarkeit, Kontextmanagement und menschliche Kontrollpunkte.
Aktueller Status
Laufend – die grundlegende methodische Struktur ist etabliert und wird anhand weiterer Experimente verfeinert und erweitert.
Ausblick
Aufbauend auf den bisherigen Erkenntnissen verschiebt sich der Fokus des Projekts von der reinen Codeerzeugung hin zur methodischen Stabilisierung des Entwicklungsprozesses. Zentrale nächste Schritte betreffen den Umgang mit Kontext, die Bewertung von KI-generiertem Code, die Rolle von Tests und Dokumentation sowie erste Governance-relevante Fragestellungen. Ziel ist es, aus einzelnen erfolgreichen Abläufen belastbare Arbeitsmuster abzuleiten, die auch bei fortschreitender Iteration tragfähig bleiben.