Agentisches Engineering

Was ist Agentisches Engineering?

Agentisches Engineering ist die Disziplin, KI-Agenten durch Spezifikationen, Guardrails und Review zum Bau von Software anzuleiten, statt jede Zeile von Hand zu schreiben. Die Aufgabe des Ingenieurs verschiebt sich vom Tippen von Code hin zum Definieren, wie "richtig" aussieht, zum Einschränken dessen, was der Agent tun darf, und zum Verifizieren dessen, was er produziert hat. Das Rohmaterial für diese Verschiebung ist bereits überall vorhanden: Die Stack-Overflow-Umfrage 2025 fand heraus, dass 84 % der Entwickler KI-Tools in ihrem Workflow nutzen oder planen zu nutzen, gegenüber 76 % im Jahr zuvor [1].

Die wichtigsten Punkte

• Die Arbeitseinheit wechselt von Codezeilen zu Spezifikationen mit Abnahmekriterien. Die Spezifikation ist das Liefergut; der KI-Coding-Agent macht daraus Code.
• Qualität entsteht durch das System rund um den Agenten, nicht durch den Agenten selbst: Guardrails, Tests und verpflichtendes Review.
• Es ist kein Vibe Coding. Vibe Coding akzeptiert Output, ohne ihn zu verstehen. Agentisches Engineering überprüft alles Wichtige, bevor es ausgeliefert wird.
• Erfahrenes Urteilsvermögen wird wertvoller, nicht weniger. Jemand muss weiterhin über Architektur entscheiden, falsch-aber-plausiblen Output erkennen und für das Ergebnis geradestehen.

So funktioniert es

Ein agentischer Engineering-Workflow läuft in einer Schleife. Der Ingenieur schreibt eine präzise Spezifikation mit Abnahmekriterien, eine Praxis, die als spezifikationsgetriebene Entwicklung bekannt ist. Der Agent plant, bearbeitet die Codebasis, führt Befehle aus und liest die Ergebnisse, und wiederholt dies, bis die Aufgabe erledigt ist. Dateien wie AGENTS.md oder CLAUDE.md sagen dem Agenten, wie das Projekt funktioniert und welche Regeln gelten. Context Engineering entscheidet, was der Agent bei jedem Schritt sieht, damit sein Output korrekt bleibt. Daten des Anthropic Economic Index zeigen, wie unterschiedlich dieser Modus zur Chat-Unterstützung ist: 79 % der Unterhaltungen auf Claude Code, einem spezialisierten Coding-Agenten, wurden als Automatisierung eingestuft, bei der die KI die Aufgabe direkt ausführt, gegenüber 49 % beim universellen Claude.ai [2].

Um diese Schleife herum stehen die Kontrollen. Guardrails wie Typprüfungen, Tests und eingeschränkte Berechtigungen verhindern, dass der Agent Schaden anrichtet. Eine Sandbox hält Experimente von echten Systemen fern. Human-in-the-Loop-Review bedeutet, dass eine Person die wichtigen Entscheidungen absegnet, was das Team vor Automatisierungsbias schützt und verhindert, dass sich Verständnisschuld anhäuft.

Beispiel

Ein Team braucht einen Handler für einen Billing-Webhook. Statt ihn zu schreiben, verfasst die Teamleitung eine Spezifikation: die zu behandelnden Events, Idempotenz-Anforderungen, Retry-Verhalten und sechs Abnahmetests. Ein Agent baut den Handler, führt die Testsuite aus und iteriert, bis alles besteht. Die Teamleitung prüft den Diff, entdeckt einen halluzinierten Helper, der nie in der Codebasis existiert hat, bittet den Agenten, es zu korrigieren, und merged. Gesamte Hands-on-Keyboard-Zeit: vierzig Minuten, das meiste davon für Spezifikation und Review.

Häufige Missverständnisse

Der häufigste Fehler ist, den Agenten als das Produkt zu behandeln. Teams kaufen ein Tool, überspringen den Prozess und bekommen schnellen Ausschuss. Der Produktivitätsgewinn steckt in der Spezifikation, den Guardrails und dem Review-Gate. Ein Agent in einem schwachen System produziert lediglich AI Slop in höherem Tempo.

KI-native Entwicklung

KI-native Entwicklung ist der organisatorische Endzustand des agentischen Engineerings: Agenten sind die Standardmethode der Produktion, und Prozess, Tooling und Teamstruktur werden um diese Annahme herum gestaltet statt nachträglich darauf aufgesetzt. Die meisten Teams erreichen das in Stufen, beginnend mit KI-unterstütztem Coding, dann Delegation ganzer Aufgaben, dann Umstrukturierung der Rollen um Spezifikation und Review. Die erste Stufe ist nahezu universell: In der DORA-Umfrage 2025 unter knapp 5.000 Technologie-Fachkräften gaben 90 % an, KI bei der Arbeit zu nutzen, und über 80 % sagten, sie habe ihre Produktivität gesteigert [3].

FAQ

Ist Agentisches Engineering dasselbe wie Prompt Engineering? Nein. Prompt Engineering dreht sich darum, eine einzelne Eingabe gut zu formulieren. Agentisches Engineering ist ein vollständiger Lieferprozess: Spezifikationen, Einschränkungen, Verifikation und Verantwortung für das ausgelieferte Ergebnis.

Muss man trotzdem programmieren können? Ja, und wohl sogar tiefer. Agenten-Output zu überprüfen bedeutet, Code kritisch zu lesen, und Skill-Atrophie ist ein reales Risiko für Teams, die aufhören, selbst etwas zu schreiben.

Quellen

1. Stack Overflow Developer Survey 2025. "84 % der Entwickler nutzen KI-Tools in ihrem Entwicklungs-Workflow oder planen dies, gegenüber 76 % im Jahr zuvor." https://survey.stackoverflow.co/2025/ai. Abgerufen im August 2026.
2. Anthropic Economic Index. "79 % der Claude-Code-Unterhaltungen als Automatisierung eingestuft, gegenüber 49 % bei Claude.ai." https://www.anthropic.com/research/impact-software-development. Abgerufen im August 2026.
3. Google Cloud / DORA 2025 State of AI-assisted Software Development. "90 % der Technologie-Fachkräfte nutzen KI bei der Arbeit; über 80 % glauben, sie habe die Produktivität gesteigert." https://cloud.google.com/blog/products/ai-machine-learning/announcing-the-2025-dora-report. Abgerufen im August 2026.