Der 2.000-Zeilen-Stresstest: Wie wir versucht haben, die KI-Softwareentwicklung zu brechen

Alles begann mit einer einfachen Frage in unserem F&E-Meeting: „Wenn wir die KI-Entwicklung komplett ausbremsen würden, wie schnell könnten wir dann tatsächlich vorankommen?“

Wir wollten bei der Arbeit mit unseren Kunden keine Abstriche machen. Wir wollten die Grenzen der KI-gestützten Entwicklung in einer kontrollierten Umgebung austesten. Also entwarfen wir ein Experiment. Wir beauftragten einen unserer leitenden Architekten mit der Aufgabe, ein komplexes Authentifizierungs- und Benutzerverwaltungsmodul mit Hilfe von KI neu zu entwickeln, wobei Geschwindigkeit der einzige KPI sein sollte.

Drei Wochen lang fühlte es sich an, als hätten wir einen Schummelcode entdeckt. Funktionen, die normalerweise Tage brauchten, erschienen in wenigen Stunden. Die täglichen Besprechungen waren voller Erfolge. Die Geschwindigkeitskennzahlen waren unschlagbar.

Aber dann kam die Codeüberprüfung. Das war ein faszinierend komplexes Desaster. Wir öffneten eine einzige Datei, die auf 2.247 Zeilen TypeScript angewachsen war. Es war ein monolithischer Albtraum, in dem sich Geschäftslogik mit UI-Rendering verhedderte und rohe SQL-Strings bequem mit ORM-Aufrufen vermischt wurden.

Die KI hatte sich drei verschiedene Fehlerbehandlungsmuster in ein und demselben Modul eingebildet. Sie hatte Sicherheitsprüfungen implementiert, die oberflächlich betrachtet korrekt aussahen, aber grundlegend fehlerhaft waren, indem sie Passwörter mit einfachen String-Vergleichen statt mit Hashing prüfte. Wir erkannten, dass wir ein grundlegendes Gesetz dieser neuen Ära bewiesen hatten: KI erzeugt keinen schlechten Code, sondern Chaos in großem Maßstab.

Dieses Experiment wurde zur Grundlage unserer neuen Methodik. Wir haben die nächsten sechs Monate damit verbracht, diesen Fehlschlag zu dekonstruieren, um einen Rahmen zu schaffen, der tatsächlich funktioniert.

Wir haben alle Lektionen, Vorlagen und Checklisten dieser Reise in einem umfassenden Leitfaden zusammengefasst , auf den Sie völlig kostenlos zugreifen können.

Die Falle der „Vibe-Codierung“

Der Fehler, den wir gemacht haben, ist weit verbreitet. Wir nennen ihn die „Vibe-Codierungsfalle“.

Vibe Coding entsteht, wenn Sie die KI wie einen erfahrenen Entwickler behandeln, anstatt sie als das zu betrachten, was sie tatsächlich ist: ein unglaublich schneller Pattern Matcher ohne Verständnis für Konsequenzen. Sie beginnen mit einer Eingabeaufforderung; die KI gibt Ihnen einen funktionierenden Code und Ihr Gehirn schüttet einen Dopaminstoß aus. Es fühlt sich wie ein Fortschritt an.

Aber im Grunde genommen häufen Sie täglich Zinseszinsen auf technische Schulden in Höhe von 50% an. Jede Eingabeaufforderung, die Sie ohne architektonischen Kontext senden, fügt eine weitere Ebene von Annahmen hinzu. Die KI erfindet an einem Tag ein Datenbankschema und am nächsten Tag ein anderes.

Wir müssen aufhören, die KI wie einen Zauberstab zu behandeln, und anfangen, sie wie ein Elektrowerkzeug zu behandeln. Sie lassen ein Elektrowerkzeug nicht entscheiden, wo die Mauer gebaut werden soll, Sie benutzen es nur, um die Schrauben einzudrehen.

Die Lösung: Der Architektur-First-Ansatz

Der Durchbruch kam, als wir aufhörten, die KI aufzufordern, „Funktionen zu bauen“, und begannen, ihr starre Vorgaben zu machen. Wir nennen dies den „Architecture-first“-Ansatz der KI-Entwicklung.

Denken Sie an den Bau eines Hauses. Sie lassen den Bauunternehmer nicht entscheiden, ob das Haus einen Keller haben soll oder wo die Küche hin soll. Das sind teure, unumkehrbare Entscheidungen. Aber sobald das Fundament gegossen ist und die Wände stehen, wollen Sie, dass sie so schnell wie möglich arbeiten.

In Bezug auf Software sind Ihr Datenbankschema, Ihre Authentifizierungsstrategie und Ihr API-Stil die Grundlage. Wir haben gelernt, eine „Architektur-Sperrdatei“ zu erstellen, eine Verfassung für unsere Codebasis, die ausdrücklich festlegt, was KI niemals ändern darf.

Wenn die KI innerhalb dieser festen Grenzen arbeitet, steigt die Qualität der Ergebnisse sprunghaft an. Anstatt „ein Benutzersystem zu erstellen“, bitten Sie sie, „ein Benutzerprofil unter Verwendung unseres bestehenden Prisma-Schemas und der Fastify-Routen zu implementieren“. Der Unterschied ist wie Tag und Nacht.

Wenn Sie neugierig auf den Architecture-First-Ansatz sind, finden Sie alles in unserem kostenlosen eBook.

Die „No-Go-Zonen“: Was KI niemals berühren sollte

Ein Teil unserer Wiederherstellung bestand darin, bestimmte Kategorien von Problemen zu identifizieren, die KI niemals versuchen sollte zu lösen. Dies sind Bereiche, in denen ein Fehler zu einem Rechtsstreit oder einer Sicherheitsverletzung führen könnte.

Hier sind zwei unserer größten „roten Zonen“:

Authentifizierung: Nach dem Desaster mit den 2.000 Zeilen haben wir eine Regel aufgestellt: KI erzeugt niemals eine Authentifizierungslogik. Sie versteht die Feinheiten der Sitzungsverwaltung oder der Aktualisierung von Token nicht. Wenn Sie dies der KI überlassen, kann es sein, dass sie Autorisierungsumgehungen implementiert, die bei einer Codeüberprüfung völlig legitim aussehen.
Zahlungsabwicklung: Wir haben erlebt, dass Teams KI Stripe-Integrationen erstellen ließen, bei denen die API-Aufrufe zwar funktionierten, der Code aber in dutzendfacher Hinsicht gegen die PCI-Compliance verstieß. Die KI versteht einfach nicht die rechtlichen Anforderungen an die Speicherung von Zahlungsdaten.

Indem wir diese gefährlichen Bereiche abgegrenzt haben, haben wir unser Team tatsächlich schneller gemacht. Wir verschwendeten keine Zeit mehr damit, gefährlichen KI-Code zu reparieren, und ließen die KI sich auf das konzentrieren, was sie gut kann: Geschäftslogik, Benutzeroberflächenkomponenten und Datentransformation.

Der versteckte Vorteil: Die „langweiligen Dinge“ tun

Nachdem wir unseren Kodierungsprozess stabilisiert hatten, entdeckten wir, dass die wahre Magie der KI in der Handhabung des gesamten Entwicklungslebenszyklus lag.

Dokumentation: Wir müssen jetzt unsere API-Dokumentation und README-Dateien aktualisieren, während der Code geschrieben wird.
Nachvollziehbarkeit: Wir verwenden KI, um die Anforderungen auf die Codemodule abzubilden. Dadurch werden 60 % weniger Fehler in der Produktion gefunden, die auf fehlende Anforderungen zurückzuführen sind.
Testen: Wir erstellen umfassende Testszenarien für Randfälle, an die wir manuell nicht einmal gedacht hätten.

Vom Chaos zur Kontrolle

Der Übergang vom „Vibe Coding“ zu einem strukturierten, KI-gestützten Workflow geschah nicht über Nacht. Wir brauchten Wochen des Ausprobierens, schwieriger Retrospektiven und der Verfeinerung unseres Prompt-Engineerings.

Aber Sie müssen es nicht auf die harte Tour lernen. Wir haben unseren gesamten Weg dokumentiert, einschließlich der Fehlschläge, des spezifischen technischen Stacks, den wir verwenden, und des „Verifizierungsprüfpunktsystems“, das verhindert, dass Fehler in die Produktion gelangen.

Wir haben alles, unsere Vorlagen, unsere Checklisten und unseren 30-tägigen Implementierungsfahrplan, in einem umfassenden Leitfaden zusammengefasst.

Hören Sie auf, Chaos zu bauen. Bauen Sie einen Motor. Laden Sie das eBook „Wie Sie KI in der Softwareentwicklung effizient einsetzen“ kostenlos herunter.

Als engagiertes Softwareentwicklungsteam mit Fachkenntnissen in den Bereichen Nearshore-Softwareentwicklung, Outsourcing der Softwareentwicklung, IT-Personalverstärkung und vielem mehr sind wir auf die Bereitstellung innovativer Lösungen für verschiedene Branchen spezialisiert, von der Entwicklung kundenspezifischer Fertigungssoftware bis hin zur Optimierung von Geschäftsprozessen, um sicherzustellen, dass unsere Kunden wettbewerbsfähig und effizient arbeiten können. Sehen Sie sich hier unsere Softwareentwicklungsprojekte an.