Agentisches Entwickeln | Wenn KI umsetzt

Wer heute „KI in der Softwareentwicklung“ hört, denkt oft an Autovervollständigung im Editor oder ein Chat-Fenster in der Sidebar. Ein Vorschlag hier, eine Erklärung da. Das ist nützlich, aber es ist nicht das, worüber ich hier schreiben möchte.

In den ersten Monaten dieses Jahres sind die Werkzeuge endgültig an einem Punkt angekommen, der einen grundlegend anderen Ansatz ermöglicht: Agentisches Entwickeln. Statt einzelne Code-Vorschläge anzunehmen oder abzulehnen, steuere ich KI-Agenten, die ganze Features planen, implementieren, testen und debuggen — während ich die Architekturentscheidungen treffe und die Qualität sicherstelle.

Das klingt nach Zukunftsmusik, ist aber bereits Mainstream: Laut GitHub wurde Anfang 2026 über die Hälfte des auf der Plattform eingecheckten Codes mit KI-Unterstützung geschrieben ¹. In Deutschland hat sich der KI-Einsatz in Unternehmen innerhalb eines Jahres mehr als verdoppelt — von 17 auf 41 Prozent, so die aktuelle Bitkom-Studie (Erhebung Q1 2026) ².

Was heißt „agentisch“?

Ein Agent übernimmt im Kern autonom Aufgaben nach einem Briefing. Technisch ist es eine Art Programm, das ein Sprachmodell in einer Schleife laufen lässt: Aufgabe entgegennehmen, Schritte planen, Werkzeuge aufrufen (Dateien lesen, Code ausführen, recherchieren, Tickets anlegen), Ergebnisse auswerten, weiter planen – bis das Ziel erreicht ist oder eine Rückfrage nötig wird. Welche Werkzeuge angebunden sind, entscheidet, was der Agent kann: Mit Zugriff auf Repository, Build und Tests wird er zum Entwickler-Agenten; mit Postfach und Kalender zum Termin-Assistenten. Offene Standards wie das Model Context Protocol (MCP) machen diese Anbindungen austauschbar.

Der Unterschied zu klassischer KI-Assistenz lässt sich an einem Beispiel festmachen: Wenn ich einem Assistenten sage „Schreib mir eine Funktion, die X tut“, bekomme ich eine Funktion. Wenn ich einem Agenten sage „Implementiere Feature X“, passiert deutlich mehr: Er liest den bestehenden Code, versteht die Architektur, schreibt die Implementierung, ergänzt Tests, prüft, ob alles kompiliert — und fragt nach, wenn etwas unklar ist.

Gartner erwartet, dass bis Ende 2026 rund 40 Prozent aller Enterprise-Anwendungen aufgabenspezifische KI-Agenten integriert haben werden ³ — gegenüber weniger als 5 Prozent im Vorjahr. Der Wandel geht also weit über Entwickler-Tools hinaus.

Was agentisches Entwickeln nicht ist

Agentisches Entwickeln ist kein Autopilot. Es ersetzt keine Architekturkompetenz, kein Domänenwissen und kein Urteilsvermögen. Im Gegenteil: Je leistungsfähiger die Werkzeuge werden, desto wichtiger wird die Fähigkeit, die richtigen Fragen zu stellen und Ergebnisse kritisch einzuordnen.

Es ist auch nicht bloß „Prompting“. Der Kern der Arbeit besteht darin, dem Agenten einen Rahmen zu geben — Konventionen, Architekturregeln, Qualitätsstandards —, innerhalb dessen er sich bewegen kann. Je besser dieser Rahmen ist, desto besser sind die Ergebnisse.

Warum das relevant ist

Für mich als Solution Architect bei comspace ist die spannendste Erkenntnis nicht, dass Agenten mittlerweile ausgezeichneten Code schreiben können. Es ist, was sich dadurch verändert: der Möglichkeitsraum.

Projekte, die ich früher nicht angegangen wäre — weil der Aufwand in keinem Verhältnis zum Nutzen stand — werden auf einmal realistisch. Nicht weil die Qualität sinkt, sondern weil die Kosten für den ersten funktionierenden Prototyp dramatisch fallen. Man kann Dinge ausprobieren, verwerfen, neu ansetzen. Das verändert, welche Ideen es überhaupt auf die Liste schaffen.

Diese Beobachtung deckt sich mit aktuellen Erhebungen: Anthropics Agentic Coding Report von März 2026 ⁴ zeigt, dass 27 Prozent der KI-gestützten Arbeit in der Softwareentwicklung Aufgaben betrifft, die ohne KI gar nicht erst angegangen worden wären. Es geht also nicht nur um Effizienz — es entsteht tatsächlich Neues.

Auch eine McKinsey-Studie vom Februar 2026 (4.500 Entwickler, 150 Unternehmen) ⁵ bestätigt: KI-Tools senken den Zeitaufwand für Routine-Aufgaben im Schnitt um 46 Prozent. Die Unternehmen im oberen Fünftel erzielen sogar 16 bis 30 Prozent mehr Produktivität und 31 bis 45 Prozent höhere Softwarequalität. Allerdings betont McKinsey, dass sich diese Gewinne nicht automatisch auf das Gesamtunternehmen übertragen — der eigentliche Hebel liegt nicht im Tool, sondern darin, wie Unternehmen ihre Entwicklungsprozesse um KI herum neu organisieren.

Ein Blick nach vorn

Die Modelle, die das ermöglichen, werden rapide leistungsfähiger. Was Anfang 2025 noch experimentell war, ist Anfang 2026 produktiv einsetzbar. Für Unternehmen stellt sich damit weniger die Frage, ob KI in der Entwicklung eine Rolle spielen wird — sondern wie schnell sie die eigenen Prozesse darauf einstellen.

Im einem zweiten Teil zu diesem Beitrags werde ich demnächst an einem konkreten Beispiel zeigen, wie agentisches Entwickeln in der Praxis aussieht — und was dabei in zehn Personentagen entstanden ist.