Einführung in das agentische Coding

KI-gestütztes Coding hat sich in den letzten Jahren rasant weiterentwickelt. Tools, die einst die nächste Zeile vorgeschlagen haben, sagen jetzt ganze Funktionen voraus, indem sie Muster in Ihrem Code analysieren.

Die neueste Entwicklung geht weiter: Anstatt vorherzusagen, was als Nächstes geschrieben wird, führen diese Systeme mehrstufige Entwicklungsaufgaben autonom aus, indem sie die Dateien in der Codebasis lesen, Tests durchführen und iterieren, bis das Ziel erreicht ist.

Was ist agentisches Coding?

Durch agentisches Coding wird die KI von der automatischen Vervollständigung zur autonomen Aufgabenausführung verlagert. Bei herkömmlichen Programmierassistenten müssen Sie jede Zeile eingeben und vorschlagen, was als Nächstes kommt. Die agentischen Systeme legen ein übergeordnetes Ziel fest, unterteilen es in einzelne Schritte, führen diese Schritte unabhängig aus und passen ihren Ansatz basierend auf dem Feedback Ihrer Umgebung an.

Der wichtigste Unterschied liegt in der Autonomie und dem Umfang. Herkömmliche KI-Tools analysieren den im Editor angezeigten Code und schlagen das nächste Fragment vor. Tools für agentisches Coding lesen ganze Codebasen, verstehen Dateireihen zwischen Verzeichnissen, führen Befehle aus, um die Änderungen zu überprüfen, und iterieren bis die Tests bestanden und die Anforderungen erfüllt sind. Diese Autonomie erstreckt sich über den gesamten Entwicklungszyklus, wobei jeder Schritt abläuft, ohne dass Sie den Workflow manuell orchestrieren müssen.

Wie sich KI-Programmiertools entwickelt haben

Codevorhersage und -abschluss

Tools wie IDE-Erweiterungen analysieren den im Editor angezeigten Code, um vorherzusagen, was als Nächstes eingegeben wird. Diese Systeme eignen sich hervorragend für repetitive Aufgaben wie die Generierung von REST-Endpunkten, die Erstellung von Teststrukturen nach etablierten Konventionen und die Implementierung allgemeiner Algorithmen.

Das Prognosemodell berücksichtigt Ihren unmittelbaren Kontext. Wenn Sie eine Funktionssignatur schreiben, schlägt das Tool eine Implementierung vor, die auf dem Funktionsnamen, den Parametertypen und dem umgebenden Code basiert. Wenn Sie eine Importrechnung eingeben, empfiehlt es Pakete basierend auf den bereits importierten Produkten und den allgemeinen Nutzungsmustern.

Die Einschränkung liegt im Umfang. Tools zur automatischen Vervollständigung arbeiten mit begrenzten Kontextfenstern und analysieren normalerweise nur Ihre aktuelle Datei oder eine kleine Anzahl von Dateien in der Nähe. Es kann den Datenfluss durch Ihre Anwendungsarchitektur nicht nachvollziehen oder verstehen, wie sich Änderungen in einem Service auf abhängige Dienste auswirken.

Chatoberflächen für Gesprächs-KI

Browserbasierte Programmierassistenten wie Claude.ai fügten den KI-Programmiertools Konversationsfunktionen hinzu. Anstatt Code vorzuschlagen, während Sie tippen, besprechen diese Tools Ihre Codeprobleme, indem sie Snippets, Fehlerbeschreibungen und Optimierungsfragen analysieren.

Diese Schnittstellen zeichnen sich durch hervorragende Analysen und Leitlinien aus. Fügen Sie eine Datenbankabfrage ein, um Optimierungsempfehlungen zu erhalten. Beschreiben Sie eine Architekturentscheidung, die es für eine Kompromissanalyse braucht. Teilen Sie eine Fehlermeldung, um Lösungsansätze zu erkunden.

Das Konversationsformat unterstützt eine iterative Verfeinerung. Sie stellen eine allgemeine Frage, erhalten eine erste Antwort, definieren Ihre Anforderungen und definieren nach und nach eine bestimmte Lösung. Dieses Hin und Her funktioniert gut, wenn Probleme nicht vollständig definiert sind oder wenn Sie verschiedene Ansätze untersuchen möchten, bevor Sie sich für die Implementierung entscheiden.

Dies wird unpraktisch für Aufgaben mit mehreren Dateien. Das Refactoring eines Moduls, das von dreißig anderen Dateien importiert wurde, bedeutet, jede Datei in den Chat einzufügen, manuell zu verfolgen, welche Dateien aktualisiert werden müssen, die Änderungsvorschläge in jede Datei zu kopieren und die Einheitlichkeit bei allen Änderungen sicherzustellen. Chat-Schnittstellen bieten Anleitungen, aber die Implementierung bleibt manuell. Diese Lücke sollen Systeme für agentisches Coding schließen.

So funktioniert agentisches Coding

Kontext-Erfassung und Planung

Agentisches Coding arbeitet nicht auf Dateiebene, sondern auf Projektebene. Wenn Sie ein Ziel angeben, analysiert das System den relevanten Kontext, der zur Erreichung dieses Ziels benötigt wird, indem es Konfigurationsdateien liest, um Ihr Projektaufbau zu verstehen, Testdateien untersucht, um vorhandene Abdeckungsmuster zu sehen, und die Abhängigkeiten zwischen den Modulen zuordnet.

Das System erstellt dann einen Plan zur Erreichung des Ziels. Dies ist keine statische Liste, sondern ein adaptiver Ansatz, der sich weiterentwickelt, je mehr Informationen das System sammelt. Wenn es darum geht, „die API um Authentifizierung zu erweitern“, analysiert man zunächst die vorhandenen Routendefinitionen, identifiziert die Endpunkte, die geschützt werden müssen, überprüft, ob eine Authentifizierungs-Middleware bereits vorhanden ist, und ermittelt dann, wo das Benutzersitzungsmanagement implementiert werden soll.

Umsetzung und Koordination

Die Implementierungsphase beinhaltet das Lesen und Schreiben von Dateien in Ihrer Codebasis. Im Gegensatz zu Autovervollständigen-Tools, die Änderungen innerhalb einer einzigen Datei vorschlagen, modifizieren agentische Systeme mehrere verwandte Dateien, um die Konsistenz zu gewährleisten. Das Hinzufügen von Authentifizierung erfordert möglicherweise die Aktualisierung von Routing-Handlern, die Erstellung von Middleware-Funktionen, die Änderung von Datenbankschemas, die Anpassung des API-Clientcodes und die Aktualisierung der Dokumentation sowie die Hinzufügung von Tests.

Dieser autonome Workflow verwandelt die Entwicklung von „Code schreiben, Tests durchführen, Fehler lesen, Code beheben, wiederholen“ in „Ziele definieren, Änderungsvorschläge überprüfen und die Implementierung genehmigen“. Sie behalten die Kontrolle, indem Sie Pläne überprüfen und Dateiänderungen genehmigen, während das System den iterativen Debugging-Zyklus, die Recherche vorhandener Codeschwelle und die Koordination der Änderungen über mehrere Dateien hinweg erledigt.

Agentisches Coding mit Claude Code

Claude Code bringt agentische Funktionen in Ihre Terminal-Umgebung. Im Gegensatz zu browserbasierten Tools, die ständig Code kopieren oder IDE-Erweiterungen benötigen, die nur sichtbare Dateien analysieren, arbeitet Claude Code direkt in Ihrem Projektverzeichnis und hat vollen Zugriff auf Ihre Codebasis.

Installation und Start

Claude Code in Ihrem Terminal installieren:

Dann starten Sie ihn in Ihrem Projektverzeichnis, um mit dem Programmieren zu beginnen:

So funktioniert Claude Code

Claude Code liest auf Anfrage Ihren gesamten Projektkontext. Wenn Sie nach der Architektur fragen oder Änderungen anfordern, analysiert er Dateistrukturen, versteht die in package.json oder requirements.txt deklarierten Abhängigkeiten, verfolgt, wie die Module interagieren, und identifiziert vorhandene Muster in der Codebasis.

Multidatei-Vorgänge werden unkompliziert. Claude Code identifiziert alle Dateien, die das Callback-Muster verwenden, aktualisiert alle mit der Asynchron-/Awarte-Syntax, aktualisiert die Fehlerbehandlung für die Verwendung von Try-/Error-Blöcken, aktualisiert die zugehörigen Tests, um asynchronisierte Muster zu verarbeiten, und überprüft, ob die gesamte Testsuite bestanden hat.

Dateisystemzugriff und Berechtigungen

Der Zugriff auf das Dateisystem ermöglicht Workflows, die webbasierte Tools nicht verarbeiten können. Claude Code erstellt neue Dateien mit entsprechenden Namenskonventionen, organisiert Code in logischen Verzeichnisstrukturen, aktualisiert Konfigurationsdateien beim Hinzufügen von Abhängigkeiten und gewährleistet die Konsistenz mit Ihren vorhandenen Projektorganisationsmustern.

Das Berechtigungsmodell stellt sicher, dass Sie die Kontrolle behalten. Claude Code fordert standardmäßig die Genehmigung an, bevor es Dateien ändert, und zeigt genau an, welche Änderungen er vornehmen möchte. Sie überprüfen die vorgeschlagenen Änderungen, genehmigen die Änderungen, die Sie akzeptieren, und fordern Änderungen an, die nicht den Anforderungen entsprechen. 

Integration in Entwicklungs-Workflows

Durch die Integration in Ihre Entwicklungs-Workflows interagiert Claude Code mit den bereits verwendeten Tools. Er führt npm-Befehle aus, um Abhängigkeiten zu installieren, Testläufe wie Jest oder pytest auszuführen, verwendet Git für Commits und Verzweigungen und startet Entwicklungsserver, um zu überprüfen, ob Änderungen in den ausgeführten Anwendungen funktionieren.

Diese Funktionen können durch die Verbindung von MCP-Servern (Model Context Protocol) erweitert werden, die Claude Code einen umfassenden Kontext aus zusätzlichen Tools und Systemen in Ihrer Entwicklungsumgebung bereitstellen.

Reale Anwendungen

Rakuten implementiert seine autonome Lösung in sieben Stunden

Das Engineering-Team von Rakuten stellte Claude Code vor die Herausforderung, eine bestimmte Methode zur Aktivierungsvektor-Extraktion in vLLM zu implementieren, einer Open-Source-Bibliothek mit 12,5 Millionen Codezeilen in Python, C++ und CUDA. Claude Code hat die gesamte Implementierung in sieben Stunden autonomer Arbeit abgeschlossen.

„Ich habe in den sieben Stunden keinen einzigen Code geschrieben, ich habe nur gelegentlich eine Orientierungsghilfe gegeben.“  

- Kenta Naruse, Machine Learning Engineer bei Rakuten

Die endgültige Implementierung erreichte im Vergleich zur Referenzmethode eine numerische Genauigkeit von 99,9 %, was die Fähigkeit des Systems zeigt, komplexe, mehrsprachige Codebasen zu verstehen, Implementierungsansätze für anspruchsvolle Algorithmen zu planen und Ergebnisse in Produktionsqualität zu liefern.

Transformationskennzahlen von Rakuten:

• 79 % schnellere Funktionsbereitstellung (24 Tage → 5 Tage)
• 7 Stunden autonome Implementierungen mit minimalem menschlichen Eingriff
• 99,9 % Genauigkeit beim komplexen algorithmischen Refactoring
• 5-fache Kapazität zur parallelen Aufgabenausführung für Engineering-Teams

Yusuke Kaji, General Manager von KI für Unternehmen bei Rakuten, erklärt: „Man kann fünf Aufgaben parallel ausführen, indem man vier an Claude Code delegiert und sich auf die verbleibende konzentriert.“

Erste Schritte mit Claude Code

Nach der Installation von Claude Code mit npm gehen Sie zu einem Projektverzeichnis und starten eine Sitzung:

Experimentieren Sie mit verschiedenen Aufgaben, um zu sehen, wie Claude Code Ihre Codebasis versteht.

Projektarchitektur verstehen

Claude Code liest Ihre Dateien und erstellt einen Überblick über die Architektur, damit Sie oder neue Teammitglieder die Projektorganisation besser verstehen.

Analyse der Codequalität

Claude Code untersucht den relevanten Code, identifiziert Bedenken wie gefährdete Daten oder unzureichende Validierung und schlägt spezifische Verbesserungen vor.

Debugging und Fehlerbehebung

Claude Code analysiert Ihre gesamte Codebasis, identifiziert spezifische ORM-Muster, die die häufigsten Probleme verursachen, und implementiert eine Lösung.

Langsam anfangen, dann erweitern

Wenn Sie mit Claude Code arbeiten, bekommen Sie ein Gefühl dafür, welche Aufgaben am meisten von einer autonomen Ausführung profitieren und welche besser mit herkömmlichen Entwicklungstools erledigt werden. Einige Sofortanwendungen, von denen Sie schnell profitieren:

• Testautomatisierung für Ihre neu entdeckten Codepfade
• Generierung von Dokumentationen für Ihre Legacy-Systeme
• Routine-Refactoring Ihrer technischen Forderungen
• Funktionsimplementierung für genaue Anforderungen

Jede Interaktion bietet die Möglichkeit zu erfahren, wie Claude Code Probleme innerhalb Ihrer spezifischen Codebasis angeht. Machen Sie Ihre ersten Schritte mit Claude Code oder informieren Sie sich in unserer Dokumentation.