Skip to main content
idego

Softwareentwicklung bei Idego

KI-nativer Softwareentwicklungszyklus

Softwareentwicklung mit KI-Agenten und verantwortlichen Ingenieuren.

So arbeiten wir in Idego-Projekten: Wir setzen Anforderungen in geprüfte Software um. Code, Spezifikationen und Arbeitsanweisungen bleiben bei Ihrem Team. Beginnen wir mit einer klar abgegrenzten Änderung und vereinbaren, wie wir das Ergebnis bewerten.

Durchscheinende türkise Glasschleifen, verbunden zu einem durchgehenden skulpturalen Band

Was ist ein AI-Native SDLC?

Ein KI-nativer SDLC nutzt KI-Agenten für Planung, Entwurf, Programmierung, Tests, Release und Betrieb. Ingenieure geben die Richtung vor und verantworten die Entscheidungen. Jede Phase liefert der nächsten freigegebene Unterlagen und Prüfergebnisse.

Schnelleres Programmieren beseitigt keine Wartezeiten bei Anforderungen, Reviews oder Release-Entscheidungen. Wir verbinden diese Schritte, damit das Team den tatsächlichen Engpass verbessern kann, statt nur mehr Code zu erzeugen.

Claude Partner Network CertifiedIdego ist Certified im Claude Partner Network.Unsere Mitteilung lesen

Was Ihr Team erhält

Wir nutzen diese Methode zur Softwareentwicklung für Teams in Großbritannien und Europa. Sie eignet sich für ein neues Produkt, eine Änderung an einem bestehenden System oder ein Team, das bereits Coding-Agenten verwendet.

  • Eine klar abgegrenzte Änderung

    Vor der Umsetzung vereinbaren wir Problem, Akzeptanzkriterien und Prüfungen. Wir können mit einer begrenzten Aufgabe beginnen und das Ergebnis gemeinsam bewerten.

  • Eine Grundlage für die Release-Entscheidung

    Zum Code erhalten Sie Testergebnisse, Review-Befunde und offene Entscheidungen. Sie wissen vor der Freigabe, was geprüft wurde.

  • Ein Prozess, der Ihrem Team bleibt

    Code, OpenSpec-Spezifikationen, Standards und Agenten-Skills bleiben in Ihrem Repository. Ihre Ingenieure können sie für die nächste Änderung nutzen.

Individuelle KI-Nutzung und ein gemeinsamer Prozess

Coding-Assistenten können Repository-Anweisungen lesen, Tests ausführen und Code prüfen. Entscheidend ist, ob das gesamte Team diese Fähigkeiten nach einem gemeinsamen Prozess nutzt.

Individuelle KI-Nutzung und ein gemeinsamer Softwareentwicklungsprozess im Vergleich
BereichIndividuelle oder spontane KI-NutzungGemeinsamer KI-nativer Prozess
AusgangspunktAufgabe und Umfang werden in einer einzelnen Sitzung festgelegt.Das Team dokumentiert Problem, Grenzen und Akzeptanzkriterien.
Gemeinsamer KontextDer Projektkontext kann von der individuellen Werkzeugkonfiguration abhängen.Versionierte Anweisungen und Skills bieten eine gemeinsam gepflegte Grundlage.
VerifikationJede Person wählt die Prüfungen für ihre Aufgabe.Vereinbarte Tests und Reviews liefern die für die Übergabe erforderlichen Nachweise.
Release und RückmeldungenDie Übergabe an Release und Betrieb kann außerhalb des Agentenablaufs liegen.Release-Kriterien und Betriebsbefunde führen zur nächsten geplanten Änderung.

So setzt Idego einen AI-Native SDLC um

So organisieren wir die Arbeit mit Agenten in Idego-Projekten. OpenSpec und das Repository verbinden das vereinbarte Problem, den Implementierungsplan, Code und Prüfergebnisse. Zugriffe, Deployment-Automatisierung und Monitoring passen wir an Ihre Umgebung an.

Auf Grundlage von The AI-native SDLC playbook von Louis Claxton, veröffentlicht auf Claude.com am 21. August 2026.

  1. Planen

    ErgebnisFreigegebene Problembeschreibung, Grenzen und Erfolgskriterien

    Ein klarer Umfang und gemeinsame Erfolgskriterien.

    Erforderliche Prüfung
    Ein Mensch genehmigt den Umfang und das erwartete Ergebnis.
    Prozessdetails

    Am Anfang steht die ursprüngliche Anfrage, ein Support-Ticket oder ein Vorfall. Ein Agent hält Problem, betroffene Nutzer, gewünschtes Ergebnis, Grenzen und offene Fragen in einem gemeinsamen Dokument fest. Die produktverantwortliche Person korrigiert es und gibt den nächsten Schritt frei.

    Rolle des Agenten
    Kontext sammeln und Umfang, Abhängigkeiten sowie offene Fragen vorbereiten.
    Rolle des Menschen
    Prioritäten setzen, Grenzen klären und die Arbeit freigeben.
  2. Entwerfen

    ErgebnisFreigegebene Spezifikation und Implementierungsplan

    Ein geprüfter Entwurf vor Beginn der Implementierung.

    Erforderliche Prüfung
    Ein Ingenieur prüft den Plan vor den ersten Code-Änderungen. Offene Bedenken gehen an die zuständige entscheidungsbefugte Person.
    Prozessdetails

    Aus der akzeptierten Problembeschreibung entstehen ein OpenSpec-Vorschlag, ein Entwurf und prüfbare Szenarien. Projekt-Skills bringen Sicherheits- und UX-Regeln in die Gestaltung ein. Ingenieure klären widersprüchliche Anforderungen. Der Implementierungsplan benennt betroffene Dateien, Risiken und Tests.

    Rolle des Agenten
    Optionen untersuchen und Spezifikation sowie Aufgaben vorbereiten.
    Rolle des Menschen
    Den Ansatz wählen und Produkt- oder Architekturabwägungen treffen.
  3. Entwickeln

    ErgebnisCode, Tests und Prüfergebnisse

    Das vereinbarte Verhalten, umgesetzt mit Tests.

    Erforderliche Prüfung
    Die erforderlichen Implementierungsprüfungen bestehen für die vereinbarten Szenarien.
    Prozessdetails

    Der Agent untersucht zunächst das Repository ohne Änderungen und gleicht den Implementierungsplan mit dem Code ab. Dann schreibt er fehlschlagende Tests und implementiert das vereinbarte Verhalten. Ändert sich der Ansatz, wird auch der Plan aktualisiert, damit Reviewer Ergebnis und freigegebene Absicht vergleichen können.

    Rolle des Agenten
    Tests und Code schreiben, Prüfungen ausführen und Fehler melden.
    Rolle des Menschen
    Blockaden lösen und Änderungen am vereinbarten Ansatz prüfen.
  4. Testen

    ErgebnisTestausgaben, relevante visuelle Prüfungen und unabhängige Review-Ergebnisse

    Nachweise für das Verhalten der Änderung im Produkt.

    Erforderliche Prüfung
    Blockierende Befunde sind behoben und der Bericht nennt die tatsächlich geprüften Aspekte.
    Prozessdetails

    Der Agent führt Tests aus und erprobt das geänderte Verhalten in der Anwendung. UI-Arbeit umfasst Browser- oder Screenshot-Prüfungen. Vier KI-Agenten prüfen die Änderung. Zusätzlich vereinbaren wir Evaluationen des Coding-Agenten selbst: Reale Aufgaben zeigen Regressionen nach Änderungen an Modell, Anweisungen oder Skills.

    Rolle des Agenten
    Die Änderung erproben, prüfen und Befunde beheben.
    Rolle des Menschen
    Verbleibende Risiken bewerten und Eskalationen klären.
  5. Bereitstellen

    ErgebnisRelease-Nachweise, menschliche Freigabe und getestetes Rollback-Verfahren

    Eine Release-Entscheidung auf Basis von Prüfungen und Rollback-Plan.

    Erforderliche Prüfung
    Ein Mensch genehmigt und übernimmt den Merge. Das Release folgt den vereinbarten Freigaberegeln.
    Prozessdetails

    Die releaseverantwortliche Person erhält die verifizierte Änderung, Review-Ergebnisse und aktuellen Spezifikationen. Ein Mensch übernimmt den Merge in main. Vor der Deployment-Automatisierung vereinbaren wir Rechte je Umgebung, eine technische Freigabeprüfung für Produktion und ein in Staging getestetes Rollback-Verfahren.

    Rolle des Agenten
    Release-Nachweise vorbereiten und nur autorisierte Deployment-Schritte ausführen.
    Rolle des Menschen
    Den Merge genehmigen und das Release nach den Projektregeln freigeben.
  6. Betreiben

    ErgebnisVorfallsnachweise, nächste Änderungsanfrage und Regressionstest

    Betriebsbefunde als Grundlage der nächsten geprüften Verbesserung.

    Erforderliche Prüfung
    Vorgeschlagene Korrekturen durchlaufen Umfangsfreigabe, Verifikation und Release-Freigabe.
    Prozessdetails

    Ein Betriebspilot beginnt mit einer Kennzahl, etwa der Fehlerrate nach einem Release, und ihrem Normalbereich. Eine Monitoring-Regel erkennt Abweichungen. Ein Agent kann sie anschließend mit Lesezugriff untersuchen. Nachweise und Lösungsvorschlag werden zur neuen Änderungsanfrage. Korrekturen durchlaufen das Review und ergänzen einen Regressionstest.

    Rolle des Agenten
    Autorisierte Nachweise analysieren und Korrekturen oder Testfälle vorschlagen.
    Rolle des Menschen
    Betriebsprioritäten festlegen und Korrekturarbeiten genehmigen.

Die Rolle von KI-Agenten im Entwicklungszyklus

Ihr Team vereinbart die Produktprioritäten mit unseren Ingenieuren. Agenten übernehmen Implementierungsaufgaben. Ingenieure beurteilen das Ergebnis und tragen die Verantwortung.

Menschen entscheiden

  • Ergebnis und Produktabwägungen vereinbaren.
  • Prüfergebnisse, Risiken und offene Fragen bewerten.
  • Das Release freigeben und den Merge in main übernehmen.

Agenten führen aus

  • Spezifikationen und Implementierungsaufgaben vorbereiten.
  • Code schreiben, Tests ausführen und Fehler untersuchen.
  • Die Änderung mit Review-Befunden und Prüfnachweisen vorlegen.

Spezifikationsbasierte Entwicklung mit Agenten

Eine Spezifikation bewahrt die ursprüngliche Anfrage bis zur Umsetzung. Problembeschreibung, Entwurf, Aufgabenplan und Tests bleiben verknüpft. Reviewer können so prüfen, ob die gelieferte Änderung das freigegebene Problem löst.

OpenSpec hält die Änderungsunterlagen beim Code. Liegen Anforderungen oder Freigaben bereits in Jira, ServiceNow oder einem anderen System, legen wir den maßgeblichen Datensatz fest und verlinken ihn. Agenten sollen keine konkurrierende Version derselben Entscheidung erzeugen.

  • Problem, Umfang und erwartetes Ergebnis beschreiben.
  • Entwurf und umsetzungsrelevante Entscheidungen festhalten.
  • Anforderungen als prüfbare Szenarien formulieren.
  • Die Änderung in Implementierungsaufgaben aufteilen.
  • Anhand der Szenarien entwickeln und verifizieren.
  • Die laufenden Spezifikationen an das ausgelieferte System anpassen.

Qualitätsprüfungen und automatische Reviews

Der Agent braucht eine Möglichkeit, das Ergebnis vor dem Review zu prüfen: ausführbare Tests, einen reproduzierbaren Fehler oder die Anwendung im Browser. Die tatsächlichen Ergebnisse begleiten die Änderung. Anschließend prüfen vier separate KI-Agenten den Code. Der Autor kann seine eigene Arbeit nicht freigeben.

Prüfer

  • Sicherheit

    Prüft Sicherheitsrisiken und die Sicherheitsregeln des Projekts.

  • Fehler

    Prüft Korrektheit, Fehlerpfade und Randfälle.

  • Standards und Spezifikation

    Prüft Repository-Regeln und jedes vorgegebene Szenario.

  • Wartbarkeit

    Hinterfragt unnötige Komplexität und schwer änderbaren Code.

Schweregrade und Review-Grenzen

Schweregrad

Kritisch
Muss vor Abschluss der Arbeit behoben werden.
Hoch
Muss vor Abschluss der Arbeit behoben werden.
Mittel
Eine Zurückstellung braucht eine schriftliche Begründung im Pull Request.
Niedrig
Eine Zurückstellung braucht eine schriftliche Begründung im Pull Request.

KI-Coding-Agenten im Unternehmen einführen

Wir beginnen mit lesbaren Anweisungen und ergänzen technische Kontrollen für eingeschränkte Aktionen. Die folgende Einrichtung stimmen wir mit Ihrem Team ab und führen sie gemeinsam ein. Zugriffe, Freigabeprüfungen und automatische Evaluationen hängen von der Projektumgebung ab.

Projektwissen aktuell halten

Befehle, Architekturregeln und wiederkehrende Fehler stehen in versionierten Repository-Anweisungen, etwa CLAUDE.md für Claude Code. Ein wiederholter Review-Befund führt zu einer Korrektur der Anweisungen, die zusammen mit dem Code geprüft wird.

Richtlinien in geprüfte Skills übersetzen

Jeder Skill erhält einen Verantwortlichen und eine klare Aufgabe, etwa die Anwendung eines API-Sicherheitsstandards. Wir prüfen seine Auslösung bei relevanten Aufgaben und aktualisieren ihn bei Richtlinienänderungen. Unsere Skills laufen in Cursor, Claude Code und Codex, mit einer Konsistenzprüfung.

Grenzen vor einer Aktion durchsetzen

Wo das Werkzeug sie unterstützt, führen wir Hooks ein: kleine Prüfprogramme, die vor einer Agentenaktion laufen und eine Änderung blockieren oder eine Freigabe verlangen können. Sie schützen Dateien und Produktionsaktionen. Zentral verwaltete Rechte entziehen Pflichtkontrollen der Entscheidungsbefugnis des Agenten.

Die Agentenkonfiguration testen

Repräsentative frühere Aufgaben mit bekannten Akzeptanzprüfungen bilden eine Testsammlung. Wir vereinbaren CI-Läufe bei Änderungen an Anweisungen, Skills oder Modellen, alternativ eine regelmäßige Evaluation. Schlechtere Ergebnisse erfordern eine Prüfung vor Übernahme der neuen Konfiguration.

Diagnose und Produktionszugriff trennen

Pipeline-Automatisierung beginnt mit Leseaufgaben, etwa der Diagnose eines fehlgeschlagenen Builds. Schreibaktionen laufen über geprüfte Änderungen. Ein Produktionsrelease braucht eine benannte freigebende Person, begrenzte Rechte und einen erprobten Rollback-Weg.

Nach einem Fehler den Prozess verbessern

Ein zweiter fehlgeschlagener Versuch stoppt die automatische Schleife und gibt einem Ingenieur einen Bericht über offene Punkte. Wiederkehrende Befunde ergänzen Tests oder Anweisungen, damit spätere Aufgaben von der Erfahrung profitieren.

Fragen zum AI-Native SDLC

Wie beginnen wir die Zusammenarbeit?

Bringen Sie eine Produktidee, ein bestehendes System oder einen konkreten Engpass mit. Wir vereinbaren eine abgegrenzte Änderung, den notwendigen Zugriff und die Prüfungen für das gewünschte Ergebnis. Ihr Team kann die gelieferte Arbeit und den Prozess beurteilen, bevor es die nächsten Schritte festlegt.

Welche KI-Werkzeuge unterstützen Sie?

Unsere Repository-basierten Skills laufen in Cursor, Claude Code und Codex. Eine Prüfung hält ihr Verhalten konsistent. Werkzeuge und Modelle wählen wir nach Projektanforderungen und freigegebener Umgebung aus.

Wie prüfen Sie die Sicherheit?

Sicherheit ist einer von vier eigenen Review-Bereichen für KI-Agenten. Sie prüfen anhand der Sicherheitsvorgaben des Projekts. Kritische und schwerwiegende Befunde müssen behoben werden. Zurückstellungen mittlerer und niedriger Priorität brauchen eine schriftliche Begründung. Diese Reviews ergänzen die für Ihre Umgebung vereinbarten Sicherheitskontrollen.

Kann unser Team den Prozess nach der Übergabe weiterführen?

Ja. Spezifikationen, Standards und Agenten-Skills bleiben in Ihrem Repository. Wir stimmen die Übergabe auf die späteren Verantwortlichen ab, einschließlich der notwendigen Prüfungen und Freigabezuständigkeiten.

Wie messen Sie Produktivität?

Messen Sie den Zeitverbrauch statt nur die erzeugte Codemenge. Erfassen Sie die Zeit von der Anfrage bis zur Umfangsfreigabe, Entwurfsänderungen nach Programmierbeginn, die Zeit bis zum ersten Review und das Warten auf Release-Freigabe. Vergleichen Sie ähnliche Änderungen vor und nach dem Pilotversuch, zusammen mit Nacharbeit, Produktionsfehlern und Betriebskosten. Verbessern Sie die Phase, die den gesamten Ablauf noch begrenzt.

Führt KI Code selbstständig zusammen oder gibt Releases frei?

Agenten führen niemals Änderungen in main zusammen. Ein Mensch genehmigt und übernimmt diesen Merge. Deployment-Rechte und Release-Freigaben werden für das Projekt gesondert vereinbart. Eine vorbereitete Änderung berechtigt den Agenten nicht zum Release.

Was passiert, wenn ein Agent nicht weiterkommt?

Ein zweiter fehlgeschlagener Versuch stoppt eine automatische Schleife und erzeugt einen Bericht über offene Punkte für einen Menschen. Reviews umfassen höchstens zwei Runden. Ungelöste kritische oder schwerwiegende Befunde blockieren den Abschluss und erfordern menschliches Eingreifen.

Sprechen wir über die nächste Änderung an Ihrem Produkt

Beschreiben Sie, was Sie entwickeln oder verbessern möchten. Wir grenzen die Arbeit ab, bestimmen geeignete Aufgaben für Agenten und vereinbaren, wie Ihr Team das Ergebnis bewertet.

Mit Idego sprechen