Ich sitze daneben und warte

Nach Lauschliste v1.0 und den sechs fremden Usern gibt's diesmal kein Building in Public, sondern einen Gedanken, der mir schon das ganze Jahr im Kopf rumschwirrt: Wir sind im KI-Zeitalter angekommen.

Zum Jahresanfang kam Opus 4.6 raus und damit habe ich meine ersten Versuche mit Coding Agents gemacht. Parallel habe ich immer wieder Open-Weight-Modelle getestet – Kimi, GLM und wie sie alle heißen – und auch Gemini 3.1 Pro. Die Ergebnisse sahen auf den ersten Blick immer ganz gut aus. Aber irgendwie gab es immer was zum Nacharbeiten.

Die Tools wechseln genauso schnell wie die Modelle. Angefangen habe ich mit opencode plus oh-my-opencode (heißt mittlerweile oh-my-openagent), zuletzt war ich bei omp – einem Fork von pi. Alles ist sehr kurzlebig. Wenn man Theo auf YouTube schaut, kommt gefühlt jede Woche ein krasseres Modell raus – oder irgendwer ändert Preise, verbraucht mehr Tokens, behauptet besser zu sein, obwohl er es nicht ist, ...

Mit Opus 5.5 und einem Orchestrierungs-Workflow kommt man aktuell relativ gut ans Ergebnis. Wahrscheinlich ist dieser Satz in drei Monaten schon wieder veraltet.

Mein großes Problem ist aber: das Warten.

Coden ist und war eine große Leidenschaft von mir und ich glaube, da spreche ich für viele Entwickler. Neue Features planen und umsetzen, geile Tests schreiben – einfach ein gutes Gefühl. Oder wenn man stundenlang einen Bug sucht und ihn endlich findet und fixt: Erst Facepalm, dann Dopamin pur.

Jetzt macht das alles keinen Unterschied mehr. Ich tippe den Bug oder das Feature in die CLI und sitze dann daneben. Die Developer Experience geht gegen null.

Natürlich ist es weiterhin wichtig, seine Tools und Standards zu kennen. Damit kann ich fast jedes Ergebnis nochmal nachschärfen – und vermutlich ist genau das der Teil, der uns noch unersetzlich macht.

Wenn ich mir KI-Ergebnisse in anderen Branchen anschaue, zum Beispiel Flyer oder YouTube-Videos, bin ich immer sofort genervt. Das fühlt sich an wie: "Ich hatte keine Lust oder keine Zeit – whatever, für euch reicht das schon so."

Einige predigen gerade, dass man den Code bald gar nicht mehr lesen wird. Man sollte sich aber vor Augen halten: Man kommt ans Ziel, aber vielleicht ist das Ergebnis mittelmäßiger Einheitsbrei.

Klar, ich bin nur einen Prompt davon entfernt, rauszufinden, ob es Einheitsbrei ist. Und währenddessen läuft eh schon ein zweiter, dritter oder vierter Agent und macht etwas anderes, weil ich sonst nur vor dem Rechner sitze und warte 😅

CookieSnitch war mehr oder weniger ein One-Shot – ein Prompt, ein Orchestrierungs-Lauf mit Implementierungs- und Review-Agents. Nach dem initialen Deploy kamen aber noch 16 weitere über GitHub Actions dazu.

Genau das ist, glaube ich, der Trugschluss: Das erste Ergebnis sieht immer cool aus, gerade wenn man nichts erwartet. Aber wenn man genau hinschaut und händisch testet, findet man immer was – selbst mit einer Test-Suite, die lokal knapp 30 Minuten läuft.

Warum so lange? Die Akzeptanz- und Angriffstests starten jeweils einen echten Server und schicken ein echtes Chromium auf lokale Fixture-Websites. Ein einzelner Scan dauert da schon mal 15 Sekunden. Dazu laufen die Testdateien nacheinander statt parallel, mit großzügigen Timeouts:

// vitest.config.ts (Auszug)
export default defineConfig({
  test: {
    include: ['test/**/*.test.ts'],
    testTimeout: 120_000,
    hookTimeout: 120_000,
    fileParallelism: false,
  },
})

Und ehrlich gesagt: Auf so eine Testarchitektur – Akzeptanz- und Angriffstests, über 60 Fixture-Websites mit erwarteten Befunden, dazu Mutation Testing mit Stryker – wäre ich ohne Coding Agent nicht so schnell gekommen. Das muss man den Agents lassen.

Grün heißt trotzdem nicht fertig. Die Tests prüfen nur das, woran der Agent – oder ich – beim Schreiben gedacht hat.

Vermutlich erstelle ich jetzt deutlich mehr Projekte, weil ich die Welle mitreite und vielleicht ist ja ein Glücksgriff dabei, der durch die Decke geht. Der Einzige, der das versucht, bin ich aber nicht. Jeder kann jetzt in kürzester Zeit Software bauen – wieso noch ein Jira-Abo zahlen, wenn ich mir mein eigenes Ticketsystem schreiben kann?

Deshalb vermute ich, dass Software immer wertloser wird. Wenn es von allem hundert Varianten gibt und jeder behauptet, seine sei die beste, können wir kaum noch unterscheiden, was gute und was schlechte Software ist. Und vermutlich geht das über Software hinaus.

Ich wollte das einfach mal loswerden. Vielleicht bleibt für uns Entwickler am Ende genau das übrig: hinschauen. Den Code lesen, händisch testen, nachschärfen. Den Dopamin-Kick vom gefundenen Bug gibt es nämlich immer noch – nur steckt der Bug jetzt im Code von jemand anderem. Bei CookieSnitch bisher 16 Deploys lang 😅

Schaltet auch beim nächsten Mal wieder ein, wenn es heißt: 2 Agents, 1 Dev 🙈