Wie man die eigenen Programmierfähigkeiten mit AI verbessert

• Mit AI-Coding-Tools sollen Transformationsaufgaben, die für Menschen 1–2 Stunden dauern, auf ein Review von 15–20 Minuten reduziert werden.
• Allerdings liegt die Qualität des von AI erzeugten Codes derzeit nicht einmal bei 90 % von handgeschriebenem Code, sodass sie praktisch wenig hilfreich zu sein scheint.
• Deshalb stellt sich die Frage, wie man AI so einsetzen sollte, dass sich Produktivität und Codequalität gleichzeitig steigern lassen.

Praktische Tipps, um mit AI Effizienz und Qualität beim Programmieren zu steigern

1. AI nur auf wiederholbare Aufgaben konzentrieren

• AI erzielt den größten Effekt, wenn ähnlich geformte Aufgaben mehrfach wiederholt werden.
• Einmal setzt ein Mensch die bestmögliche Lösung direkt in hoher Qualität um und nutzt sie als Referenzbeispiel.
• Danach werden Aufgaben mit demselben Muster der AI zur Massenverarbeitung übergeben.
• Bei Aufgaben, die Denken und Urteilsvermögen erfordern, sinkt die erwartbare Effizienz stark.

2. Vor dem Coden unbedingt zuerst einen Plan erstellen

• Nicht sofort Code generieren, sondern zuerst einen Lösungsplan aufschreiben.
• In der Planungsphase sollen alle Unklarheiten und Fragen sichtbar gemacht werden.
• Wenn der Plan nicht zufriedenstellend ist, nicht in die Umsetzungsphase wechseln.
• Die Qualität des Ergebnisses hängt stärker von der Klarheit des Planungsdokuments ab als vom Prompt.

3. Aufgaben in extrem kleine Einheiten zerlegen

• In Einheiten wie eine Datei, eine Komponente oder einige wenige Funktionen anfragen.
• Anfragen wie „gesamtes Refactoring“ oder „idiomatisch verbessern“ haben eine hohe Fehlerrate.
• Die Struktur entwirft der Mensch, die wiederholte Implementierung übernimmt die AI.

4. Keinen Kontext anhäufen, sondern häufig zurücksetzen

• Je länger ein Gespräch wird, desto stärker fallen Regelkonformität und Qualität ab.
• Eine Session sollte nur eine Aufgabe behandeln.
• Wenn sich die Richtung ändert, in einer neuen Session neu beginnen.
• Bei langfristigen Aufgaben den Status in Dokumenten (plan.md usw.) festhalten und erneut einspeisen.

5. Regeldokumente kurz und mechanisch halten

• CLAUDE.md / AGENTS.md sollten innerhalb von 500–1000 Tokens bleiben.
• Statt deklarativer Anweisungen vor allem konkrete und überprüfbare Regeln formulieren.
• Nur das Nötigste zu häufigen Fehlern festhalten.
• Alles andere über Code und automatische Prüfungen erzwingen.

6. Tests, Linter und Builds als Feedback-Loop nutzen

• Statt „mach es gut“ lieber klare Erfolgskriterien vorgeben.
• Als Ziel Tests bestanden, Build erfolgreich und 0 Linter-Fehler setzen.
• Nur mit einem Feedback-Loop kann sich die AI selbstständig annähern.
• Tests, die bestehendes Verhalten absichern, senken die Schwierigkeit von Refactorings erheblich.

7. Nicht während der Ausführung nachbessern, sondern den Plan korrigieren und neu ausführen

• Wenn das Ergebnis nicht gefällt, nicht wiederholt Änderungen am Code anfordern.
• Stattdessen das Planungsdokument anpassen und in einer neuen Session erneut ausführen.
• Wenn die Richtung erst in der Umsetzungsphase geändert wird, bricht die Qualität schnell ein.

8. Stil anhand von Beispielen vermitteln

• Abstrakte Anweisungen wie „guter Code“ haben fast keine Wirkung.
• Before-/After-Beispiele zusammen bereitstellen.
• Gute und schlechte Beispiele klar voneinander trennen.
• Regeln rund um die Beispiele erweitern.

9. Das Verstehen nicht aufgeben und Verantwortungsgrenzen klar ziehen

• Von AI erzeugter Code muss immer von Menschen verstanden und geprüft werden.
• Außer bei Prototypen und risikoarmem Code ist eine Nutzung ohne Review tabu.
• Bei sicherheitskritischem, betrieblichem oder langfristig zu wartendem Code ist Verständnis die Voraussetzung für Qualität.

10. Zuerst prüfen, ob die Aufgabe überhaupt für AI geeignet ist

• Aufgaben ohne eindeutige richtige Antwort und mit starkem ästhetischem oder strukturellem Urteil sind für AI ungeeignet.
• Besonders schwierig sind UI-Refactorings, bei denen sich visuelle Ergebnisse schwer automatisch verifizieren lassen.
• Falls nötig:
  • Schritt 1: mechanische Transformation mit dem Ziel, das Verhalten beizubehalten
  • Schritt 2: Qualitäts-Refactoring durch Menschen

11. Mit der Erwartung „10 % Verbesserung“ starten

• Nicht von Anfang an 10x erwarten.
• Eine Strategie, kleine Verbesserungen zu kumulieren, ist langfristig wirksamer.
• Entscheidend ist, die Maßstäbe für Design und Qualität nicht aufzugeben