- Beim Einsatz von AI-Coding-Tools und der schrittweisen Übergabe immer größerer Aufgaben stellte sich zwar Begeisterung ein, zugleich zeigte sich jedoch ein Mangel an Konsistenz und struktureller Qualität der Ergebnisse
- Selbst mit detaillierten Spezifikationen können AI-Agenten weder langfristigen Kontext bewahren noch ein Design weiterentwickeln; am Ende verwandelt sich die gesamte Codebasis in eine Sammlung heterogener Fragmente
- Einzelne Codefragmente wirken für sich genommen vollständig, insgesamt entstehen jedoch strukturelle Unordnung (sloppy) und ein Zusammenbruch des Kontexts
- Nach diesen Erfahrungen kam der Autor zu dem Schluss, dass mit von AI erzeugtem Code weder Nutzervertrauen noch Datenschutz gewährleistet werden können, und kehrte dazu zurück, den Code wieder selbst zu schreiben
- AI-Coding bleibt weiterhin nützlich, kann jedoch technische Schulden und den Verlust von Entwicklerkontrolle verursachen, weshalb ein vorsichtiger Einsatz nötig ist
Frühe Begeisterung für AI-Coding und das Erkennen seiner Grenzen
- Die meisten Nutzer beginnen mit einfachen Aufgaben beim AI-Coding und übertragen dann nach und nach komplexere Aufgaben, wobei sie von der Leistungsfähigkeit beeindruckt sind
- Ab einem bestimmten Punkt treten jedoch Fehler und Inkonsistenzen der AI offen zutage, und es entsteht eine Lücke zwischen Erwartung und Realität
- Wenn die Ergebnisse unbefriedigend sind, führen Nutzer dies oft auf ihre eigenen Prompts zurück und versuchen, noch konkretere Spezifikationen zu schreiben
- Mit Tools wie Obsidian werden detaillierte Spezifikationsdokumente erstellt, doch die AI kann diese langfristig nicht weiterentwickeln
Das Scheitern eines spezifikationsbasierten Ansatzes
- In der realen Entwicklung sind Designdokumente „lebende Dokumente“, die sich im Verlauf von Entdeckung und Implementierung ständig verändern
- AI-Agenten bleiben jedoch an die ursprüngliche Spezifikation gebunden und sind nicht in der Lage, flexibel zu ändern oder neu zu interpretieren
- Beim Umgang mit komplexen Strukturen neigen Agenten dazu, den Gesamtkontext des Problems zu verlieren oder sich mit Gewalt voranzuarbeiten
- Dadurch wirkt der Code nach außen zwar vollständig, es fehlt jedoch an innerer Konsistenz und struktureller Integrität
Der Verfall der Codequalität und die Grenzen des „Vibecoding“
- Von AI geschriebener Code wirkt stellenweise hervorragend, ist insgesamt jedoch eine bedeutungslose Kombination
- Nachdem der Autor die gesamte Codebasis überprüft hatte, entdeckte er darin „reines Chaos (slop)“
- Die AI ist zwar gegenüber Prompts und ihrer eigenen internen Konsistenz treu, berücksichtigt jedoch weder die Harmonie des Gesamtsystems noch die Konsistenz benachbarter Muster
- Das ähnelt einem Fall von „Vibewriting“, bei dem einzelne Absätze eines Romans großartig sind, das ganze Kapitel jedoch misslingt
Rückkehr zu einer menschenzentrierten Entwicklung
- Der Autor kam zu dem Urteil, dass sich von AI erzeugter Code weder für die Auslieferung als Produkt noch für den Schutz von Nutzerdaten eignet
- Mit dem Entschluss, den Nutzern „mit diesem Code nichts vorzulügen“, kehrte er zum direkten Coden zurück
- Beim eigenen Schreiben stellte er fest, dass sich Geschwindigkeit, Genauigkeit, Kreativität und Produktivität sogar verbesserten
- Bewertet man nicht nur die reine Geschwindigkeit der Codeerzeugung, sondern die Effizienz der gesamten Entwicklung, zeigt sich weiterhin ein Vorteil für den Menschen
Weiterer Einsatz von AI-Coding und notwendige Vorsicht
- Der Autor nutzt LLMs weiterhin in begrenztem Umfang (etwa 40 %) für bestimmte Aufgaben
- Für wiederkehrende Aufgaben oder einfache Codegenerierung sind sie nützlich, doch technische Schulden und ein sinkendes Codeverständnis häufen sich an
- Langfristig besteht die Gefahr, dass Entwickler ihr mentales Modell der Codebasis verlieren und ohne AI Probleme nicht mehr lösen können
- Unterwegs (im Zug, im Flugzeug usw.) kann es durch AI-Abhängigkeit sogar zu einer Produktivität von 0 % kommen
- Andere Entwickler weisen darauf hin, dass die Vorstellung, „man müsse nur gute Spezifikationen schreiben“, eine Neuauflage des Wasserfallmodells sei, während reale Entwicklung improvisierte Erkundung und Interaktion erfordere
Fazit
- AI-Coding ist weiterhin ein leistungsfähiges Werkzeug, verfügt jedoch nicht über die Fähigkeit, den Kontext des Gesamtsystems und strukturelle Konsistenz aufrechtzuerhalten
- Die intuitive Urteilskraft und die Fähigkeit zur spontanen Anpassung menschlicher Entwickler bleiben zentral,
und AI sollte als Hilfsmittel nur auf vorsichtig kontrollierte Weise eingesetzt werden
Noch keine Kommentare.