KI Agenten als Projektassistenten: Projektspezifische Assistenz entlang des Entwicklungsprozesses

2. Warum ein KI-Agent und nicht einfach ein Chatbot?

Auf den ersten Blick könnte man meinen, dass ein normaler KI-Chatbot dieselbe Aufgabe übernehmen könnte. In der Praxis gibt es jedoch wesentliche Unterschiede.

Ein klassischer Chatbot beantwortet Fragen auf Basis seines allgemeinen Wissens. Er kennt weder die Architektur eines Projekts noch dessen Coding Guidelines oder vorhandene Framework-Komponenten. Dadurch bleiben seine Empfehlungen oft allgemein und müssen vom Entwickler auf das Projekt übertragen werden.

Ein KI-Agent geht einen Schritt weiter. Er erhält eine klar definierte Rolle, konkrete Aufgaben und projektspezifisches Wissen. Dadurch arbeitet er nicht mehr als allgemeiner Gesprächspartner, sondern als spezialisierter Assistent für einen bestimmten Anwendungsfall.

Unser Agent wurde beispielsweise darauf ausgelegt,

• projektspezifische Coding Guidelines zu berücksichtigen,
• die bestehende Testarchitektur zu kennen,
• vorhandene Framework-Komponenten und Wiederverwendungsmöglichkeiten einzubeziehen,
• den Code anhand definierter Qualitätskriterien zu analysieren,
• Verbesserungsvorschläge nachvollziehbar zu begründen und
• eine strukturierte Bewertung der Ergebnisse zu liefern.

Dadurch entsteht aus einem allgemeinen Sprachmodell ein spezialisierter Projektassistent, der sich an den Standards unseres Projekts orientiert und Entwickler gezielt im Entwicklungsprozess unterstützt.

3. Wie haben wir den Agenten aufgebaut?

Die Entwicklung des Agenten begann nicht mit einem Prompt, sondern mit der Analyse unseres Projekts. Zunächst haben wir zusammengetragen, welches Wissen ein erfahrener Reviewer während eines Code Reviews nutzt. Dazu gehörten unter anderem unsere Coding Guidelines, Architekturvorgaben, Best Practices, Wiederverwendungsstrategien sowie projektspezifische Besonderheiten im Umgang mit Playwright, Cucumber und SAP. Ziel war es, dieses Wissen so aufzubereiten, dass der Agent es bei jeder Analyse berücksichtigen kann.

Auf dieser Grundlage entwickelten wir einen umfangreichen Systemprompt. Dieser beschreibt nicht nur die Rolle des Agenten, sondern definiert auch, welche Qualitätskriterien geprüft werden sollen, nach welchen Regeln der Code bewertet wird und wie die Ergebnisse strukturiert ausgegeben werden. Statt allgemeiner Hinweise sollte der Agent konkrete, nachvollziehbare und projektspezifische Empfehlungen liefern.

Damit war die Arbeit jedoch nicht abgeschlossen. Die Entwicklung erfolgte iterativ: Wir testeten verschiedene Sprachmodelle, verglichen die Ergebnisse miteinander und überprüften, welche Empfehlungen tatsächlich einen Mehrwert für unser Projekt boten. Fehlende Regeln wurden ergänzt, unpassende Vorschläge angepasst und der Prompt Schritt für Schritt erweitert. Erst nach mehreren Optimierungsrunden lieferte der Agent die Qualität und Konsistenz, die wir für den produktiven Einsatz erwartet hatten.

Anschließend integrierten wir den Agenten in unseren Entwicklungsprozess. Bevor ein Entwickler seinen Code in das eigentliche Code Review gibt, führt er zunächst ein KI-gestütztes Pre-Review durch. So können viele Hinweise bereits im Vorfeld berücksichtigt und typische Qualitätsmängel behoben werden. Gleichzeitig wird der Agent kontinuierlich weiterentwickelt: Neue Erkenntnisse aus Code Reviews und zusätzliche Projekterfahrungen fließen regelmäßig in den Prompt ein, sodass sich sein Wissen mit dem Projekt weiterentwickelt.

4. Was kann der Agent?

Der Agent wurde entwickelt, um Entwickler bereits vor dem eigentlichen Code Review gezielt zu unterstützen. Dabei geht seine Funktion weit über eine klassische Codeanalyse hinaus. Durch das projektspezifische Wissen kann er den geschriebenen Code im Kontext unseres Projekts bewerten und Hinweise geben, die auf die vorhandene Architektur und unsere Entwicklungsstandards abgestimmt sind.

Zu seinen zentralen Aufgaben gehört die Prüfung der projektspezifischen Coding Guidelines. Der Agent erkennt, ob etablierte Konventionen eingehalten werden und weist auf Abweichungen hin. Gleichzeitig überprüft er, ob bestehende Framework-Komponenten oder Hilfsklassen wiederverwendet werden können, anstatt bereits vorhandene Funktionalitäten erneut zu implementieren. Dadurch trägt er dazu bei, die Wartbarkeit des Codes zu verbessern und Doppelentwicklungen zu vermeiden.

Darüber hinaus analysiert der Agent die Einhaltung der Projektarchitektur. Er erkennt potenzielle Qualitätsprobleme, bewertet die Konsistenz der Implementierung und gibt konkrete Verbesserungsvorschläge. Dabei beschränkt er sich nicht auf den Hinweis, dass etwas geändert werden sollte, sondern erläutert auch, warum eine bestimmte Lösung empfohlen wird und welche Vorteile sie gegenüber der ursprünglichen Implementierung bietet.

Ein weiterer wichtiger Aspekt ist die einheitliche Arbeitsweise im Team. Unterschiedliche Entwickler bringen unterschiedliche Erfahrungen und Lösungsansätze mit. Der Agent unterstützt dabei, einen konsistenten Entwicklungsstil zu fördern und die Einhaltung gemeinsamer Standards sicherzustellen. Dadurch entstehen nachvollziehbarere Implementierungen und die Ergebnisse verschiedener Entwickler werden besser vergleichbar.

Der Agent ersetzt dabei nicht die fachliche Bewertung durch einen Reviewer. Vielmehr sorgt er dafür, dass viele technische und qualitative Aspekte bereits vor dem eigentlichen Code Review überprüft werden. Dadurch können sich Reviewer stärker auf fachliche Anforderungen, Architekturentscheidungen und komplexe Fragestellungen konzentrieren.

5. Der Mentor-Agent

Zusätzlich zum Pre-Review-Agenten entstand ein Mentor-Agent.

Während der Pre-Review-Agent vor allem die Qualität des Codes bewertet, erklärt der Mentor-Agent die Hintergründe seiner Empfehlungen. Er erläutert Best Practices, verweist auf vorhandene Framework-Komponenten, beschreibt alternative Lösungsansätze und unterstützt Entwickler dabei, die Architektur und die projektspezifischen Vorgehensweisen besser zu verstehen.

Dadurch wird der Agent nicht nur zu einem Prüfwerkzeug, sondern gleichzeitig zu einer kontinuierlich verfügbaren Wissensquelle.

6. Welchen Mehrwert bringt der Agent?

Der größte Mehrwert des Agenten liegt darin, dass projektspezifisches Wissen jederzeit verfügbar ist. Entwickler erhalten bereits während der Implementierung Rückmeldungen zu ihrem Code und können Verbesserungsvorschläge unmittelbar umsetzen, bevor der Code in das eigentliche Review geht. Dadurch werden viele typische Qualitätsprobleme frühzeitig erkannt und behoben.

Besonders hilfreich ist dies für neue Teammitglieder. Sie erhalten nicht nur Hinweise auf mögliche Fehler, sondern auch Erklärungen zu den dahinterliegenden Best Practices sowie Hinweise auf bereits vorhandene Framework-Komponenten oder Wiederverwendungsmöglichkeiten. Dadurch wird die Einarbeitung in ein bestehendes Projekt deutlich erleichtert und das notwendige Projektwissen kann kontinuierlich während der täglichen Arbeit aufgebaut werden.

Auch für erfahrene Entwickler bietet der Agent einen Mehrwert. Wiederkehrende Prüfungen, beispielsweise hinsichtlich Coding Guidelines oder Architekturvorgaben, werden automatisiert unterstützt. Dadurch entsteht ein einheitlicher Qualitätsstandard über das gesamte Team hinweg und Code Reviews können sich stärker auf fachliche Fragestellungen, Business-Logik und komplexe Architekturentscheidungen konzentrieren.

Ein weiterer Vorteil ist die Nachvollziehbarkeit der Empfehlungen. Der Agent liefert nicht nur Verbesserungsvorschläge, sondern begründet diese auch. Entwickler verstehen dadurch, warum eine bestimmte Vorgehensweise empfohlen wird und welche Auswirkungen alternative Lösungen haben können. Dies fördert nicht nur die Codequalität, sondern unterstützt gleichzeitig den Wissensaufbau innerhalb des Teams.

Insgesamt führte der Einsatz des Agenten zu einer höheren Codequalität bereits vor dem eigentlichen Review, einer besseren Wiederverwendung bestehender Komponenten und einer konsistenteren Umsetzung von Projektstandards. Gleichzeitig wurde der Entwicklungsprozess effizienter, da viele Standardthemen bereits vor dem eigentlichen Review adressiert werden konnten und sich die Reviewer stärker auf die fachlich anspruchsvollen Aspekte der Implementierung konzentrieren konnten.

7. Ausblick und weitere Agenten

Der erfolgreiche Einsatz des Pre-Review-Agenten zeigt, dass spezialisierte KI-Agenten weit über klassische Code Reviews hinaus eingesetzt werden können. Der entscheidende Vorteil liegt darin, dass jeder Agent ein klar abgegrenztes Aufgabengebiet mit projektspezifischem Wissen übernimmt und dadurch gezielt Unterstützung entlang des Entwicklungsprozesses bieten kann.

Neben der Code-Qualität sind weitere Einsatzmöglichkeiten denkbar. Ein Agent zur Unterstützung der Testfallerstellung könnte beispielsweise bestehende Testabläufe analysieren, wiederverwendbare Komponenten erkennen und daraus Vorschläge für neue automatisierte Tests ableiten. Dabei könnte er vorhandene Page Objects, Step-Definitionen oder Framework-Komponenten berücksichtigen und sicherstellen, dass neue Tests konsistent zur bestehenden Testarchitektur umgesetzt werden.

Ein weiterer möglicher Anwendungsfall wäre ein Agent zur fachlichen Feature-Prüfung. Dieser könnte Anforderungen, User Stories oder Prozessbeschreibungen analysieren und mit bestehenden Testfällen vergleichen. Dadurch könnte frühzeitig erkannt werden, ob fachliche Anforderungen vollständig abgedeckt sind oder ob zusätzliche Tests notwendig sind.

Auch die Analyse von Regressionsauswirkungen bietet großes Potenzial. Ein spezialisierter Agent könnte Änderungen an Features, Komponenten oder Framework-Bausteinen bewerten und Hinweise geben, welche bestehenden Tests möglicherweise betroffen sind und welche Regressionstests priorisiert durchgeführt werden sollten.

Langfristig ist denkbar, mehrere spezialisierte Agenten miteinander zu kombinieren. Ein mögliches Szenario wäre ein durchgängiger KI-gestützter Entwicklungsprozess: Von der Analyse einer fachlichen Anforderung über die Erstellung von Testentwürfen und die technische Umsetzung bis hin zum automatisierten Pre-Review und der Bewertung möglicher Regressionen.

Damit entwickeln sich KI-Agenten von einzelnen Assistenzwerkzeugen zu einem intelligenten Netzwerk aus spezialisierten Projektassistenten, das Entwickler während des gesamten Entwicklungs- und Testprozesses unterstützt.