KI-Agenten schreiben Code – doch warum scheitern sie so oft?

Künstliche Intelligenz verspricht, die Softwareentwicklung zu beschleunigen – doch in der Praxis scheitern viele Projekte an unerwarteten Stolpersteinen. Ein klassisches Beispiel: Entwickler formulieren eine Anforderung, die aus menschlicher Perspektive klar erscheint. Doch der KI-Agent führt den Auftrag wortwörtlich aus – und zerstört dabei unerwartet andere Teile des Codes.

Das Problem liegt nicht in der KI selbst, sondern in der Art und Weise, wie Anforderungen dokumentiert werden. Traditionelle Spezifikationsformate wie IEEE 830 oder ISO/IEC 29148 stammen aus einer Zeit, als Software noch von Menschen geschrieben wurde. Diese Formate berücksichtigen keine KI-Agenten, die keine Interpretationsspielräume nutzen können. Sie lesen nur, was explizit steht – und handeln entsprechend.

Doch wie lässt sich dieses Missverständnis vermeiden? Die Lösung liegt in einem neuen Ansatz: der AI-Native System Specification Standard (ANSS). Dieser Standard behandelt KI-Agenten nicht als nachträgliche Ergänzung, sondern als primäre Leser der Spezifikation. Die Methode hat sich in der Praxis bewährt: Statt fünf bis sieben Iterationen, um den KI-Agenten zur korrekten Umsetzung zu führen, reichen nun zwei bis drei Durchläufe. Noch wichtiger: Die Agenten erkennen Widersprüche in den eigenen Spezifikationen, bevor sie auch nur eine Zeile Code schreiben.

Warum traditionelle Spezifikationen für KI-Agenten ungeeignet sind

Traditionelle Spezifikationsstandards wie IEEE 830 oder ISO/IEC 29148 wurden für menschliche Entwickler konzipiert. Sie setzen voraus, dass Leser Lücken durch Erfahrung und Kontext schließen können. KI-Agenten hingegen verfügen über kein solches Hintergrundwissen. Sie agieren streng nach den vorgegebenen Anweisungen – und interpretieren selbst scheinbar offensichtliche Punkte wörtlich.

Ein typisches Beispiel: Ein Entwickler formuliert die Anforderung „Die Anwendung soll performant sein“. Ein menschlicher Entwickler würde verstehen, dass dies eine relative Aussage ist und verschiedene Maßnahmen erfordern könnte. Ein KI-Agent hingegen sucht nach einer absoluten Definition von „performant“ – und könnte etwa die Implementierung eines Caching-Mechanismus vorschlagen, der in der gegebenen Architektur kontraproduktiv ist.

Der ANSS-Standard adressiert dieses Problem, indem er klare Strukturen und Regeln definiert, die speziell auf die Bedürfnisse von KI-Agenten zugeschnitten sind. Statt auf menschliche Intuition zu setzen, werden alle Informationen explizit und unmissverständlich formuliert.

Die vier Kernprinzipien des ANSS-Standards

Der ANSS-Standard basiert auf vier zentralen Mechanismen, die sicherstellen, dass KI-Agenten Spezifikationen korrekt interpretieren und umsetzen können:

1. Dreischichtige Markup-Struktur

Jede Spezifikation wird in drei klar getrennte Abschnitte unterteilt, die jeweils unterschiedliche Lesergruppen ansprechen:

• [D] Domain – Was soll gebaut werden?
• Zielgruppe: Produktverantwortliche, Projektmanager
• Enthält die fachliche Beschreibung des Systems

• [E] Engineering – Wie soll es technisch umgesetzt werden?
• Zielgruppe: Entwickler, Architekten
• Beschreibt technische Details und Implementierungsvorgaben

• [A] Agent – Wie soll der KI-Agent vorgehen?
• Zielgruppe: KI-Agenten (werden zuerst gelesen)
• Enthält alle Informationen, die der Agent für die Umsetzung benötigt

Diese Struktur stellt sicher, dass KI-Agenten direkt auf die relevanten Informationen zugreifen können, ohne auf menschliche Interpretation angewiesen zu sein.

2. Unveränderliche Regeln (Invariants)

Invariants sind harte Vorgaben, die während der gesamten Entwicklung eingehalten werden müssen. Jede Invariante folgt einem klaren Schema:

INV-001: Keine externen npm-Pakete
- Cannot: Verwendung von `require()` für npm-Module
- Reason: Die Anwendung muss ohne `npm install` ausführbar sein
- Check: Keine Importe aus `node_modules` in `server.js`

Der entscheidende Unterschied zu herkömmlichen Anmerkungen: Invarianten sind überprüfbar. Vor der Einführung von Invarianten wurde etwa die Vorgabe „Der Code sollte schlank bleiben“ oft wörtlich interpretiert – etwa durch die Hinzufügung mehrerer npm-Pakete. Invarianten schließen solche Interpretationsspielräume aus und definieren klare, automatisiert prüfbare Regeln.

3. KI-Agenten-Revision vor der Code-Erstellung

Ein zentraler Bestandteil des ANSS-Standards ist die Agent Review – ein automatisierter Prüfprozess, den KI-Agenten selbst durchführen, bevor sie mit der Code-Erstellung beginnen. Dabei werden folgende Punkte überprüft:

• Widersprüche zwischen verschiedenen Spezifikationsabschnitten
• Fehlende Randfälle oder unvollständige Akzeptanzkriterien
• Vollständigkeit der Anforderungen
• Konflikte mit Invarianten

Eine harte Regel besagt: Falls mehr als drei Probleme gefunden werden, muss die Spezifikation überarbeitet werden, bevor die Umsetzung beginnt.

Diese Methode hat sich als besonders wertvoll erwiesen, da sie Probleme erkennt, bevor sie zu kostspieligen Fehlern führen. Ein Entwickler berichtete, dass der erste Einsatz der Agent Review dazu führte, dass ein KI-Agent fünf Widersprüche in seiner eigenen Spezifikation identifizierte – eine Erkenntnis, die ihm zuvor mehrere Stunden an Nacharbeit erspart hat.

4. Change Specification

Traditionelle Spezifikationen beschreiben oft nur den gewünschten Endzustand. Der ANSS-Standard ergänzt dies um eine Change Specification, die folgende Punkte umfasst:

• Aktueller Zustand
• Gewünschter Zustand
• Was nicht geändert werden darf
• Auswirkungen der Änderungen
• Rollback-Plan

Der Punkt „Was nicht geändert werden darf“ ist besonders wertvoll, da er verhindert, dass KI-Agenten ungewollt bestehende Funktionen oder Abhängigkeiten modifizieren. In der Praxis hat sich gezeigt, dass viele Fehler entstehen, weil Agenten bestehende Logik anpassen, ohne zu wissen, welche Konsequenzen dies hat.

Drei Ebenen für unterschiedliche Projektanforderungen

Der ANSS-Standard ist skalierbar und passt sich verschiedenen Projektgrößen und -komplexitäten an:

• CORE (15–20 Seiten)
• Ideal für Bots, SaaS-Anwendungen, APIs und Automatisierungen
• Deckt etwa 80 % der Projekte ab

• EXTENDED (40–60 Seiten)
• Enthält zusätzliche Abschnitte zu Sicherheit, Compliance und detaillierten Tests
• Geeignet für komplexere Projekte mit erhöhten Anforderungen

• ENTERPRISE (Vollständige Spezifikation)
• Umfasst alle ANSS-Komponenten
• Wird für Banken, regulierte Industrien und KI-Plattformen eingesetzt

ANSS in fünf Minuten ausprobieren

Der Einstieg in den ANSS-Standard ist denkbar einfach. In nur fünf Minuten lässt sich eine erste Spezifikation erstellen:

1. 1.1 – Was und für wen?

• Beschreibe in zwei Sätzen, was das System leisten soll und für welche Zielgruppe es gedacht ist.

1. 2.1 – Fachglossar

• Definiere fünf bis zehn zentrale Begriffe, um Missverständnisse zu vermeiden.

1. 2.5 – Invarianten

• Formuliere drei bis fünf unveränderliche Regeln, die während der Entwicklung eingehalten werden müssen.

1. 3.2 – Nutzergeschichten mit Akzeptanzkriterien

• Beschreibe konkrete Anwendungsfälle und definiere, wann ein Nutzer eine Funktion als erfolgreich umgesetzt betrachtet.

1. 2.4 – Technologie-Stack

• Gib an, welche Technologien und Frameworks verwendet werden sollen.

Gib die erstellte Spezifikation an deinen KI-Agenten weiter und fordere ihn auf, vor der Code-Erstellung eine Agent Review durchzuführen. Die Ergebnisse werden dich oft überraschen – und dir wertvolle Zeit und Nerven sparen.

Fazit: Spezifikationen für die KI-Ära

KI-Agenten werden die Softwareentwicklung revolutionieren – doch ihr Erfolg hängt maßgeblich davon ab, wie gut sie die Anforderungen verstehen. Traditionelle Spezifikationsformate sind dafür nicht mehr geeignet. Der ANSS-Standard bietet eine zukunftsweisende Lösung, die die Lücke zwischen menschlicher Intuition und maschineller Präzision schließt.

Wer seine Spezifikationen nach den Prinzipien von ANSS gestaltet, wird nicht nur weniger Fehler machen, sondern auch deutlich schneller zu funktionierenden Ergebnissen kommen. Es ist an der Zeit, die Art und Weise, wie wir Softwareanforderungen dokumentieren, für das Zeitalter der KI neu zu denken.