Ablaufdiagramm eines Coding Agents: Eine Aufgabe in Textform geht ein, dann folgt eine Schleife aus den drei Schritten „Planen", „Handeln (Code schreiben / ausführen)" und „Auswerten (Fehlermeldung lesen)". Die Schleife endet, wenn das Ergebnis korrekt ist, andernfalls springt sie zurück zu „Planen".

Coding Agent

Ein Coding Agent ist ein KI-System, das selbstständig Programmieraufgaben übernimmt: Es schreibt Code, testet ihn und verbessert ihn auf Basis von Fehlermeldungen — ohne dass ein Mensch jeden Schritt steuert. Damit geht er deutlich weiter als einfache Autovervollständigung, wie sie viele Programmiereditoren bieten.

Ein Coding Agent ist ein KI-System, das Programmieraufgaben selbstständig durchführt. Es bekommt eine Aufgabe in Textform — zum Beispiel « Schreib eine Funktion, die eine Liste sortiert » — und erledigt sie dann ohne weiteres Zutun. Das bedeutet: Es schreibt den Code, führt ihn aus, liest die Fehlermeldungen und verbessert den Code so lange, bis er funktioniert. Der entscheidende Unterschied zu einem einfachen Schreibassistenten ist, dass der Agent selbst entscheidet, welchen nächsten Schritt er geht — er plant, handelt und korrigiert sich.

Warum Coding Agents die Softwareentwicklung verändern

Bisher war Programmieren eine Tätigkeit, die vollständige menschliche Aufmerksamkeit verlangte. Selbst mit Hilfswerkzeugen musste ein Entwickler jeden Schritt selbst überwachen und bewerten. Coding Agents verschieben diese Grenze: Routineaufgaben — Tests schreiben, Fehler suchen, Code dokumentieren — lassen sich an ein System auslagern.

Das hat wirtschaftliche Konsequenzen. Firmen können kleinere Teams einsetzen oder dieselben Teams produktiver machen. Für Einsteiger sinkt die Hürde, weil sie weniger Syntax und Standardlösungen auswendig kennen müssen. Gleichzeitig diskutieren Experten, welche Aufgaben langfristig beim Menschen bleiben sollen — zum Beispiel das Entwerfen von Systemarchitekturen oder das Abwägen sicherheitsrelevanter Entscheidungen.

Wie ein Coding Agent eine Aufgabe abarbeitet

Im Kern läuft ein Coding Agent in einer Schleife. Er bekommt eine Aufgabe, überlegt, welche Werkzeuge er braucht, und führt einen Schritt aus. Dann liest er das Ergebnis — etwa eine Fehlermeldung des Computers — und entscheidet, wie er weiter vorgeht. Diese Schleife aus Planen, Handeln und Auswerten wiederholt sich, bis die Aufgabe erledigt ist oder der Agent feststeckt.

Wichtig dabei: Der Agent hat Zugriff auf Werkzeuge. Er kann Dateien lesen und schreiben, Code ausführen, im Internet suchen oder andere Programme aufrufen. Ohne diese Werkzeuge wäre er nur ein Textgenerator. Mit ihnen kann er tatsächlich in einer realen Programmierumgebung arbeiten.

Ein typischer Irrtum ist, Coding Agents mit Autovervollständigung zu verwechseln. Werkzeuge wie die Funktion « IntelliSense » in Programmiereditoren schlagen das nächste Wort vor — sie handeln nicht. Ein Coding Agent hingegen kann eine Aufgabe mit mehreren Dutzend Schritten eigenständig durchführen, ohne dass der Mensch nach jedem Schritt eingreift.

Coding Agents in Produkten und Schlagzeilen

GitHub Copilot Workspace, Devin von Cognition AI und der Agent-Modus in Cursor sind bekannte Produkte, die Coding Agents einsetzen. Devin sorgte Anfang 2024 für Aufsehen, weil er in einem öffentlichen Benchmark — einem standardisierten Test für KI-Programmiersysteme — einen größeren Teil echter Softwareentwicklungsaufgaben selbstständig lösen konnte als alle bisherigen Systeme. Kurz darauf folgten ähnliche Systeme von Google, Amazon und OpenAI.

In der Praxis begegnen Coding Agents oft in sogenannten Pull-Request-Workflows: Ein Agent bekommt den Auftrag, einen gemeldeten Fehler zu beheben, schreibt die Lösung und reicht sie zur Kontrolle ein — ein Mensch entscheidet dann, ob die Änderung übernommen wird. Das ist kein Ersatz für Entwickler, aber eine deutliche Beschleunigung des Prozesses.

Gleichzeitig gibt es offene Sicherheitsfragen. Ein Agent, der eigenständig Code ausführt und ins Internet zugreift, kann — wenn schlecht abgesichert — ungewollte Aktionen auslösen oder durch manipulierte Eingaben (sogenannte Prompt-Injection-Angriffe, bei denen bösartige Anweisungen in harmlos aussehende Texte eingebettet werden) zu Fehlverhalten gebracht werden. Diese Risiken sind ein aktives Forschungsfeld.

Subscribe free. Unsubscribe the second it sucks.

High-signal news across AI, business, UX, and tech. Every morning.