Zum Inhalt springen

Wissensbasis

Einstieg und Lernen

Der Einstieg in Agentic Engineering ist ein Lernproblem, keine Tool-Installation. Entwickler:innen sind in den ersten Stunden mit Coding-Agents langsamer und nach strukturierter Übung schneller. Wie das Lernen organisiert ist, entscheidet darüber stärker als das gekaufte Tool.

Verfasst von

Aktualisiert:

Einstieg 2

Unsere Position. Können entsteht durch Übung an echter Arbeit, nicht in einem zweitägigen Workshop. Trainiert an eurem eigenen Code, am besten an der Migration, die ihr schon vor euch herschiebt (öffnet in einem neuen Tab).

Agentic Engineering verändert die Rolle von Engineers. Deshalb braucht ihr die ersten Wochen, um neue Gewohnheiten aufzubauen: was ihr delegiert, wie ihr den Agenten brieft und wie ihr seine Arbeit prüft. Das Tool selbst erklären offizielle Dokumentation, Kurse und Texte von Praktiker:innen.

Warum sind Entwickler:innen anfangs langsamer?

In einer randomisierten Studie waren erfahrene Open-Source-Entwickler:innen mit KI-Tools von Anfang 2025 rund 19% langsamer. Sie arbeiteten dabei an Repositories, die sie gut kannten (METR, Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity (öffnet in einem neuen Tab)). DORA modelliert die Einführung als J-Kurve: Die Leistung sinkt, während Teams lernen, Pipelines anpassen und zusätzliche Prüfarbeit auffangen (Die Lernkurve). Praktiker:innen beschreiben dieselbe Kurve für eine einzelne Person. Am Anfang seid ihr von Hand schneller, der Gewinn kommt, sobald der Workflow steht (Vom Coder zum Dirigenten (öffnet in einem neuen Tab)).

Hier anfangen

  • Die Lernkurve - Warum sich die frühe Praxis im Agentic Engineering langsamer anfühlt und wie das Produktivitätsmessungen verzerrt.
  • Effektive Praktiken für Einsteiger:innen - Praktische Gewohnheiten, mit denen Einsteiger:innen Urteilsvermögen, Feedback-Schleifen und sichere Autonomie aufbauen.
  • Engineering-Grundlagen - Warum Design, Architektur, Urteilsvermögen und Software-Grundlagen wichtiger werden, wenn Code billig wird.
  • Organisationales Lernen - Wie Teams aus individueller Agent-Nutzung eine gemeinsame, messbare Fähigkeit der Organisation machen.

Verwandte Seiten

Quellen

Offizielle Dokumentation

Tutorials und Videos

Community und Fundstücke

Ausbildung und Kurse

Strategische Lektüre

In diesem Bereich

  • Effektive Praktiken für Einsteiger:innen

    Einsteiger:innen werden gut mit Coding-Agents, wenn sie in einer Domäne üben, die sie beurteilen können, Aufgaben und Feedback-Schleifen klein halten und dem Agenten erst dann mehr Autonomie geben, wenn das Review jedes kleinen Schritts zum bloßen Durchwinken wird.

  • Engineering-Grundlagen

    Engineering-Grundlagen zählen mehr, wenn Agents den Code schreiben. Übrig bleibt die Arbeit, ihn zu beurteilen: das Problem fassen, sehen, was der Agent übersehen hat, und Output prüfen, den ein Modell per Inferenz erzeugt statt kompiliert hat.

  • Die Lernkurve

    Mit Coding-Agents arbeiten Entwickler:innen in den ersten Wochen oft langsamer, und die Leistung des Teams sinkt, solange alle lernen. Erst danach zeigen sich Gewinne. Messungen aus diesem Zeitraum oder auf Basis von Selbstauskünften und Codemenge deuten die Tools in beide Richtungen falsch.

  • Organisationales Lernen

    Individuelle KI-Nutzung wird erst dann zur Fähigkeit des Teams, wenn sich die Organisation mitverändert: Anreize, Verantwortung für Risiken und Vertrauen. Sonst gelingen Piloten technisch und stocken trotzdem, und die Nutzung wächst, während das Unternehmen nichts lernt.