So k\u00f6nnen wir Skills und Plugins problemlos teilen und gleichzeitig unsere Arbeitsweise mit KI standardisieren.<\/p>\n\n\n\n
\n
Unser KI-Tech-Stack<\/strong><\/strong><\/p>\n\n\n\nObwohl Claude Code unser bevorzugtes Agentic-Development-Tool ist, ist es nicht das einzige KI-Tool, das wir einsetzen. Wir passen uns den Bed\u00fcrfnissen unserer Kunden an und verf\u00fcgen \u00fcber Erfahrung mit einer breiten Palette von KI-Tools:<\/p>\n\n\n\n
\n- Plattformen:<\/strong> Anthropic (Claude), OpenAI, Gemini, Hugging Face, Llama<\/li>\n\n\n\n
- Frameworks:<\/strong> PyTorch, TensorFlow, LangChain, Streamlit<\/li>\n\n\n\n
- Datenbanken:<\/strong> PostgreSQL, MySQL, Cassandra, Redshift<\/li>\n\n\n\n
- Vektordatenbanken:<\/strong> Pinecone, Qdrant, Chroma<\/li>\n<\/ul>\n<\/div>\n\n\n\n
Aber wie sieht unser tats\u00e4chlicher Entwicklungs-Workflow aus?<\/p>\n\n\n\n
KI-Agenten erstellen einen ersten Plan f\u00fcr ein Feature, aber wir \u00fcberpr\u00fcfen, hinterfragen und verbessern das Ergebnis stets, bevor wir den Code generieren.<\/p>\n\n\n\n
Darauf achten wir dabei:<\/p>\n\n\n\n
\n- Schwaches oder fehlendes Error Handling<\/li>\n\n\n\n
- Falsche Annahmen in der Logik<\/li>\n\n\n\n
- Inkonsistenzen mit der bestehenden Architektur<\/li>\n\n\n\n
- Oberfl\u00e4chliche Tests<\/li>\n\n\n\n
- Code, der gut aussieht, aber im Produktivbetrieb nicht standh\u00e4lt<\/li>\n<\/ul>\n\n\n\n
Die gr\u00f6\u00dfte Ver\u00e4nderung besteht darin, dass unsere Engineers repetitive Arbeit schneller erledigen k\u00f6nnen, w\u00e4hrend sie die volle Kontrolle \u00fcber das Ergebnis behalten.<\/p>\n\n\n\n
Aber was meinen wir genau mit repetitiver Arbeit?<\/p>\n\n\n\n
Hier sind nur einige der Anwendungsf\u00e4lle, in denen KI gl\u00e4nzt:<\/p>\n\n\n\n
\n- Boilerplate-Code generieren<\/strong>. Agenten \u00fcbernehmen repetitive Arbeit, die fr\u00fcher Zeit gekostet hat, ohne per se viel Mehrwert zu liefern.<\/li>\n\n\n\n
- Schichten in der Architektur verbinden<\/strong>. Sie k\u00f6nnen helfen, Teile des Systems zusammenzuf\u00fcgen und die routinem\u00e4\u00dfigere Implementierungsarbeit zu beschleunigen.<\/li>\n\n\n\n
- Payloads in nutzbare Klassen und Modelle \u00fcberf\u00fchren<\/strong>. Anstatt dies Struktur f\u00fcr Struktur zu tun, delegieren wir einen Gro\u00dfteil davon und \u00fcberpr\u00fcfen das Ergebnis.<\/li>\n\n\n\n
- Unit-Tests parallel zur Feature-Entwicklung erstellen<\/strong>. Das erleichtert es, Testing fr\u00fcher in unseren Prozess zu integrieren.<\/li>\n\n\n\n
- Pull Requests und technische \u00c4nderungen zusammenfassen<\/strong>. Technische \u00c4nderungen sind f\u00fcr das Team einfacher zu reviewen und weiterzugeben.<\/li>\n\n\n\n
- Kontext aus Tools wie Git, Jira und Figma abrufen<\/strong>. Wir kommen deutlich schneller als bisher an die ben\u00f6tigten Informationen.<\/li>\n<\/ul>\n\n\n\n
KI hilft uns, eine enorme Menge repetitiver Arbeit zu automatisieren \u2013 das stimmt.<\/p>\n\n\n\n
Aber sie hilft unseren Engineers auch dabei, Probleme zu l\u00f6sen, mit denen sie noch nie zuvor konfrontiert waren.<\/p>\n\n\n\n
\nIn einem Projekt wollte der Kunde einen sehr spezifischen visuellen Effekt. Um dorthin zu gelangen, mussten Farben, Deckkraft und Animation auf eine Weise kombiniert werden, die mir neu war. Es war nicht schwer \u2013 ich hatte so etwas einfach noch nie gebaut. Claude Code wusste, wie man das angeht, und das hat mir enorm viel Zeit gespart.<\/p>\nMarko Viskanic, Software Engineering Team Lead bei DECODE<\/cite><\/blockquote>\n\n\n\nIm Agentic Development ist das Coden kein Engpass mehr.<\/p>\n\n\n\n
Das bedeutet, dass wir produktorientierter<\/strong> sein k\u00f6nnen und unsere Software-Engineers zu Product Engineers<\/strong> werden.<\/p>\n\n\n\nUnd genau dort sp\u00fcren unsere Kunden den Mehrwert wirklich.<\/p>\n\n\n\n
<\/span>Testing: Wie wir KI nutzen, um die Qualit\u00e4tssicherung zu beschleunigen<\/span><\/h2>\n\n\n\nQualit\u00e4tssicherung war bei DECODE schon immer ein zentraler Bestandteil unserer Arbeitsweise.<\/p>\n\n\n\n
Das ist nach wie vor so.<\/p>\n\n\n\n
Was sich ver\u00e4ndert hat, ist die Geschwindigkeit, mit der wir die repetitiven Teile der Qualit\u00e4tssicherung abarbeiten k\u00f6nnen.<\/p>\n\n\n\n
\nPlaywright ist ein Beispiel, aber nicht das einzige. Die meisten Test-Frameworks kommen inzwischen mit einer Form von KI-Integration. Mit eingebauten Tools wie Codegen dauert das Schreiben von Automatisierungsskripten, das fr\u00fcher 2 Stunden in Anspruch nahm, jetzt weniger als eine halbe Stunde.<\/p>\nMarko Brajer, QA Team Lead bei DECODE<\/cite><\/blockquote>\n\n\n\nDas gibt unseren QA-Engineers mehr Spielraum, sich auf die Teile der Arbeit zu konzentrieren, die den gr\u00f6\u00dften Einfluss auf die Produktqualit\u00e4t haben.<\/p>\n\n\n\n
Wir nutzen KI, um den manuellen Aufwand in Bereichen wie Automatisierung, Bug-Reporting, Testfall-Erstellung und Dokumentation zu reduzieren:<\/p>\n\n\n\n
\n- Testf\u00e4lle aus Akzeptanzkriterien generieren.<\/strong> Anstatt auf einem leeren Blatt zu beginnen, gelangen wir schneller zu einem soliden ersten Entwurf und verwenden mehr Zeit darauf zu pr\u00fcfen, ob die Abdeckung wirklich aussagekr\u00e4ftig ist.<\/li>\n\n\n\n
- Automatisierungsskripte schreiben und aktualisieren.<\/strong> Arbeit, die fr\u00fcher Stunden dauerte, erledigt sich in einem Bruchteil der Zeit \u2013 so k\u00f6nnen wir automatisierte Tests viel n\u00e4her am Moment der Feature-Entwicklung schreiben und aktualisieren.<\/li>\n\n\n\n
- Teststrategie-Dokumente erstellen.<\/strong> Wir erhalten schnell eine nutzbare erste Version, sodass wir uns auf die Verfeinerung der Strategie konzentrieren k\u00f6nnen, anstatt sie zu formatieren.<\/li>\n\n\n\n
- Technische Befunde in klarere Sprache umformulieren.<\/strong> Das hilft uns, Probleme klarer im Team und gegen\u00fcber Kunden zu kommunizieren.<\/li>\n<\/ul>\n\n\n\n
Wir haben auch eigene KI-Tools f\u00fcr die Qualit\u00e4tssicherung entwickelt.<\/p>\n\n\n\n
Ein Beispiel ist unsere Chrome-Extension f\u00fcr Bug-Reports<\/strong>.<\/p>\n\n\n\nAnstatt jeden Teil eines Bug-Reports manuell auszuf\u00fcllen, schreiben wir eine kurze Beschreibung und KI erstellt den Report daraus.<\/p>\n\n\n\n
\nSie schreiben zwei oder drei S\u00e4tze, in denen Sie den Bug beschreiben, und es f\u00fcllt den Rest der Vorlage f\u00fcr Sie aus \u2013 inklusive der Schritte, des erwarteten und des tats\u00e4chlichen Verhaltens. Das spart uns zwischen 5 und 20 Minuten pro Bug.<\/p>\nMarko Brajer, QA Team Lead bei DECODE<\/cite><\/blockquote>\n\n\n\n
Ein weiterer Vorteil ist, dass mehr Testing parallel zur Entwicklung stattfindet, sodass Probleme fr\u00fcher auftauchen und wir schneller darauf reagieren k\u00f6nnen.<\/p>\n\n\n\n
Wir entwickeln das Feature, f\u00fcgen direkt danach automatisierte Abdeckung hinzu und identifizieren Probleme, solange die Arbeit noch frisch ist.<\/p>\n\n\n\n
Das bedeutet, der Abstand zwischen Entwicklung und Testing ist deutlich kleiner geworden<\/strong>.<\/p>\n\n\n\nTrotzdem automatisieren wir nicht absolut alles oder \u00fcbernehmen KI-generierte Testf\u00e4lle ohne kritische Pr\u00fcfung.<\/p>\n\n\n\n
KI kann sehr schnell eine gro\u00dfe Anzahl von Tests generieren. Der entscheidende Teil ist sicherzustellen, dass diese Tests tats\u00e4chlich etwas Relevantes validieren.<\/p>\n\n\n\n
Zudem braucht exploratives Testing nach wie vor menschliches Urteilsverm\u00f6gen. Dort klicken wir durch ungew\u00f6hnliche Flows, hinterfragen Annahmen und entdecken Probleme, die in einem ordentlichen Skript nicht auftauchen w\u00fcrden.<\/p>\n\n\n\n
Und genau dort ist der Beitrag unserer QA-Engineers am wertvollsten.<\/p>\n\n\n\n
<\/span>Deployment und Post-Launch-Support: Wie wir KI nutzen, um Releases reibungsloser und laufende Arbeit einfacher zu gestalten<\/span><\/h2>\n\n\n\nRund um ein neues Release gibt es immer viel zu tun.<\/p>\n\n\n\n
Notes vorbereiten. \u00c4nderungen zusammenfassen. Versionen pr\u00fcfen. Sicherstellen, dass das Team und der Kunde verstehen, was rausgeht und was noch Aufmerksamkeit braucht.<\/p>\n\n\n\n
Anstatt Informationen aus verschiedenen Quellen zu sammeln und alles von Grund auf zu schreiben, nutzen wir KI jetzt f\u00fcr:<\/p>\n\n\n\n
\n- Release Notes<\/strong>. KI hilft uns, Frontend- und Backend-\u00c4nderungen deutlich fr\u00fcher in einen soliden ersten Entwurf zu \u00fcberf\u00fchren.<\/li>\n\n\n\n
- Zusammenfassungen von \u00c4nderungen<\/strong>. Sie hilft dabei, technische Updates in etwas zu komprimieren, das leichter zu reviewen und weiterzugeben ist.<\/li>\n\n\n\n
- Interne \u00dcbergabedokumentation<\/strong>. Wenn der Kontext rund um ein Release bereits strukturiert und leicht zu erfassen ist, hat das Team sofort alles, was es braucht.<\/li>\n\n\n\n
- Kundengerichtete Updates<\/strong>. KI hilft uns, technische \u00c4nderungen so zu erkl\u00e4ren, dass sie f\u00fcr nicht-technische Kunden und Stakeholder verst\u00e4ndlich sind.<\/li>\n\n\n\n
- Wartungs- und Support-Aufgaben nach dem Launch<\/strong>. Sie beschleunigt die repetitive Arbeit rund um Issue-Triage, Zusammenfassungen und Follow-ups.<\/li>\n<\/ul>\n\n\n\n
Releases werden reibungsloser, weil wir weniger Zeit mit dem Sammeln und Formatieren von Informationen verbringen und mehr Zeit damit, zu \u00fcberpr\u00fcfen, ob alles korrekt, vollst\u00e4ndig und bereit ist.<\/p>\n\n\n\n
Das Gleiche gilt nach dem Launch.<\/p>\n\n\n\n
Post-Launch-Support bringt eine Menge Routinearbeit mit sich: Logs durchgehen, Absturzdaten \u00fcberpr\u00fcfen, Probleme zusammenfassen und herausfinden, was zuerst Aufmerksamkeit braucht.<\/p>\n\n\n\n
KI hilft uns, diese Arbeit deutlich schneller zu erledigen. Sie kann gro\u00dfe Informationsmengen durchsuchen, \u00e4hnliche Probleme gruppieren und uns sofort einen n\u00fctzlichen ersten \u00dcberblick verschaffen.<\/p>\n\n\n\n
Bei weniger risikobehafteten Projekten nimmt KI so viel repetitive Arbeit ab, dass Support und Wartung deutlich einfacher zu handhaben sind.<\/p>\n\n\n\n
\nEine Person kann die gesamte Wartung und den Support f\u00fcr ein weniger kritisches Projekt praktisch alleine managen, weil KI so viel der operativen Arbeit \u00fcbernimmt.<\/p>\nBoris Plavljanic, Technical Project Manager bei DECODE<\/cite><\/blockquote>\n\n\n\n
Das gibt uns mehr Spielraum, uns auf die Arbeit zu konzentrieren, die das Produkt wirklich voranbringt: wichtige Probleme beheben, Bestehendes verbessern und neue Features ausliefern.<\/p>\n\n\n\n
F\u00fcr unsere Kunden ist der Mehrwert einfach zu benennen.<\/p>\n\n\n\n
Wir verbringen weniger Zeit mit Release-Administration und repetitiver Support-Arbeit und mehr Zeit mit der Arbeit, die nach dem Launch wirklich den Unterschied macht.<\/p>\n\n\n\n