DOI RECORD
Von Prompting zu Supervising: Autonomie und Grenzen Agentischer Künstlicher Intelligenz in der Softwareentwicklung
Abstract
Zusammenfassung Agentische KI-Systeme verlagern Softwareentwicklung von dialogischem Prompt-Response zu einem Arbeitsmodus, in dem große Sprachmodelle Aufgaben planen, Werkzeuge iterativ nutzen und Zwischenergebnisse autonom koordinieren. Der Beitrag untersucht diesen Übergang von Prompting zu Supervising in einer Upgrade-Replikation zweier Coding-Aufgaben (Java-CLI-Studierendenverwaltung; webbasiertes Snake) und vergleicht Plattformen (OpenAI vs. Anthropic) sowie Interaktionsformen (Chat vs. IDE-/Agent-Workflow). Über alle Runs hinweg war der generierte Code first-run ausführbar im Gegensatz zur Ursprungsstudie (Paech 2025). Die Architekturqualität variiert jedoch stark nach Modus: Chat-Modus tendieren zu minimalen, gut lesbaren Lösungen, während IDE-/Codex-Modus Modularisierung, Konfiguration und Separation of Concerns begünstigen. Als stabile Grenze zeigt sich die Anforderungserhebung: Keine der Varianten implementierte den optionalen Anwendungsfall zur Einschreibung von Studierenden, obwohl dieser fachlich plausibel war. Dies deutet darauf hin, dass agentische Autonomie den Implementierungsaufwand reduzieren kann, die Supervision jedoch für Vollständigkeit und Qualität weiterhin zentral bleibt.