Warum unsere Projektplanung für die KI-Ära nicht mehr ausreicht

Ehrlich gesagt: Die meisten von uns planen Projekte immer noch genauso wie vor der Zeit der KI-Agenten. Ein schnelles Notizchen hier, vielleicht ein Notion-Dokument dort, ein Slack-Thread der sich in Luft auflöst. Und dann übergeben wir diesen halbgaren Plan an einen Coding-Agent und hoffen das Beste.

Das Problem liegt nicht darin, dass KI-Agenten schlecht programmieren können. Sie brauchen Strukturen, die wir ihnen selten bieten – und wenn sie diese Lücken selbst füllen, haben wir am Ende keine Ahnung mehr, warum bestimmte Entscheidungen getroffen wurden.

Ein Dokument zum Mitdiskutieren

Genau hier setzt inplan an. Im Kern ist es ein Markdown-Editor für die gemeinsame Planung zwischen Menschen und KI-Coding-Agenten. Stell es dir als eine Art digitale Pinnwand vor, an der beide Seiten Entwürfe verfassen, Fragen stellen und Überarbeitungen vornehmen können – alles in einem einzigen Dokument.

Das wirklich Interessante ist nicht der Editor selbst, sondern das Kommentarsystem. Jeden Satz kannst du markieren und eine Thread-Diskussion direkt daran verankern. Fragen, warum der Agent genau diese Architektur vorschlägt. Bitte um Erklärung einer Annahme. Triff eine Entscheidung. Dieser Austausch bleibt an der entsprechenden Zeile haften – und ist später nachvollziehbar.

Das löst etwas, über das wir selten sprechen: das Problem der kontextuellen Archäologie. Spule drei Monate vor. Dein Agent hat irgendwo eine Entscheidung getroffen. Wo ist die Begründung? Inplan macht das nachvollziehbar.

Erst prüfen, dann ändern

Ein Pattern, das wir viel zu oft sehen: Du lässt einen KI-Agenten arbeiten, kommst zurück – und der Plan hat sich leise verändert. Vielleicht ist er besser geworden. Vielleicht fehlt etwas Entscheidendes. Schwer zu sagen.

Inplan dreht diesen Ablauf um. Wenn der Agent den Plan überarbeiten möchte, überschreibt er das Dokument nicht einfach stillschweigend. Stattdessen erzeugt er ein Diff, das du selbst prüfst und anwendest. Du siehst haargenau, was sich geändert hat. Du kannst zustimmen, ablehnen oder weiter iterieren – bevor irgendetwas festgeschrieben wird.

Dieser Human-in-the-Loop-Ansatz ist wichtiger, als er vielleicht klingt. Er verwandelt den Agenten vom reinen Ausführenden in einen Kollaborateur mit Dokumentation.

Reinschnuppern

Das Tool installiert sich als Claude-Code-Skill (mit Unterstützung für Codex und andere auf der Roadmap). Ein einfaches "plan X" öffnet den Editor, und los geht's. Es ist AGPL-3.0 Open Source und läuft komplett lokal über npm.

Wer Live-Kollaboration im Team sucht, findet eine gehostete Option bei inplan.ai. Nichts im Demo-Bereich erfordert ein Konto – das ist für ein SaaS-Produkt sympathisch ungewöhnlich.

Wo es noch hakt

Kein Tool ist perfekt. Die aktuelle Version ist eine Electron-Desktop-App – funktional, aber schwerfälliger als ein Web-Editor. Der Diff-Mechanismus arbeitet zeilenbasiert, was bei feinkörnigen Änderungen grob wirken kann. Und das mentale Modell dreht sich um ein einzelnes Plan-Dokument. Wer mehrere vernetzte Spezifikationen verwaltet, wird zusätzliche Tools daneben benötigen.

Das Team kommuniziert diese Einschränkungen erfreulich transparent. Multi-Dokument-Support und reichhaltigere Agenten-Interaktionsschleifen stehen auf der Roadmap.

Warum das in der Vibe-Coding-Ära relevant ist

"Vibe Coding" – also KI die Implementierung überlassen, während man selbst die Vision steuert – erfreut sich wachsender Beliebtheit. Aber Vibe Coding hat ein Geheimnis: Ohne klare Richtung prüfst du Ergebnisse gegen Intentionen, die du nie wirklich zu Papier gebracht hast.

Tools wie inplan deuten auf eine andere Zukunft hin. Nicht nur "schneller coden", sondern "klarer denken". Die Planungsphase wird zur echten Zusammenarbeit mit deinem KI-Partner – mit Ergebnissen, die sowohl der aktuellen Aufgabe als auch zukünftigen Maintainern dienen (inklusive dem zukünftigen Ich).

Ob inplan tatsächlich Teil deines Workflows wird, hängt von deiner Toleranz für Electron-Apps und Ein-Dokument-Modelle ab. Aber das Grundkonzept – strukturierte, kommentierbare, menschlich geprüfte KI-Zusammenarbeit – zeigt, wie wir künftig mit Coding-Agenten arbeiten werden, während diese immer kompetenter werden.

Die Frage ist nicht, ob KI mehr von unserem Code schreiben wird. Sondern ob wir die Strukturen aufbauen werden, die diesen Code tatsächlich verständlich machen.

Ausprobieren: npm i -g inplan