So schätzen KI-Coding-Agenten Aufwände besser ein

Früher hat dein KI-Coding-Assistent mal gesagt, ein Feature sei in zwei Stunden fertig – und sechs Stunden später warst du noch immer dran. Das ist kein Einzelfall. KI-gestützte Entwicklung läuft inzwischen rasant, doch bei einem Punkt hakt es noch: Wie gut schätzen diese Agenten eigentlich ein, wie viel Zeit eine Aufgabe wirklich braucht?

Warum klassische Schätzungen bei KI oft scheitern

Bei einem neuen Projekt oder wenn du einen autonomen Coding-Agenten einbindest, geht es nicht mehr nur um „Kann das Tool überhaupt programmieren?“. Die entscheidende Frage lautet: „Wann ist es fertig?“

Früher hat man sich auf Erfahrungswerte und gesunden Menschenverstand verlassen. KI-Agenten brauchen dagegen klare Methoden, die Unsicherheiten und unbekannte Faktoren mit einbeziehen. Genau hier setzt ein Open-Source-Projekt namens Agent-Estimate an.

Drei verschiedene Wege zur besseren Schätzung

Statt auf eine einzige Methode zu setzen, kombiniert Agent-Estimate drei Ansätze, die sich gegenseitig ergänzen.

1. PERT-Methode

PERT ist ein bewährtes Verfahren aus dem Projektmanagement. Statt einer einzigen Zeitangabe liefert es drei Werte:

• Optimistisch (im besten Fall)
• Realistisch (das wahrscheinlichste Szenario)
• Pessimistisch (im Worst Case)

Daraus entsteht ein gewichteter Durchschnitt, der näher an der Realität liegt. Für einen KI-Agenten bedeutet das, dass er Unsicherheiten offen ausdrücken kann, statt mit einer festen Zahl um die Ecke zu kommen.

2. METR-Scoring

METR zerlegt Aufgaben in viele kleine, überschaubare Arbeitspakete. KI-Agenten sind hier besonders stark – sie können komplexe Features gut in einzelne Schritte zerlegen. Jeder Schritt wird bewertet, und aus diesen Einzelbewertungen ergibt sich eine realistischere Gesamtschätzung.

3. Wave Planning

Statt alles auf einmal zu planen, wird in Phasen gearbeitet. Das entspricht dem, wie agile Teams bereits heute arbeiten. Der Agent kann seine Schätzungen immer wieder anpassen, wenn er mehr über den Code und die Anforderungen erfährt.

Was das für dein Hosting und DevOps bedeutet

Wenn du auf einer Cloud-Plattform wie NameOcean arbeitest und KI-Tools nutzt, wirkt sich eine bessere Schätzung direkt auf deine Infrastruktur aus. Du kannst:

• Realistischere CI/CD-Zeitpläne erstellen
• Rechenressourcen gezielter buchen
• Deine Sprints besser mit den Agenten abstimmen

Warum Open Source hier einen Vorteil hat

Weil Agent-Estimate offen zugänglich ist, kannst du genau nachvollziehen, wie die Schätzungen zustande kommen. Die Community kann das Tool weiterentwickeln und verbessern. Und du musst dich nicht an eine feste Plattform binden – es lässt sich in nahezu jede Pipeline einbauen.

So könnte ein typischer Ablauf aussehen

Statt dass ein Senior-Developer eine Stunde lang die Anforderungen zerlegt, übergibst du sie einfach an den KI-Agenten. Der zerlegt das Feature, erstellt PERT-Schätzungen mit Unsicherheitsbereichen und plant in Wellen. Am Ende lieferst du eine realistische Timeline – inklusive klarer Aussagen, wo noch Unklarheiten bestehen.

Was das langfristig ändert

KI-Agenten werden zunehmend als echte Teammitglieder wahrgenommen. Damit das funktioniert, müssen sie zuverlässig sein. Zuverlässigkeit beginnt aber bei ehrlichen Schätzungen. Agent-Estimate hilft den Agenten dabei, probabilistisch zu denken – genau wie erfahrene Entwickler es ohnehin tun.

So legst du los

Auf GitHub findest du das Repository von Agent-Estimate mit guter Dokumentation. Du kannst es flexibel an deine Workflow einbinden, egal ob du ein VPS nutzt oder ein Shared-Hosting-Paket bei einem Provider wie NameOcean.

Und was kommt danach?

In Zukunft könnten Machine-Learning-Modelle auf echten Projektdaten trainiert werden und noch genauere Vorhersagen treffen. Agent-Estimate ist derzeit ein pragmatischer Mittelweg: Es bringt Struktur in einen Prozess, der bisher oft noch zu vage war.

Die Zukunft sieht nicht so aus, dass KI einfach Schätzungen ersetzt. Vielmehr werden Mensch und KI gemeinsam bessere, fundiertere Schätzungen liefern.