Wenn KI-Coding-Assistenten stecken bleiben: Besser prompten und strukturieren

Es gibt diesen Moment in der Entwicklung mit KI, in dem alles plötzlich stockt. Der Assistent, der eben noch Bugfixes und Features sauber umgesetzt hat, wird langsam. Die Antworten werden unklar, und der Token-Verbrauch explodiert. Was ist passiert?

Die KI ist nicht defekt. Du stellst die falschen Fragen.

Die Anfangseuphorie und die Grenze

KI-Coding-Tools wie Claude oder GPT-4 sind stark, wenn es um kleine, gezielte Änderungen geht. Sie analysieren deinen Code, halten sich an den Stil und respektieren bestehende Tests. Solange du innerhalb einer stabilen Architektur bleibst und nur ergänzt, funktioniert das hervorragend.

Aber sobald du große Teile umbauen willst, wird es kritisch. Die KI orientiert sich weiterhin an den alten Tests und der bisherigen Code-Struktur. Das ist bei Wartungsarbeiten genau richtig. Bei einem echten Architekturwechsel wirkt es eher hemmend.

Der Token-Kreislauf

In der Praxis sieht es oft so aus:

1. Du willst ein Modul komplett umbauen
2. Die KI will alle alten Tests erhalten
3. Die neue Struktur passt nicht mehr zu den Tests
4. Sie macht nur minimale Anpassungen
5. Du wirst deutlicher – und der Verbrauch steigt weiter

Am Ende wirkt die Antwort konfus. Die KI versucht gleichzeitig zu ändern und zu erhalten. Das führt zu einem Konflikt,而不是zu einer Lösung.

Ursache dahinter: Architektur und Erwartungen

KI-Assistenten sind auf kleine, schrittweise Entwicklung ausgelegt. Das entspricht auch der Realität in vielen Pull Requests. 可是在 deinem Projekt geht es gerade um eine größere Umstrukturierung. Die bisher geschriebenen Tests sind dann eher als Validation zu verstehen denn als feste Verträge.

Wenn die KI an diesen temporären Artefakten festhält, ist sie nicht dumm. Sie ist einfach loyal zu den Vorgaben, die du ursprünglich übergeben hast.

Wie du es löst: Klare Vorgaben schaffen

Eine erfahrene Entwicklerin oder Entwickler würde eine Junior-Kraft nicht einfach sagen: „Baue den Code um und behalte dabei alles bei.“ Sie würde zuerst eine Design-Dokumentation erstellen und explizit sagen, welche Tests zu streichen sind.

Das überträgt du jetzt auf die KI:

1. Vorgaben klar formulieren
Statt „Refactor this module while keeping the tests green“ besser: „Wir machen einen Architektur-Refactor. Diese Tests entfallen. Hier ist die neue Spezifikation.“

2. Trennen von Exploration und Umsetzung
Nutze die KI für kleine, abwerfbare Prototypen. Lass sie erst in kleinen Zweigen explorieren.然后 erstelle eine stabile Architektur und senden die KI erst danach für die Umsetzung ein.

3. Tests bewusst managen
Tests dienen dem Schutz bestehender Funktionen. Bei einer Architekturänderung musst du die KI explizit auffordern, Tests anzupassen oder zu streichen.

4. Design-Dokumente nutzen
Vor großen Änderungen kannst du kurz festlegen, was sich ändern soll und warum. Das gibt der KI mehr Kontext als nur Code-Stil und Tests.

Die Bedeutung für Vibe Coding

Diese Erkenntnis ist besonders wichtig beim Vibe Coding. AI nimmt die Ausführung wahr,而 human nimmt die Richtung vor. AI funktioniert dann besonders gut, wenn du klare Vorgaben übergibst – oder diese gezielt aufheben mit einer klarer Richtlinie.

Fazit

Deine KI-Assistenten sind nicht kaputt. Sie machen genau das, was sie trainiert wurden: kleine, sichere, schrittweise Anpassungen. Wenn du etwas anderes brauchst, musst du auch anders fragen.

Nächstes Mal, wenn du merkst, dass die KI im Kreis läuft, pausiere und überlege dir: Ist ich für einen smallen Schritt gebeten oder für einen Architekturwechsel bei gleichzeitig festgehaltenen Vorgaben?