Warum AI bei Infrastruktur-Entscheidungen scheitert

AI schreibt heute problemlos Routen, Datenbankabfragen oder Hilfsfunktionen. Bei Anwendungslogik funktioniert das meistens gut. Bei Infrastruktur sieht es anders aus.

Warum Terraform-Dateien zum Problem werden

Das Modell kann gültiges HCL erzeugen. Der eigentliche Fehler liegt nicht in der Syntax, sondern in den Annahmen dahinter.

Ein Beispiel: Du bittest die AI, ein neues Event für dein Messaging-System hinzuzufügen. Das Tool erstellt SNS-Topic, SQS-Queue mit Dead-Letter-Queue und passende IAM-Rollen. Auf den ersten Blick sieht alles korrekt aus. Doch Werte wie Visibility-Timeout, Message-Retention oder der genaue Scope der IAM-Policy sind reine Schätzungen. Die AI kennt weder eure Workload noch die Vorfälle aus dem letzten Quartal.

Code-Reviews werden aufwendiger

Statt weniger Arbeit entsteht mehr. Beim Review von Anwendungscode prüft man Logik und Edge-Cases. Bei generierter Infrastruktur muss der Reviewer zusätzlich:

• HCL mit AWS-Semantik abgleichen
• Ressourcen gegen bestehende Pipelines prüfen
• unausgesprochene Team-Konventionen berücksichtigen
• prüfen, ob die benötigten Rollen überhaupt existieren

Wird ein Wert falsch gesetzt, meldet sich nicht die Pipeline, sondern der Pager um drei Uhr nachts.

Getrennte Repos als Kernproblem

Mehr Custom-Module oder Policy-Validatoren lösen das nicht. Die Ursache liegt in der Architektur: Anwendungs- und Infrastrukturcode liegen in unterschiedlichen Repos mit getrennten Review-Zyklen. Die AI trifft Entscheidungen ohne den Kontext, den sie eigentlich bräuchte.

Infrastruktur direkt aus dem Code ableiten

Die bessere Lösung: Infrastruktur nicht als separates Problem behandeln. Stattdessen deklariert man sie direkt im typisierten Anwendungscode. Ein Framework übernimmt dann Provisioning, IAM und Queues.

Statt separater Terraform-Dateien reicht ein einfacher TypeScript-Ausdruck:

export const orderCreated = new Topic<OrderCreatedEvent>("order-created", {
  deliveryGuarantee: "at-least-once",
});

Das Framework kennt die Anforderungen, weil es den konsumierenden Code sieht. Timeout, Scope und Retention ergeben sich automatisch aus den Typen.

Vibe Coding nur mit der richtigen Architektur

Anwendungslogik lässt sich sicher an AI delegieren, wenn sie getestet und typisiert ist. Infrastruktur braucht jedoch Kontext, der außerhalb der Datei liegt. Solange Anwendung und Infrastruktur getrennt bleiben, bleibt das Risiko. Erst wenn die Infrastruktur direkt aus dem Anwendungscode kompiliert wird, verschwinden die gefährlichen Entscheidungen aus dem Prompt – und aus dem nächtlichen Code-Review.