In den letzten zwei Jahren haben mein Team bei Work & Co und ich KI-Codierungstools wie Copilot, Cursor, Claude und ChatGPT getestet und schrittweise integriert, um uns bei der Bereitstellung von Web-Erlebnissen zu helfen, die von der breiten Masse genutzt werden. Zugegebenermaßen haben nach anfänglicher Skepsis und einigen Aha-Momenten verschiedene KI-Tools Einzug in meinen Alltag gehalten. Im Laufe der Zeit wurde die Liste der Anwendungen, bei denen wir es für sinnvoll hielten, die KI zu überlassen, immer länger. Deshalb beschloss ich, einige praktische Anwendungsfälle für KI-Tools für das zu teilen, was ich den „verantwortlichen Entwickler“ nenne. Was meine ich mit einem verantwortungsvollen Entwickler? Wir müssen sicherstellen, dass wir qualitativ hochwertigen Code liefern, der den Erwartungen unserer Stakeholder und Kunden entspricht. Unsere Beiträge (d. h. Pull Requests) sollten nicht zur Belastung für unsere Kollegen werden, die unsere Arbeit überprüfen und testen müssen. Und falls Sie für ein Unternehmen arbeiten: Die von uns verwendeten Werkzeuge müssen von unserem Arbeitgeber genehmigt werden. Sensible Aspekte wie Sicherheit und Datenschutz müssen ordnungsgemäß gehandhabt werden: Fügen Sie keine Geheimnisse, Kundendaten (PII) oder proprietären Code ohne Genehmigung der Richtlinien in Tools ein. Behandeln Sie es wie Code von einem Fremden aus dem Internet. Testen und überprüfen Sie immer. Hinweis: In diesem Artikel wird eine grundlegende Vertrautheit mit KI-Codierungstools wie Copilot in VSCode oder Cursor vorausgesetzt. Wenn Ihnen das alles völlig neu und ungewohnt vorkommt, können die Video-Tutorials von Github Copilot ein fantastischer Ausgangspunkt für Sie sein.
Hilfreiche Anwendungen von KI-Codierungstools Hinweis: Die folgenden Beispiele konzentrieren sich hauptsächlich auf die Arbeit in JavaScript-basierten Webanwendungen wie React, Vue, Svelte oder Angular. Ein Verständnis für eine unbekannte Codebasis erlangen Es ist nicht ungewöhnlich, mit etablierten Codebasen zu arbeiten, und der Beitritt zu einer großen Legacy-Codebasis kann einschüchternd sein. Öffnen Sie einfach Ihr Projekt und Ihren KI-Agenten (in meinem Fall Copilot Chat in VSCode) und beginnen Sie, Fragen zu stellen, so wie Sie es einem Kollegen stellen würden. Im Allgemeinen spreche ich mit jedem KI-Agenten genauso gerne wie mit einem Mitmenschen. Hier ist eine verfeinerte Beispielaufforderung: „Geben Sie mir einen Überblick über die Architektur auf hoher Ebene: Einstiegspunkte, Routing, Authentifizierung, Datenschicht, Build-Tools. Listen Sie dann 5 Dateien auf, die der Reihe nach gelesen werden sollen. Behandeln Sie Erklärungen als Hypothesen und bestätigen Sie, indem Sie zu referenzierten Dateien springen.“
Sie können immer wieder Anschlussfragen stellen wie „Wie funktioniert das Routing im Detail?“ oder „Erklären Sie mir den Authentifizierungsprozess und die Authentifizierungsmethoden“ und Sie erhalten hilfreiche Anweisungen, um etwas Licht in die Dunkelheit einer unbekannten Codebasis zu bringen. Triaging Breaking Changes beim Upgrade von Abhängigkeiten Das Aktualisieren von npm-Paketen, insbesondere wenn sie Breaking Changes enthalten, kann mühsam und zeitaufwändig sein und dazu führen, dass Sie eine ganze Reihe von Regressionen debuggen müssen. Ich musste kürzlich die Datenvisualisierungsbibliothek plotly.js um eine Hauptversion von Version 2 auf 3 aktualisieren, und als Folge davon funktionierte die Achsenbeschriftung in einigen Diagrammen nicht mehr. Ich fragte ChatGPT weiter: „Ich habe mein Angular-Projekt aktualisiert, das Plotly verwendet. Ich habe das Paket plotly.js – dist – von Version 2.35.2 auf 3.1.0 aktualisiert – und jetzt sind die Beschriftungen auf der x- und y-Achse verschwunden. Was ist passiert?“
Der Agent kam umgehend mit einer Lösung zurück (überzeugen Sie sich unten). Hinweis: Ich habe die Erklärung vor der Auslieferung des Fixes noch anhand des offiziellen Migrationsleitfadens überprüft.
Refaktoren sicher dateiübergreifend replizieren Wachsende Codebasen eröffnen mit Sicherheit Möglichkeiten für die Codekonsolidierung. Sie bemerken beispielsweise Codeduplizierungen in mehreren Dateien, die in eine einzelne Funktion oder Komponente extrahiert werden können. Daher entscheiden Sie sich dafür, eine gemeinsam genutzte Komponente zu erstellen, die stattdessen eingebunden werden kann, und diese Umgestaltung in einer Datei durchzuführen. Anstatt diese Änderungen nun manuell an Ihren verbleibenden Dateien vorzunehmen, bitten Sie Ihren Agenten, den Refactor für Sie einzuführen. Mit Agenten können Sie mehrere Dateien als Kontext auswählen. Sobald die Umgestaltung einer Datei abgeschlossen ist, kann ich sowohl die umgestalteten als auch die unberührten Dateien in den Kontext einfügen und den Agenten auffordern, die Änderungen wie folgt auf andere Dateien auszurollen: „Replizieren Sie die Änderungen, die ich in Datei A vorgenommen habe, auch auf Datei B“. Implementierung von Funktionen in unbekannten Technologien Einer meiner liebsten Aha-Momente mit KI-Codierungstools war, als sie mir dabei halfen, eine ziemlich komplexe animierte Verlaufsanimation in GLSL zu erstellen, einer Sprache, mit der ich ziemlich unbekannt war. Bei einem aktuellen Projekt haben unsere Designer einen animierten Farbverlauf als Ladezustand für ein 3D-Objekt entwickelt. Mir gefiel das Konzept sehr und ich wollte unseren Kunden etwas Einzigartiges und Spannendes bieten. DerProblem: Ich hatte nur zwei Tage Zeit, um es umzusetzen, und GLSL hat eine ziemlich steile Lernkurve. Auch hier erwies sich ein KI-Tool (in diesem Fall ChatGPT) als nützlich, und ich begann ganz einfach, es aufzufordern, eine eigenständige HTML-Datei für mich zu erstellen, die eine Leinwand und einen sehr einfachen animierten Farbverlauf rendert. Schritt für Schritt forderte ich die KI dazu auf, noch mehr Feinarbeit zu leisten, bis ich zu einem anständigen Ergebnis gelangte, sodass ich mit der Integration des Shaders in meine eigentliche Codebasis beginnen konnte. Das Endergebnis: Unsere Kunden waren superzufrieden und wir haben dank KI in kurzer Zeit ein komplexes Feature geliefert. Schreibtests Meiner Erfahrung nach bleibt bei Projekten selten genug Zeit, um kontinuierlich eine angemessene Suite von Unit- und Integrationstests zu schreiben und zu warten, und obendrein macht es vielen Entwicklern nicht wirklich Spaß, Tests zu schreiben. Es ist durchaus möglich und in kurzer Zeit erledigt, Ihren KI-Helfer aufzufordern, Tests für Sie einzurichten und zu schreiben. Natürlich sollten Sie als Entwickler dennoch darauf achten, dass Ihre Tests tatsächlich die kritischen Teile Ihrer Anwendung in den Blick nehmen und sinnvollen Testprinzipien folgen, Sie können das Schreiben der Tests aber auch an unseren KI-Helfer „auslagern“. Beispielaufforderung: „Schreiben Sie Unit-Tests für diese Funktion mit Jest. Behandeln Sie Happy Path, Randfälle und Fehlermodi. Erklären Sie, warum jeder Test existiert.“
Sie können die Test-Best Practices von Test-Guru Kent C. Dodds sogar als Richtlinien an Ihren Agenten weitergeben, wie unten:
Interne Werkzeuge Ähnlich wie bei dem zuvor erwähnten Shader-Beispiel wurde ich kürzlich damit beauftragt, die Codeduplizierung in einer Codebasis zu analysieren und vor und nach einem Refactor zu vergleichen. Sicherlich keine triviale Aufgabe, wenn Sie nicht den zeitaufwendigen Weg des manuellen Dateivergleichs gehen möchten. Mit Hilfe von Copilot habe ich ein Skript erstellt, das die Codeduplizierung für mich analysiert, die Ausgabe in einer Tabelle angeordnet und geordnet und sie nach Excel exportiert hat. Dann ging ich noch einen Schritt weiter. Als unser Code-Refactoring abgeschlossen war, forderte ich den Agenten auf, meine vorhandene Excel-Tabelle als Basis zu verwenden, den aktuellen Duplizierungsstatus in separaten Spalten hinzuzufügen und das Delta zu berechnen. Aktualisierung des Codes, der vor langer Zeit geschrieben wurde Kürzlich meldete sich ein alter Kunde bei mir, weil mit der Zeit einige Funktionen auf seiner Website nicht mehr richtig funktionierten. Der Haken: Die Website wurde vor fast zehn Jahren erstellt, und JavaScript und SCSS verwendeten ziemlich alte Kompilierungstools wie requireJS, und das Setup erforderte eine ältere Version von Node.js, die nicht einmal auf meinem 2025 MacBook lief. Das manuelle Aktualisieren des gesamten Build-Prozesses hätte Tage gedauert, also beschloss ich, den KI-Agenten zu fragen: „Können Sie den JS- und SCSS-Build-Prozess auf einen schlanken 2025-Stack wie Vite aktualisieren?“ Das war auf jeden Fall der Fall, und nach etwa einer Stunde Verfeinerung mit dem Agenten hatte ich meinen SCSS- und JS-Build auf Vite umgestellt und konnte mich auf die eigentliche Fehlerbehebung konzentrieren. Stellen Sie einfach sicher, dass Sie die Ausgabe und die kompilierten Dateien ordnungsgemäß validieren, wenn Sie solche wesentlichen Änderungen an Ihrem Build-Prozess vornehmen. Zusammenfassen und verfassen Möchten Sie alle Ihre letzten Codeänderungen in einem Satz für eine Commit-Nachricht zusammenfassen, oder haben Sie eine lange Liste von Commits und möchten diese in drei Aufzählungspunkten zusammenfassen? Kein Problem, lassen Sie die KI sich darum kümmern, aber lesen Sie es bitte unbedingt Korrektur. Eine Beispielaufforderung ist so einfach wie die Nachricht an einen Mitmenschen: „Bitte fassen Sie meine letzten Änderungen in prägnanten Stichpunkten zusammen.“ Mein Rat hier wäre, GPT zum Schreiben mit Vorsicht zu verwenden und wie beim Code bitte die Ausgabe zu überprüfen, bevor Sie sie senden oder übermitteln. Empfehlungen und Best Practices Aufforderung Einer der nicht so offensichtlichen Vorteile des Einsatzes von KI besteht darin, dass das Ergebnis umso besser ist, je spezifischer und maßgeschneiderter Ihre Eingabeaufforderungen sind. Der Prozess der Aufforderung an einen KI-Agenten zwingt uns dazu, unsere Anforderungen so konkret wie möglich zu formulieren, bevor wir schreiben und programmieren. Aus diesem Grund empfehle ich grundsätzlich, mit Ihren Anweisungen so konkret wie möglich umzugehen. Ryan Florence, Co-Autor von Remix, schlägt eine einfache, aber wirkungsvolle Möglichkeit vor, diesen Prozess zu verbessern, indem Sie Ihre erste Eingabeaufforderung mit dem Satz beenden: „Bevor wir beginnen, haben Sie Fragen an mich?“
An diesem Punkt kommt die KI in der Regel mit hilfreichen Fragen zurück, mit denen Sie Ihre spezifische Absicht klarstellen und den Agenten anleiten können, Ihnen einen individuelleren Ansatz für Ihre Aufgabe zu bieten.
Verwenden Sie die Versionskontrolle und arbeiten Sie in verdaulichen Blöcken Die Verwendung einer Versionskontrolle wie Git ist nicht nur praktisch, wenn Sie als Team an einer einzigen Codebasis zusammenarbeiten, sondern auch, um Ihnen alseinzelner Mitwirkender mit stabilen Punkten, auf die im Notfall zurückgegriffen werden kann. Aufgrund ihrer nicht-deterministischen Natur kann es vorkommen, dass KI abtrünnig wird und Änderungen vornimmt, die für das, was Sie erreichen möchten, einfach nicht hilfreich sind und letztendlich Dinge irreparabel zerstören. Wenn Sie Ihre Arbeit in mehrere Commits aufteilen, können Sie stabile Punkte schaffen, auf die Sie zurückgreifen können, falls die Dinge schiefgehen. Und auch Ihre Teamkollegen werden es Ihnen danken, da sie Ihren Code leichter überprüfen können, wenn er in semantisch gut strukturierte Abschnitte aufgeteilt ist. Überprüfen Sie gründlich Dies ist eher eine allgemeine Best Practice, aber meiner Meinung nach wird es noch wichtiger, wenn Sie KI-Tools für die Entwicklungsarbeit verwenden: Seien Sie der erste kritische Prüfer Ihres Codes. Nehmen Sie sich unbedingt etwas Zeit, um Ihre Änderungen Zeile für Zeile durchzugehen, so wie Sie den Code einer anderen Person überprüfen würden, und reichen Sie Ihre Arbeit erst ein, wenn sie Ihre eigene Selbstprüfung bestanden hat. „Zwei Dinge sind für mich im Moment beide wahr: KI-Agenten sind großartig und steigern die Produktivität enorm. Sie sind auch riesige Slop-Maschinen, wenn man sein Gehirn ausschaltet und völlig loslässt.“ – Armin Ronacher in seinem Blogbeitrag Agent Psychosis: Are We Going Insane?
Fazit und kritische Gedanken Meiner Meinung nach können KI-Codierungstools unsere tägliche Produktivität als Entwickler verbessern und geistige Kapazitäten für mehr Planung und anspruchsvolles Denken freisetzen. Sie zwingen uns, unser gewünschtes Ergebnis bis ins kleinste Detail zu artikulieren. Jede KI kann manchmal halluzinieren, was im Grunde bedeutet, dass sie einen selbstbewussten Ton angibt. Bitte überprüfen und testen Sie daher unbedingt, insbesondere wenn Sie Zweifel haben. KI ist kein Allheilmittel, und ich glaube, dass Exzellenz und die Fähigkeit, als Entwickler Probleme zu lösen, nie aus der Mode kommen werden. Für Entwickler, die gerade am Anfang ihrer Karriere stehen, können diese Tools sehr verlockend sein, den Großteil der Arbeit für sie zu erledigen. Was dabei verloren gehen kann, ist die oft anstrengende und schmerzhafte Arbeit an Fehlern und Problemen, die schwierig zu debuggen und zu lösen sind, auch bekannt als „The Grind“. Sogar Lee Robinson von Cursor AI stellt dies in einem seiner Beiträge in Frage:
KI-Codierungstools entwickeln sich rasant weiter und ich bin gespannt auf das, was als nächstes kommt. Ich hoffe, Sie fanden diesen Artikel und seine Tipps hilfreich und freuen sich darauf, einige davon selbst auszuprobieren.
