Ich habe drei Client-MVPs letzten Monat ausgeliefert. Vor zwei Jahren hätte das ein Team von sechs und etwa zwölf Wochen pro Projekt erfordert. Jetzt bin ich es, ein Senior-Designer, den ich kontrahiere, und Claude Code, das das produktivste – und gelegentlich frustrierendste – Engineering-Workflow betreibt, das ich je bedient habe.

Das ist keine atemlose Aussage darüber, wie AI alle Developer ersetzen wird. Ich habe diese Posts gelesen. Einige machen gute Punkte. Die meisten überspringen die Teile, in denen Dinge kaputt gehen. Ich möchte über das sprechen, was tatsächlich funktioniert, wenn Sie Claude Code in einen echten Agency-Workflow integrieren, was noch ein menschliches Gehirn erfordert, und warum die Wirtschaftlichkeit dieses Modells wirklich anders ist als alles, das ich in fünfzehn Jahren Softwareentwicklung gesehen habe.

Inhaltsverzeichnis

The One-Person Agency Hype vs. Reality

Sprechen wir den Elefanten im Raum an. Es gab eine Welle von Aussagen über „One-Person-Billion-Dollar-Companies" – die Idee, dass ein einzelner Gründer, bewaffnet mit AI-Tools, im Maßstab eines traditionellen Unternehmens operieren kann. Evartologys Substack-Artikel „How to Run a Company Alone in 2026" skizziert einen Schritt-für-Schritt-Plan für Engineering, Marketing, Sales und Operations, alles von einer Person mit einem AI-Stack erledigt. Es ist gut strukturiert, und die Tool-Empfehlungen sind solid. Aber die Framing überverkauft die Autonomie.

Hier ist, was ich nach achtzehn Monaten dieses Operierens festgestellt habe: Sie werden nicht zu einer One-Person-Company. Sie werden zu einer One-Person-Koordinationsschicht, die auf AI-Systemen und einer kleinen Bank von menschlichen Spezialisten sitzt. Die Unterscheidung ist wichtig, denn sie ändert, worin Sie gut sein müssen.

Henry Shis Substack-Artikel – „How a Solo Founder Cloned Himself" – kommt der Wahrheit näher. Er beschreibt den Aufbau von AI-Agenten, die spezifische Funktionen handhaben, die im Wesentlichen digitale Mitarbeiter schaffen. Ich stimme seinem Framing mehr zu als der „Billion-Dollar-Solo-Gründer"-Erzählung, weil es anerkennt, dass sich die Aufgabe des Gründers zu Orchestrierung verschiebt, nicht zur Ausführung von allem. Sie sind ein Dirigent, kein One-Man-Band.

Nates Executive Briefing zum Solo-Founder-Trend verweist auf Carta-Daten, die zeigen, dass Solo-gegründete Startups als Prozentsatz neuer Gründungen erheblich gewachsen sind. Das stimmt mit dem überein, was ich sehe. Aber die Carta-Daten unterscheiden nicht zwischen Solo-Gründern, die tatsächlich allein operieren, und denen, die – wie ich – schlank laufen, aber dennoch auf Auftragnehmer und Spezialisten angewiesen sind. Die Schlagzahl ist aufregend. Die Realität ist nuancierter.

Die ehrliche Version: Ich betreibe Social Animal mit etwa 2,5 FTE Output, während ich ungefähr 0,3 FTE in menschlichen Auftragsnehmern plus AI-Kosten zahle. Das ist ein echter struktureller Vorteil. Es ist einfach nicht dasselbe wie „eine Person, die alles tut."

Unser Claude Code Workflow, Schritt für Schritt

Lassen Sie mich durchgehen, wie ein typisches Client-Projekt tatsächlich durch unser Geschäft fließt. Ich werde ein kürzlich durchgeführtes Next.js-E-Commerce-Rebuild als Beispiel verwenden – ein Projekt, das von signiertem Vertrag bis zur Production Deploy in elf Tagen ging.

Phase 1: Discovery und Architektur (Tag 1-2)

Dieser Teil ist immer noch fast vollständig menschlich. Ich rufe den Client an, verstehe ihre geschäftlichen Zwangsbedingungen, skizziere das Datenmodell und entscheide mich für den Stack. Für die meisten unserer Projekte bedeutet das Next.js oder Astro auf dem Frontend, ein headless CMS wie Sanity oder Payload, und welche Backend-Services auch immer zum Use-Case passen.

Was Claude Code hier macht: Ich füge die bestehende Codebasis des Clients ein (oder die HTML ihrer aktuellen Website) und frage nach einem Architektur-Audit. Claude ist wirklich gut darin, Muster, Anti-Muster und potenzielle Migrationsprobleme zu identifizieren. Es spart mir etwa drei Stunden manueller Code-Review pro Projekt.

# Typischer Start-Prompt in Claude Code
claude "Analyze the codebase in /client-repo. Identify: 
1. Component architecture patterns
2. State management approach
3. API integration points
4. Performance bottlenecks
5. Migration risks if moving to Next.js App Router
Output as a markdown report."

Phase 2: Scaffolding und Component-Generierung (Tag 2-4)

Hier verdient Claude Code seinen Platz. Ich schreibe eine detaillierte CLAUDE.md-Datei – denken Sie daran als Projekt-Verfassung – die unsere Codierungskonventionen, Component-Muster und architektonische Entscheidungen spezifiziert. Dann fange ich an zu bauen.

Mein Workflow sieht so aus:

  1. Ich definiere eine Component oder ein Feature in Klartext mit Akzeptanzkriterien
  2. Claude Code generiert die erste Implementierung
  3. Ich überprüfe, verfeinere und teste
  4. Claude Code schreibt die Tests basierend auf meinem Feedback
  5. Wiederholen

Der Geschwindigkeitszuwachs ist grob 3-4x im Vergleich zum manuellen Schreiben von allem. Für eine typische Page-Component mit Datenbeschaffung, Formularverarbeitung und responsivem Layout, das früher 2-3 Stunden dauerte, dauert es jetzt etwa 40 Minuten meiner aktiven Zeit.

// Beispiel: Claude Code generiert eine Product-Listing-Component
// Nachdem ich spezifiziert habe: "Server component, fetches from Sanity, 
// displays in responsive grid, supports filtering by category,
// uses our design tokens from tailwind config"

import { sanityFetch } from '@/lib/sanity'
import { ProductCard } from '@/components/product-card'
import { CategoryFilter } from '@/components/category-filter'
import type { Product } from '@/types/product'

interface ProductListingProps {
  initialCategory?: string
}

export async function ProductListing({ initialCategory }: ProductListingProps) {
  const products = await sanityFetch<Product[]>({
    query: `*[_type == "product" && (!defined($category) || category->slug.current == $category)] | order(publishedAt desc)`,
    params: { category: initialCategory ?? null },
  })

  return (
    <section className="container-wide py-16">
      <CategoryFilter activeCategory={initialCategory} />
      <div className="grid grid-cols-1 gap-6 sm:grid-cols-2 lg:grid-cols-3">
        {products.map((product) => (
          <ProductCard key={product._id} product={product} />
        ))}
      </div>
    </section>
  )
}

Das ist eine vereinfachte Version, aber Sie verstehen die Idee. Claude generiert das in Sekunden. Die echte Arbeit liegt in der Überprüfung – sicherzustellen, dass es unseren Mustern folgt, Edge-Cases handhabt und nicht API-Shapes halluziniert.

Phase 3: Integration und Verfeinerung (Tag 5-8)

Hier wird der Workflow interessant. Claude Code handhabt eine riesige Menge der Integrationsarbeit – Verbindung von CMS-Schemas zu Frontend-Components, Einrichtung von API Routes, Konfiguration von Auth-Flows. Aber es fängt auch an, mit Nuance zu kämpfen. Mehr dazu im Abschnitt „Dinge, die nicht funktionieren".

Phase 4: Testen, QA und Deploy (Tag 9-11)

Claude Code schreibt etwa 80% unserer Test-Suiten. Ich spezifiziere, was zu testen ist, es schreibt die Tests. Für End-to-End-Tests mit Playwright ist es besonders stark – es kann eine Component ansehen und aussagekräftige User-Flow-Tests ohne viel Anleitung generieren.

Deploy wird über unsere Standard-CI/CD-Pipeline abgewickelt. Nichts Besonderes dort – Vercel für Next.js-Projekte, Netlify oder Cloudflare für Astro-Builds.

Was AI übernimmt vs. Was Menschen noch kontrollieren

Das ist der Abschnitt, den ich mir wünschte, mehr „AI Agency"-Artikel würden schreiben. Hier ist eine ehrliche Aufschlüsselung dessen, was Claude Code und andere AI-Tools in unserem Workflow handhaben gegenüber dem, was noch ein menschliches Gehirn erfordert.

Aufgabe Wer handhabt es AI-Beitrag Notizen
Code-Generierung Claude Code (70%) + Ich (30%) Hoch Ich überprüfe und verfeinere alles
Architektur-Entscheidungen Ich (100%) Niedrig Claude kann vorschlagen, aber ich entscheide
Code-Audits / Reviews Claude Code (80%) + Ich (20%) Hoch Fängt Probleme, die ich verpasse
Test-Schreiben Claude Code (80%) + Ich (20%) Hoch Exzellent bei Playwright, gut bei Unit-Tests
CMS-Schema-Design Ich (60%) + Claude Code (40%) Mittel Gut bei Schema-Generierung, schlecht bei Informationsarchitektur
Design / UI Human Designer (90%) + Claude (10%) Niedrig AI-generierte UI sieht immer noch generisch aus
Brand-Strategie Human Contractor (100%) Keine Gar nicht automatisierbar
Copywriting-Richtung Human Contractor (100%) Keine AI kann Entwürfe erstellen, aber Richtung braucht einen Strategen
Content-Entwürfe Claude / GPT (70%) + Human (30%) Hoch Erste Entwürfe, dann schwere menschliche Bearbeitung
RFP-Antworten Claude (60%) + Ich (40%) Mittel Gut bei Struktur, benötigt meine Besonderheiten
Vertragsgenerierung Claude (50%) + Ich (50%) Mittel Templates funktionieren, benutzerdefinierte Klauseln brauchen Überprüfung
Client-Anrufe / Sales Ich (100%) Keine Menschen stellen Menschen ein, nicht AI
DevOps / Infrastruktur Claude Code (40%) + Ich (60%) Mittel Gut bei Config, schlecht beim Debuggen von Deploy-Problemen
Barrierefreiheits-Audits Claude Code (60%) + Ich (40%) Mittel Fängt die meisten WCAG-Probleme, verfehlt kontextuelle
Performance-Optimierung Ich (60%) + Claude Code (40%) Mittel Gut bei der Identifikation von Problemen, manchmal falsch bei Lösungen

Das Muster ist klar: Claude Code zeichnet sich durch Generierung und Analyse von Code aus. Es ist mittelmäßig bei allem, was Urteil über geschäftlichen Kontext erfordert. Und es ist im Wesentlichen nutzlos für die menschlichen Beziehungsteile des Agency-Betriebs – die Sales-Anrufe, die strategischen Gespräche, die Momente, in denen sich ein Client gehört fühlen muss.

Ich arbeite immer noch regelmäßig mit drei Personen zusammen:

  • Ein Senior-Designer (etwa 15 Stunden/Monat) für UI/UX-Arbeit, die tatsächlich unterscheidbar aussieht
  • Ein Brand/Copy-Strategist (etwa 8 Stunden/Monat) für Positionierung, Messaging und Content-Richtung
  • Ein Buchhalter (etwa 4 Stunden/Monat), weil ich weigere mich, AI in meine Finanzunterlagen kommen zu lassen

Echte Zahlen: Kosten, Zeit und Output

Lassen Sie mich echte Zahlen der letzten sechs Monate teilen. Das sind echte Zahlen, keine Prognosen.

Kosten pro MVP

Modell Durchschnittskosten Durchschnittliche Timeline Typischer Umfang
Traditional Agency (unser 2023-Modell) $45.000 - $75.000 8-14 Wochen Marketing-Website + CMS + Integrationen
Unser aktuelles AI-verstärktes Modell $12.000 - $28.000 1-3 Wochen Gleicher Umfang, manchmal mehr
Solo-Developer (keine AI) $15.000 - $30.000 6-10 Wochen Leicht reduzierter Umfang

Die Kostenreduktion kommt von zwei Orten: Ich brauche weniger abrechenbare Menschenstunden pro Projekt, und diese Stunden passieren schneller, weil Claude Code die langweiligen Teile eliminiert.

Wöchentliche Zeiteinteilung

Meine durchschnittliche Woche 2026 sieht so aus:

  • Kodieren mit Claude Code: 15-20 Stunden
  • Client-Kommunikation: 6-8 Stunden
  • Architektur und Planung: 4-6 Stunden
  • Geschäftsbetrieb: 3-4 Stunden
  • Content und Marketing: 2-3 Stunden

Gesamt: etwa 32-40 Stunden. Vergleichen Sie das mit 2023, wenn ich 55-60 Stunden pro Woche arbeitete, um weniger zu versenden.

AI-Werkzeug-Kosten

Meine monatliche AI-Ausgaben zerlegen sich in:

  • Claude Pro / API-Nutzung: ~$200/Monat
  • Cursor Pro: $20/Monat (Ich wechsle je nach Aufgabe zwischen Cursor und Claude Code)
  • Verschiedene andere AI-Tools (Granola für Meeting-Notizen, AI-unterstützte Design-Tools): ~$80/Monat

Gesamte AI-Kosten: ungefähr $300/Monat. Zum Vergleich würde ein einzelner Junior-Developer mindestens $5.000-7.000/Monat kosten. Die Mathematik ist absurd.

Die Dinge, die noch nicht funktionieren

Hier ist der Anti-Hype-Abschnitt. Das sind echte Probleme, auf die ich regelmäßig stoße.

Komplexes State-Management

Claude Code kann Redux-Slices und Zustand-Stores genauso gut in Isolation schreiben. Aber wenn Sie eine komplexe Anwendung mit abhängigem State haben – sagen wir, einen E-Commerce-Checkout-Flow, bei dem Inventar, Preisgestaltung, Rabattcodes und Versand alle interagieren – fängt es an, Fehler zu machen. Keine offensichtlichen, entweder. Subtile Race Conditions und Edge Cases, die nur unter spezifischen User-Pfaden auftauchen.

Ich habe gelernt, komplexe State-Logik selbst zu schreiben und Claude Code für die einfacheren, isolierteren Teile zu verwenden.

Multi-File-Refactoring mit Context

Claude Code ist erheblich besser darin geworden, Projekt-Kontext zu verstehen, aber großflächige Refactors über viele Dateien hinweg produzieren immer noch Inkonsistenzen. Es wird eine Typ-Definition in einer Datei aktualisieren und die drei anderen Dateien vermissen, die davon abhängen. Die CLAUDE.md-Projektdatei hilft, ist aber keine Wunderwaffe.

Design-Implementierungs-Treue

Wenn ich Claude Code ein Figma-Design übergebe (über Screenshot oder Beschreibung), kommt es etwa 75% des Weges dorthin. Das Layout ist normalerweise richtig, der Abstand ist nah. Aber die subtilen Dinge – das spezifische Animations-Timing, wie sich ein Hover-State anfühlen sollte, die Mikro-Interaktionen, die ein Design poliert anfühlen lassen – die brauchen immer noch manuelle Verfeinerung. Jedes einzelne Mal.

Debugging von Production-Problemen

Claude Code ist großartig beim Debuggen, wenn Sie eine klare Fehlermeldung und den relevanten Code geben können. Es ist schlecht beim Debuggen, wenn das Problem umweltbedingt ist – ein Vercel-Deployment, das in Preview funktioniert, aber in Production fehlschlägt, ein mysteriöses CORS-Problem, das nur mit bestimmten CDN-Konfigurationen passiert, ein Datenbank-Verbindungs-Pool, der unter spezifischen Last-Mustern erschöpft ist. Diese erfordern empirisches Wissen, das AI nicht zuverlässig hat.

Geschäftlichen Kontext verstehen

Die größte Lücke: Claude Code versteht nicht, warum Sie etwas bauen. Es kann Ihnen nicht sagen, dass die Funktion, die Ihr Client anfordert, tatsächlich ihre Konversionsrate verletzen wird. Es kann nicht gegen eine schlechte Produktentscheidung vorgehen. Es baut, was Sie ihm zu bauen sagen, effizient und ohne Urteil. Dieses Urteil ist das wertvollste, das ein Senior-Developer zu einem Projekt bringt.

Claude Code für Agency-Arbeit einrichten

Wenn Sie einen kleinen Shop betreiben und Claude Code in Ihren Workflow integrieren möchten, hier ist, was ich über Setup gelernt habe.

Die CLAUDE.md-Datei ist alles

Ihre CLAUDE.md-Datei ist das wichtigste einzelne Artefakt in diesem Workflow. Die unsere enthält:

# Project: [Client Name]

## Stack
- Next.js 15 (App Router)
- TypeScript (strict mode)
- Tailwind CSS v4
- Sanity v3
- Vercel deployment

## Coding Conventions
- Use server components by default. Only add 'use client' when necessary.
- Prefer named exports over default exports.
- Use the cn() utility for conditional classes (imported from @/lib/utils).
- All API calls go through server actions or route handlers. No client-side fetching.
- Error handling: use error boundaries, not try/catch in components.

## Component Patterns
- Atomic design: atoms → molecules → organisms → templates
- Each component gets its own directory: ComponentName/index.tsx + ComponentName.test.tsx
- Props interfaces are defined in the component file, not in a separate types file.

## Do NOT
- Use any CSS-in-JS libraries
- Create barrel export files
- Use the 'any' type
- Install new dependencies without explicit approval

Diese Datei verhindert etwa 60% der „Claude hat es falsch gemacht"-Momente. Ohne sie, verbringen Sie mehr Zeit mit Korrigieren als Sie sparen.

Verwenden Sie Sub-Agents für große Features

Für größere Features habe ich angefangen, Claudes Code-Fähigkeit zu verwenden, Sub-Agents zu erstellen. Ich habe den Haupt-Agent das Feature planen, es in Aufgaben unterteilen, und dann fokussierte Agenten für jede Aufgabe hochfahren. Es ist kein echtes Parallelismus – ich überprüfe immer noch sequenziell – aber es hält den Kontext jedes Agenten fokussiert und reduziert die Abweichung, die in langen Gesprächen passiert.

Version-Control-Disziplin

Claude Code committet häufig, was großartig ist. Aber seine Commit-Nachrichten sind oft zu generisch. Ich habe eine Regel zu unserer CLAUDE.md hinzugefügt:

## Git Conventions
- Commit messages follow Conventional Commits: feat:, fix:, refactor:, test:, docs:
- Each commit should represent ONE logical change
- Always include the ticket/issue number if applicable
- Write commit messages as if a developer six months from now needs to understand WHY

Das hilft, obwohl ich immer noch etwa ein Drittel der Commit-Nachrichten umschreibe.

Wie sich dadurch Kundenbeziehungen verändern

Der überraschendste Effekt dieses Workflows ist nicht die Geschwindigkeit oder die Kostenersparnisse – es ist, wie er die Kundenbeziehung ändert.

Wenn Sie einen funktionierenden Prototyp in zwei Tagen statt zwei Wochen versenden können, ändert sich das gesamte Gespräch. Clients stopfen auf, Wireframes zu debattieren und fangen an, echte, funktionale Software zu reagieren. Feedback-Schleifen komprimieren von zweiwöchentlichen Sprint-Reviews zu täglichen Iterationen. Entscheidungen, die früher drei Meetings brauchten, passieren jetzt in einem Loom-Video und einem Slack-Thread.

Das ist wirklich besser für Clients. Sie bekommen mehr für weniger, und sie bekommen es schneller. Wenn Sie neugierig sind, wie dieses Modell in der Praxis funktioniert, schauen Sie auf unsere Preisseite oder kontaktieren Sie uns direkt – Ich bin glücklich, spezifische Projekt-Beispiele durchzugehen.

Aber es gibt eine Spannung hier auch. Wenn Dinge schnell und billig sind, fangen einige Clients an, Entwicklung zu behandeln, als wäre es kostenlos. „Können Sie einfach noch eine Sache hinzufügen?" wird ein konstanter Refrain, wenn sie wissen, dass es nur ein paar Stunden dauert. Umfang-Management wird wichtiger, nicht weniger, in einem AI-verstärkten Workflow.

Die andere Verschiebung: Clients kümmern sich zunehmend nicht, wie Sie Dinge bauen. Sie fragen nicht nach Ihrem Tech-Stack oder Ihrer Team-Größe. Sie kümmern sich um Ergebnisse – Geschwindigkeit, Qualität, Zuverlässigkeit. Ob Claude Code 70% der Codebasis schrieb, ist für sie irrelevant. Wie es sein sollte.

FAQ

Schreibt Claude Code tatsächlich produktionsqualitäts-Code?

Nach meiner Erfahrung sind etwa 70% dessen, was Claude Code generiert, mit geringen Anpassungen produktionsbereit. Weitere 20% brauchen bedeutungsvolle Refaktorierung. Und etwa 10% müssen weggeworfen und neu geschrieben werden. Der Schlüssel ist, starke Konventionen in Ihrer CLAUDE.md-Datei zu haben und alles vor dem Versand zu überprüfen. Ich pushe nie AI-generierten Code zu Production ohne Überprüfung – das ist der schnellste Weg zu technischen Schulden.

Wie vergleicht sich Claude Code mit GitHub Copilot oder Cursor für Agency-Arbeit?

Sie dienen verschiedenen Zwecken. Copilot und Cursor sind großartig für Inline-Code-Vervollständigung – sie beschleunigen den Akt des Code-Schreibens. Claude Code operiert auf höherer Ebene: Es kann Features planen, ganze Dateien generieren, über ein Projekt refaktorieren und über Architektur nachdenken. Ich verwende Cursor für tägliche Codierung und Claude Code für größere Aufgaben wie das Bauen neuer Features, das Schreiben von Test-Suiten oder das Auditing von Codebases. Sie sind komplementär, nicht kompetitiv.

Welche sind die echten Kosten für den Betrieb einer AI-verstärkten Agency 2026?

Meine All-in-Monatlich-Kosten: etwa $300 für AI-Tools, $3.500-5.000 für menschliche Auftragnehmer (Designer, Copy-Strategist, Buchhalter) und Standard-Geschäfts-Overhead (Software-Abonnements, Versicherung, Buchhaltung). Die Gesamtbetriebskosten liegen bei etwa $5.000-7.000/Monat. Bei durchschnittlichem monatlichem Umsatz von $25.000-40.000 sind die Margen erheblich besser als ein traditionelles Agency-Modell, bei dem allein die Gehaltsabrechnung 60-70% des Umsatzes aufzehren würde.

Kann ein Solo-Gründer wirklich eine Agency nur mit AI-Tools betreiben?

Ja und nein. Sie können die technische Output eines kleinen Agencys handhaben. Aber Sie können Sales, Strategie, Design und Entwicklung nicht gleichzeitig handhaben, ohne einige menschliche Unterstützung. Die „One-Person-Billion-Dollar-Company"-Erzählung, wie in Evartologys Substack-Playbook beschrieben, ist aspirativ. Die Realität ist eher wie eine One-Person-Koordinationsschicht mit AI und ein paar Auftragsnehmern. Immer noch unglaublich kraftvoll – einfach nicht magisch.

Welche Projekttypen funktionieren am besten mit einem Claude-Code-Workflow?

Content-getriebene Websites, E-Commerce-Frontends, SaaS-Dashboards und Marketing-Sites sind unser Favorit. Diese Projekte haben gut verstandene Muster, die Claude Code exzellent handhabt. Projekte, die schwerer sind: Alles mit neuartigen Algorithmen, komplexe Echtzeitsysteme oder schwere Hardware-Integration. Je einzigartiger das Problem, desto weniger nützlich wird AI-generierter Code. Wir konzentrieren uns auf Next.js-Entwicklung und Headless-CMS-Builds, weil die Pattern-Bibliothek tief ist.

Wie handhaben Sie Kunden-Vertraulichkeit, wenn Sie AI-Tools verwenden?

Das ist eine legitime Besorgnis. Wir fügen keine Client-Geheimnisse, API-Keys oder sensible Geschäftsdaten in AI-Tools ein. Unsere CLAUDE.md-Dateien enthalten architektonische Entscheidungen und Kodierungskonventionen – nicht proprietäre Geschäftslogik. Für Codebases läuft Claude Code lokal und verarbeitet Code auf Ihrer Maschine mit Anthropics Datenschutzverpflichtungen. Wir fügen AI-Nutzungs-Offenlegung in unsere Verträge ein, und kein Client hat sich bis jetzt beschwert.

Welche Fähigkeiten werden wichtiger, wenn AI die meisten Kodierungen handhabt?

Architektonisches Denken, Code-Überprüfung und Client-Kommunikation. Wenn Claude Code den Code schreibt, verschiebt sich Ihre Aufgabe zu Evaluierung von Code-Qualität, zu Entwurfsentscheidungen, die es nicht machen kann, und zur Übersetzung zwischen Client-Bedürfnissen und technischen Lösungen. Die Developer, die in diesem Modell gedeihen, sind Senior-Level-Denker, die subtile Bugs erkennen können, Performance-Auswirkungen verstehen und gegen schlechte Anforderungen vorgehen können. Junior-Developer, die sich auf AI verlassen, ohne zu verstehen, was es generiert, werden brüchige, buggy Software produzieren.

Werden dieses Modell traditionelle Dev-Agenteures überflüssig machen?

Nicht überflüssig, aber es wird eine Umstrukturierung erzwingen. Agenteures, die basierend auf geleisteten Stunden abrechnen, werden kämpfen, weil AI Stunden dramatisch reduziert. Agenteures, die basierend auf Wertlieferung abrechnen – Geschäftsergebnisse, Zeit bis zum Markt, Qualität des endgültigen Produkts – werden gedeihen. Die Agenteures, die überleben, werden kleiner, schneller und spezialisierter sein. Die, die sich nicht anpassen, werden gegen Shops wie unsere verlieren, die AI tief in den Workflow integriert haben.