KI-Coding-Agenten planen heute eine Änderung, bearbeiten viele Dateien, führen die Tests aus und öffnen einen Pull Request. Teile eines Softwareprojekts werden dadurch tatsächlich schneller. Was sie nicht ersetzen, sind klare Anforderungen, eine tragfähige Architektur und sorgfältiges Review, und genau dort entscheiden sich heute Kosten, Qualität und Risiko Ihres Projekts. Beurteilen Sie ein Team nach den Ergebnissen, nicht danach, wie viel KI es nutzt.
Dieser Leitfaden richtet sich an diejenigen, die Software bezahlen, und ist kein Tool-Vergleich für Entwickler. Er zeigt, was KI in der Softwareentwicklung an Tempo, Preis und Risiko verändert, was die Datenlage hergibt, wie aus einem per Vibe Coding gebauten Prototyp ein produktionsreifes Produkt wird und was Sie einen Entwicklungspartner fragen sollten.
Was KI-Coding-Agenten 2026 sind
KI-gestützte Softwareentwicklung hat in kurzer Zeit drei Stufen durchlaufen. Jede gibt dem Werkzeug mehr Eigenständigkeit und verlagert die Arbeit der Ingenieure stärker vom Schreiben des Codes hin zum Steuern und Prüfen.
Autovervollständigung
Schlägt beim Tippen die nächste Zeile oder den nächsten Block vor. Jede Änderung entscheidet weiterhin der Mensch, Datei für Datei.
Chat-Assistenten
Erklären Code, schreiben auf Anfrage eine Funktion oder einen Test, schlagen Korrekturen vor. Übernehmen und einbauen muss der Entwickler selbst.
Coding-Agenten
Übernehmen eine Aufgabe, lesen die Codebasis, erstellen einen Plan, ändern viele Dateien, führen Befehle und Tests aus, beheben eigene Fehler und öffnen einen Pull Request zur Prüfung durch einen Menschen.
Werkzeuge wie Cursor, der Agentenmodus von GitHub Copilot, Claude Code und OpenAI Codex arbeiten auf Stufe drei. Prompt-to-App-Baukästen wie Lovable und Bolt gehen noch weiter: Sie erzeugen eine komplette Anwendung aus einer Beschreibung. Deshalb kommen viele Gründer heute mit einem funktionierenden Prototyp, bevor sie überhaupt mit einem Ingenieur sprechen.
Über das Model Context Protocol (MCP), einen offenen Standard, den Anthropic im November 2024 vorgestellt hat und der seitdem breit übernommen wurde, können Agenten außerdem auf Ihr Ticketsystem, Ihre Dokumentation, Datenbanken und Cloud-Konsolen zugreifen. Das macht sie nützlicher und vergrößert zugleich, was schiefgehen kann (mehr dazu im Abschnitt Sicherheit). Agenten in Ihrem eigenen Produkt sind ein anderes Projekt; dazu mehr unter KI-Agenten-Entwicklung.
Eine Vorbemerkung: Gartner warnt vor "Agent Washing", also davor, Chatbots und Assistenten als Agenten umzuetikettieren, und schätzt, dass nur etwa 130 der Tausenden Anbieter, die agentische KI versprechen, echte agentische Fähigkeiten bieten. Die Schätzung betrifft Anbieter agentischer KI allgemein, die Lehre gilt aber auch hier: Wenn ein Dienstleister "KI-gestützt" sagt, fragen Sie, was das Werkzeug konkret tut und wer das Ergebnis prüft.
Die Datenlage, ehrlich betrachtet
Ob KI genutzt wird, ist keine Frage mehr. Laut Stack Overflow Developer Survey 2025 nutzt fast jeder Entwickler KI-Tools oder plant es. Die eigentliche Frage ist das Vertrauen.
51 % der professionellen Entwickler nutzen sie täglich.
Gegenüber 33 %, die ihr vertrauen, und nur 3 %, die ihr stark vertrauen.
Ihr größtes Ärgernis. 45 % sagen, das Debuggen von KI-generiertem Code koste mehr Zeit.
Tempo ist schwerer zu messen, als es scheint. In einer randomisierten Studie vom Juli 2025 ließ METR erfahrene Open-Source-Entwickler an ihren eigenen Repositories arbeiten, mit und ohne KI-Tools vom Stand Anfang 2025. Mit KI brauchten sie 19 % länger. Vorher hatten sie erwartet, 24 % schneller zu sein, und hinterher glaubten sie, etwa 20 % schneller gewesen zu sein.
Wichtig ist die Einschränkung: METR selbst bezeichnet diese Ergebnisse von Anfang 2025 inzwischen als veraltet und die Folgedaten aus 2026 als unzuverlässiges Signal. Die Studie belegt also nicht, dass KI Entwickler bremst. Sie zeigt aber, dass gefühltes und gemessenes Tempo auseinanderliegen können, selbst wenn erfahrene Leute ihre eigene Arbeit beurteilen.
Für Auftraggeber folgt daraus: Messen Sie Ergebnisse, nicht Tool-Nutzung. "Unsere Ingenieure nutzen täglich KI" sagt nichts über Ihr Projekt. Durchlaufzeit, Fehler und Nacharbeit schon.
Sinnvolle Kennzahlen, die Sie unabhängig von den Werkzeugen verlangen können:
- Durchlaufzeit: wie lange ein typisches Feature vom vereinbarten Ticket bis in die Produktion braucht.
- Durchgerutschte Fehler: Bugs, die Nutzer oder der Betrieb finden statt Review und Tests.
- Nacharbeit: wie oft gelieferte Arbeit wieder geöffnet oder neu geschrieben werden muss.
- Kosten pro geliefertem Feature: abgerechnete Stunden im Verhältnis zu dem, was tatsächlich live gegangen ist.
Wo Agenten Projekte beschleunigen und wo nicht
KI-Coding-Agenten sind stark, wo die Aufgabe klar umrissen, das Muster bekannt und das Ergebnis leicht prüfbar ist. Schwach sind sie, wo die eigentliche Arbeit darin besteht zu entscheiden, was gebaut wird, oder wo ein Fehler teuer und schwer zu erkennen ist.
| Mit Agenten meist schneller | Meist kaum schneller |
|---|---|
| Boilerplate: CRUD-Masken, API-Endpunkte, Formulare, Konfiguration nach vorhandenem Muster. | Unklare Anforderungen: Ein Agent baut, was Sie beschreiben, schnell, auch das Falsche. |
| Tests: Lücken in Unit- und Integrationstests für bereits funktionierenden Code schließen. | Architektur: Datenmodelle, Systemgrenzen und Abwägungen, mit denen Sie jahrelang leben. |
| Migrationen und Upgrades: Framework- und Bibliotheks-Updates, wiederkehrende Refactorings über viele Dateien. | Unübersichtliche Integrationen: undokumentierte Altsysteme, inkonsistente Daten, Partner-APIs, die anders reagieren als dokumentiert. |
| Interne Tools: Admin-Oberflächen und Dashboards mit wenigen Nutzern und geringem Risiko. | Sicherheitskritischer Code: Authentifizierung, Berechtigungen, Zahlungen, alles mit personenbezogenen Daten. |
| Prototypen: klickbare, funktionierende Versionen, um eine Idee mit Nutzern zu testen. | Subtile Produktionsfehler: Race Conditions, Datenkorruption, Probleme, die nur unter echter Last auftreten. |
| Dokumentation: READMEs, API-Dokumentation und Erklärungen zu bestehendem Code. | Abstimmung mit Stakeholdern: Umfang, Prioritäten und Abnahmekriterien vereinbaren. |
Die Modernisierung älterer Systeme liegt dazwischen: Die wiederkehrenden Änderungen erledigen Agenten gut, zu verstehen, was das Altsystem wirklich tut, bleibt menschliche Arbeit. Das ist der Kern der meisten Projekte zur Legacy-Modernisierung.
Für Ihr Projekt heißt das: Die linke Spalte macht einen wachsenden Teil der Tipparbeit aus, die rechte den Großteil des Risikos. Ein Team, das Agenten gut einsetzt, steckt die gesparte Zeit in die rechte Spalte.
Review ist der neue Engpass
Wenn Code billig zu erzeugen ist, wird das Prüfen zum Engpass. Ein Agent schreibt einen großen Pull Request in Minuten, ein sorgfältiger Reviewer liest ihn nicht in Minuten. Und der typische Fehler ist kein offensichtlich kaputter Code, sondern Code, der "fast richtig, aber nicht ganz" ist, das größte Ärgernis für 66 % der Befragten der Stack-Overflow-Umfrage. Solche Fehler übersteht ein flüchtiger Blick, in der Produktion nicht.
Code-Review, automatisierte Tests und Continuous Integration werden in einem KI-gestützten Team deshalb wichtiger, nicht unwichtiger. KI-Code-Review-Tools helfen als erste Prüfstufe und finden offensichtliche Probleme und fehlende Tests, bevor ein Mensch hinsieht. Die letzte Freigabe sollten sie nicht erteilen: Dieselbe Art von Modell, die den Code geschrieben hat, beurteilt ihn dann.
So sieht ein Qualitätsprozess für die KI-Ära in der Praxis aus:
Kleine Pull Requests
Eine Änderung pro Pull Request, klein genug für ein echtes Review. Große, von Agenten erzeugte Änderungen werden vor dem Review aufgeteilt, nicht erst nach dem ersten Bug.
Pflicht-Tests
Neues Verhalten kommt mit Tests, die ohne die Änderung fehlschlagen würden. Vom Agenten geschriebene Tests werden so genau geprüft wie der Code.
Statische Analyse in der CI
Typprüfung, Linting und Komplexitätsgrenzen laufen bei jedem Pull Request. Solange die Pipeline rot ist, wird nichts gemergt.
Security-Scans
Abhängigkeits-, Secret- und Code-Scans finden verwundbare Pakete, geleakte Schlüssel und riskante Muster, die Agenten aus ihren Trainingsdaten übernehmen.
Menschliche Freigabe durch eine verantwortliche Person
Ein namentlich benannter Ingenieur, der das Modul versteht, gibt jeden Merge frei. "Das hat der Agent geschrieben" erklärt nie einen Fehler; die Änderung verantwortet der Reviewer.
Nichts davon ist neu. Neu ist, dass ein Team, das diese Schritte auslässt, nicht mehr sichtbar langsamer wird: Der Code kommt weiterhin schnell, die Probleme kommen später.
Unsicher, was in Ihrer KI-gebauten Codebasis steckt?
Wir prüfen KI-generierte und per Vibe Coding gebaute Anwendungen auf Sicherheit, Struktur und Testabdeckung und sagen Ihnen, ob Härten oder Neubau sinnvoller ist. Ein Angebot erhalten Sie innerhalb von 24 Stunden nach dem ersten Gespräch, mit NDA vor Beginn jeder Arbeit.
Was das für die Kosten Ihres Projekts bedeutet
Die Grundrechnung bleibt: Individualsoftware kostet Stunden mal Stundensatz, plus Betrieb. KI verändert, wie sich die Stunden verteilen. Den Rest der Rechnung erklärt unser Leitfaden zu den Kosten der Softwareentwicklung.
| Phase | Wirkung von KI-Coding-Agenten auf die Stunden |
|---|---|
| Discovery und Scoping | Weitgehend unverändert. Schnellere Prototypen holen früher Feedback ein, aber was gebaut wird, klärt sich weiterhin im Gespräch. |
| Architektur und Datenmodell | Weitgehend unverändert. Das ist Urteilsvermögen, und Fehler hier sind am teuersten zu korrigieren. |
| Umsetzung von Standard-Features | Oft geringer, vor allem bei Mustern, die es in der Codebasis schon gibt. |
| Tests, Dokumentation, Upgrades | Oft geringer, wodurch gute Testabdeckung günstiger erreichbar wird. |
| Integration bestehender Systeme | Geringe Veränderung. Die Zeit fließt ins Verstehen des anderen Systems, nicht ins Schreiben des Adapters. |
| Review, Sicherheit und QA | Gleich oder höher. Mehr Code kommt schneller, und alles muss geprüft werden. |
Ein Rechenbeispiel zur Veranschaulichung, kein Benchmark: Angenommen, ein Angebot umfasst 1.000 Ingenieurstunden zu 55 € pro Stunde, davon die Hälfte Standardumsetzung und Tests. Würden Agenten diese Hälfte um ein Viertel verkürzen, bräuchte das Projekt 125 Stunden weniger, rund 6.900 €, während Scoping, Architektur, Integration und Review unverändert bleiben. Die echte Ersparnis hängt von Codebasis, Team und Art der Arbeit ab und kann auch null sein.
Angebote für eine "KI-gebaute App zum Bruchteil des Preises" verdienen deshalb einen genauen Blick. Für eine Demo ist ein niedriger Preis oft machbar. Fragen Sie, was enthalten ist:
- Automatisierte Tests, und auf welcher Ebene (Unit, Integration, End-to-End)?
- Menschliches Code-Review jeder Änderung, und durch wen?
- Sicherheitsarbeit: Authentifizierung, Berechtigungen, Eingabevalidierung, Abhängigkeits-Scans?
- Eine Deployment-Pipeline, Monitoring und Backups, oder nur Code in einem Repository?
- Dokumentation und Übergabe, sodass ein anderes Team übernehmen könnte?
- Wem gehören Code und Accounts, und was passiert nach dem Launch?
Zur Einordnung: elitics arbeitet mit 45–65 € pro Ingenieurstunde, Squads ab 15.000 € pro Monat und MVPs zum Festpreis ab 15.000 €. Die Details finden Sie auf unserer Seite zu den Preisen, eine erste Zahl für Ihr eigenes Projekt liefert der Kostenrechner.
Vom Vibe-Coding-Prototyp zur produktiven Anwendung
"Vibe Coding" bedeutet, in Alltagssprache zu beschreiben, was man möchte, und den von der KI erzeugten Code weitgehend ungelesen zu übernehmen. Zum Validieren einer Idee ist das ein echter Fortschritt: Gründer können Nutzern in Tagen einen funktionierenden Prototyp zeigen, statt auf ein Entwicklungsbudget zu warten. Unsere Sicht darauf, was ein MVP beweisen soll, gilt weiter; der Beweis ist nur günstiger geworden.
Schwierig wird es mit echten Nutzern, echten Daten und echtem Geld. Sicherheit ist die häufigste Lücke beim Vibe Coding: Generierte Apps funktionieren oft im Normalfall und versagen an den Rändern, etwa mit offenen Datenbankregeln, Schlüsseln im Frontend oder ohne Prüfung, wer welchen Datensatz sehen darf. Bevor Sie eine mit Lovable, Bolt oder Cursor gebaute App veröffentlichen, gehen Sie diese Checkliste durch.
Checkliste: vom Prototyp zur Produktion
- Authentifizierung und Rollen: Jede Route und jede API prüft, wer der Nutzer ist und was er darf, auf dem Server, nicht nur in der Oberfläche.
- Datenmodell und Migrationen: Das Schema ist bewusst gestaltet, Änderungen laufen über versionierte Migrationen statt über manuelle Eingriffe im Dashboard.
- Secrets: Keine API-Schlüssel im Frontend oder im Repository; Schlüssel liegen in einem Secrets-Manager oder in Umgebungsvariablen und lassen sich rotieren.
- Eingabevalidierung: Alle Nutzereingaben werden serverseitig validiert, Datenbankzugriffe sind gegen Injection geschützt.
- Zahlungen: Preise und Berechtigungen entscheidet der Server, Payment-Webhooks werden verifiziert und idempotent verarbeitet.
- Fehlerbehandlung: Fehler zeigen Nutzern eine hilfreiche Meldung und Ingenieuren einen brauchbaren Eintrag, ohne interne Details preiszugeben.
- Tests: Automatisierte Tests decken die kritischen Abläufe ab (Registrierung, Login, Zahlung, die Kernfunktion Ihres Produkts) und laufen bei jeder Änderung.
- Logging und Monitoring: Sie erfahren von Fehlern und Verlangsamungen, bevor Ihre Nutzer es Ihnen sagen.
- Backups: Daten werden automatisch gesichert, und eine Wiederherstellung wurde tatsächlich getestet.
- Deployment-Pipeline: Releases laufen mit Prüfungen durch die CI, und ein fehlerhaftes Release lässt sich schnell zurückrollen.
- Performance: Seiten und Abfragen halten realistischen Datenmengen stand, nicht nur einer Handvoll Demo-Datensätze.
- Barrierefreiheit: Tastaturbedienung, Kontraste, Beschriftungen und Screenreader-Unterstützung, was Kunden und öffentliche Auftraggeber zunehmend erwarten.
Das Aufräumen nach dem Vibe Coding ist meist eine Wahl zwischen Härten und dem sauberen Neubau des Kerns. Ein kurzes Code-Audit zeigt, welcher Fall vorliegt:
Härten, wenn
- das Datenmodell im Großen und Ganzen zum Produkt passt,
- der Code einer einheitlichen, wenn auch unvollkommenen Struktur folgt,
- der Stack verbreitet ist und von einem anderen Team gewartet werden kann,
- vor allem Tests, Prüfungen und Infrastruktur fehlen.
Den Kern neu bauen, wenn
- das Datenmodell nicht zur Richtung des Produkts passt,
- Sicherheit nur in der Oberfläche durchgesetzt wird,
- jedes Feature in einem anderen Stil generiert wurde, mit doppelter Logik,
- jede Korrektur etwas anderes kaputt macht und niemand erklären kann, warum.
Ein Neubau heißt selten, den Prototyp wegzuwerfen: Seine Screens, Abläufe und das Nutzerfeedback werden zur validierten Spezifikation für einen bewusst gebauten Kern. Unser Team für Software-Consulting führt Code-Audits KI-gebauter Anwendungen durch, und der MVP Accelerator deckt einen Neubau zum Festpreis ab, wenn das der bessere Weg ist.
Sicherheit, geistiges Eigentum und Daten
KI-Coding-Agenten werfen fünf Fragen auf, die in jeden Softwarevertrag und jede Sicherheitsprüfung gehören.
Lizenzen von generiertem Code
Modelle können Ausschnitte aus Open-Source-Code mit Lizenzpflichten reproduzieren. Lizenz-Scans von Abhängigkeiten und Code sowie die Duplikatfilter mancher Tools senken das Risiko.
Secrets in Prompts
Agenten lesen Dateien, Entwickler kopieren Fehlermeldungen in Chats. API-Schlüssel, Kundendaten und Konfigurationsdateien können so bei einem KI-Anbieter landen, wenn der Arbeitsablauf sie nicht fernhält.
Welche Tools Ihren Code sehen
Sie sollten wissen, welche KI-Dienste Ihren Quellcode verarbeiten, unter welchem Tarif, ob Ihre Daten zum Training genutzt werden dürfen und wo sie gespeichert werden. Bei personenbezogenen Daten ist das auch eine DSGVO-Frage.
Vertragsbedingungen
NDA und Übertragung der Rechte am geistigen Eigentum vor Arbeitsbeginn, klares Eigentum an sämtlichem Code einschließlich KI-generierter Teile und Arbeit in Ihren eigenen Repositories und Cloud-Accounts. Bei elitics ist das Standard: Der Code gehört Ihnen, und wir arbeiten in Ihren Accounts.
Prompt Injection gegen Agenten-Tools
Die OWASP Top 10 for LLM Applications (2025) führen Prompt Injection als größtes Risiko (LLM01). Ein Agent, der Tickets, Webseiten oder Dokumente liest, kann auf versteckte Anweisungen stoßen, Daten preiszugeben oder Befehle auszuführen.
Gegen Prompt Injection hilft vor allem, die Möglichkeiten eines Agenten zu begrenzen: keine Produktionszugänge in Entwicklungsumgebungen, Ausführung in einer Sandbox, eine Freigabeliste erlaubter MCP-Server und Tools, standardmäßig nur Lesezugriff und menschliche Freigabe vor jedem Merge oder Deployment. Solche Prüfungen gehören zu unseren Security-Leistungen.
Und falls die Software, die Sie bauen, selbst KI einsetzt: Nach dem EU AI Act bringt KI in Hochrisikobereichen wie Kreditvergabe, Beschäftigung oder Bildung zusätzliche Pflichten mit sich. Die Zeitpläne haben sich wiederholt geändert, klären Sie die aktuellen Termine daher mit Ihrer Rechtsberatung.
Fragen an Ihren Entwicklungspartner zum Einsatz von KI
Ziel ist kein Partner, der KI meidet, sondern einer, der erklären kann, wie er sie kontrolliert. Diese Fragen helfen dabei:
- Welche KI-Tools nutzen Ihre Ingenieure für Kundencode, und mit welchen Tarifen? Eine gute Antwort nennt die Tools, bestätigt Business-Tarife mit Opt-out vom Training und bietet an, Tools auf Wunsch einzuschränken.
- Wie wird KI-generierter Code vor dem Merge geprüft? Achten Sie auf menschliches Review jedes Pull Requests, kleine Änderungen und einen namentlich verantwortlichen Ingenieur pro Merge.
- Welche Tests und Prüfungen laufen bei jeder Änderung? Eine gute Antwort beschreibt CI mit automatisierten Tests, Typprüfung, Linting und Security-Scans sowie die Regel, dass bei roter Pipeline nichts gemergt wird.
- Wie halten Sie Secrets und personenbezogene Daten aus Prompts heraus? Erwarten Sie konkrete Maßnahmen: Secrets-Manager, keine Produktionsdaten in der Entwicklung und Regeln, was in KI-Tools eingefügt werden darf.
- Wem gehört der Code, einschließlich KI-generierter Teile? Die Antwort sollte lauten: Ihnen, abgesichert durch eine vor Arbeitsbeginn unterzeichnete Rechteübertragung, mit dem Code in Ihren Repositories.
- Wie messen Sie, ob KI in unserem Projekt tatsächlich hilft? Gute Partner sprechen über Durchlaufzeit, Fehler und Nacharbeit, nicht über den Anteil KI-geschriebenen Codes.
- Was würden Sie einen Agenten nicht tun lassen? Eine durchdachte Antwort nennt Produktionszugriff, Datenbankmigrationen ohne Review, sicherheitskritische Änderungen und Deployments.
- Wenn KI Sie schneller macht, wie zeigt sich das in unserem Preis? Achten Sie auf eine ehrliche Antwort: Manche Stunden sinken, Review-Stunden nicht, und Schätzungen beruhen auf dem tatsächlichen Umfang.
Häufige Fragen
Was ist ein KI-Coding-Agent?
Ein KI-Coding-Agent übernimmt eine Entwicklungsaufgabe, liest den relevanten Code, plant eine Änderung, bearbeitet mehrere Dateien, führt Befehle und Tests aus und legt das Ergebnis als Pull Request vor. Anders als Autovervollständigung oder Chat-Assistenten arbeitet er mehrere Schritte selbstständig ab, sein Ergebnis braucht aber weiterhin menschliches Review.
Machen KI-Coding-Agenten Softwareentwicklung günstiger?
Sie können die Stunden für Standardumsetzung, Tests, Upgrades und Dokumentation senken, helfen aber wenig bei Scoping, Architektur und unübersichtlichen Integrationen, während Review- und Sicherheitsarbeit gleich bleibt oder wächst. Verlangen Sie eine Schätzung auf Basis Ihres Umfangs, keinen pauschalen Rabatt.
Ist Vibe Coding für eine produktive Anwendung sicher?
Für Prototypen und Validierung ist Vibe Coding gut geeignet. Eine produktive Anwendung mit echten Nutzern, Daten oder Zahlungen braucht dieselben Prüfungen wie jede andere: serverseitige Authentifizierung und Berechtigungen, Secrets-Management, Eingabevalidierung, Tests, Monitoring und Backups. Lassen Sie die Codebasis vor dem Launch prüfen.
Soll ich meinen KI-gebauten Prototyp härten oder neu bauen?
Härten Sie ihn, wenn das Datenmodell passt, die Struktur einheitlich ist und vor allem Tests und Infrastruktur fehlen. Bauen Sie den Kern neu, wenn das Datenmodell falsch ist, Sicherheit nur in der Oberfläche existiert oder jede Korrektur etwas anderes kaputt macht. Ein Code-Audit beantwortet die Frage meist schnell.
Kann KI Code-Reviews übernehmen?
KI-Code-Review ist als erste Prüfstufe nützlich und markiert offensichtliche Probleme, fehlende Tests und Stilfragen. Die menschliche Freigabe ersetzt es nicht, besonders bei sicherheitskritischem Code, denn die folgenreichsten Fehler sind die plausiblen, fast richtigen, die auch Modelle übersehen.
Holen Sie eine zweite Meinung zu Ihrer KI-gebauten Software ein
Senior-Ingenieure in Prishtina, in derselben Zeitzone wie Berlin und Paris (MEZ/MESZ). NDA und Rechteübertragung vor Arbeitsbeginn, der Code gehört Ihnen, und wir arbeiten in Ihren Repositories. Angebot innerhalb von 24 Stunden nach dem ersten Gespräch.
Quellen
- Stack Overflow Developer Survey 2025, Abschnitt KI
- METR: Measuring the impact of early-2025 AI on experienced open-source developer productivity (10. Juli 2025)
- OWASP Top 10 for LLM Applications (2025)
- Model Context Protocol
- Gartner, Pressemitteilung vom 25. Juni 2025: agentische KI-Projekte und "Agent Washing"
