KI Coding Agents: Softwareentwicklung im Turbo-Modus

Erstes internes Meetup am neuen Karlsruher CONITAS-Standort

Am 14. April 2026 fand das erste interne Meetup der CONITAS am neuen Standort in der Erzbergerstraße 117 in Karlsruhe statt. Rund 60 Teilnehmende vor Ort und remote bekamen einen kompakten Praxisblick auf KI Coding Agents und „Specification Driven Development“. Referent war Vladyslav Kutsenko aus dem Team Web & Integration des Bereichs Business-Anwendungen der CONITAS.

Erfahrungsaustausch und Wissenstransfer im Alltag wird bei der CONITAS großgeschrieben. Deshalb finden immer wieder interne Meetups statt, bei denen Kolleg*innen voneinander lernen können: aus Projekten, aus Experimenten, aus Dingen, die gut funktioniert haben – und aus Punkten, die man beim nächsten Mal anders angehen würde. So wird neues Wissen für alle geteilt und das Team für Zukunftsthemen fit gemacht. Beim Meetup am 14. April 2026 lag der Fokus auf Softwareentwicklung mit Künstlicher Intelligenz. Referent Vladyslav Kutsenko beleuchtete die Frage, wie sich Coding Agents in der Praxis einsetzen lassen, ohne dass fachliche Anforderungen verloren gehen.

Coding Agents: Warum ein „naiver Prompt“ nicht reicht

Zu Beginn wurde eine typische Stolperfalle gezeigt: Wenn ein Agent nur einen allgemeinen Prompt bekommt – ohne fachlichen Kontext, ohne Regeln und ohne Prüfungen –, entsteht schnell Code, der gut aussieht, aber fachlich danebenliegen kann. Gerade bei stark regelgetriebenen Themen ist das ein echtes Problem. Als Gegenmodell wurde „Specification Driven Development“ vorgestellt. Dahinter steckt ein einfacher Gedanke: Erst wird festgehalten, was fachlich gelten soll, dann wird daraus mit KI-Unterstützung Code abgeleitet. Die Spezifikation wird dabei als zentrales Arbeitsergebnis verstanden, nicht als Nebenprodukt. Damit die Begriffe im Team sauber bleiben, wurden Use Case und User Story kurz eingeordnet: Ein Use Case beschreibt einen Anwendungsfall, eine User Story formuliert eine konkrete Anforderung in handlicher Form.

Vom Fachtext zur prüfbaren Beschreibung

Ein wichtiger Baustein war Gherkin: eine einfache Schreibweise für Beispiele nach dem Muster „Gegeben/Wenn/Dann“. Solche Beispiele sind hilfreich, weil sie Anforderungen greifbar machen und später oft als Tests genutzt werden können. Als Beispiel beim Meetup diente ein Szenario rund um eine „digitale Rentenversicherung“ (angelehnt an den Kontext Deutsche Rentenversicherung). Es ging nicht um Details, sondern um die Erkenntnis: Regeln, Grenzwerte und Validierungen müssen klar benannt sein, bevor KI verlässlich unterstützen kann.

In Walkthroughs und einer Live-Demo wurde gezeigt, wie eine Spezifikations-Pipeline aussehen kann: vom Fachkonzept über prüfbare Szenarien bis zu Code. Am Ende stand eine kurze Reflexion zu Stärken und Grenzen von KI: KI kann beschleunigen, braucht aber klare Aufgaben und einen menschlichen Review. Die Entwicklerrolle verschiebt sich dadurch stärker in Richtung präzises Beschreiben, Prüfen und Entscheiden.

Der Vortrag rief ein großes Interesse bei den teilnehmenden Kolleginnen und Kollegen hervor, was sich in einer regen Q&A-Session und weiterführendem Austausch bei Pizza und Getränken zeigte. Auch dieses Meetup hatte somit wieder deutlich gemacht, wie wertvoll gelebter Wissensaustausch im Unternehmen ist.