Agentic Engineering: Die Zukunft der Softwareentwicklung bei mobile.de

Die Softwareentwicklung erlebt eine Revolution, die so fundamental ist wie die Erfindung des Compilers. KI-Agenten schreiben nicht mehr nur Code-Schnipsel, sondern entwickeln ganze Anwendungen autonom. Doch was bedeutet das für die Tausenden von Entwicklerinnen und Entwicklern, deren Berufsbild sich rasant wandelt? Droht das Ende des Softwareentwicklers, oder entsteht gerade eine neue, noch anspruchsvollere Rolle? Im AI FIRST Podcast spricht Host Felix Schlenther mit David Gebhardt, dem CTO von mobile.de, über die tiefgreifenden Veränderungen, die KI in einem der größten Tech-Unternehmen Deutschlands bereits heute bewirkt. David gibt Einblicke, wie sein Team von über 300 Personen den Übergang vom KI-gestützten Programmieren zum sogenannten Agentic Engineering meistert und warum die größten Engpässe der Zukunft nicht mehr im Code, sondern in der menschlichen Vorstellungskraft liegen.

Das Wichtigste auf einen Blick

• Agentic Engineering als neuer Standard: Die Rolle der KI wandelt sich vom reinen Assistenten (Code-Vervollständigung) zum proaktiven Agenten. Der Mensch gibt nicht mehr kleinteilige Anweisungen, sondern liefert eine detaillierte Spezifikation, Kontext und Leitplanken. Die KI übernimmt daraufhin autonom die vollständige Umsetzung, während der Mensch primär die Qualität des Ergebnisses prüft.
• Die Rollen von Product, UX und Engineering verschmelzen: Starre Grenzen zwischen den Disziplinen lösen sich auf. Zukünftig sind Generalisten gefragt - sogenannte Product Engineers, die sowohl das Geschäftsproblem verstehen als auch die technische Spezifikation für einen KI-Agenten formulieren und dessen Output validieren können.
• Der Fokus verschiebt sich von der Umsetzung zur Spezifikation: Die Kernkompetenz von Entwicklern liegt nicht mehr im Schreiben von Code, sondern im präzisen Definieren des Was und Warum. Fähigkeiten wie Systemarchitektur, Security-Verständnis und kritisches Denken werden wichtiger als die Beherrschung einer einzelnen Programmiersprache.
• Neue Engpässe entstehen außerhalb der Technik: Wenn die Softwareentwicklung um den Faktor zehn beschleunigt wird, verlagern sich die Flaschenhälse. Die neuen Herausforderungen liegen in vorgelagerten Prozessen wie Strategie und Planung sowie in nachgelagerten Bereichen wie Marketing und der Fähigkeit der Kunden, die schnellen Veränderungen überhaupt aufzunehmen.
• Umgang mit Legacy-Systemen ist entscheidend: Um KI-Agenten in bestehenden, komplexen Systemen (Brownfield) effektiv einzusetzen, sind technische Vorarbeiten nötig. Mobile.de hat beispielsweise seine gesamte Codebasis in einer Vektor-Datenbank indiziert, um den KI-Modellen den nötigen Kontext für ihre Arbeit zu liefern.

Vom Code-Assistenten zum autonomen Agenten: Der Aufstieg des Agentic Engineering

Die Art und Weise, wie Software entwickelt wird, verändert sich fundamental. David Gebhardt unterscheidet hierbei klar zwischen zwei Paradigmen. Die erste Stufe, die viele bereits aus Tools wie GitHub Copilot kennen, bezeichnet er als Vibe Coding oder KI-gestütztes Engineering. Hier ist der Mensch weiterhin der treibende Akteur, der sich von der KI in kleinen Schritten helfen lässt - etwa durch das Hinzufügen eines Buttons oder das Vervollständigen einer Funktion. Der Mensch entwickelt also mithilfe der KI.

Die wahre Revolution liegt laut David jedoch im Agentic Engineering, bei dem sich das Verhältnis umkehrt: Die KI entwickelt mithilfe des Menschen. In diesem Modell gibt der Entwickler nicht mehr nur kurze Befehle, sondern liefert einen umfassenden Input. Dazu gehören detaillierte Spezifikationen des Ziels (der Intent), der gesamte relevante Kontext (z.B. bestehende Services über eine Schnittstelle) und klare Leitplanken (Guardrails) wie Style Guides, Sicherheitsrichtlinien oder Vorgaben zur Testabdeckung. Ein spezialisiertes Framework wie RespecKit führt den Product Manager und den Entwickler durch eine Art Interview, um sicherzustellen, dass die Spezifikation vollständig ist. Erst dann beginnt der KI-Agent - oder sogar ein Team aus mehreren Agenten, die Aufgaben untereinander delegieren - autonom mit der Arbeit. Er baut die Anwendung, testet sie gegen die Spezifikation und stellt sicher, dass alle Vorgaben eingehalten werden. Der Mensch greift erst am Ende wieder ein, um das fertige Ergebnis, beispielsweise einen Pull-Request, zu überprüfen.

Neue Rollen, neue Teams: Wie KI die Organisationsstruktur verändert

Diese neue Arbeitsweise hat tiefgreifende Auswirkungen auf etablierte Rollen und Teamstrukturen. David beobachtet, dass die klassischen Silos von Produktmanagement, UX-Design und Engineering zunehmend verschmelzen. Wenn die Spezifikation am Anfang des Prozesses so entscheidend wird, ist die enge Zusammenarbeit dieser drei Disziplinen unerlässlich. Langfristig könnte dies zur Entstehung einer neuen, hybriden Rolle führen: dem Product Engineer. Diese Person besitzt ein tiefes Verständnis für das Geschäftsproblem, kann es in eine präzise technische Anforderung für einen KI-Agenten übersetzen und ist gleichzeitig in der Lage, das Ergebnis technisch zu validieren.

Parallel dazu wächst die Bedeutung des Platform Engineers, der sich um die robusten und skalierbaren Basistechnologien kümmert, auf denen die KI-Agenten aufbauen. Gleichzeitig sieht David einen Trend zu kleineren, flexibleren Teams. Da KI-Tools das Onboarding in neue Codebasen drastisch beschleunigen - die Metrik Time-to-Ten-PR sinkt bei mobile.de signifikant -, ist ein starres Team-Ownership für bestimmte Produktteile nicht mehr zwingend notwendig. Teams könnten dynamisch dort eingesetzt werden, wo gerade der größte Bedarf besteht. Diese Beschleunigung erfordert aber auch eine Stärkung von Rollen wie Security und Quality Assurance, um die wachsende Zahl an KI-generierten Artefakten abzusichern und deren Qualität zu gewährleisten.

Die Praxis bei mobile.de: Legacy-Code und der richtige KI-Stack

Eine der größten Herausforderungen für etablierte Unternehmen wie mobile.de ist die Integration von KI in eine über Jahrzehnte gewachsene Codebasis. Ein KI-Agent kann nur dann sinnvoll arbeiten, wenn er den Kontext des bestehenden Systems versteht. David erklärt, dass mobile.de dafür seine gesamte Codebasis indiziert und über eine Schnittstelle (MCP) als Kontext für das KI-Modell bereitstellt. Dasselbe Verfahren wird für den Observability-Stack angewendet, sodass KI-Agenten sogar bei der Analyse von Live-Vorfällen helfen können. Diese technische Vorarbeit ist die Voraussetzung, um das Potenzial von Tools wie Claude Code von Anthropic voll auszuschöpfen.

Die Entscheidung für Claude Code fiel nach einem internen Proof of Concept, bei dem verschiedene Tools gebenchmarkt wurden. Damals zeigte sich ein deutlicher Vorsprung, der laut David auch heute noch spürbar ist, da sich Anthropic stark auf den Bereich Software Engineering spezialisiert hat. Dennoch wird der Markt kontinuierlich evaluiert. Die neue Technologie wirft aber auch grundlegende architektonische Fragen auf: Während Microservices-Architekturen für menschliche Entwickler optimiert wurden, um die kognitive Last zu reduzieren, könnten für KI-Agenten zentralisierte Monorepositories effizienter sein - eine Herausforderung, der sich viele Unternehmen in Zukunft stellen müssen.

Die menschliche Seite der Transformation: Ängste, Skills und die Zukunft der Arbeit

Der technologische Wandel bringt unweigerlich Unsicherheiten und Ängste mit sich. David betont, wie wichtig es ist, diesen Sorgen proaktiv zu begegnen. Bei mobile.de setzt man auf eine offene Kommunikation und eine positive Gestaltung des Wandels. Anstatt einer Top-down-Verordnung werden Champions aus der Entwickler-Community gefördert. Diese einflussreichen und respektierten Engineers treiben die Adoption neuer Tools voran und geben gleichzeitig Stimmungen und Bedenken aus der Organisation an das Management zurück.

Für die Zukunft rät David angehenden Entwicklern, sich weniger auf eine einzelne Programmiersprache zu spezialisieren. Viel wichtiger seien ein tiefes Verständnis für Systemarchitektur, Security und das Zusammenspiel komplexer Systeme. Die Fähigkeit, den von einer KI generierten Code kritisch zu prüfen und zu validieren, wird zur entscheidenden Kompetenz. Die wichtigste Eigenschaft sei jedoch die Neugier und die Bereitschaft, kontinuierlich zu lernen. Gleichzeitig warnt er vor der gestiegenen kognitiven Belastung: Die Beschleunigung durch KI führt zu mehr Kontextwechseln und der Notwendigkeit, riesige Mengen an Code zu überprüfen. Die größte Herausforderung für den Menschen sei es, in dieser neuen Welt das kritische Denken zu bewahren und nicht blind der Maschine zu vertrauen.

Praktische Schritte für Engineering Leader

Für Führungskräfte im Tech-Bereich, die diesen Wandel gestalten wollen, gibt David drei konkrete Ratschläge mit auf den Weg:

1. Suche den Austausch mit Peers: Sprich nicht nur mit Unternehmen deiner Größenordnung. Lerne von der Agilität kleiner Start-ups, die von Grund auf mit KI-Tools arbeiten, aber auch von den Skalierungsherausforderungen großer Konzerne. Diese Bandbreite an Perspektiven ist Gold wert.
2. Nutze die Tools selbst (Eat your own dog food): Nur wenn du selbst aktiv mit Werkzeugen wie Claude Code arbeitest und versuchst, Probleme in deinem eigenen Kontext zu lösen, verstehst du ihre wahren Stärken, Schwächen und das, was noch fehlt, um sie wirklich effektiv zu machen.
3. Finde und fördere deine Champions: Identifiziere die Enthusiasten in deiner Organisation, die von Natur aus neugierig sind. Gib ihnen die Freiheit und die Ressourcen, die neuen Technologien zu meistern. Mache sie zu den Botschaftern der Veränderung - ihre Glaubwürdigkeit und ihr Einfluss sind weitaus größer als jede Management-Anweisung.