Rahmenbedingungen für erfolgreiche KI‑Integration ins Software Engineering

2025 hat eindrucksvoll gezeigt: KI kann das Software Engineering beschleunigen, vereinfachen und qualitativ verbessern. Doch dieser Mehrwert stellt sich nicht automatisch ein. Damit KI im Engineering-Alltag wirksam wird, braucht es passende Rahmenbedingungen: klare Rollen, abgestimmte Arbeitsweisen, geeignete Tools und gemeinsame Erwartungen daran, wie und wo KI unterstützen soll.

Auch bei Accso stand das vergangene Jahr im Zeichen des Ausprobierens, Lernens und Etablierens einer AI‑Native‑Arbeitsweise. Wir haben erlebt, wie stark KI Entwicklungsprozesse, Analysen oder Qualitätssicherung erweitert – und gleichzeitig, wie wichtig ein präzises Zusammenspiel von Tooling, Datenqualität, Rollenmodellen und Teamkompetenzen ist. Ohne diese Grundlage bleibt KI eher ein Impulsgeber als ein integraler Teil des Engineering‑Alltags. 

Wie Teams mit KI starten

In den letzten Monaten haben wir in internen und Kundenprojekten verschiedene Einsatzszenarien von KI getestet und eingeführt. 

Bei der Einführung von KI im Software Engineering unterscheiden wir klar zwischen AI‑assisted und Agentic-Ansätzen. AI‑assisted zu arbeiten ist vergleichsweise einfach: Tools wie GitHub Copilot im Fragemodus lassen sich in vielen Projekten vergleichsweise unkompliziert durch die Installation einführen. Entwickler:innen profitieren sofort von Hinweisen, Tipps, der Chatfunktion und Codevorschlägen, die kontinuierlich in ihre Arbeit einfließen – ohne tiefgreifende Änderungen im Entwicklungsprozess.

Ganz anders verhält es sich bei der Einführung von agentischen Systemen zur Software Entwicklung. Sobald Entwicklungsaufgaben an einen oder mehrere Agenten delegiert werden sollen, benötigen diese möglichst viel Kontext, um qualitativ hochwertige Ergebnisse zu liefern. Gleichzeitig darf dieser Kontext aber nicht überladen werden, da sonst die Ergebnisqualität sinkt. Im Brownfield kommt erschwerend hinzu, dass die bereitgestellte Wissensbasis zum bestehenden Projekt gut passen muss. Andernfalls wächst der Interpretationsspielraum der Agenten – etwa hinsichtlich der eingesetzten Technologien oder fachlichen Rahmenbedingungen – und die Ergebnisse werden unpräzise.

Zusätzlich steckt in agilen Projekten ein großer Teil des relevanten Wissens in den Köpfen der Entwickler:innen. Dieses Wissen macht Menschen effizient, doch Agenten fehlt es zu Beginn in der Regel vollständig. Um dennoch gute Kontexte bereitzustellen, müssen fehlende Informationen aus alten Backlogs, Dokumentationen und dem bestehenden Code rekonstruiert werden. All diese Aufgaben fallen im Projekt an, wenn agentische Systeme eingeführt werden. Diese Aufgaben entstehen nicht zufällig – und schon gar nicht automatisch. 

Eine erfolgreiche Einführung erfordert bewusste Planung und die Erfahrung von Software Engineers, die wissen, wie man einen tragfähigen Kontext aufbaut. Als Projektleiter oder Product Owner sollte man wissen: Die Einführung von Agentic AI braucht Zeit und Menschen. In einem klassischen Pizzateam mit 5–7 Personen rechnen wir im Brownfield mit zwei bis drei Wochen, bis ein erster Kontext für Agenten entsteht, der Entwicklungsaufgaben sinnvoll übernehmen kann – und bis das Team gelernt hat, effektiv mit den Agenten zu arbeiten. Je nach Team- und Anwendungskomplexität variiert dieser Aufwand.

Mein Tipp: Plant die Einführung bewusst ein und schätzt die dafür notwendigen Aufwände realistisch ab. Holt euch Menschen ins Projekt, die Erfahrung mitbringen, und gebt ihnen die Zeit, die es braucht, um Agentic erfolgreich zu etablieren.

Und noch eine Bitte an die Projektleiter:innen: Effizienzen durch AI entstehen nicht von heute auf morgen. Der Umgang mit neuer Technologie will gelernt sein – und das braucht Zeit. Rechnet also fest damit, dass Teams in der Einführungsphase zunächst auch einmal langsamer werden können.

AI Champions als Schlüsselfiguren für die KI-Integration

Um Agentic in unseren Projekten erfolgreich einzuführen, haben wir im Unternehmen die Rolle des AI Champion geschaffen. Diese Person bringt einerseits tiefgehende Erfahrung im Aufbau agentischer Systeme im Software Engineering mit und unterstützt andererseits unsere Entwicklungsteams bei der veränderten Arbeitsweise. Gemeinsam planen wir die Einführung von Agentic Coding im Projekt gezielt und strukturiert.

Compliance als Grundlage erfolgreicher KI-Projekte

Bevor wir in die eigentliche Einführung starten, braucht es eine klare Abstimmung mit dem Kunden darüber, welche Werkzeuge im Projekt eingesetzt werden dürfen. Viele der relevanten Tools – wie GitHub Copilot oder Claude Code – stehen ausschließlich als Cloud‑Version zur Verfügung. Das bedeutet, dass Quellcode oder sensible Artefakte an externe Cloud-Anbieter übertragen werden müssen. Da Code in vielen Projekten vertraulich ist, muss der Kunde zustimmen, welche Daten wohin fließen dürfen, welche Sicherheitsmaßnahmen gelten und welche Anbieter zugelassen sind. Diese Klärung ist ein essenzieller Vorbereitungsschritt, ohne den eine agentische Arbeitsweise weder technisch noch organisatorisch sauber umgesetzt werden kann.

Was wir aus unseren Projekten gelernt haben

1. Compliance klären: Welche Tools können eingesetzt werden?
2. Agenten brauchen eine solide Wissensbasis: Kontextaufbereitung ist kein „nice to have“, sondern der entscheidende Erfolgsfaktor.
3. KI macht am Anfang nicht unbedingt schneller: Teams müssen neue Arbeitsweisen erst erlernen.
4. Der Faktor Mensch bleibt entscheidend: Offene Kommunikation, Erfahrungsaustausch und Feedbackschleifen bestimmen den Erfolg.

Ein klares Verständnis über die Unterschiede zwischen assistierenden und agentischen KI‑Systemen hilft bei der Umsetzung. Denn der Erfolg hängt weniger von der reinen Modellleistung ab, sondern davon, wie gut Teams den Einsatz vorbereiten. Mit wachsender Routine verändert sich das Bild: Teams berichten über höhere Geschwindigkeit, klarere Code-Strukturen, mehr automatisierte Tests und bessere Dokumentation. Die größten Hürden sind meist organisatorisch – nicht technisch.

Der Weg zu AI‑Native ist ein Entwicklungsprozess, der mit klarem Fokus, guter Kommunikation und dem richtigen Setup enorm an Wirkung gewinnt.  

Gestalten Sie Ihre Zukunft mit Accso AI-Native: Für uns bedeutet das, Künstliche Intelligenz in jeden Aspekt des Software-Lebenszyklus zu integrieren. Von der ersten Konzeption bis zur kontinuierlichen Optimierung verbinden wir modernste KI-Technologien mit jahrzehntelanger Entwicklungsexpertise, um Ihre Geschäftsziele schneller, effizienter und nachhaltiger zu erreichen. Mit einem erfahrenen Team aus KI-Spezialist:innen und Softwarearchitekt:innen entwickeln wir maßgeschneiderte Lösungen, die perfekt auf Ihre Unternehmensanforderungen abgestimmt sind.

Mehr zu AI-Native bei Accso erfahren oder direkt Kontakt aufnehmen.