Eine KI-Software-Fabrik ist eine Kette von Coding-Agenten: Sie nimmt eine schriftliche Spezifikation entgegen und liefert am Ende einen getesteten, geprüften Pull Request in Ihrem Repository. Man kann sie sich wie ein Fließband vorstellen. Eine Station plant, eine schreibt Code, eine testet, eine prüft. Was gebaut und was gemergt wird, entscheiden weiterhin Menschen. Dieser Leitfaden erklärt jede Station, zeigt, welche Werkzeuge sie am 3. November 2026 schon abdecken, und wo es typischerweise hakt.
Der Begriff "Fabrik" ist in der Softwareentwicklung nicht neu. Build-Systeme und CI-Pipelines tragen ihn seit Jahren. Neu ist, dass jetzt auch die Mitte des Fließbands, also das eigentliche Programmieren, an einen Agenten gehen kann. Die schwierige Arbeit wandert damit an die Ränder: eine klare Spezifikation am Anfang und eine gründliche Prüfung am Ende.
Kurz gesagt
Was eine KI-Software-Fabrik konkret leistet
Ein klassischer Coding-Assistent wartet, bis Sie tippen, und schlägt dann Code vor. Eine Software-Fabrik arbeitet dagegen eine Warteschlange ab. Ein Ticket landet in Jira, Linear oder GitHub Issues. Ein Agent übernimmt es, arbeitet in einer eigenen, isolierten Kopie des Repos, lässt die Prüfungen laufen und öffnet einen Pull Request. Sie bekommen erst dann eine Nachricht, wenn es etwas zu prüfen gibt.
Möglich machen das zwei Entwicklungen. Agenten laufen heute in der Cloud, in einer eigenen Sandbox, und können stundenlang arbeiten, ohne dass Ihr Laptop an ist. Und sie können Ihre Testsuite ausführen, die Ergebnisse lesen und eigene Fehler beheben, bevor ein Mensch den Code sieht.
Die Pipeline Station für Station
Die Bezeichnungen unterscheiden sich je nach Anbieter, die Reihenfolge kaum.
| Station | Was passiert | Verantwortlich | Ergebnis |
|---|---|---|---|
| 1. Spezifikation | Jemand beschreibt die Änderung, den Grund und woran man erkennt, dass sie fertig ist | Mensch | Ticket oder Spec-Datei mit Abnahmekriterien |
| 2. Plan | Der Agent liest den Code und schlägt Dateien und Schritte vor | Agent, Mensch kann freigeben | Kurzer Plan oder Aufgabenliste |
| 3. Code | Der Agent ändert Dateien in einem isolierten Branch oder einer Sandbox | Agent | Commits auf einem Branch |
| 4. Tests | Testsuite, Linter und Typprüfung laufen, Fehler werden behoben | Agent + CI | Grüner CI-Lauf, neue Tests |
| 5. Review | Zuerst ein Review-Agent, dann ein Mensch liest den Diff | Agent zuerst, Mensch zuletzt | Kommentare, Korrektur-Commits |
| 6. Pull Request | Die Änderung wird mit Belegen vorgeschlagen: Logs, Screenshots, Testergebnisse | Agent öffnet, Mensch merged | Mergebarer PR |
Spezifikation: die Station, die alles entscheidet
Ein Agent baut nur, was man ihm sagt. Ein Ticket wie "Checkout schneller machen" lässt viel Raum zum Raten. Eine gute Spezifikation nennt die Änderung, den Grund, Tabuzonen im Code und die Prüfkriterien. Die Devin-Dokumentation von Cognition sagt es deutlich: Klare Aufgaben mit expliziten Abschlusskriterien erhöhen die Erfolgsquote.
Plan und Code: die Stärke der Agenten
Planen und Programmieren können heutige Agenten am besten. Sie lesen das Repo, halten sich an seine Konventionen und ändern viele Dateien auf einmal. Projektregeln legen Sie in einer Datei ab, die der Agent bei jedem Lauf liest, bei Claude Code etwa in CLAUDE.md.
Tests und Review: das Qualitätstor
Erst Tests machen aus einer Vermutung eine belastbare Aussage. Ein Agent, der die Suite ausführt, einen Fehler sieht und ihn behebt, ist deutlich nützlicher als einer, der nur Code schreibt. Das Review passiert zweimal: Ein automatischer Reviewer findet das Offensichtliche, ein Mensch prüft Absicht, Architektur und Risiko.
Welche Bausteine es heute gibt
Sie müssen nicht jede Station selbst bauen. Das dokumentieren die wichtigsten Werkzeuge auf ihren eigenen Seiten (Stand: 3. November 2026):
- OpenAI Codex (Cloud): Aufgaben laufen in Cloud-Umgebungen mit eigenem Workspace weiter, auch wenn Ihr Rechner schläft. Sie prüfen die Änderungen, fordern Nachbesserungen an und öffnen dann einen Pull Request. Mehr dazu in der Codex-Cloud-Dokumentation.
- Claude Code GitHub Actions: Sie erwähnen @claude in einem Issue oder PR, Claude setzt die Änderung um und pusht Commits. Auf Wunsch läuft bei jedem Pull Request ein Review. Die Anleitung zu Claude Code GitHub Actions empfiehlt ausdrücklich, Claudes Änderungen vor dem Merge zu prüfen.
- Cursor Cloud Agents: Jeder Agent läuft auf einer eigenen virtuellen Maschine, testet seine Änderungen und kann einen PR mit Videos, Screenshots und Logs öffnen. Start aus dem Editor, im Web oder per @Cursor in Slack, GitHub oder Linear, siehe Cursors Hilfeseite zu Background Agents.
- Devin: Der Agent von Cognition bearbeitet Jira- oder Linear-Tickets, schreibt Tests, prüft, ob die CI grün ist, und liefert Draft-PRs zur Prüfung.
- OpenAI Symphony: kein Coding-Agent, sondern eine Orchestrierungs-Spezifikation. Symphony beobachtet ein Linear-Board, startet isolierte Agentenläufe und verlangt Nachweise wie CI-Status, Review-Feedback und Walkthrough-Videos. Das Repository openai/symphony bezeichnet sich als Engineering Preview für vertrauenswürdige Umgebungen (Lizenz: Apache 2.0). Ausführlich dazu: unser Leitfaden zu OpenAI Symphony.
Das Muster ist klar. Die Coding-Agenten decken die Stationen 2 bis 4 ab und öffnen den PR. Orchestrierer wie Symphony bilden das Förderband zwischen Ticket-Queue und Agenten. Spezifikation und Merge-Entscheidung nimmt Ihnen niemand ab, und das ist Absicht.
Wo Menschen die Kontrolle behalten
- 1Die Spezifikation. Ein Mensch entscheidet, was gebaut wird, und formuliert die Abnahmekriterien. Das ist Produktarbeit, keine Tipparbeit.
- 2Das Review. Ein Mensch liest den Diff samt den Belegen des Agenten. Warum das schwieriger ist, als es klingt, steht in unserem Beitrag zum Review von LLM-Code.
- 3Der Merge. Ein Mensch drückt den Knopf. Branch-Protection-Regeln stellen sicher, dass kein Agent allein nach main mergen kann.
Typische Fehlerquellen
Die meisten Probleme liegen nicht daran, dass das Modell "zu dumm" ist, sondern am Aufbau drumherum.
- Unklare Spezifikation. Der Agent füllt Lücken mit Annahmen. Der PR sieht gut aus und löst das falsche Problem.
- Schwache Tests. Bei dünner Testabdeckung sagt ein grüner Lauf wenig. Ein Agent kann Tests auch so lange anpassen, bis sie bestehen. Prüfen Sie Teständerungen genauso gründlich wie Code.
- Review-Müdigkeit. Zehn Agenten öffnen mehr PRs, als zwei Menschen lesen können. Begrenzen Sie die Zahl paralleler Aufgaben.
- Zu viele Rechte. Der Agent braucht nur das Repo und die Werkzeuge für die Aufgabe. Produktionsdatenbanken, Deploy-Keys und echte Kundendaten gehören nicht in seine Sandbox.
- Kosten ohne Deckel. Jeder Lauf kostet Rechenzeit und Tokens. Die Claude-Code-Doku rät zu einer maximalen Zahl an Durchläufen und Workflow-Timeouts.
- Abbrüche bei langen Aufgaben. Was viele Stunden läuft, kann mittendrin abstürzen. Wie Agenten danach weitermachen statt neu anzufangen, erklärt unser Beitrag zu ausfallsicheren KI-Agenten.
Ein Punkt, den deutsche Teams früh klären sollten
Die Cloud-Sandboxen der Anbieter verarbeiten Ihren Code und alles, was im Repo liegt. Enthalten Testdaten oder Fixtures personenbezogene Daten, ist der Anbieter Auftragsverarbeiter im Sinne von Art. 28 DSGVO. Dann brauchen Sie einen Auftragsverarbeitungsvertrag. Einfacher ist es, solche Daten gar nicht erst im Repo zu haben und mit synthetischen Testdaten zu arbeiten.
Klein anfangen
- 1Ein Repo mit ordentlicher Testabdeckung auswählen.
- 2Regeln in der Anweisungsdatei des Agenten festhalten: Stil, gesperrte Ordner, Testbefehl.
- 3Mit kleinen, klar umrissenen Tickets starten: Bugfixes, Dependency-Updates, fehlende Tests.
- 4Für jeden Agenten-PR einen grünen CI-Lauf und eine menschliche Freigabe verlangen.
- 5Messen, wie viele Agenten-PRs ohne große Nacharbeit gemergt werden. Erst ausbauen, wenn diese Zahl stabil ist.
Wie Halmob unterstützt
Halmob baut Software-Fabriken: Agenten-Pipelines, die aus einer Spezifikation geprüfte und getestete Pull Requests in Ihrem Repo machen. Wir richten Spec-Vorlage, Agenten-Sandbox, Test- und Review-Tore sowie die Branch-Regeln ein, die den Merge in menschlicher Hand lassen. Für Aufgaben, die Stunden dauern, ergänzen wir ausfallsichere Agenten, die ihren Zustand behalten und nach Fehlern weitermachen.
Wenn Sie noch zwischen Codex, Claude Code, Cursor und anderen Plattformen abwägen, hilft unsere Beratung zu Agenten-Plattformen bei Auswahl und Einführung. Für ein Gespräch über Ihr Repo und Ihr Team: Kontakt aufnehmen.