Wie ich mit Coding-Agenten entwickle: ein Harness für das ganze Team
Von Julian Giesen Senior Software Engineer & Architect
Dein Team arbeitet mit Coding-AgentenCoding-AgentEin Werkzeug wie Claude Code oder Codex, das im Repository selbstständig arbeitet. Es liest den Code, plant eine Änderung, schreibt sie mit Tests und Dokumentation und führt die Prüfungen aus. Was es anfassen darf und was vor dem Merge gelten muss, steht im Harness.Mehr im Glossar → wie Claude CodeClaude CodeDer Coding-Agent von Anthropic, der im Terminal und im Editor arbeitet. Er liest Code, schlägt Änderungen vor und führt Aufgaben aus. Wie jedes Modell braucht er einen festen Rahmen und geprüfte Ergebnisse.Mehr im Glossar → und CodexCodexDer Coding-Agent von OpenAI. Er übernimmt Aufgaben im Repository, etwa Änderungen umsetzen oder Tests schreiben. Auch hier prüft ein Mensch die Ergebnisse, bevor sie zusammengeführt werden.Mehr im Glossar →, und das seit Monaten. Der eine lässt sich ganze Features schreiben, die andere nur Tests, der dritte hat das Werkzeug nach einer schlechten Woche wieder abgestellt. Im Review landen jetzt Pull Requests, die größer sind als früher, in drei Handschriften, und Du kannst beim Lesen nicht mehr sagen, welcher Teil aus einem Kopf kam und welcher aus einem Modell.
Das Vorgehen, das ich hier beschreibe, habe ich für ein Team entwickelt, in das ich als Verstärkung kam. Heute bringe ich es in jedes Projekt mit. Die Agenten schreiben Code, Tests und Dokumentation. Ich entscheide vorher, was gebaut wird, und nehme jede Änderung ab. Deshalb verantworte ich sie.
Was ist ein Harness?
Ein HarnessHarnessFeste Regeln und Prüfungen für jeden, der Code schreibt, Mensch oder Modell. Dazu gehören Konventionen, Tests vor jedem Merge und Grenzen für das, was ein Agent nicht anfassen darf. Regeln und Prüfungen liegen als Dateien im Repository.Mehr im Glossar → ist der feste Rahmen aus Regeln und Prüfungen, der für jeden gilt, der Code schreibt, ob Mensch oder Modell.
Die meisten Teams haben die Regeln schon: eine Regeldatei im RepositoryRepositoryDer Ort, an dem der gesamte Quellcode eines Projekts mit seiner Geschichte liegt, meist bei GitHub oder GitLab. Wer Zugang hat, sieht jeden Stand und jede Änderung.Mehr im Glossar →, etwa eine CLAUDE.md oder AGENTS.md, in der steht, wie das Projekt aufgebaut ist und welche Konventionen gelten. Das ist ein guter Anfang, aber noch kein Harness. Eine Regeldatei ist ein Wunsch. Ein Harness ist ein Wunsch mit Kontrolle.
Zum Harness gehört, was nach dem Schreiben passiert: Formatierung, statische Analyse, Tests und Build laufen vor jedem Merge, für die Arbeit des Agenten wie für die des Kollegen. Dazu kommt die Abmachung, was ein Agent anfassen darf, wo er fragen muss und wie ein erzeugter Diff gelesen wird, bevor ihn jemand freigibt. Und zum Harness gehört, dass das Wissen über das Projekt an einem Ort liegt, den der Agent in jeder Sitzung findet: Architekturentscheidungen, Namenskonventionen, die Gründe hinter den Ausnahmen.
In dem Team, für das ich das Harness gebaut habe, änderte sich damit etwas, das ich vorher unterschätzt hatte. Der Code sah gleich aus, egal wer ihn geschrieben hatte und mit welchem Werkzeug. Die Dokumentation wurde einheitlich, weil der Agent dieselben Vorlagen nutzte wie das Team. Und die Software wurde stabiler, weil jede Änderung durch die Prüfungen lief und nicht nur die, bei denen jemand daran dachte.
Spec und Kriterien stehen fest, bevor der Agent schreibt
Was gebaut wird, entscheide ich, bevor der Agent eine Zeile schreibt. Am Anfang steht eine Fragerunde: Der Agent liest das Ticket und fragt mich, bis keine Entscheidung mehr offen ist. Fakten sucht er selbst im Code, die Entscheidungen legt er mir vor.
Aus meinen Antworten schreibt der Agent die Spec. Darin steht, was sich ändern soll und an welchen Kriterien ich die Änderung später abnehme. Ich gehe die Spec durch und prüfe, ob sie passt. Erst wenn ich die Spec freigegeben habe, schreibt der Agent Code.
Ohne Spec füllt ein Agent die Lücken im Ticket mit Annahmen, und das Ergebnis sieht trotzdem fertig aus. Die Annahmen stecken dann im Diff, und wer reviewt, muss sie dort erst finden. In der Fragerunde kommen die Lücken vorher auf den Tisch, als Fragen, die ich beantworte.
Drei Prüfstufen bis zum Merge
Zwischen der freigegebenen Spec und dem Merge liegen drei Prüfstufen. Auf jeder prüft jemand anderes.
Stufe 1: Der Agent
Der Agent hält sich an die festen Regeln des Harness und lässt die Prüfungen laufen. Tests und Dokumentation schreibt er gleich mit, nach den Vorlagen des Harness. Dann macht er das erste Review, bevor ich die Arbeit sehe. Er liest die Änderung gegen die Regeln des Projekts und listet auf, was ihm auffällt, etwa einen Aufruf in der falschen Schicht oder einen fehlenden Test.
Stufe 2: Ich als Architekt
Ich habe das Harness gebaut und die Agenten selbst angewiesen. Deshalb weiß ich, worauf ich mich bei ihrer Arbeit verlassen kann und wo ich genauer hinschaue.
Die Abnahme mache ich selbst: Ich teste jede Änderung einmal durch, bevor sie in den Pull Request geht. Dort gehe ich den Code durch, und ein zweiter Coding-Agent unterstützt mich mit seinem Review. Beim Durchgehen fällt mir auf, wenn ein Test nur bestätigt, was der Code ohnehin tut.
Die Belege stehen im Pull Request: die Schritte, die die Änderung durchlaufen hat, und meine Abnahme. Dein Team sieht, was schon geprüft ist, bevor es selbst liest.
Stufe 3: Dein Team
Dein Team sieht die Punkte aus den Reviews der Agenten und entscheidet, welche davon zählen. Manches streicht es, weil der Agent den Grund für eine Ausnahme nicht kennt. Danach liest ein Mensch den Code, so wie immer. Er ergänzt, was ein Modell nicht findet: Passt das zu der Richtung, in die sich das Modul entwickelt? Hat der Kunde das so gemeint?
Das Review ist damit kombiniert, nicht ersetzt. Die Agenten nehmen dem Reviewer die Suche nach Verstößen gegen Codestyles und Konventionen ab. Das Urteil über Architektur und Absicht bleibt bei ihm. Auf diese Unterstützung möchte ich nicht mehr verzichten, die Reviews sind dadurch besser geworden.
Vor dem Merge hat ein Mensch jede Änderung abgenommen.
Drei Fragen, die ein CTO dazu stellt
Wenn Du Agenten im eigenen Team erlebt hast, kennst Du drei Stellen, an denen es schiefgeht.
„Der Agent fasst mehr an, als er sollte.“
Was gesperrt ist, steht in den Regeln des Harness. Ein Wächter prüft jeden Befehl des Agenten vor dem Ausführen und blockt, was die Regeln sperren.
Dazu kommt eine Regel: ein Ticket, ein Branch, ein Pull Request. Der Agent arbeitet nie an mehreren Dingen in einer Änderung, und jeder Pull Request bleibt bei einem Thema. Sehe ich im Diff etwas, das nicht zum Ticket gehört, geht die Änderung zurück an den Agenten und nicht in das Review Deines Teams.
„Der Agent hält die Architektur nicht ein, vor allem in der UI.“
Die statische Analyse erzwingt die Grenzen zwischen den Schichten der Architektur. Greift die UI direkt auf Daten zu, schlägt die Prüfung fehl.
Für die UI selbst gibt es feste Bausteine. Der Agent muss sie verwenden, statt eigene zu bauen. Ob er sich daran gehalten hat, sehe ich, wenn ich den Code durchgehe.
„Die UI stimmt nicht, weil der Agent sie nicht sieht.“
Ein Agent, der nur Code liest, merkt nicht, dass ein Knopf hinter der Tastatur verschwindet. Bei einer App wiegt das am schwersten.
Deshalb macht der Agent bei mir eigene Bildschirmfotos und prüft sie, bevor ich die Arbeit sehe. Dazu kommen Golden-Tests, also Bildvergleiche als automatische Tests. Weicht ein Bildschirm vom abgenommenen Stand ab, fällt der Test durch.
Manche Kriterien kann nur ein Mensch beurteilen. Sie sind schon in der Spec so markiert, und ich gehe sie selbst am Gerät durch, mit einem echten Smartphone in der Hand. Ein Teil der Tests am Gerät läuft automatisch. Der Blick eines Menschen gehört immer dazu, deshalb plane ich ihn fest ein.
Ein Arbeitsbereich für das ganze System
Besteht ein Produkt aus mehr als einem Repository, kommt ein weiteres Problem dazu. Ein Agent kennt nur das Repository, in dem er gerade arbeitet. Im Frontend baut er einen Aufruf, den es im Backend so nicht gibt, und der Code sieht überzeugend aus.
Deshalb richte ich einen Arbeitsbereich ein, in dem Frontend und Backend nebeneinander liegen. Der Agent findet dort das Wissen über das ganze System: welche Schnittstelle was liefert, wie die Datenmodelle zusammenhängen und wo die Grenzen sind. Eine Änderung plant er über beide Seiten hinweg und setzt sie auch so um.
Das habe ich in einem Team erlebt: Entwickler, die sonst nur das Backend kennen, haben Änderungen im Frontend selbst umgesetzt, mit geprüft und ausgeliefert. Für Dich als CTO heißt das: Die Arbeit hängt weniger davon ab, wer gerade da ist.
Werkzeugwechsel ohne Neuanfang
Ein Harness, das im Repository liegt, hängt an keinem Werkzeug. Einmal habe ich einen Wechsel mitten im Projekt erlebt, als sich die Kosten des Werkzeugs änderten. Regeldateien, Prüfungen, Dokumentation und Arbeitsbereich blieben, wie sie waren. Der Code sah danach aus wie vorher, neu war für das Team nur die Bedienung.
Darauf achte ich von Anfang an. Regeln und Wissen gehören ins Repository, nicht in die Einstellungen eines Anbieters. Heute arbeite ich mit Claude Code und Codex und bin für weitere offen. Die Regeln gelten für jeden Agenten. Über das Werkzeug entscheidest Du dann nach Preis und Leistung.
Was Deinem Team bleibt
Wenn ich ein Projekt verlasse, bleibt das Harness im Repository: die Regeln, die Prüfungen, die Vorlagen für Tests und Dokumentation und der Arbeitsbereich. Es bleibt das Review, bei dem der Agent vorarbeitet. Und Dein Team kennt die Gründe hinter den Regeln, weil es sie mit aufgestellt hat.
Die Arbeit mit Agenten messe ich daran, ob Dein Team in einem Jahr noch sicher auf dem Code weiterbaut.
Den Rahmen bringe ich mit. Welche Regeln darin gelten, lege ich mit Deinem Team fest, zugeschnitten auf Euren Code und Eure Abläufe.
Du siehst in Deinen Reviews, dass die Agenten längst da sind, aber der Rahmen fehlt? Dann sprich mit mir: Wie ist Dein Projekt aufgebaut, und wo würde ein Harness bei Euch ansetzen? Ich komme als Verstärkung in Deinen Sprint, richte den Rahmen mit Deinem Team ein und liefere dabei mit.