Diszipliniertes KI-Coding mit einem fälschungssicheren Gate

Management-Brief zu CDD (cong-driven-development)

Cong Chanh Vinzenz Nguyen · .NET-Architekt · Open Source, F#/.NET · Forschungsprototyp, nicht peer-reviewed · Stand v0.6.x

Worum es geht (eine Minute)

Teams lassen KI zunehmend nicht mehr einzeln prompten, sondern in einer Schleife laufen, die sich selbst nachbessert, bis ein Ziel erreicht ist („Loop Engineering"). Das offene Problem ist nicht, ob KI Code schreiben kann — sondern woran die Schleife erkennt, dass sie fertig ist. Heute heißt „fertig" meist: der Agent sagt es selbst, oder die Tests, die er sich selbst geschrieben hat, sind grün. Das ist ein selbst-genehmigter Pull Request — schnell, aber ohne unabhängige Prüfung.

Die Lösung

Wir geben der KI-Schleife ein Gate, das so streng und unabhängig ist wie eine gute CI-Pipeline. Erst wenn dieses Gate grün ist, gilt „fertig". Zwei Bausteine:

• Getyptes Modell (Spezifikation): Anforderungen als maschinenprüfbarer Vertrag statt Prosa im Ticket — zugleich externalisiertes, geteiltes Systemwissen.
• Fälschungssicheres Orakel: die KI, die Code schreibt, vergibt nicht selbst „grün". Ein getrenntes Gate misst echten Testlauf — ein gefälschter grüner Test (sieht grün aus, prüft nichts) wird beweisbar abgewiesen.

Alles ist Open Source, CI-grün und reproduzierbar; das harte Grün-Gate ist im Code verankert und maschinell getestet.

Der Geschäftswert

• Tempo + Qualität zugleich — KI-Geschwindigkeit mit einer Garantie an der Schnittstelle statt „hoffentlich stimmt's".
• Weniger Blackbox-Risiko — das „Warum" bleibt als Spec im Team, nicht in einem einzelnen Kopf.
• Kostenkontrolle — ein gerichteter Loop bricht falsche Pfade früh ab statt per Brute Force Tokens zu verbrennen (Trade-off, kein Selbstläufer).
• Günstigeres Review — Menschen prüfen Konvergenz gegen die Spec, nicht jede Code-Zeile.

Ehrlich: der Stand

Kein „Coding is solved". Es trägt für formalisierbare Kriterien — nicht für UX, Geschmack, Architektur-Eleganz. Der Mensch setzt und verantwortet die tragende Anforderung; das bleibt bewusst so. Heute Forschungsprototyp mit zwei kleinen, belastbaren Fallstudien — ein Mechanik-Nachweis, keine Großserie. Diese Ehrlichkeit ist Absicht: sie trennt den Ansatz vom Hype.

Risiko klein, Erkenntnis konkret — danach entscheiden wir mit Daten statt mit Meinung.

Selbst ansehen (alles öffentlich, ein Klick): koschnag.github.io/cong-driven-development — Einstieg ohne Vorwissen, Live-Demo via Codespaces, Pitch-Deck, Code & Belege.