Agentic Coding erklärt: Vom Autocomplete zu autonomen Agents

Vor vier Jahren bedeutete "AI Coding" Autocomplete: Ein Modell errat die nächste Code-Zeile basierend auf dem Cursor-Kontext. Heute bedeutet es etwas viel Größeres. Agentic Coding Tools planen Multi-File-Änderungen, führen Tests aus, lesen Logs, rufen APIs auf, schreiben Pull Requests und entscheiden, wann sie aufhören und dich eine Frage stellen. Die Kluft zwischen den beiden Kategorien ist größer, als die meisten Entwickler ahnen.

Autocomplete vs Agent: Die Kurzversion

Autocomplete ist reaktiv. Es wartet auf deinen Cursor, prognostiziert und stoppt. Ein Agent ist proaktiv. Du gibst ihm ein Ziel ("Refaktorisiere dieses Modul, um das neue Auth-Pattern zu verwenden, führe die Tests aus, öffne einen PR"), und er zerlegt das in Schritte, führt jeden aus, prüft seine eigene Arbeit und meldet zurück. Dieselben zugrundeliegenden Modelle können beides — der Unterschied liegt darin, wie das Tool sie verpackt.

Was ein Tool "agentic" macht, ist eine Schleife: Plan, Act, Observe, Decide. Bei jedem Schritt wählt der Agent ein Tool (Datei lesen, Datei schreiben, Test ausführen, Web durchsuchen, dich fragen), führt es aus, betrachtet das Ergebnis und entscheidet, was als Nächstes zu tun ist. Sechzig Tool Calls für ein geschlossenes Ticket sind normal.

Warum ein Modell nicht jede Anfrage bedient

Ein guter Agent behandelt nicht jede Anfrage als gleichartiges Problem. "Korrigiere diesen Tippfehler" ist nicht dasselbe wie "Prüfe die Auth-Schicht auf Token-Lecks." Sie benötigen unterschiedliche Modelle, unterschiedliche Tools und unterschiedliche Vorsichtsmaßnahmen.

Ava Supernova löst dies mit sieben Modi — Denkzustände, keine UI-Skins. Jeder Modus hat einen anderen Mindset, eine andere Tool-Palette und in vielen Fällen andere spezialisierte Personas im Hintergrund.

• Work — Builder Mindset, die volle Tool-Palette von über 120, schreibt Code und liefert ihn.
• Plan — Architect Mindset, Read-Only, denkt nach, bevor es etwas berührt.
• Chat — Freundes-Mindset, für den nicht-programmierenden Teil deines Gehirns (Speicher, Tagebuch, Wetter, News).
• Lehren — Nachhilfe-Mindset, fünf Spezialisten, die einen Lehrplan erstellen, Inhalte verfassen, Fakten prüfen, abfragen und nachhelfen.
• Sicherheit — Auditor-Mindset, Recon + Scanner + CVE-Forscher + Verifizierer + Reporter.
• Brainstorming — Ideenfindungs-Mindset, fünf Spezialisten, die erkunden, recherchieren, Ideen generieren, hinterfragen und verfeinern.

Was „Speicher

Autocomplete-Tools sind zustandslos – jede Anfrage beginnt neu. Agenten benötigen Speicher, um echte Arbeit über Wochen und Monate hinweg zu leisten. Ohne ihn musst du das Projekt bei jeder Session neu erklären. Ava nutzt einen 5-Ebenen-Speicher (extrahieren, reflektieren, akkumulieren, analysieren, konsolidieren), der aufbaut, was wichtig ist über dich, deine Projekte, deine Präferenzen und das Feedback, das du gegeben hast.

Wie man anfängt, agentisch zu denken

Wenn du Autocomplete genutzt hast und zu agentenbasierter Arbeit wechseln möchtest, geht es weniger um Prompt Engineering und mehr um Aufgabenstellung. Statt ‚eine Funktion schreiben, die X macht', probiere ‚hier ist ein Ziel und die Constraints, entscheide selbst, wie du dorthin kommst, und sag mir, wenn du an eine Hürde stößt.' Gute Agenten verwandeln das in einen Plan, zeigen die Hürde auf, bevor sie eine Stunde Rechenleistung vergeuden, und gewinnen mit der Zeit dein Vertrauen.

Die Hürde beim Aufbau von Vertrauen, während der Agent Speicher ansammelt. Am Anfang prüft er mehr; sobald dein Feedback eintrifft, fragt er weniger. Hochriskante Aktionen werden nie vollständig vertraut – der Agent pausiert immer vor zerstörerischen Aktionen.

Agentic Coding ist kein größeres Autocomplete. Es ist eine andere Beziehung zu deinen Werkzeugen – näher an einem Teammitglied als an einem Tastaturmakro. Die Tools, die das zuerst verstehen, werden neu definieren, wie Software entwickelt wird.