KI-Solutions 28.07.2025 – Gruppe 6 – Agent Coding Network – Innovationsrahmen

In diesem abschließenden Teil des Calls stellt Gruppe 6 rund um Christoph ihren geplanten Innovationsrahmen für das sogenannte Agent Coding Framework vor – ein ambitioniertes Vorhaben zur automatisierten Softwareentwicklung auf Basis von KI und agentenbasierten Systemen.

Projektidee und Zielsetzung:
Ziel ist es, ein intelligentes System zu entwickeln, das auf Basis einfacher Eingaben (Prompts) funktionierende digitale Produkte generieren kann – konkret: Webseiten mit eigener Datenbank und integrierter Terminbuchungslogik. Das Leitmotiv lautet: „You say it, we make it.“

Zielgruppe:
Gedacht ist die Lösung für Einzelpersonen, Teams oder Organisationen, die aus einer Idee ohne umfassende technische Vorkenntnisse eine funktionsfähige Lösung entwickeln möchten. Damit richtet sich das System explizit auch an nicht-technische Anwender.

Vorgehensmodell:
Dem Projekt liegt das etablierte V-Modell zugrunde. Dieses strukturiert den Entwicklungsprozess in klar definierte Schritte:

• Anforderungsaufnahme

• Erstellung einer User Story

• Review und Codierung

• Testgenerierung und Testausführung

• Release der funktionsfähigen Lösung

Proof of Concept:
Für den initialen Blueprint plant die Gruppe die Entwicklung eines Webprototyps mit:

• Eigener Datenbank

• Integrierter Terminbuchungsfunktion

• Modularer Erweiterbarkeit für zukünftige Anforderungen

Technische und organisatorische Komponenten:
Im Rahmen des Projekts sollen u.a. folgende Aspekte konzipiert und integriert werden:

• Agenten-Framework

• Agenten-Rollen und Zuständigkeiten

• Prompt Engineering

• Datenbank- und Terminlogik

• Frontend-UI-Design

• Automatisierter Deployment-Mechanismus

Nutzen und Perspektive:
Die Gruppe sieht in der Kombination von KI, automatisierten Prozessen und bestehenden Tools eine signifikante Effizienzsteigerung. Ziel ist es, innerhalb weniger Minuten bis Stunden funktionsfähige Software zu erzeugen – ein revolutionärer Ansatz, der erhebliche Zeitersparnis im Vergleich zu konventioneller Softwareentwicklung verspricht.

Anwendungsbereiche:
Primär fokussiert sich der Blueprint zunächst auf einen generischen Prototyp (nicht medizinisch). Perspektivisch ist eine Erweiterung auf vielfältige Branchen und Kontexte möglich – z. B. für Start-ups, Berater oder auch Mediziner.

Realisierungszeitraum:

• Proof of Concept / MVP: innerhalb von 3–4 Wochen (Durchstich)

• Funktionsfähiger Prototyp: innerhalb von 6–8 Wochen

Qualitätsanspruch:
Das Framework soll automatisiert über 90 % aller Tests erfolgreich durchlaufen. Auch wenn „Human in the Loop“ einkalkuliert ist, soll die Lösung deutlich schneller und zuverlässiger sein als herkömmliche Ansätze.

Fazit:
Die Gruppe verfolgt ein visionäres, technologiegetriebenes Projekt mit dem Ziel, ein modulares, KI-gestütztes Entwicklungssystem aufzubauen. Dabei soll ein skalierbarer Blueprint entstehen, der reale Produktentwicklung maßgeblich beschleunigt – auch wenn einige Teile des Vorhabens bislang als kaum erreichbar gelten. Der Enthusiasmus der Gruppe ist spürbar, der Fahrplan klar strukturiert und ambitioniert.

Agent Coding Network

In diesem Trainingscall stellte Christoph gemeinsam mit seinem Team das Projekt „Agent Coding Netzwerk“ vor. Die Vision: Ein Framework, das das klassische V-Modell der Softwareentwicklung mithilfe von KI-Agenten automatisiert.

• Ausgangspunkt & Ziel:
  
  Nutzer geben einen Prompt in ein Custom GPT ein und erhalten nach ca. 60–90 Minuten ein lauffähiges Produkt zurück.

• Grundidee:

  • Das V-Modell (von Anforderungen über Architektur bis hin zu Tests und Release) wird vollständig auf KI-Agenten abgebildet.

  • Statt einem einzelnen Chatbot agieren 15 spezialisierte Agenten, die in N8n orchestriert werden.

  • Die Agenten übernehmen Aufgaben wie Anforderungsanalyse, User Stories, Architektur, Backend-/Frontend-Entwicklung, Tests, Release und Monitoring.

• Technische Umsetzung:

  • Nutzung von Tools wie Git, RAG, Memory-Datenbanken und Source-Code-Embeddings (z. B. Cogni).

  • Integration von Lessons Learned: Fehler fließen zurück in eine Memory-Datenbank, sodass die Agenten kontinuierlich lernen.

  • Aufbau einer Shared-Datenbank für wiederverwendbare Komponenten, um Effizienz und Skalierbarkeit zu sichern.

• Workflow:
  
  Eingabe → Anforderungsumsetzung → Architektur → Entwicklung → Tests → Release → Feedbackloop → fertige Lösung.

• Aktueller Stand:
  
  Erste Komponenten sind implementiert, das System wird schrittweise zusammengeführt. Demo und tieferer Einblick sind für den 10. Oktober geplant.

• Ausblick:
  
  Kooperationen innerhalb der Community (z. B. Unterstützung durch Experten bei N8n oder Flowwise) sowie spannende Weiterentwicklungen werden angestrebt.

Abschließend wurde die Begeisterung für die Vision und die Energie im Team hervorgehoben. Das Projekt gilt als „Blick in die Küche“, der die Vorfreude auf die kommende Präsentation steigert.

Ergebnisvorstellung auf dem KI-Connect – 10.10.2025

Zusammenfassung des Abschnitts:

In diesem Teil des KI-Connects präsentiert Christoph die Vision und den aktuellen Stand des Projekts „Agent Coding Network“ – ein KI-gesteuertes Framework zur Automatisierung des gesamten Softwareentwicklungsprozesses. Das Ziel: Aus einem einfachen Prompt wird innerhalb von 60–90 Minuten ein lauffähiges digitales Produkt generiert – ohne manuelle Entwicklung.

Ausgangspunkt und Zielsetzung:

• Grundlage ist das klassische V-Modell, übertragen auf ein agentenbasiertes KI-System.
• Der Nutzer startet mit einem Prompt über ein Custom GPT.
• 15 spezialisierte Agenten übernehmen automatisiert die Schritte von Anforderungsaufnahme über Architektur, UI/UX, Backend/Frontend-Entwicklung bis hin zu Tests und Release.
• Das System ist modular aufgebaut und über N8n orchestriert.

Technische Umsetzung:

• Nutzung von Tools wie Git, Cogni (Memory-Datenbank), Netlify, V0, Source-Code-Embeddings.
• Ein zentraler Aspekt ist die Wiederverwendbarkeit: Agenten lernen über ein zentrales Memory-System und entwickeln sich iterativ weiter.
• Das Framework erlaubt gezieltes Austauschen einzelner Komponenten wie Modelle, Datenbanken oder Frontends.

Herausforderungen und Learnings:

• Die Infrastruktur muss vollständig vorbereitet sein, bevor erste Agenten sinnvoll agieren können.
• Iterative Entwicklung mit starker Fokussierung auf Modularisierung, Feingranularität und Wiederholbarkeit.
• Wartbarkeit und Erweiterbarkeit sind zentral, insbesondere bei nicht-deterministischen generativen Modellen.
• Die technische Komplexität erfordert viel Prompting, Testläufe und Anpassungen.

Aktueller Stand:

• Erste Komponenten laufen erfolgreich im orchestrierten Flow.
• Eine Live-Demo zeigte, wie aus einem Prompt ein vollständiger Softwareprozess automatisiert abläuft.
• Ein Großteil des Systems ist einsatzbereit, weitere Module sind in der Finalisierung.

Perspektive:

• Einsatzmöglichkeiten reichen von Rapid Prototyping über interne Tools bis hin zu medizinisch regulierten Anwendungen.
• Das Team strebt einen Proof of Concept mit voll durchlaufendem Prozess für den 20.11. an.
• Ziel ist ein skalierbarer Blueprint für KI-gestützte, automatisierte Softwareentwicklung – inkl. Dokumentation, Testabdeckung und Versionskontrolle.