Wann immer ich über den AI Unified Process (AIUP) und Spec-Driven Development spreche, höre ich oft dieselbe Sorge: „Das klingt nach Wasserfall.“

Diese Reaktion ist nachvollziehbar. Für viele Entwickler sind Begriffe wie Anforderungen, Spezifikationen und Prozess emotional belastet. Sie erinnern an umfangreiche Dokumente, lange Phasen und Software, die bereits veraltet war, bevor sie produktiv ging.

Doch darum geht es bei AIUP nicht. Deshalb sage ich es ganz klar: AIUP ist nicht Wasserfall. Es ist iterativ, inkrementell und auf kontinuierliches Lernen ausgelegt.

Die Verwirrung entsteht, weil oft vermischt wird, wann Spezifikationen geschrieben werden mit wie sie genutzt werden.

Was Wasserfall wirklich ist

Klassischer Wasserfall sieht typischerweise so aus:

  • Zuerst werden alle Anforderungen gesammeltDann wird das gesamte System entworfenDanach wird alles implementiertAm Ende wird getestetSchliesslich wird es den Nutzern gezeigt

    • Das grosse Problem ist nicht die Dokumentation an sich. Das Problem ist spätes Feedback.

    Kommt Feedback zu spät, werden Änderungen teuer, riskant und frustrierend. Teams hören auf zu lernen und beginnen, alte Entscheidungen zu verteidigen. AIUP vermeidet genau das.

    AIUP startet bewusst klein

    AIUP versucht nicht, das gesamte System im Voraus zu beschreiben. Stattdessen arbeitet es in kleinen, klar definierten Schritten. Die zentrale Arbeitseinheit ist ein System-Use-Case.

    Kein Sprintziel. Keine technische Aufgabe. Keine vage User Story.

    Ein Use Case, der beobachtbares Systemverhalten beschreibt. Dieser Use Case steht im Fokus einer kurzen Iteration.

    Der AIUP-Iterationszyklus

    Für jeden Use Case folgt AIUP einem engen Kreislauf:

    1. Use Case definieren Was ist das Ziel? Wer ist der Akteur? Was soll das System tun?
    2. Verhalten und Regeln verfeinern Vorbedingungen, Hauptablauf, Alternativabläufe, Einschränkungen.
    3. Code und Tests generieren oder implementieren AI unterstützt dabei, aber ausschliesslich auf Basis der Spezifikation.
    4. Validieren Mit Stakeholdern, mit Tests, mit einem laufenden System.
    5. Anpassen Ist etwas unklar oder falsch, wird die Spezifikation aktualisiert und der Zyklus wiederholt.

    Dieser Zyklus ist schnell. Oft deutlich schneller als klassisches „agiles“ aufgabenbasiertes Arbeiten. Danach geht es zum nächsten Use Case.

    Spezifikationen sind keine grossen Designdokumente

    Ein weiteres häufiges Missverständnis ist, dass Spec-Driven Development riesige Dokumente bedeutet.

    In AIUP sind Spezifikationen:

    • kurz
    • fokussiert

    • textbasiert (meist Markdown)
    • in der Versionsverwaltung gespeichert

    • häufig verändert

    Eine Use-Case-Spezifikation umfasst oft ein oder zwei Seiten. Manchmal weniger. Sie wird nicht einmal geschrieben und dann archiviert. Sie wird aktualisiert, sobald wir etwas Neues lernen. Deshalb behandelt AIUP Spezifikationen als lebende Artefakte, nicht als Bürokratie.

    Warum „Specs zuerst“ nicht verlangsamt

    Viele Teams glauben, dass das Schreiben von Spezifikationen die Entwicklung verlangsamt. In der Praxis ist oft das Gegenteil der Fall.

    Ohne klare Spezifikationen:

    • raten Entwickler
    • generiert AI selbstbewusst falschen Code
    • konzentrieren sich Reviews auf Syntax statt auf Verhalten
    • werden Fehler spät entdeckt

    Mit klaren Spezifikationen:

    • ist die Intention explizit
    • wird AI berechenbar
    • sind Code-Reviews schneller

    • sind Änderungen lokal und sicherer

    Die Zeit, die du in einen klaren Use Case investierst, sparst du während Implementierung und Review mehrfach ein.

    Iteration auf der richtigen Ebene

    Klassische agile Teams iterieren häufig vor allem auf Code-Ebene. AIUP iteriert auf der Ebene des Verständnisses.

    Die erste Version eines Use Cases ist selten perfekt. Das ist erwartet. Doch statt Missverständnisse direkt im Code zu korrigieren, behebt AIUP sie in der Spezifikation.

    Das hat zwei entscheidende Vorteile:

    • Die nächste Iteration startet mit einem besseren gemeinsamen Verständnis

    • AI-generierte Artefakte bleiben konsistent zur Intention

    Iteration wird günstiger und kontrollierter.

    Inkrementelles Wachstum, Use Case für Use Case

    AIUP-Systeme wachsen horizontal, nicht vertikal.

    Du baust keine „vollständige Architektur“ zu Beginn. Du ergänzt Verhalten Schritt für Schritt. Nach fünf Use Cases unterstützt das System fünf reale Szenarien. Nach zehn Use Cases zehn Szenarien. Zu jedem Zeitpunkt ist das System nutzbar, testbar und verständlich.

    Das ist inkrementelle Lieferung in ihrer reinsten Form.

    AIUP vs. Wasserfall – direkt gegenübergestellt

    Waterfall:

    • Grosser Scope zu Beginn
    • Späte Validierung
    • Änderungen sind teuer
    • Code wird zur Wahrheit

    AIUP:

    • Kleiner Scope zu Beginn
    • Kontinuierliche Validierung
    • Änderungen beginnen in den Spezifikationen
    • Spezifikationen sind die Wahrheit

    Der Unterschied ist nicht subtil. Er ist fundamental.

    AI verändert die Spielregeln

    AI hat Spezifikationen nicht überflüssig gemacht. Sie hat sie noch wichtiger gemacht. Wenn AI Code schreibt, wird Unklarheit gefährlich. Je klarer der Input, desto besser der Output. AIUP akzeptiert diese Realität, statt gegen sie anzukämpfen. Spezifikationen dienen nicht dazu, Entwickler zu kontrollieren. Sie leiten AI und halten Systeme langfristig konsistent.

    Abschließende Gedanken

    AIUP ist keine Rückkehr zu alten Prozessen. Es ist eine Antwort auf eine neue Realität:

    • Code ist billig
    • Verständnis ist teuer
    • Falsche Software wird schneller gebaut als je zuvor

    Richtig umgesetzt ermöglicht Spec-Driven Development echte Agilität. Nicht durch den Verzicht auf Struktur, sondern durch Struktur an der richtigen Stelle.

    Ein Use Case. Eine Iteration. Ein Schritt näher am richtigen System.

    Das ist AIUP.