Agentische KI verändert die Art und Weise, wie wir Software entwickeln. KI ist nicht mehr nur ein Helfer, der kleine Code-Schnipsel schreibt. Sie kann Anforderungen analysieren, grössere Teile eines Systems generieren, Verhalten validieren und den Code über die Zeit konsistent halten.

Dies funktioniert in der Entwicklung von Geschäftsanwendungen nur, wenn Architektur, Prozess und Technologie aufeinander abgestimmt sind. Andernfalls erzeugt die KI lediglich schneller mehr Code, ohne Qualität oder Nachhaltigkeit zu verbessern.

Eine KI-fähige Architektur für Geschäftsanwendungen basiert auf drei Säulen: Self-Contained Systems, Spec-Driven Development und ein einfacher, expliziter Technologie-Stack.

Warum Architektur für agentische KI wichtig ist

Viele moderne Systeme sind für KI schwer handhabbar. Geschäftslogik ist über Frontend-Code, Backend-Services, Konfiguration und Infrastruktur verteilt. Verantwortlichkeiten sind unklar und Grenzen schwach.

Für agentische KI ist das ein Problem. KI benötigt klare Zuständigkeiten und Verantwortlichkeiten. Sie muss wissen, wo eine Regel hingehört, welche Daten sie besitzt und welches Verhalten sie ändern darf.

Geschäftsanwendungen sind langlebige Systeme. Sie entwickeln sich über Jahre und Jahrzehnte. KI muss diese Entwicklung unterstützen, statt sie riskanter zu machen.

Self-Contained Systems als architektonische Grundlage

Self-Contained Systems folgen der Idee von Domain-Driven Design und Bounded Contexts. Jedes System besitzt seine Daten, Geschäftsregeln und sein Verhalten. Abhängigkeiten zu anderen Systemen sind explizit und minimal gehalten.

Dies schafft klare Grenzen für agentische KI. Jedes Self-Contained System definiert eine abgeschlossene Welt, in der KI sicher agieren kann. Anforderungen, Use Cases, Entities, Code und Tests gehören zum gleichen Kontext.

Statt KI auf eine grosse, unübersichtliche Codebasis anzuwenden, bekommt sie einen klar definierten Problembereich. Dies reduziert unbeabsichtigte Nebeneffekte und macht Änderungen vorhersehbar.

Spec-Driven Development als Quelle der Wahrheit

Die heutige Softwareentwicklung ist meist code-first. Code wird zur Quelle der Wahrheit. Anforderungen existieren als Tickets, Kommentare oder veraltete Dokumente, während das reale Verhalten nur in der Implementierung lebt. Dieser Ansatz funktioniert nicht gut mit agentischer KI. Spec-Driven Development beginnt mit einer anderen Annahme: Spezifikationen kommen zuerst.

Mit dem AI Unified Process wird das System durch eine kleine Menge stabiler Artefakte beschrieben: ein Anforderungskatalog, der die Absicht erfasst, System-Use-Cases, die beobachtbares Verhalten beschreiben, und ein Entity-Modell, das die Domänensprache und Struktur definiert.

Diese Spezifikationen sind für Menschen und KI geschrieben. Sie werden als Docs-as-Code und Diagrams-as-Code gespeichert, in Git versioniert und über stabile Identifikatoren verknüpft. In einer Self-Contained Systems-Architektur hat jedes System sein eigenes Spezifikationsset. Das gibt der KI eine klare Grenze und eine stabile Quelle der Wahrheit.

Der Simon Martinelli Stack in jedem System

Innerhalb jedes Self-Contained Systems bietet der Simon Martinelli Stack die technische Grundlage. Er kombiniert Java und Spring Boot für explizite Geschäftslogik, Vaadin für servergesteuerte Benutzeroberflächen, jOOQ für typensichere und explizite SQL-Abfragen und eine relationale Datenbank als Rückgrat der Domäne. Dieser Stack ist besonders für agentische KI geeignet.

Geschäftsregeln sind explizit und lesbar. Datenmodelle und Abfragen beschreiben die Domäne präzise. Es gibt wenig verstecktes Verhalten und wenig Framework-Magie. Das erleichtert der KI das Verständnis des Systems, die Code-Generierung und sichere Änderungen.

Der Stack hält außerdem UI und Backend eng zusammen. Für Geschäftsanwendungen reduziert dies Komplexität und konzentriert Verhalten an einem Ort.

Warum die Kombination funktioniert

Self-Contained Systems bieten klare architektonische Grenzen. Spec-Driven Development liefert stabile, geteilte Spezifikationen. Der Simon Martinelli Stack liefert ein einfaches und explizites Implementierungsmodell.

Gemeinsam schaffen sie eine Umgebung, in der agentische KI Geschäftsdomänen analysieren, echte Systeme generieren und weiterentwickeln sowie langfristige Wartung und Modernisierung unterstützen kann.

Es geht dabei nicht nur um schnelleres Coden. Es geht darum, Geschäftsanwendungen zu bauen, die verständlich, anpassbar und korrekt bleiben, selbst wenn KI ein aktiver Teil des Entwicklungsprozesses wird.

So sieht eine KI-fähige Architektur für Geschäftsanwendungen aus.