In meinem vorherigen Beitrag habe ich erklärt, warum Vibe Coding kein Spielzeug ist und was es heute bedeutet, CTO in einem KI-Startup zu sein. Viele von euch haben nach dem konkreten Workflow gefragt. Hier ist er.
So bauen wir Agely jeden Tag. Keine Theorie. Nur die Tools, die Techniken und wie ich sie verkette.
Das Grundprinzip
Bevor wir über Tools sprechen, muss man eines verstehen: Das Ziel ist nie, Code zu schreiben. Das Ziel ist, die richtigen Spezifikationen zu generieren, damit die KI den Code für dich schreibt. Dein Job wird Orchestrierung, nicht Ausführung.
Das erfordert einen Perspektivwechsel. Du hörst auf zu denken „wie implementiere ich das?" und fängst an zu denken „wie beschreibe ich das präzise genug?"
Meine 3-Schritte-Pipeline
Ich nutze 3 Haupttools, jedes für einen bestimmten Zweck:
1. ChatGPT mit Sprache + Canvas für die Prompt-Generierung
Bei komplexen Projekten beginne ich mit Sprechen. Ich nutze ChatGPT mit Spracheingabe, um meine Prompts zu generieren. Ich spreche durch, was ich will, und bitte dann die KI, alles in einen strukturierten Prompt umzuformulieren und zu organisieren.
Die Magie passiert mit Canvas. Sobald ChatGPT meinen Prompt strukturiert hat, speichere ich ihn in einem Canvas. Das gibt mir ein sauberes Dokument, das ich kopieren/einfügen und auch direkt bearbeiten kann. Es wird meine Arbeitsspezifikation, die ich über die Zeit verfeinere.
Was ich ChatGPT einbeziehen lasse:
- Die Rolle (als was die KI agieren soll)
- Was zu tun ist
- Was NICHT zu tun ist
- Die zu befolgende Methodik
- Das erwartete Ausgabeformat
Der Schlüssel ist: Ich tippe nicht. Ich spreche (auf Französisch oder Englisch, das spielt keine Rolle). Es ist 10-mal schneller und erfasst Nuancen besser.
2. Claude Opus für tiefgehende Recherche
Wenn ich ein komplexes Thema verstehen muss, bevor ich baue, nutze ich Claude Opus im erweiterten Recherchemodus. Hier passiert die Magie.
Die KI schaut sich nicht nur 10 oder 20 Quellen an. Sie durchforstet Hunderte, manchmal über tausend Quellen. Es dauert, manchmal über eine Stunde, aber man bekommt einen umfassenden Markdown-Bericht, der zum Referenzmaterial wird.
Ich nutze das für:
- State-of-the-Art-Technologierecherche
- Wettbewerbsanalyse
- Neue Domänen verstehen, bevor ich programmiere
- Die besten Bibliotheken und Ansätze finden
Das Ergebnis ist ein Bericht, den ich dann in meine Coding-Prompts injizieren kann. Das bedeutet, die KI, die meinen Code schreibt, hat Zugang zu Spitzenwissen, nicht nur zu ihren Trainingsdaten.
3. Windsurf + Claude Opus 4.6 Thinking für Code-Generierung
Für die eigentliche Code-Generierung nutze ich Windsurf (andere bevorzugen Cursor, beides funktioniert). Das Modell ist immer Claude Opus 4.6 Thinking. Ja, es ist teuer. Aber wenn du 10- bis 30-fach beschleunigst, werden die Kosten irrelevant.
Der Ablauf:
- Ich füge meinen strukturierten Prompt aus Schritt 1 ein
- In 10 bis 15 Minuten generiert es das Feature
- Ich verbringe 2 Stunden mit Iterationen durch kürzere Prompts
- Ich bündele 5 bis 10 Anpassungen in einem einzigen Prompt
Profi-Tipp: Bei Windsurf zahlst du pro Prompt. Also ist das Bündeln mehrerer Aufgaben in einem Prompt nicht nur schneller, sondern auch günstiger. Ich fasse verwandte Korrekturen und Anpassungen immer zusammen.
Was ich in jedes Projekt einbringe
Templates und Kontext sind wichtig. Ich inkludiere immer:
- Linter-Konfigurationen
- End-to-End-Test-Templates
- Basisdateien: .gitignore, .editorconfig
- Ein umfassendes README
Früher packte ich all das direkt in meine Prompts. Meine initialen Prompts waren oft 300 bis 500 Zeilen lang, nur um den Kontext richtig zu setzen.
Das änderte sich, als ich den AGENTS.md-Standard übernahm. Jetzt lebt der gesamte Projektkontext, die Konventionen, Grenzen und Build-Befehle in AGENTS.md-Dateien im Projektbaum. Windsurf liest sie automatisch.
Das Ergebnis: Meine Konversations-Prompts gingen von 500 Zeilen auf 10. Ich beschreibe die Absicht, die KI kennt den Rest bereits. Je mehr Kontext du gibst, desto besser das Ergebnis. Das hat sich nicht geändert. Aber jetzt lebt der Kontext im Projekt, nicht in deiner Zwischenablage.
Warum ich bei populären Bibliotheken bleibe
KI funktioniert besser mit gut dokumentierten, weit verbreiteten Tools. Das ist eigentlich ein guter Disziplinierungsmechanismus.
Wenn du nach einer exotischen Bibliothek greifst, frag dich: Warum nutze ich nicht das, was alle anderen nutzen? Es gibt Fragen der Stabilität und Wartung. Populäre Bibliotheken werden gepflegt, sie bestehen, und KI kennt sie gut.
Wenn du unbedingt etwas weniger Verbreitetes brauchst, kann KI Quellcode auf GitHub lesen und sich anpassen. Aber populäre Bibliotheken liefern schneller bessere Ergebnisse.
Der Iterationszyklus
So sieht eine typische Feature-Entwicklung aus:
- Sprach-Prompt an ChatGPT → strukturierte Spezifikation in Canvas
- Bei Bedarf: tiefgehende Recherche mit Claude → Referenzbericht
- Initiale Generierung in Windsurf → funktionierender Prototyp in 15 Minuten
- Schnelle Validierung des Ergebnisses
- Iteration mit gebündelten Prompts → 5-10 Korrekturen pro Prompt
- Gesamtzeit: 2 bis 4 Stunden für das, was früher Tage dauerte
Was zu validieren ist
Ich lese nicht jede Zeile des generierten Codes. Das würde den Zweck verfehlen.
Was ich tatsächlich prüfe:
- Wesentliche Dateien (Einstiegspunkte, Kernlogik)
- Gesamtorganisation und Ordnerstruktur
- Verwendete Design Patterns
- Komplexe Algorithmen und Geschäftslogik
- Sicherheitskontrollen und Datenspeicherung
Den Rest? Wenn es kompiliert, die Tests besteht und meine Linter-Regeln einhält, vertraue ich ihm. Es geht darum, die Aufmerksamkeit dorthin zu lenken, wo es zählt: Architekturentscheidungen, komplexe Logik und sicherzustellen, dass die KI deine Absicht verstanden hat.
Das ist es, was effizientes Vibe Coding von blindem Vertrauen oder Mikromanagement jeder Zeile unterscheidet.
Agely mit diesem Workflow aufbauen
Bei Agely durchläuft jedes Feature diese Pipeline.
Was ein 10-köpfiges Team monatelang gebraucht hätte, wird von einem Entwickler gebaut, verstärkt durch KI. Nicht weil KI das Denken ersetzt hat, sondern weil sie den Flaschenhals des Tippens beseitigt hat.
Das Paradigma hat sich verschoben. Die Tools sind da. Die Frage ist, ob du den Workflow aufbaust, der dich 10-mal produktiver macht, oder ob du weiterhin Code Zeile für Zeile schreibst.