AI-Coding-Assistenten können innerhalb von Sekunden Funktionen generieren, Code umgestalten und komplexe Logik erklären. Ihre Effektivität variiert jedoch stark von einer Codebasis zur anderen. Der Unterschied liegt selten im Modell, sondern in der Architektur.

KI-gestützte Entwicklung hängt vom Kontext ab. Wenn ein AI-Agent eine Codebasis analysiert, muss es Verantwortlichkeiten, Abhängigkeiten und Domänenkonzepte aus der Struktur ableiten. In gut modularisierten Systemen ist dieser Kontext explizit: Die Verantwortlichkeiten sind klar, die Grenzen sind stabil und Designentscheidungen werden bewusst hinter klaren Schnittstellen verborgen.

In schlecht strukturierten Systemen, in denen die Verantwortlichkeiten unklar und die Kopplungen hoch sind, werden KI-Vorschläge unübersichtlich, brüchig und riskant. Die Architektur bietet nicht genügend kohärenten Kontext, damit der Agent effektiv arbeiten kann.

In diesem Vortrag wird dargestellt, dass es beim modularen Design nicht mehr nur um Wartbarkeit oder Teamskalierbarkeit geht. Es geht darum, unsere Systeme verständlich zu machen – nicht nur für Menschen, sondern auch für KI. Wenn wir wollen, dass KI zu einem zuverlässigen Entwicklungspartner wird, müssen wir Architekturen schaffen, die den Kontext explizit machen.