Ein praktischer Effekt von KI-Onboarding
KI verändert den Entwicklungsprozess.
Das ist inzwischen Konsens.
Weniger klar ist:
wo genau die Produktivitätsgewinne entstehen.
Eine Beobachtung aus der Praxis:
Du entwickelst nicht nur Software —
du entwickelst die Bedingungen, unter denen Software richtig verstanden wird.
Was passiert ist
Ausgangspunkt war kein perfekter Plan,
sondern ein pragmatischer Versuch.
Zuerst wurde OpenAI Codex auf die bestehende Codebasis angesetzt —
mit einer sehr einfachen Aufgabe:
👉 „Erzeuge ein Dokument, das Orientierung gibt.“
Dieses Dokument wurde anschließend iterativ verbessert:
- Fragen von Codex wurden aufgenommen
- Unklare Stellen wurden präzisiert
- implizite Architektur wurde explizit gemacht
Danach kam der Praxistest:
👉 Einsatz mit GitHub Copilot (Claude Sonnet 4.6)
Und genau dort wurde es interessant.
Der Effekt

Nach Einführung des Onboarding-Dokuments:
- Copilot „sieht“ die Struktur deutlich klarer
- Vorschläge sind zielgerichteter
- Refactorings greifen an den richtigen Stellen
- Tests und DB-Zugriffe wurden direkt verbessert
- Das Onboarding-Dokument selbst wurde anschließend präziser
Ein Zyklus entsteht:
Onboarding → besseres Verständnis → besserer Code → besseres Onboarding
Der Engpass verschiebt sich weiter:
- weniger Implementierung
- mehr Präzisierung der Bedingungen
Ein wichtiger Punkt (und vielleicht der wichtigste)
Das Dokument war am Anfang nicht gut.
Und das ist entscheidend.
Es war:
- unvollständig
- teilweise unklar
- eher Skizze als System
Und trotzdem hat es sofort geholfen.
Warum?
Weil es einen Unterschied gibt zwischen:
gar keinen expliziten Annahmen
und
unvollständigen, aber sichtbaren Annahmen
Der eigentliche Trick
Der Einstieg war ein sehr einfacher Prompt:
Du analysierst eine bestehende Codebasis und erstellst Kontext-Dokumentation für zukünftige KI-Sessions.Deine Aufgabe ist nicht vollständige Dokumentation — sondern Orientierung.Ziel:Ein Dokument, das in 5 Minuten vermittelt:- wo man ist- warum es so gebaut wurde- was nicht ohne Rückfrage geändert werden sollteStruktur:1. Zweck2. Architektur-Entscheidungen3. Abhängigkeiten4. Constraints5. Offene Fragen
Mehr war es nicht.
Kein perfektes Modell.
Kein vollständiges Design.
Was sich verändert hat
Vorher:
- KI generiert Code
- Entwickler bewertet
Jetzt:
- Entwickler definiert Bedingungen
- KI arbeitet innerhalb dieser Bedingungen
Das System wird stabiler, weil:
- Invarianten explizit sind
- Architektur sichtbar ist
- Fehlinterpretationen reduziert werden
Der eigentliche Shift
Der Fokus verschiebt sich:
Von:
Wie implementiere ich das?
Zu:
Unter welchen Bedingungen darf es implementiert werden?
Konsequenz
Ein gutes Onboarding-Dokument ist kein Nebenprodukt mehr.
Es ist:
Teil des Systems
Teil der Architektur
Teil des Entwicklungsprozesses
Und vielleicht noch das Wichtigste
Du musst nicht mit einem perfekten Dokument starten.
Im Gegenteil.
Ein unvollständiges Dokument, das:
- Fragen sichtbar macht
- Annahmen explizit macht
- Grenzen andeutet
ist bereits genug, um:
- bessere Antworten zu bekommen
- bessere Fragen zu stellen
- und das System Schritt für Schritt zu klären
Nächster Schritt
Diese Dokumente lassen sich weiter strukturieren:
- Contracts (was gilt)
- Onboarding (wie man sich darin bewegt)
- Boundary (wie man entscheidet)
Das Ziel ist ein System, das nicht nur funktioniert,
sondern auch korrekt verstanden wird — von Menschen und Maschinen.
Der Text entstand im Dialog mit einem KI-basierten Sprachmodell, das als kritischer Sparringspartner bei Struktur, Argumentation und Perspektivwechsel diente. Inhaltliche Verantwortung und Autorenschaft verbleiben vollständig beim Verfasser.