Spec-Driven Agentic Coding mit semantischen Ankern

KI-Coding-Assistenten schreiben inzwischen funktionierenden Code. Aber sie schreiben den falschen Code, weil sie nicht verstehen, was wir meinen. Wer "schreib mir einen Test" sagt, bekommt irgendeinen Test. Wer "TDD nach London School" sagt, bekommt genau den richtigen.

Dieses Prinzip steckt hinter semantischen Ankern: etablierte Fachbegriffe, Methodiken und Frameworks, die als gemeinsames Vokabular zwischen Mensch und KI funktionieren. Statt langer Prompts reicht ein einzelner Begriff wie "arc42", "Fagan Inspection" oder "INVEST-Kriterien", um präzise Ergebnisse zu erzielen. Der KI-Assistent kennt diese Konzepte aus seinen Trainingsdaten und kann sie sofort anwenden.

Die theoretische Grundlage liefert Eichhorst's Principle: Analog zu Shannons Informationstheorie ist das LLM ein nicht-deterministischer Kommunikationskanal. Tests übernehmen die Rolle der Fehlerkorrektur — deshalb ist TDD im AI-Workflow nicht optional, sondern zwingend. Daraus ergibt sich ein vollständiger Entwicklungsworkflow: Spec-Driven Agentic Coding. Statt direkt Code zu schreiben, beginnt jedes Feature mit einer Spezifikation — Use Cases, Akzeptanzkriterien in Gherkin, Architekturentscheidungen als ADRs mit Pugh-Matrix. Erst wenn die Spec steht, generiert der AI-Agent den Code per TDD, prüft ihn mit Fagan Inspection und OWASP Top 10, und dokumentiert mit Docs-as-Code.

Anhand konkreter Beispiele aus realen Projekten zeige ich, was semantische Anker sind, wie semantische Contracts funktionieren und wie alles zu einem funktionierenden Greenfield Workflow zusammen gebaut wird. Versteht man diesen, weiss man auch, wie man brownfield Projekte mit LLMs angehen kann.