Die Studierenden wenden die im Grundlagenmodul erworbenen Kompetenzen an, indem sie 3 kleine Softwareprojekte spezifikationsgetrieben mit Coding-Agenten realisieren und anschließend das erste Projekt evolutionär weiterentwickeln. Die abschließende Evolution des ersten Projekts zeigt, ob die eigenen Artefakte für eine langfristige KI-gestützte Weiterentwicklung tragfähig sind.
Der Fokus liegt auf der nachweisbaren Verbesserung des Prozesses über die Projekte hinweg, nicht auf einem perfekten Endprodukt.
Dieses Projekt ist Teil der Wahlspezialisierung (WASP) „Agentic Software Engineering" (ASE). Der Projektteil setzt die Teilnahme am Grundlagenmodul voraus.
Studiengang: Informatik Bachelor, TH Köln
Modultyp: Projektteil (10 ECTS) der WASP „Agentic Software Engineering"
Zeitraum: WiSe 26/27
Zeitaufwand: Ca. 2 Tage pro Woche
Gruppengröße: 10–15 Studierende, Teams von 2–5 Personen
Charakter: Forschungs- und projektorientiert, iterativ
Technologiestack: Programmiersprache und Framework frei wählbar (je nach Projekt)
Kontakt: Prof. Dr. Uwe van Heesch, Anja Bertels M.Sc.
Inhalt
Learning Outcome
Die Studierenden realisieren im Team vollständige Softwareprojekte spezifikationsgetrieben mit Coding-Agenten und verbessern ihren Prozess iterativ über mehrere Projektdurchläufe (WAS), indem sie
- für jedes Projekt den gesamten SE-Zyklus (Requirements, Architektur, Design, Implementierung, Test, Evolution) mit Agenten durchlaufen,
- Spezifikationen erstellen, die als effektive Steuerungsgrundlage für Agenten dienen,
- Architekturentscheidungen treffen und dokumentieren (ADRs),
- Arbeitspakete im Team aufteilen, Abhängigkeiten modellieren und Agentenarbeit parallelisieren,
- das Verhalten der Agenten beobachten und ihre Steuerung iterativ anpassen,
- die Qualität der agentengenerierten Artefakte anhand definierter Kriterien sichern,
- die im Repository gepflegten Artefakte so gestalten, dass Agenten das System langfristig weiterentwickeln können,
- sowie ihren gemeinsamen Arbeitsprozess über mehrere Projekte hinweg systematisch verbessern und reflektiert dokumentieren (WOMIT),
um als Teil eines Teams Softwareprojekte mithilfe agentischer KI effektiv umzusetzen, Verantwortung für Architektur und Qualität zu übernehmen und den gemeinsamen Prozess iterativ zu optimieren (WOZU).
Didaktisches Grundprinzip: Wiederholung als Lernprinzip
Statt eines großen Projekts durchlaufen die Studierenden 3 Projekte von Grund auf und kehren dann zum ersten zurück:
- Projekt 1: Erste Erfahrungen. Fehler machen. Verstehen, wo Agenten helfen und wo nicht.
- Projekt 2: Erkenntnisse anwenden. Spezifikationen verbessern. Agenten gezielter einsetzen.
- Projekt 3: Effiziente Arbeitsweise. Fokus auf Qualität und Parallelisierung.
- Evolution Projekt 1: Rückkehr zum ersten Projekt. Mit den Erkenntnissen aus Projekt 2 und 3 das eigene System weiterentwickeln – Realitätscheck, ob die damals erstellten Artefakte für eine agentengestützte Evolution ausreichen.
Projektherkunft
Die Projekte können aus verschiedenen Quellen stammen:
- Von Studierenden selbst gewählt – eigene Ideen aus einer realistischen Domäne
- Aus dem beruflichen Umfeld – Projekte aus Firmen, in denen die Studierenden nebenbei arbeiten
- Von externen Partnern als echte Projekte – industrielle Partner stellen reale Aufgabenstellungen
- Von externen Partnern als Projektpaten – wenn ein echtes Projekt nicht möglich ist, fungieren industrielle Partner als Paten für fiktive Projekte aus ihrer Domäne
Projektstruktur
Phase 1 – Orientierung & erstes Projekt (Wochen 1–4)
Ersten vollständigen SE-Zyklus mit Agenten durchlaufen. Projektthema wählen, Requirements erheben, Architektur entwerfen, Implementierung steuern, testen. Erste Reflexion.
Phase 2 – Iterative Projekte (Wochen 5–10)
Projekt 2 und 3 (je 2–3 Wochen). Zwischen den Projekten: explizite Retrospektive. Fokus auf bessere Spezifikationen, effizientere Agentensteuerung, Parallelisierung von Arbeitspaketen.
Phase 3 – Evolution Projekt 1 (Wochen 11–13)
Rückkehr zum ersten Projekt. Neue Features oder Refactoring mit Agenten umsetzen. Prüfen, ob die damals erstellten Artefakte (Spezifikationen, ADRs, Kontextdokumente) ausreichen, damit Agenten das System weiterentwickeln können. Fehlende Artefakte nachpflegen und dokumentieren, was gefehlt hat.
Phase 4 – Auswertung und Reflexion (Wochen 14–15)
Erkenntnisse konsolidieren. Vergleich Projekt 1 vs. letztes Projekt. Lessons Learned.
Modulinhalte
- Spec-Driven Development im Team (Spezifikationen als Steuerungsgrundlage für Agenten)
- Iterative Prozessverbesserung über mehrere Projektdurchläufe
- Teambasierte Arbeitsplanung und Aufgabenverteilung (WBS, Critical Path, Parallelisierung)
- Agentensteuerung in realen Projekten (Kontextmanagement, Agent Instructions, Harness-Konfiguration)
- Code-Review und Qualitätssicherung agentengenerierten Codes
- Artefaktmanagement für langfristige Evolution (Repository-Struktur, Kontextdokumente)
- Retrospektiven und systematische Prozessdokumentation
Lehr- und Lernmethoden
- Projektorientiertes Arbeiten in Teams (2–5 Personen)
- Iterative Projektdurchläufe mit expliziten Retrospektiven zwischen den Projekten
- Wöchentliche Sync-Termine mit den Dozierenden
- KI-gestützte Entwicklung als durchgängige Arbeitsmethode
- Peer-Reviews von Spezifikationen, Architekturentscheidungen und Agenten-Output
- Strukturierte Reflexionsphasen mit Dokumentation im Portfolio
- Eigenverantwortliche Projektplanung und -steuerung
Prüfungsform
Die Bewertung ist individuell, auch wenn in Teams gearbeitet wird. Der von den Agenten erzeugte Code fließt nicht in die Bewertung ein. Bewertet wird der Prozess: Steuerungskompetenz, Spezifikationsqualität, iterative Verbesserung und Reflexion.
1. Portfolio (40%, prozessbegleitend, individuell)
Jede Person führt von Anfang an ein eigenes Portfolio mit:
- Spezifikationen und Architekturentscheidungen
- Agenteninteraktionen und -konfiguration
- Retrospektiven zwischen den Projekten
- Prozessverbesserung über die Projekte
- Wöchentliche Reflexionen
- Dokumentierter KI-Einsatz
2. Mündlicher Walkthrough (60%, individuell)
Im Walkthrough wird der gesamte Inhalt des Portfolios besprochen: Spezifikationen, Architekturentscheidungen, iterative Verbesserung und Transfererkenntnisse.
Bewertungsrubric
| Kriterium | Gewicht | 0 Punkte | 1 Punkt | 2 Punkte | 3 Punkte |
|---|---|---|---|---|---|
| Portfolio (40%) | |||||
| Spezifikationsqualität und Agentensteuerung | 2 | Keine substanziellen Spezifikationen erkennbar. Agenten werden ohne erkennbare Strategie eingesetzt. | Grundlegende Spezifikationen vorhanden, aber kaum als Steuerungsgrundlage für Agenten konzipiert. Agentensteuerung bleibt ad-hoc. | Spezifikationen dienen nachweislich als Steuerungsgrundlage. Agentenkonfiguration (AGENTS.md, Instructions) ist dokumentiert und begründet. | Spezifikationen und Agentenkonfiguration wurden systematisch über die Projekte verbessert. Wirksamkeit ist dokumentiert und evaluiert. |
| Iterative Prozessverbesserung | 2 | Keine erkennbare Verbesserung zwischen den Projekten. | Ansätze zur Verbesserung sind erkennbar, aber nicht systematisch. Retrospektiven sind oberflächlich. | Nachweisbare Verbesserung von Projekt zu Projekt. Retrospektiven benennen konkrete Änderungen und deren Begründung. | Systematische, dokumentierte Verbesserung über alle Projekte. Metriken oder qualitative Kriterien werden zur Bewertung des Fortschritts herangezogen. |
| Architektur und Artefaktmanagement | 2 | Keine Architekturentscheidungen dokumentiert. Repository-Struktur ist chaotisch. | Grundlegende ADRs vorhanden. Repository-Struktur ist erkennbar, aber nicht für agentengestützte Evolution konzipiert. | ADRs dokumentieren wesentliche Entscheidungen. Artefakte sind so organisiert, dass Agenten sie nutzen können. | Artefakte in Phase 3 (Evolution) ermöglichen nachweislich agentengestützte Weiterentwicklung. Fehlende Artefakte wurden identifiziert und nachgepflegt. |
| Prozessdokumentation und Reflexion | 3 | Keine oder nur minimale Dokumentation. Keine Reflexion erkennbar. | Dokumentation ist lückenhaft. Reflexion bleibt deskriptiv ohne kritische Einordnung. | Entscheidungen und Prozess sind für jedes Projekt dokumentiert. Reflexion benennt konkret, was funktioniert hat und was nicht. | Durchgängige Dokumentation über alle Projekte. Reflexion ordnet Ergebnisse ein, erkennt Grenzen und formuliert offene Fragen. |
| Mündlicher Walkthrough (60%) | |||||
| Fachliche Begründung von Entscheidungen | 2 | Entscheidungen können nicht begründet werden. | Einige Entscheidungen werden begründet, aber ohne Bezug zum Grundlagenmodul ASE. | Entscheidungen werden nachvollziehbar begründet. Der Bezug zwischen ASE-Grundlagen und Projektumsetzung wird an konkreten Beispielen hergestellt. | Entscheidungen werden auf Nachfrage zu jedem Aspekt begründet. Alternativen und deren Vor-/Nachteile werden differenziert diskutiert. |
| Transferleistung und Beurteilung | 2 | Keine Transferleistung erkennbar. | Erkenntnisse bleiben auf den eigenen Fall beschränkt. Verallgemeinerungen sind oberflächlich. | Es wird nachvollziehbar beurteilt, unter welchen Bedingungen Spec-Driven Development mit Agenten effektiv funktioniert und wo die Grenzen liegen. | Erkenntnisse werden verallgemeinert. Es wird fundiert beurteilt, welche Faktoren den Erfolg agentischer Softwareentwicklung im Team bestimmen. |
| Umgang mit kritischen Nachfragen | 2 | Nachfragen können nicht beantwortet werden oder führen zu Widersprüchen. | Nachfragen werden beantwortet, aber Antworten bleiben an der Oberfläche. | Nachfragen werden sachlich und differenziert beantwortet. Wissenslücken werden offen benannt. | Nachfragen werden ohne Hilfestellung fundiert und reflektiert beantwortet, auch über den unmittelbaren Kontext hinaus. |
Notenberechnung
Insgesamt sind maximal 45 Punkte erreichbar (15 Gewichtspunkte × 3 Punkte). 0 Punkte in einem der Portfolio-Kriterien führen automatisch zum Nichtbestehen.
| Note | Punkte |
|---|---|
| 1,0 | 41–45 |
| 1,3 | 38–40 |
| 1,7 | 35–37 |
| 2,0 | 33–34 |
| 2,3 | 31–32 |
| 2,7 | 29–30 |
| 3,0 | 27–28 |
| 3,3 | 24–26 |
| 3,7 | 21–23 |
| 4,0 | 18–20 |
| 5,0 | 0–17 |
Voraussetzungen
- Erfolgreiche Teilnahme am Grundlagenmodul ASE
- Programmierkenntnisse in mindestens einer Sprache
- Git-Kenntnisse
Besonderheiten
- Ein eigener Laptop ist erforderlich, der die Kapazität hat, einen Coding-Agenten (CLI-basiert) und eine Entwicklungsumgebung zu betreiben.
- In dem Kurs wird die Verwendung generativer KI nicht nur empfohlen, sondern ist durchgängige Arbeitsmethode. Bewertet wird nicht der erzeugte Code, sondern der Prozess.
- Die Studierenden dürfen KI für alle Elemente ihres Portfolios nutzen, einschließlich der Reflexionen. Bei der mündlichen Prüfung wird davon ausgegangen, dass die Studierenden jedes Element selbst verfasst haben und jede darin enthaltene Aussage begründen können.