Wer heute KI-Agenten entwickelt, nutzt meist klassische Entwicklungsumgebungen. VS Code, IntelliJ oder ähnliche IDEs leisten hervorragende Arbeit für Code, aber sie stoßen an Grenzen, sobald Software nicht mehr nur deterministisch reagiert, sondern eigenständig Entscheidungen trifft.
Agenten bestehen nicht nur aus Code. Ihr Verhalten entsteht aus dem Zusammenspiel von Logik, Kontext, Gedächtnis, externen Tools und Modellentscheidungen. IDEs sind jedoch primär auf statische Artefakte ausgelegt: Dateien, Klassen, Funktionen. Das eigentliche Verhalten eines Agenten zeigt sich erst zur Laufzeit – und genau dort fehlt heute die Unterstützung.
Was Entwickler vermissen, sind Werkzeuge, die Denken sichtbar machen. Welche Informationen hatte der Agent zu welchem Zeitpunkt? Warum wurde eine bestimmte Aktion gewählt? Welche Alternativen wurden verworfen? Klassische Debugger können das nicht beantworten, weil sie auf Kontrollflüsse ausgelegt sind, nicht auf Entscheidungsprozesse.
Hinzu kommt: Agenten entwickeln sich über Zeit. Sie lernen nicht im klassischen Sinne, verändern aber ihr Verhalten durch Kontext, Speicher und Konfiguration. IDEs kennen kein Konzept für „Verhaltensversionen“ oder Entscheidungshistorien.
Die Konsequenz ist klar: Agentenentwicklung findet derzeit außerhalb der IDE statt – in Logs, Dashboards, Simulationen und Post-Mortems. Das ist kein Zeichen schlechter Entwickler, sondern ein Hinweis darauf, dass sich das Entwicklungsparadigma verändert hat.
Langfristig werden wir neue Entwicklungsumgebungen brauchen, die Agenten als handelnde Systeme begreifen – nicht nur als Code. Bis dahin bleibt Agentenentwicklung ein Stück weit Handarbeit.