In diesem Beitrag geht es nicht um die üblichen Ratschläge dazu, wie man KI richtig promptet.
Es geht vielmehr um weniger bekannte Vorgehensweisen, mit denen sich die Qualität des von LLMs erzeugten Codes deutlich verbessern lässt.
Tipp 1 — Sagen Sie sofort, wenn Sie nicht zufrieden sind
Wenn der generierte Code nicht Ihren Erwartungen entspricht, sagen Sie das klar und möglichst früh.
Warum das wichtig ist:
- LLMs passen sich im Verlauf einer Unterhaltung an.
- Wenn Sie Unzufriedenheit signalisieren, veranlassen Sie das Modell dazu:
- Annahmen neu zu prüfen
- strenger zu argumentieren
- alternative Ansätze zu untersuchen
Häufig ist der zweite Versuch durchdachter als der erste.
Tipp 2 — Fragen Sie ein zweites Mal (auch wenn das Ergebnis bereits gut ist)
Selbst wenn die Lösung einwandfrei funktioniert, versuchen Sie Folgendes:
„Verbessere diesen Code.“
Es ist erstaunlich, wie häufig KI dabei:
- die Logik vereinfacht
- die Benennung verbessert
- die Performance steigert
- Risiken bei Randfällen reduziert
Die iterative Verfeinerung mit KI ist vergleichbar mit einem erfahrenen Code-Reviewer, der jederzeit verfügbar ist.
Tipp 3 — Vermitteln Sie das Gesamtbild (und echten Kontext)
KI liefert deutlich bessere Ergebnisse, wenn sie Ihre Architektur und Codestruktur versteht.
Statt lediglich zu sagen:
„Schreibe eine Methode, die X erledigt.“
Versuchen Sie es mit:
„Das gehört zur Service-Schicht. Wir verwenden eine Schichtenarchitektur: Controller → Service → Repository. Wo sollte diese Logik angesiedelt sein?“
Damit kann die KI:
- Verantwortlichkeiten korrekt zuordnen
- verhindern, dass Geschäftslogik in technische Schichten gelangt
- Code erzeugen, der zu Ihrem Design passt
Doch an diesem Punkt wird es besonders interessant.
Anstatt das System manuell zu beschreiben, können Sie einen KI-Prompt-Builder verwenden, der Ihre Anfrage automatisch um echten Projektkontext aus Ihrer Codebasis ergänzt.
Beispielsweise kann der CppDepend KI-Prompt-Builder Folgendes bereitstellen:
- Abhängigkeiten zwischen Komponenten
- Verletzungen der Schichtenarchitektur
- Codemetriken (Komplexität, Größe, Kopplung usw.)
- Typbeziehungen und Aufrufgraphen
Dieser Kontext kann in den KI-Prompt eingebunden werden, sodass das Modell nicht bloß rät, sondern die Struktur Ihres Systems versteht.
Damit ist KI nicht mehr nur ein Codegenerator.
Sie wird zu einem architekturbewussten Assistenten, der mit realen Daten aus Ihrem Projekt arbeitet.
Tipp 4 — Treten Sie einen Schritt zurück und refaktorieren Sie selbst
Nachdem Sie mehrere KI-unterstützte Methoden erzeugt haben, sollten Sie innehalten.
KI optimiert lokal, nicht global. Deshalb müssen Sie:
- Klassen neu organisieren
- duplizierte Logik zusammenführen
- gemeinsame Abstraktionen herauslösen
- Inkonsistenzen im Design bereinigen
KI beschleunigt die Programmierung – doch Sie bleiben der Architekt.
Tipp 5 — Lassen Sie die KI ihren eigenen Code kritisieren
Dies ist einer der wirkungsvollsten und zugleich am meisten unterschätzten Tricks.
Nachdem der Code generiert wurde, fragen Sie:
- „Welche Schwächen hat dieser Code?“
- „Wo könnte dieser Code im Produktivbetrieb scheitern?“
- „Welche Randfälle fehlen?“
Nun wechselt die KI ihre Rolle: vom Ersteller → zum Reviewer
Dadurch werden häufig sichtbar:
- versteckte Fehler
- Performance-Risiken
- fehlende Validierungen
- Nebenläufigkeitsprobleme
- Sicherheitslücken
Im Grunde erhalten Sie damit ein kostenloses Design-Review.
Fazit
KI ersetzt technisches Urteilsvermögen nicht – sie verstärkt es.
Die besten Ergebnisse erzielen Sie, wenn Sie KI einsetzen als:
Generator → Optimierer → Kritiker → Assistent,
während Sie selbst der Architekt bleiben.