DEINE SITUATION
Jedes Feature dauert länger als das letzte – und trotzdem häufen sich die Bugs?
Dahinter steckt fast immer dasselbe Muster: Das System ist schneller gewachsen, als es verstanden, geprüft und sicher geändert werden kann. Mal, weil Coding-Agenten plötzlich mehr Code produzieren, als das Team reviewen kann – mal, weil zehn Jahre Wachstum ein System hinterlassen haben, das niemand mehr komplett durchdringt. Die Ausgangslage ist verschieden, das Problem ist dasselbe. Und genau da setze ich an.
Wenn dein Team mit Agenten arbeitet:
- Die Agenten liefern beeindruckende Diffs – aber niemand weiß, ob das Gesamtsystem noch zusammenpasst.
- Von Agenten geschriebene Tests prüfen oft nur die Struktur der Ergebnisse, nicht ihr Verhalten. Grün heißt nicht korrekt.
- Die Architektur driftet: Duplikate, Spezialfälle und Abstraktionen, die niemand wollte.
- Die Feedback-Loops sind zu langsam – also raten die Agenten, statt zu prüfen.
Wenn dein System Legacy ist:
- Die Response Times liegen im Sekundenbereich, und Performance-Fixes halten nie lange.
- Jedes neue Feature fühlt sich riskant an, weil niemand das System vollständig versteht.
- Cloud-Setup und CI/CD sind inzwischen komplexer als das Produkt selbst.
- Du willst einen gestuften Plan mit überschaubarem Risiko – kein jahrelanger Big-Bang-Rewrite.
CASE STUDY · GAUSS
Architecture at Agent Speed – Limits of Agentic Coding
Gauss ist ein Computeralgebra-System in Clojure – es beherrscht symbolische Integration, das Lösen von Gleichungen, symbolische Summen, exakte Arithmetik und einiges mehr. Rund 392.000 Zeilen Implementierung plus etwa 172.000 Zeilen Tests, entstanden in ungefähr zwei Monaten. Gebaut habe ich es allein, mit AI-Coding-Agenten und einem eigenen Orchestrator.
Die Case Study beschönigt nichts. Sie dokumentiert, was Agenten-Orchestrierung in dieser Größenordnung wirklich produziert – auch die Tests, die grün waren und trotzdem fast nichts bewiesen haben, und die Stellen, an denen nur noch Architektur-Entscheidungen geholfen haben. Gerade die Fehlschläge sind der nützlichste Teil. Und weil die Demo das echte System ist, kannst du sie einfach ausprobieren.
WAS ICH KONKRET MACHE
Hands-on Engineering, Architekturarbeit und Coaching
Typische Engagements dauern zwei Wochen bis sechs Monate, immer mit Fokus auf messbare Ergebnisse. Meine beiden Schwerpunkte: Agentic Engineering und Legacy Modernization.
Ich analysiere euer Agenten-Setup und baue mit euch die Umgebung, die Agenten erst produktiv macht: klare Spezifikationen, sauber abgegrenzte Tasks, unabhängige Reviews, schnelle Feedback-Loops und eine Verifikation, die Verhalten prüft statt Struktur. All das habe ich an einem 392.000-Zeilen-System selbst durchexerziert – inklusive der Fehlschläge.
Für Teams, die schnell einen ambitionierten Prototyp oder ein neues System brauchen: Ich baue es mit agentischen Methoden – mit klaren Spezifikationen, menschlichen Freigaben an den entscheidenden Stellen und Verifikation von Anfang an. Dass dieser Ansatz auch in großem Maßstab funktioniert, zeigt die Case Study – und die Demo, in der du das System selbst prüfen kannst.
Ich profiliere, vereinfache und refactore Legacy-Web-Apps und Services. Eine Anwendung aus dem Energy-Sektor kam so von mehreren Sekunden auf <50 ms in einem repräsentativen Production-Szenario – nicht durch ein weiteres Framework, sondern durch Weglassen.
Ich härte MQTT/Kafka-Pipelines ab, bereinige Data Models und schneide unnötige Infrastruktur weg. Das Ergebnis sind kleine, verständliche Setups auf Hetzner oder schlanken K8s-Clustern, mit denen dein Team schnell und sicher liefern kann.
BEISPIEL-ERGEBNISSE
Konkrete Before/After-Verbesserungen
Re-Architektur einer stark gekoppelten Legacy-App, Modularisierung der Kernkomponenten und Entfernen redundanter Schichten. Die Response Times sanken von mehreren Sekunden auf <50 ms – und das Team kann wieder Features shippen, ohne Seiteneffekte zu fürchten.
Modernisierung eines Legacy-Systems und Design einer klaren Ingestion-Pipeline von verteilten Kundensystemen in ein IoT-Backend. Das MQTT-Processing wurde gehärtet – für zuverlässiges Near-Real-Time-Monitoring.
Ein Zoo aus Skripten wurde durch ein einfaches Backend ersetzt, das Long-Running Compute Tasks und externe Datenquellen orchestriert. Klare APIs und Data Models vereinfachen das Onboarding, und die Incidents gingen deutlich zurück.
WIE ICH ARBEITE
Spezifizieren, umsetzen, unabhängig prüfen – kein Big-Bang-Rewrite
Egal, ob Agentic Enablement, Build Sprint oder Legacy-Modernisierung – das Vorgehen ist immer dasselbe:
-
1. Verstehen (1–2 Wochen)
Ich verschaffe mir ein genaues Bild der aktuellen Architektur, identifiziere Hot Paths und Failure Points und führe Performance- und Komplexitäts-Analysen durch. Bei Agentic Coding prüfe ich zusätzlich euren Agenten-Workflow und zeige Schwachstellen auf. -
2. Blueprint
Du bekommst einen konkreten, gestuften Plan: was vereinfacht, was gelöscht und was automatisiert wird – inklusive Risiken und erwartetem Impact. Bei Agenten-Setups gehören dazu auch Spezifikations-Hierarchie, Feedback-Loops und Review-Gates. -
3. Implementation & Coaching
Ich setze den Plan gemeinsam mit deinem Team um – wenn gewünscht, auch im Pairing beim Refactoring – und führe neue Patterns nur dort ein, wo sie wirklich nötig sind. Am Ende steht ein System, das deine Engineers selbstbewusst und selbständig weiterentwickeln.
Ich bin meinungsstark, aber pragmatisch. Das Ziel ist keine perfekte Lehrbuch-Architektur, sondern ein System, das
- einfach zu verstehen und zu erklären ist,
- sich ohne Angst ändern lässt,
- Tests hat, die etwas beweisen – und nicht nur grün sind,
- und schnell genug für User und Business ist.
ÜBER MICH
Senior Systems Engineer · Software Architect
Ich bin Senior Software Engineer, Softwarearchitekt und Berater aus Deutschland. Seit über zehn Jahren baue und modernisiere ich geschäftskritische Systeme in Energy, Industrial IoT, Environmental Engineering und B2B SaaS.
Zuletzt habe ich untersucht, wie weit man agentische Entwicklung treiben kann – und dafür Gauss gebaut: ein Computeralgebra-System mit rund 392.000 Zeilen, entstanden im Alleingang durch Orchestrierung von AI-Agenten. Dass die Agenten den Code geschrieben haben, ist dabei kein Makel, sondern Absicht: Meine Arbeit waren Architektur, Spezifikation, Verifikation und die Entscheidungen, die kein Agent treffen kann. Ich dokumentiere bewusst auch, was dabei schiefging – denn genau diese Fehler kann ich deinem Team ersparen.
Bevorzugter Stack & Prinzipien:
Ich setze auf funktionale Programmierung, REPL-Driven Development und kurze Feedback-Loops. Zuerst Komplexität entfernen, dann Neues hinzufügen – und auch nur dort, wo es wirklich nötig ist. Das gilt für Legacy-Code genauso wie für Agenten-Workflows.
DEIN ERSTER SCHRITT
Erstgespräch buchen
Ob dein Team mit Coding-Agenten schneller liefern will, ohne dass die Qualität leidet – oder ob ein Legacy-System jede Änderung ausbremst: Der beste Einstieg ist ein fokussiertes Gespräch über dein wichtigstes System. 30–45 Minuten, kostenlos und unverbindlich.
Im Gespräch klären wir:
- System & Kontext: Was macht eure Software, wer nutzt sie, wie sieht der Tech-Stack aus?
- Schmerzpunkte: Wo hakt es am meisten – Agenten-Qualität, Performance, Komplexität, Cloud, Workflows?
- Ziele & Constraints: Welcher Zeitrahmen, welches Budget und welches Team stehen zur Verfügung?
Du gehst mit einer klaren Empfehlung aus dem Gespräch:
- welches Paket für dich sinnvoll ist und
- welche nächsten Schritte ihr kurzfristig umsetzen könnt, auch ohne mich.
Oder, wenn du lieber eine Mail schreibst: