90 % des Designprozesses Ihrer Agenten ist am Ende

Der Sprecher erklärt, dass die traditionelle Ebene der Design-Übergabe im modernen Entwicklungsprozess nicht mehr existiert. Er bezieht sich auf ein Interview mit Jenny Wen, der Designchefin für Claude bei Anthropic, die den klassischen Prozess für tot erklärt. Früher wurden Anforderungen definiert, in Figma-Mockups umgewandelt und dann mühsam von Entwicklern in Code übersetzt. Dieser Ablauf war eher ein ritueller Industriestandard als eine effiziente Notwendigkeit. Heute wissen viele Teams noch nicht, wie sie diese Lücke füllen sollen, und halten aus reiner Gewohnheit am Alten fest.

In diesem Abschnitt wird beleuchtet, warum der alte Prozess mit seinen vielen Absicherungen wie Personas und Wireframes überhaupt existierte. Simon Willison wird zitiert, um zu verdeutlichen, dass KI die Kosten für Fehler drastisch senkt. Vor der KI-Ära bedeutete eine falsche Design-Entscheidung oft Monate verschwendeter Arbeit für die Entwickler. Jede Spezifikation diente als Schutzschild gegen kostspielige Fehlentwicklungen im großen Stil. Nun, da die Umsetzung schneller und günstiger ist, verliert dieser starre Schutzmechanismus an Bedeutung.

Die Geschwindigkeit der Softwareentwicklung hat sich schneller verändert, als viele Fachkräfte es verarbeiten konnten. Jenny Wen berichtet, dass sie früher 70 % ihrer Zeit mit Mockups verbrachte, während es heute nur noch etwa 30 % sind. Das Engineering ist nicht mehr der Flaschenhals, da Entwickler KI-Agenten parallel laufen lassen können. Auch der Planungshorizont für Visionen ist von mehreren Jahren auf nur noch 3 bis 6 Monate geschrumpft. Ein funktionaler Prototyp weist heute die Richtung, anstatt eine rein visuelle Präsentation zu sein.

Obwohl sich der Prozess gewandelt hat, bleiben präzise Anforderungen das Fundament für jedes Projekt. Der Sprecher warnt davor, direkt zur technischen Spezifikation zu springen, ohne die Akteure zu definieren. Ein Akteur ist eine spezifische Person mit einem klaren Ziel, dessen Bedürfnisse die Benutzeroberfläche bestimmen. Es wird erklärt, wie man Einschränkungen definiert, ohne dem Agenten die Tools vorzuschreiben. Am Ende dieses Schrittes steht eine PRD-Markdown-Datei, die durch einen interaktiven KI-Prompt erstellt wird und als Basis für alles Weitere dient.

Nach der PRD-Erstellung folgt die Umwandlung in eine Frontend-Struktur mittels eines Layer-Prompts. Dieser analysiert das Dokument und erstellt eine 'architecture.md', die Seiten, Modals und User Flows festlegt. Der Fokus liegt hierbei auf der Planung vor der Aktion, um Halluzinationen der KI im Kontextfenster zu vermeiden. Im Beispiel wird eine Community-Plattform mit Next.js und Supabase aufgebaut, die bereits nach Minuten funktionsfähig ist. Der Sprecher betont, dass solche Anpassungen früher Tage gedauert hätten, während sie jetzt fast in Echtzeit erfolgen.

Ein kritischer Punkt ist das visuelle Erscheinungsbild der KI-generierten Interfaces. Um hochwertige Ergebnisse zu erzielen, wird die Nutzung eines speziellen 'Frontend-Skills' von Anthropic empfohlen. Dieser sorgt dafür, dass die Prototypen professionell aussehen und direkt dem Kunden präsentiert werden können. Obwohl die App in diesem Stadium nur Mock-Daten verwendet, ist sie funktional voll einsatzbereit für ein erstes Feedback. Diese Vorgehensweise erlaubt es, schnell ein 'Ja' oder 'Nein' vom Kunden einzuholen, bevor die tiefe technische Integration beginnt.

Der Übergang zum Backend erfolgt durch die Analyse des Frontend-Codes, um eine API-Spezifikation abzuleiten. Für die meisten Projekte reicht ein Next.js-Backend aus, während Python nur für spezielle Bibliotheken nötig ist. Durch den Einsatz des Supabase-MCP (Model Context Protocol) wird die Erstellung von Tabellen und Migrationen fast vollständig automatisiert. Der Agent kann SQL-Queries direkt ausführen, ohne dass der Entwickler manuell eingreifen muss. Dies vereinfacht die Komplexität der Integration zwischen Frontend und Datenbank erheblich.

Im letzten Schritt werden komplexe Aufgaben wie Zahlungsabwicklung und Authentifizierung über Cloud-Agenten auf Plattformen wie OZ gelöst. Diese Agenten bauen die Backend-API-Ebene eigenständig auf, was im gezeigten Beispiel etwa 15 Minuten dauerte. Damit ist die Anwendung bereit für den Einsatz von Stripe oder Google-Auth und kurz vor dem Go-Live. Zum Abschluss bietet der Sprecher ein kostenpflichtiges Workflow-Template in AI Labs Pro an. Das Video endet mit einer Zusammenfassung der gezeigten Prompts und einem Dank an die Zuschauer.