00:00:00AI-Coding-Frameworks schießen wie Pilze aus dem Boden, und jedes von ihnen behauptet,
00:00:04die beste Lösung für die Entwicklung mit Agenten zu sein.
00:00:05Doch der beste Weg, mit Agenten zu arbeiten, hängt nicht allein vom gewählten Framework ab.
00:00:09Es gibt andere Faktoren, die oft vergessen werden, was zu Frust führt, wenn das Framework
00:00:14nicht zum Projekt passt.
00:00:15Das ist aber nicht das Problem des Frameworks, sondern ein Auswahlproblem.
00:00:18Jedes Framework funktioniert gut für den Anwendungsfall, für den es entworfen wurde,
00:00:22und es gibt hier keine Einheitslösung.
00:00:23Unser Team hat auf diesem Kanal schon früher über AI-Coding-Frameworks berichtet, aber vor Kurzem
00:00:28sind wir auf eines gestoßen, das in letzter Zeit stark an Bedeutung gewinnt.
00:00:31Wir machen dieses Video nicht, weil es einfach nur ein weiteres "bestes Framework" ist,
00:00:35das euch dazu bringen soll, die anderen aufzugeben.
00:00:37Sondern weil es sich in unseren Tests als wirklich anders erwiesen hat und Anwendungsfälle abdeckt,
00:00:41die andere Frameworks nicht bedienen.
00:00:43Wir haben bereits mehrere Frameworks wie BMAD und Superpowers in früheren Videos behandelt.
00:00:48Die falsche Wahl bedeutet entweder Over-Engineering oder mangelnde Vorbereitung.
00:00:51Heute schauen wir uns das Framework GSD an – kurz für "Get Shit Done" – und
00:00:56ihr werdet schnell verstehen, warum.
00:00:57Am Ende dieses Videos werdet ihr wissen, welches Framework wann einzusetzen ist, beginnend
00:01:00mit dem ersten: GSD.
00:01:02GSD nutzt man, wenn man noch nicht genau weiß, was man bauen will, und nicht alles vorab planen möchte,
00:01:06da sich die Anforderungen in Zukunft noch ändern könnten.
00:01:09Das bedeutet nicht, dass man überhaupt keinen Plan hat.
00:01:11Es bedeutet vielmehr, dass das Produkt in jedem Schritt viel Experimentierfreude erfordert.
00:01:15Das ist ideal, um so schnell wie möglich MVPs für experimentelle Projekte
00:01:19zu entwickeln.
00:01:20GSD fragt zwar nach einem groben Rahmen, aber im Gegensatz zur BMAD-Methode
00:01:25legt es einen nicht fest.
00:01:26Basierend auf dem ersten Entwurf wird jeder Implementierungsschritt einzeln geplant.
00:01:30Man ist also nicht an spätere Phasen gebunden, da diese noch nicht
00:01:34vom System im Detail vorab geplant wurden.
00:01:35Wenn ihr also eine maßgeschneiderte Lösung baut, die es so noch nie gab, wäre
00:01:39GSD die bessere Wahl.
00:01:41Nehmen wir an, ihr baut einen On-Screen-Interview-Assistenten wie Cluely.
00:01:45Dabei müsst ihr viele Dinge klären, etwa wie die User Experience aussehen soll
00:01:50oder wie man verhindert, dass Screen-Sharing-Plattformen das Tool bemerken.
00:01:54Vieles erfordert Experimente, die man vor der eigentlichen Planung nicht festlegen kann.
00:01:59BMAD hingegen verfolgt den genau entgegengesetzten Ansatz.
00:02:02Es ist ein Schritt-für-Schritt-Framework, das eine gründliche Dokumentation für jede Phase erstellt,
00:02:06bevor irgendetwas implementiert wird.
00:02:07Man muss schon zu Beginn genau wissen, was man baut. Und es ist nicht so,
00:02:11dass das System dabei scheitert.
00:02:12Es verfügt über eine komplette Forschungsabteilung als Modul, in die der Erfinder von BMAD
00:02:17das gesamte Wissen über Rollen wie Business-Analysten und Design-Thinker gesteckt hat,
00:02:21um sicherzustellen, dass das Produkt aus allen Winkeln durchdacht wird.
00:02:25Alles ist jedoch vorab geladen, und darauf basierend erstellt man das PRD und die Architektur-Dokumente.
00:02:30Daraus ergeben sich dann kleinteilige Aufgaben, die das Implementierungsteam
00:02:34einfach nur abarbeiten muss.
00:02:35Als wir unser Video zum BMAD-System machten, lobten wir es für seine Stringenz.
00:02:39Das System ist durch die Prompts so stabil gebaut, dass es dem Agenten kaum erlaubt,
00:02:43von den Aufgaben abzuweichen.
00:02:44Über einen längeren Zeitraum haben wir jedoch bemerkt, dass das System instabil wird,
00:02:48sobald sich Anforderungen ändern. Selbst die besten Modelle
00:02:52übersehen dann oft kleine Details bei der Anpassung.
00:02:56Ein weiterer Kritikpunkt ist die lange Planungszeit, bevor die eigentliche
00:03:00Implementierung beginnt. Aber das liegt daran, dass es für solche Projekte
00:03:04einfach nicht gedacht ist.
00:03:05Man sollte es nutzen, wenn die Anforderungen absolut feststehen und man eine
00:03:09lückenlose Systemarchitektur wünscht, da alle Spezifikationen eng miteinander verknüpft sind.
00:03:14Oder wenn man Standard-Systeme bauen will, wie eine CRM-Lösung für einen Kunden
00:03:19oder eine eigene Community-Plattform.
00:03:21Superpowers wiederum basiert auf TDD (Test-Driven Development). Der Kernpunkt dieser Ideologie ist,
00:03:25dass man genau weiß, was man entwickelt.
00:03:26TDD ist wichtig, wenn die Kosten für einen übersehenen Edge-Case zu hoch sind.
00:03:30Damit ist keine einfache Stripe-Integration in Next.js gemeint, sondern eher so etwas
00:03:34wie eine agentische Plattform, auf der KI-Agenten im Namen der Nutzer handeln,
00:03:39und eine falsche Aktion nicht rückgängig gemacht werden kann oder zu teuer wäre.
00:03:41In Bezug auf die Nutzbarkeit ähnelt es GSD, da die Planung Feature für Feature
00:03:46auf Basis eines groben Projektumrisses erfolgt.
00:03:49Da Tests jedoch zuerst generiert werden, bleibt wenig Raum für Experimente,
00:03:53und es ist nicht ideal für Projekte, die eine komplette Vorab-Planung erfordern.
00:03:57Was man aber tun kann, falls ein Projekt beide Bereiche berührt:
00:04:02Man kann eine erste Version mit GSD umsetzen, bis die Kernfunktionalität steht,
00:04:06und dann für den Rest der App auf Superpowers umsteigen.
00:04:10Wir haben separate Videos zu Superpowers und zur BMAD-Methode, die wir
00:04:15unten in der Beschreibung verlinken, falls ihr mehr darüber erfahren wollt.
00:04:19GSD wurde auch entwickelt, um "Context Rot" zu verhindern. Es nutzt Sub-Agenten,
00:04:23startet separate Prozesse für isolierte Aufgaben und hält den Kontext des Hauptagenten sauber,
00:04:28damit dieser sich ohne Abschweifungen auf das Wesentliche konzentrieren kann.
00:04:31Die meisten KI-Coding-Agenten unterstützen mittlerweile Sub-Agenten, daher ist es egal,
00:04:35ob ihr Claude Code hiermit verwendet oder nicht.
00:04:37Aber Claude hat vor Kurzem ein Update erhalten: das neue Opus 4.6 mit einem
00:04:42Kontextfenster von 1 Million Token.
00:04:43Viele Techniken zum aktiven Kontext-Management, die wir auf diesem Kanal gelehrt haben,
00:04:46verlieren dadurch an Bedeutung.
00:04:49Zur Installation kopiert ihr den Befehl und fügt ihn in euren Projektordner ein,
00:04:53in dem ihr gerade arbeitet.
00:04:54Wählt dann aus, für welchen Agenten ihr es installieren wollt.
00:04:57In meinem Fall war es Claude, also habe ich es dafür installiert.
00:04:59Danach müsst ihr entscheiden, welchen Umfang die Installation haben soll.
00:05:02Ich bevorzuge die Projekt-Ebene, da jedes Projekt ein anderes Framework nutzen kann.
00:05:06So bleibt die Konfiguration auf das jeweilige Projekt beschränkt.
00:05:10Da wir Next.js für den Build verwendeten, haben wir es in unserem neu initialisierten Projekt installiert.
00:05:15Nach der Installation erscheint das GSD-Framework in eurem .claud-Ordner in Form von
00:05:19Agenten, Befehlen und Hooks.
00:05:21Wenn ihr nicht Claude nutzt, werden sie im Ordner .agent im Root-Verzeichnis gespeichert.
00:05:26Es gibt mehrere Agenten für spezifische Aufgaben, aber im Gegensatz zu normalen
00:05:30Markdown-Prompts ist alles im XML-Format strukturiert – und das mit Absicht.
00:05:34Claude-Modelle arbeiten bekanntlich besser mit XML-formatierten Anweisungen,
00:05:39da sie die Struktur so leichter parsen können. Es ist also eine Performance-Optimierung
00:05:43für den jeweiligen Agenten.
00:05:44Bevor wir weitermachen, ein kurzes Wort von unserem Sponsor Genspark.
00:05:48Die meisten Leute schlagen sich derzeit mit mehreren KI-Abos herum und zahlen einzeln für
00:05:52ChatGPT, Claude und diverse Medien-Tools.
00:05:55Genspark ist ein All-in-One-KI-Workspace, der in nur 11 Monaten 200 Millionen Dollar ARR erreicht hat,
00:06:02indem er alles in einem einzigen Abo bündelt.
00:06:03Es nutzt ein Super-Agenten-System, um das beste Modell für jede Aufgabe zu wählen.
00:06:07Es übernimmt euren gesamten Workflow, vom Erstellen von KI-Präsentationen und automatisierten Tabellen
00:06:12bis hin zur Medien-Generierung und sogar echten Telefonaten mit dem "Call for me"-Feature.
00:06:16Ihr könnt eure Recherchen sogar in KI-Podcasts umwandeln, um sie unterwegs zu hören.
00:06:20Und mit Speakly wird eine 15-minütige Aufnahme sofort in 3.000 Wörter perfekten Text verwandelt.
00:06:26Das Verrückteste daran?
00:06:27Genspark bietet das ganze Jahr 2026 über unbegrenzte KI-Chat- und Bild-Funktionen.
00:06:31Nano Banana 2, GPT-Image, Flux, Seedream, Gemini 3.1 Pro, GPT 5.2, Claude Opus 4.6 und weitere
00:06:40Top-Modelle sind alle mit unbegrenztem Zugriff enthalten.
00:06:43Klickt auf den Link im angepinnten Kommentar, um mit Genspark durchzustarten.
00:06:46Um GSD zu nutzen, verwendet ihr diesen neuen Projekt-Befehl.
00:06:50Nach Ausführung des Befehls begann der Agent gemäß dem Initialisierungs-Prompt zu arbeiten
00:06:54und erkundete zuerst die Codebasis.
00:06:56Da ich die Next.js-App bereits vorbereitet hatte, bemerkte er den Code
00:07:01und fragte, ob er die vorhandene Codebasis zuerst analysieren soll.
00:07:04Wir sagten ihm, er solle das Mapping überspringen, um Zeit zu sparen.
00:07:06Bei einem bestehenden Projekt wäre es besser, die Codebasis zuerst mappen zu lassen,
00:07:11aber da es nur ein leeres Template war, habe ich es übersprungen.
00:07:14Danach werdet ihr nach der App-Idee gefragt, an der ihr arbeiten wollt.
00:07:18Daraufhin stellt das System viele Fragen zur Zielgruppe, zu den Features,
00:07:22zum Projektumfang und mehr.
00:07:24Aber diese Frage-Antwort-Runde bei GSD unterscheidet sich deutlich von der bei Superpowers.
00:07:29Superpowers versucht in dieser Phase, direkt Edge-Cases aus euch herauszukitzeln.
00:07:32GSD tut das nicht. Es konzentriert sich darauf zu verstehen, was gebaut werden soll,
00:07:38statt zu testen, wie es kaputtgehen könnte.
00:07:39Sobald genug Infos gesammelt sind, wird die project.md im Ordner .planning erstellt.
00:07:43Sie enthält die Beschreibung, was nicht dazugehört, Kontextbeschränkungen und
00:07:48wichtige Entscheidungen, die aus der Befragung abgeleitet wurden.
00:07:50Hier zeigt sich die Vermeidung von "Context Rot" in der Praxis.
00:07:54Die project.md wird bewusst kurz und fokussiert gehalten, damit die Agenten nicht
00:07:59vom Ziel abkommen oder in der Dokumentation versinken.
00:08:01Die Arbeit wird über Git verfolgt, aber es ist kein simpler Git-Commit.
00:08:05Im Hintergrund läuft ein Skript, das Prüfungen durchführt, bevor es committet.
00:08:10So wird sichergestellt, dass alles den Standards entspricht, bevor Git zum Einsatz kommt.
00:08:12Nach der Planung wechselte GSD in die Forschungsphase.
00:08:16Es startet mehrere Agenten, die parallel verschiedene Aspekte der App im Hintergrund
00:08:20untersuchen.
00:08:21Sobald die Forschung abgeschlossen ist, tritt der Research-Synthesizer-Agent in Aktion.
00:08:24Da diese Agenten darauf getrimmt sind, die passenden Modelle zu nutzen,
00:08:29verwendet der Synthesizer das Sonnet-Modell statt des schwerfälligeren Opus.
00:08:32GSD hat eine Zuweisung, die jeden Sub-Agenten je nach Arbeitslast dem richtigen Modell zuordnet,
00:08:36um keine Ressourcen zu verschwenden.
00:08:39Er fasst die Ergebnisse zusammen und markiert potenzielle Probleme oder Dinge,
00:08:44auf die man langfristig achten sollte.
00:08:46Nach der Synthese beginnt die Anforderungsphase.
00:08:49Es werden gezielte Fragen zum MVP gestellt, um zu identifizieren, welche Features
00:08:55wirklich essenziell für Version 1 sind.
00:08:56Da GSD auf schnelle Lieferung fokussiert ist, enthält V1 nur das Nötigste.
00:09:01Nach Bestätigung des MVPs wird die Roadmap-Struktur generiert.
00:09:05Sobald ihr diese absegnet, ist die Projekt-Initialisierung abgeschlossen.
00:09:09Wenn euch unser Content gefällt, drückt gerne den Hype-Button.
00:09:14Das hilft uns, mehr solcher Videos zu produzieren und mehr Menschen zu erreichen.
00:09:17Nach der Initialisierung folgt nun die Implementierung des Plans.
00:09:22In der vorigen Phase wurde das Projekt basierend auf den Anforderungen in 4 Phasen unterteilt.
00:09:26Es gibt zwei Arbeitsweisen: Diskussionen überspringen oder mit Diskussionen fortfahren.
00:09:31Diskussion bedeutet in diesem Framework eine Fragerunde mit dem Agenten,
00:09:35um sicherzugehen, dass er den Plan richtig verstanden hat.
00:09:37Wir haben uns für die Diskussion entschieden, um die Anforderungen so weit wie möglich zu klären.
00:09:41Man kann sie aber auch überspringen, wenn die erste Fragerunde
00:09:45schon ausreichend war.
00:09:47Nach der Diskussion wird eine context.md im Phasen-Ordner innerhalb von
00:09:52.planning erstellt.
00:09:54Diese Datei enthält alle Details der Besprechung und ordnet sie der Phase zu,
00:09:58über die wir gerade mit dem Agenten gesprochen haben.
00:09:59Ganz nach der GSD-Philosophie ist auch diese Datei kurz gehalten,
00:10:04damit Claude sich auf das Wesentliche konzentrieren kann.
00:10:06Als Nächstes beginnt die Planung von Phase 1.
00:10:08Diese startet mit einer Recherche basierend auf der eben erstellten context.md.
00:10:13Ein spezieller Forschungs-Agent nutzt das Sonnet-Modell, um verschiedene Aspekte zu prüfen.
00:10:17Wir dachten eigentlich, er würde Context 7 nutzen oder die Dokumentation richtig durchsuchen.
00:10:21Stattdessen nutzte er die Websuche mit dem Jahr 2025 in den Suchbegriffen,
00:10:27was er eigentlich nicht tun sollte.
00:10:28Es wäre kontrollierter gewesen, hätten wir den Context 7 MCP verbunden,
00:10:32damit die Forschung fundierter ist.
00:10:33Achtet also darauf, solche MCPs für eine bessere Faktenbasis zu verbinden.
00:10:37Es wurde eine research.md erstellt, die alle Ergebnisse dokumentiert,
00:10:42inklusive eines Konfidenzniveaus, das zeigt, wie vertrauenswürdig die Quellen sind.
00:10:46Nach der Forschung wurde der eigentliche Plan erstellt.
00:10:48Dieser listet detailliert die Abhängigkeiten jeder Phase und alle Anforderungen
00:10:52mit entsprechenden IDs auf.
00:10:53Und hier ist der Punkt, an dem GSD sich unterscheidet: Statt den Plan einfach nur
00:10:57einseitig niederzuschreiben, wird er über mehrere Dimensionen hinweg kreuzverifiziert,
00:11:02um sicherzustellen, dass er implementierbar ist und mit den Zielen übereinstimmt.
00:11:06Es kommen separate Planungs- und Verifizierungs-Agenten zum Einsatz.
00:11:11Der Planer erstellt die Entwürfe, und der Verifizierer prüft sie und gibt Warnungen aus.
00:11:14Es findet also eine Art gegnerische Planung statt, ohne dass wir
00:11:19etwas manuell steuern müssen.
00:11:20Als der Plan final war und alle Prüfungen bestanden hatte, wurde er committet
00:11:24und in zwei Wellen unterteilt.
00:11:25Er wird in so viele Wellen wie nötig zerlegt und unabhängige Teile werden parallelisiert,
00:11:30damit Sub-Agenten sie gleichzeitig bearbeiten können.
00:11:33Der dedizierte Agent begann dann mit der Umsetzung der Projektwellen
00:11:37gemäß dem erstellten Plan.
00:11:38Danach wird der Checkpoint mittels Playwright-Tests verifiziert.
00:11:43Dabei werden Skripte erstellt, nach Gebrauch wieder gelöscht und diverse
00:11:47automatisierte Aufgaben im Hintergrund erledigt.
00:11:49Dann erhielten wir eine Zusammenfassung des Gebauten sowie Anweisungen,
00:11:53wie wir es selbst überprüfen können.
00:11:54Die erste Iteration baut die App erst einmal als Platzhalter auf, wobei alle
00:11:58Grundelemente sichtbar sind, um das Look-and-Feel zu zeigen.
00:12:01Weitere Iterationen bauen dann einen Aspekt nach dem anderen aus, bis am Ende
00:12:05des Zyklus die fertige App steht.
00:12:06Die gesamte Iteration verbrauchte 138.000 Token, was angesichts eines
00:12:121-Million-Token-Fensters eigentlich nicht viel war.
00:12:13Bei einem Agenten mit nur 200.000 Token würde das System signalisieren, dass es Zeit zum Komprimieren ist.
00:12:18Da GSD aber auf der Dokumentation der Phasen basiert, wüssten die Agenten selbst bei
00:12:23einem geleerten Kontext sofort wieder, wo sie anfangen müssen.
00:12:25Nach unserer Freigabe wurden mehrere Tests ausgeführt und Welle 2 als abgeschlossen markiert.
00:12:29Danach startete der GSD-Verifizierer erneut und prüfte, ob die Implementierung
00:12:34tatsächlich dem ursprünglichen Ziel entsprach.
00:12:36Nach der Verifizierung wurde Phase 1 inklusive aller Prüfungen abgeschlossen
00:12:41und wir wurden aufgefordert, mit der nächsten Phase fortzufahren.
00:12:43Nachdem wir die App durch alle Phasen geschleust hatten, waren die ursprünglichen
00:12:47Platzhalter-Features alle funktionsfähig und arbeiteten wie gewünscht.
00:12:49GSD eignet sich hervorragend für große Anwendungen mit vielen Features, ist aber
00:12:54völlig überdimensioniert für einfache Apps, die keinen so hohen Planungsaufwand brauchen.
00:12:59Für simplere Projekte reicht Claude oder jeder andere Agent allein völlig aus.
00:13:03Da braucht es diese tiefgreifende Planung nicht.
00:13:04Wer jedoch eine kontrollierte Ausführung mit ordentlicher Planung wünscht,
00:13:08ohne dabei zu viel Zeit zu verlieren, sollte definitiv zu GSD greifen.
00:13:11Das ist ein Framework, aber oft gibt es Anwendungsfälle, in denen die bestehenden
00:13:16Lösungen nicht ausreichen und man etwas Eigenes bauen muss.
00:13:18Dafür sollte man bestimmte Prinzipien kennen, bevor man mit dem Bau beginnt.
00:13:22Diese Prinzipien haben wir in einem früheren Video behandelt, das euch hilft, bessere Workflows zu erstellen.
00:13:26Ihr seht dieses Video wahrscheinlich gleich im Abspann, sodass ihr einfach darauf klicken könnt,
00:13:30statt danach zu suchen.
00:13:31Damit sind wir am Ende dieses Videos angelangt.
00:13:33Wenn ihr den Kanal unterstützen und uns helfen wollt, weiterhin solche Videos zu machen,
00:13:37könnt ihr das tun, indem ihr AI Labs Pro beitretet.
00:13:38Wie immer danke fürs Zuschauen und bis zum nächsten Mal!