Dieser SFEIR-Artikel formalisiert einen KI-gesteuerten Software-Entwicklungszyklus in elf Phasen (0 bis 10) und argumentiert, dass die Branche sich auf diese Art von Modell zubewegt. Ausgangspunkt ist eine Diagnose: 2025 setzten Organisationen KI-Tools ein, ohne ihr Betriebsmodell zu transformieren, was ein Paradox erzeugte, das in der Formel „alles ändert sich… und nichts ändert sich" zusammengefasst wird — die Ausführungsgeschwindigkeit vervielfacht sich ohne einen proportionalen Gewinn. Die eigentliche Herausforderung besteht daher nicht in der Wahl der richtigen Werkzeuge, sondern darin, den Software-Lebenszyklus selbst für eine maschinengeführte Ausführung neu zu denken.
Der SFEIR-Zyklus reiht aneinander: 0 Setup (Stack-Erkennung, Initialisierung des Projektgedächtnisses), 1 Define (Spezifikation — menschliches Gate), 2 Plan (Architekturentscheidung — menschliches Gate), 3 Build (agentengesteuerte Entwicklung), 4 Verify (automatisierte Tests und Coverage), 5 Review (vier parallele Audits: Code, Sicherheit, Tests, Performance), 6 Compound-1 (Erfassung von Erkenntnissen vor der Bereitstellung), 7 Ship (Produktionsabnahme — menschliches Gate), 8 Ops (Monitoring und Rollback), 9 Compound-2 (Erkenntnisse aus dem Laufzeitbetrieb) und 10 Deprecation (Ausmusterung und Kapitalisierung). Drei unverrückbare menschliche Gates — Define, Plan, Ship — rahmen eine Reihe ansonsten automatischer Phasen ein; zwei Compounding-Momente (Compound-1 und Compound-2) wandeln Erkenntnisse in wiederverwendbare Regeln um, die in die nachfolgenden Zyklen einfließen.
Drei Prinzipien strukturieren den Ansatz. Erstens: KI führt aus, sie assistiert nicht: Agenten erzeugen über ganze Phasen hinweg vollständige Artefakte (Code, Tests, Dokumentation), und eine Proof-of-Execution-Disziplin erfasst die tatsächlichen Ergebnisse — das System vertraut den Angaben des Agenten nie. Zweitens: der Mensch behält die Kontrolle über die Absicht durch die drei Gates: Der Mensch entscheidet, was gebaut wird, die Maschine optimiert die Ausführung. Schließlich: das System lernt kumulativ, jeder Zyklus bereichert den nächsten.
Die angeführten Ergebnisse stützen die These: ein Redesign einer Unternehmenswebsite, das von sechs Monaten auf einen Tag verkürzt wurde, −30 % der Korrektur-Iterationen nach zehn Zyklen (ein zweimal gemeldeter Bug wird zu einer automatisierten Regel), Reviews aus vier parallelen Blickwinkeln, Augmentierungskosten von etwa 10 €/Stunde sowie ein Ziel von 850 vollständig KI-augmentierten Consultants bis Ende 2026.
Der Artikel behauptet eine branchenweite Konvergenz mit dem ADLC (zwei Gates, „Absicht wird genau zweimal verifiziert"), dem Google-Whitepaper zum neuen SDLC (41 % KI-Code, 85 % der Entwickler auf Agenten) und DORA 2025 (KI als „Verstärker"). Abschließend grenzt er geeignete Anwendungsfälle ab (Back-Offices, APIs, Migrationen, automatisch verifizierbare Ergebnisse) von ungeeigneten (uneingeschränktes neuartiges Design, sicherheitskritische Systeme, die auf Standards warten, ungovernte Datenumgebungen) und empfiehlt, mit einem strengen Spezifikations-Gate und Ausführungsnachweis zu beginnen. Erster Teil einer siebenteiligen Serie.