Von der „Konversation“ zur „Orchestrierung“: Der Paradigmenwechsel der Softwareentwicklung hinter den dynamischen Workflows von Claude Code

In der letzten Woche wurde meine Twitter-Timeline förmlich mit den „Dynamic Workflows“ von Claude Code überflutet. Ganz gleich, ob es um technische Analyse, Best Practices oder Reflexionen über zukünftige Richtungen geht – alles kreist um dieses Thema. Als Softwareentwickler, der seit Jahren im Bereich KI-Tools arbeitet, habe ich das Gefühl, dass die Bedeutung, die dahintersteckt, weit über die bloße Veröffentlichung einer Funktion hinausgeht.

Was sind „Dynamic Workflows“?

Zunächst einmal: Was genau sind die „Dynamic Workflows“ von Claude Code? Einfach ausgedrückt, ermöglichen sie es Claude Code, nicht mehr nur einfache Frage-Antwort-Interaktionen auszuführen, sondern komplexe Aufgaben mithilfe eines vorab definierten Arbeitsablaufs zu orchestrieren. In diesem Arbeitsablauf kann definitiv festgelegt werden, wann welches Tool aufgerufen wird, wann welches Skript ausgeführt wird und wann der Benutzer zur Bestätigung aufgefordert wird.

Dies unterscheidet sich grundlegend von dem bisherigen Ansatz, bei dem man sich bei jedem Schritt auf die KI verließ, um „den nächsten Schritt zu erraten“.

// Ein vereinfachtes Beispiel für einen dynamischen Workflow
const workflow = {
  name: "Code-Review-Pipeline",
  steps: [
    { tool: "fetch", params: { target: "changed_files" } },
    { tool: "analyze", params: { depth: "extensive" } },
    { tool: "suggest", params: { format: "diff" } },
    { action: "await_user_confirmation" },
    { tool: "apply", params: { strategy: "safe" } }
  ]
};

Paradigmenwechsel: Von Gespräch zu Orchestrierung

Der Kern dieses Wandels ist ein grundlegender Wandel der Denkweise:

• Konversationsparadigma: Der Benutzer spricht, die KI antwortet; der Benutzer gibt erneut Hinweise, die KI korrigiert sich. Der gesamte Prozess basiert auf natürlicher Sprache und kontextuellem Verständnis.
• Orchestrierungsparadigma: Der Benutzer definiert den Arbeitsablauf, die KI führt ihn aus. Der Ablauf ist deterministisch, überprüfbar und wiederholbar.

Dies erinnert mich an den Übergang von imperativen zu deklarativen Programmierparadigmen in den Anfängen der Softwareentwicklung. Wir sind es gewohnt, jeden Schritt im Detail zu beschreiben; doch dann haben wir erkannt, dass es oft besser ist, die Absicht zu beschreiben und das System die Details ausführen zu lassen.

Von unbestimmt zu bestimmt

In konversationsbasierten Interaktionen ist die Ausgabe der KI probabilistisch – selbst wenn dieselbe Frage zweimal gestellt wird, können die Antworten unterschiedlich ausfallen. Dies ist in vielen Szenarien ein Vorteil, aber ein fataler Nachteil, wenn es um die Automatisierung komplexer Aufgaben geht.

Mit „Dynamic Workflows“ entspricht der Ausführungsprozess der KI einer vordefinierten Struktur. Diese Struktur ist ein Code, und Code ist deterministisch. Bei gleichem Input erzeugen wir mit hoher Wahrscheinlichkeit auch denselben Output.

Warum ist diese Veränderung wichtig?

1. Zuverlässigkeit (Reliability)

In Produktionsumgebungen ist Zuverlässigkeit entscheidend. Ein Konversationssystem, das bei jeder Interaktion unterschiedliche Ergebnisse liefert, kann nicht in eine CI/CD-Pipeline integriert werden. Ein deterministischer Workflow hingegen kann umfassend getestet, versioniert und zurückgesetzt werden.

2. Überprüfbarkeit (Observability)

Beim herkömmlichen Konversationsansatz ist es schwierig zu verstehen, was die KI „denkt“. Bei einem orchestrierten Workflow ist jeder Schritt klar definiert – wir können ausführliche Logs einsehen, nachvollziehen, wo der Flaschenhals liegt, und gezielt optimieren.

3. Wiederverwendbarkeit (Reusability)

Ein gut entworfener Workflow ist wie eine gut entworfene Funktion – du definierst ihn einmal und verwendest ihn dann unzählige Male. Dies schafft einen Akkumulationseffekt von Wissen. Als die Softwareentwicklung das Stadium der Bibliotheken erreichte, wurde sie zu einer Wissenschaft; die KI-Entwicklung braucht eine ähnliche Abstraktionsebene.

Auswirkungen auf die Softwareentwicklung

Als Entwickler denke ich, dass diese Veränderung weitreichende Auswirkungen auf unseren Berufsstand haben wird:

Der Aufstieg des „KI-Orchestrators“

Zukünftig benötigen wir möglicherweise nicht mehr nur „Prompt-Engineers“, sondern eher „KI-Orchestratoren“ – Personen, die komplexe Aufgaben in klar definierte Workflows zerlegen können. Diese Fähigkeit ähnelt der von Systemarchitekten, erfordert aber ein Verständnis für die Fähigkeiten und Grenzen von KI-Modellen.

Die Wiedergeburt der Versionskontrolle

Wenn KI-Aufgaben zu Code werden, werden auch Git und andere Versionskontrollsysteme zu Kernwerkzeugen des KI-Entwicklungsprozesses. Code-Review, Branching-Strategien, kontinuierliche Integration – diese Praktiken, die in der traditionellen Softwareentwicklung ausgereift sind, werden direkt auf die KI-Entwicklung übertragen.

Neudefinition der Teststrategie

Bei konversationsbasierten Systemen bestehen Tests hauptsächlich darin, die Qualität der Antworten manuell zu bewerten. Bei orchestrationsbasierten Systemen können wir automatisierte Tests einführen: Handelt es sich bei einer bestimmten Eingabe nach der Ausführung des Workflows um das erwartete Ergebnis? Diese Testbarkeit macht KI-Systeme reifer.

Aber es gibt auch Herausforderungen

Natürlich ist nicht alles eitel Sonnenschein. Ich sehe auch einige potenzielle Probleme:

• Flexibilitätsverlust: Deterministische Workflows sind möglicherweise nicht so flexibel wie freie Konversationen, wenn es um unerwartete Situationen geht.
• Over-Engineering-Risiko: Wir könnten in die Falle tappen, übermäßig komplexe Workflow-Definitionen zu erstellen, die das ursprüngliche Problem in den Schatten stellen.
• Lernkurve: Für Benutzer, die an Konversationen gewöhnt sind, ist das Erlernen der Definition von Workflows eine neue Lernhürde.

Ausblick

Ich glaube, dass „Dynamic Workflows“ nur der Anfang sind. Wenn KI-Modelle weiterhin exponentiell leistungsfähiger werden, werden wir möglicherweise Wasserzeichenlösungen sehen, bei denen KI selbst Workflows generiert und sie dann ausführt. Zu diesem Zeitpunkt wird die Rolle des Softwareentwicklers eher die eines „Validierers“ und „Definitionsgebers von Absichten“ sein.

Diese Paradigmenverschiebung erinnert mich an ein Zitat aus „Die Mythos des Softwareentwicklers“:

„Die größte Gefahr im Werkzeugbau ist nicht die mangelnde Werkzeugleistung, sondern das unbewusste Festhalten an alten Denkweisen beim Einsatz neuer Werkzeuge.“

Vielleicht sollten wir uns alle die Frage stellen: Wenn die KI bereits weiß, wie man Tanzschritte ausführt, warum sollten wir ihr dann weiterhin jeden Schritt beibringen? Vielleicht ist es an der Zeit, der KI die Choreografie des gesamten Stücks zu überlassen.