„Durch die präzisen Spezifikationen verlief die anschließende Implementierung überraschend schnell.“
Kunden validieren sie, Analysten schreiben sie, Engineers generieren daraus, Tester prüfen sie. Anforderungen, KI-Generierung, Business Review, wiederholen.
Use Cases beschreiben das System in Ihrer Sprache, nicht in Code. Sie lesen und validieren sie in AI Unified Studio, direkt aus dem Projekt, und jede Iteration endet mit einem Business Review. Abnahmetests folgen denselben Use Cases, die Sie freigegeben haben.
Sie verantworten: Vision, Geschäftsprozesse, Abnahme
Sie schreiben Vision, Anforderungen, Entity-Modell und Use Cases in einem Format, das Stakeholder, Engineers und KI-Agenten gleichermassen lesen. KI entwirft, Sie verantworten. Code, Tests und Dokumentation werden aus Ihren Spezifikationen generiert und bei Änderungen regeneriert.
Sie verantworten: Anforderungen, Entity-Modell, Use Cases
Architekturentscheide leben im Stack-Plugin, nicht im Kopf Einzelner. Open-Source-Agent-Plugins generieren die Anwendung aus den Use Cases, in Claude Code, Codex, Cursor oder Copilot; Sie prüfen den Pull Request, schärfen die Spezifikation und regenerieren. Für neue Projekte und für die Modernisierung bestehender Systeme.
Sie verantworten: Architektur, Stack-Plugin, generierter Code
Testfälle sind End-to-End-Journeys durch die spezifizierten Use Cases, samt Testdaten vor der Implementierung geschrieben. Ein Befehl macht aus einem Testfall einen Playwright-Test, ein Coverage-Check findet Use Cases ohne Tests, und der AI Unified Process Navigator, das Plugin für IntelliJ und VS Code, führt jeden Test auf seinen Use Case zurück.
Sie verantworten: Testfälle, Abdeckung, Nachverfolgbarkeit
Code-zentrierte Entwicklung führt zu Wartungsproblemen, behindert die Modernisierung und verursacht Geschäftsfehlausrichtung.
Traditionelle Entwicklung ist code-zentriert. Anforderungen veralten, Dokumentation driftet ab, und wenn Fehler auftreten, graben wir uns durch den Code, um zu verstehen, was das System tun sollte.
KI-Coding-Tools verschlimmern dies indem sie Code schneller generieren, ohne die zugrunde liegenden Prozessprobleme zu lösen. Selbst Spec-Driven-Tools nutzen die Spezifikation meist, um den Code zu beschreiben, den ein Entwickler gleich schreibt; der Code bleibt das eigentliche Artefakt, die Spezifikation ist nur ein Mittel, ihn zu erzeugen.
AI Unified Process dreht das um. Anforderungen bleiben im Zentrum, und alles andere wird daraus generiert, wobei KI als Konsistenz-Engine fungiert.
Iterative Verbesserung: Durch kurze Iterationen verbessern sich Spezifikationen, Code und Tests gemeinsam. Dokumentation ermöglicht nachhaltige Entwicklung und Modernisierung.
Test-getriebene Konsistenz: Tests stellen sicher, dass sich das System unabhängig von Code-Generierungsänderungen gleich verhält und ermöglichen sicheres Refactoring und Evolution.
In den meisten Spec-Driven-Tools schreiben Entwickler Spezifikationen, die den Code beschreiben. Die Spezifikationen des AI Unified Process beschreiben das Verhalten des Systems, damit Kunden sie validieren, Analysten sie verantworten, Engineers daraus bauen und Tester dagegen prüfen können. Der Code ist nur die aktuelle Implementierung.
Entwicklerzentriert per Design. Spezifikationen werden von Entwicklern geschrieben, um den Code zu beschreiben: ein ausgefeilter Prompt für die Implementierung eines einzelnen Features, der faktisch verworfen wird, sobald der Code ausgeliefert ist.
Die Spezifikation dient dem Code: der Code bleibt die Quelle der Wahrheit, die Spezifikation verfällt mit der Auslieferung, und Anforderungswissen verlässt das Entwicklungsteam nie.
Anforderungszentriert von Anfang an. Use Cases spezifizieren das Verhalten des Systems: was es tun muss, nicht wie der Code es tut. Sie sind vollwertige, lebende Artefakte: geschrieben von Business Analysts und Requirements Engineers, validiert von Kunden und Endbenutzern, umgesetzt von Engineers und geprüft von Test Engineers.
Der Code dient der Spezifikation: das Verhalten ist die Quelle der Wahrheit; Code, Tests und Dokumentation werden drumherum generiert und regeneriert. Use Cases überleben jede Implementierung.
Spec-anchored, nicht spec-first: die Spezifikation bleibt über die Lebensdauer des Systems im Repository. Die Einordnung in die drei Ebenen von Spec-Driven Development.
Auch Entwickler gewinnen: «Zum ersten Mal hatte ich das Gefühl, dass die Kontrolle an mich als Entwickler zurückgegeben wurde.» Marc Affolter, alle Stimmen aus der Praxis.
Der Name ist Absicht. Der Unified Process der späten 1990er hatte die Grundlagen richtig: Use Cases als zentrale Artefakte, vier Phasen, kurze Iterationen, Architektur zuerst. Was ihm fehlte, war ein Weg, Spezifikation, Code und Tests synchron zu halten, sobald das Projekt lief. Genau das kann KI gut.
Zwei Wege, die Methode in der Tiefe zu lernen. Workshops finden Sie unter Loslegen.
From Specs to Code with AI Agents. Der praxisnahe Leitfaden von Simon Martinelli, der zeigt, wie Spezifikationen zur zentralen Quelle der Wahrheit für Code, Tests und Validierung werden, aufbauend auf dem AI Unified Process.
Use Cases schreiben für Stakeholder, Entwickler und KI-Agenten: das Spezifikationsformat im Zentrum des AI Unified Process, in elf kurzen Kapiteln mit Vorlage, Beispiel und Checklisten.
Der AI Unified Process ist für uns bei der WBS GRUPPE die ideale Methode, um bestehende Produkte strukturiert zu analysieren und weiterzuentwickeln. Indem Anforderungen und Use Cases konsequent im Mittelpunkt stehen, behalten wir auch in einer etablierten Codebasis die volle Kontrolle. Besonders bemerkenswert: Durch die präzisen Spezifikationen verlief die anschließende Implementierung überraschend schnell. Ein hocheffizienter Rahmen für die agile Softwareentwicklung im KI-Zeitalter.
Mit AIUP haben wir unsere interne B2B-Verkaufsapplikation in einem Bruchteil der Zeit umgesetzt, die ich erwartet hatte, inklusive der Schnittstellen zu unserem in die Jahre gekommenen System für die Verwaltung der Produktlizenzen. Wir haben unsere alten, manuell gepflegten Word-Angebote und Verkaufsabrechnungen analysieren und in Markdown spezifizieren lassen, und es war verblüffend zu sehen, wie perfekt die generierten PDFs aussahen und wie alle Berechnungen automatisch stimmten. Die Spezifikationen haben das Ganze getragen. Jetzt können wir Funktionalität Schritt für Schritt aus diesem schwer wartbaren Legacy-System herauslösen.
Ich habe AIUP sowohl für ein Greenfield- als auch für ein bestehendes Brownfield-Projekt eingesetzt. Beides hat funktioniert, und beide Ansätze waren ebenso effizient wie unterhaltsam. Vor allem hatte ich beim Agentic Engineering zum ersten Mal das Gefühl, dass die Kontrolle an mich als Entwickler zurückgegeben wurde: ein Gefühl, das ich vermisst hatte, seit ich die AI-Prompting-Phase hinter mir gelassen und mich ins 'Vibe-Coding' gewagt hatte. Da der Tech-Stack aiup-vaadin-jooq für mein bestehendes Brownfield-Projekt nicht in Frage kam, trage ich mit dem Plugin aiup-angular-jpa zu AIUP bei.
Mit AIUP und Claude Code Software zu bauen macht richtig Spass. So sind zwei Projekte in Rust entstanden: AudioSnip, eine Cross-Platform-Desktop-App mit Tauri 2, um Audio aus Videodateien zu extrahieren, und Konzertmeister CLI, ein Tool für die Konzertmeister-API. Beides liess sich dank Claude Code auch gleich als Homebrew Tap verpacken, sodass ich die Tools direkt mit brew install auf dem Mac installieren kann. Zusammen mit Claude Code Specs schreiben, implementieren, testen: coole Sache. Und man versteht hinterher sogar noch, was der Code tut.
Mit AIUP und Spec-Driven Development habe ich innerhalb von drei Kalendertagen (bei rund vier bis fünf Stunden reiner Arbeitszeit) ein fertiges Produkt entwickelt: deckweaver. Aus einer zweisätzigen README hat Claude Code Anforderungen und Use Cases erzeugt, die exakt dem entsprachen, was ich wollte. Den Rest (OAuth-Anbindung, Google Slides API, Thymeleaf-Frontend) hat Claude Code ohne Probleme übernommen. Ich bin wirklich begeistert.
Wählen Sie einen Faden: das Studio, die Methodik, die Enterprise-Geschichte, die Videos, die Werkzeuge oder die Artikel.
Der Web-Arbeitsplatz für alle Stakeholder: strukturierte Editoren für Anforderungen, Use Cases und Tests, direkt aus Ihrem Git-Repository. Private Beta, auf Einladung.
Vier agile Phasen, zwei Workflows (Greenfield und Brownfield), sechs Grundprinzipien und der iterative Ansatz, der den Determinismus-Trugschluss ersetzt.
Governance und Nachverfolgbarkeit, Brownfield-Modernisierung, parallele Team-Skalierung, risikogesteuerte KI-Evolution und Wissen, das Teams überdauert.
Konferenzvorträge, Walkthroughs und Methodik-Übersichten, die den AI Unified Process und spezifikationsgetriebene Entwicklung in der Praxis zeigen.
Open-Source-Plugins für Claude Code, Codex, Cursor und Copilot, plus der AI Unified Process Navigator für IntelliJ und VS Code, der Use-Case-Spezifikationen mit ihren Tests verknüpft.
Kuratierte Beiträge zu spezifikationsgetriebener Entwicklung, Requirements Engineering, KI-tauglichen Architekturen und der Methodik des AI Unified Process.
Die Fragen, die wir von Kunden, Analysten, Engineers und Testern am häufigsten hören.
Nein. Der Prozess beginnt mit einer Vision, Geschäftsprozessen, Anforderungen und Use Cases in Klartext. Kunden und Endbenutzer validieren sie, Business Analysts und Requirements Engineers verantworten sie, und Engineers generieren und testen die Anwendung daraus. AI Unified Studio gibt nicht-technischen Stakeholdern eine Sicht auf das Projekt, ohne Repository-Checkout.
Die Projektübersicht in AI Unified Studio →Nein. Die Plugins sind Skill-Dateien nach den offenen Standards Agent Skills und Agent Plugins. Sie laufen in Claude Code, OpenAI Codex CLI, Cursor, GitHub Copilot, Gemini CLI und OpenCode und lassen sich mit Tessl für jedes dieser Tools installieren. Das Tutorial verwendet Claude Code als Beispiel; die Befehle und die generierten Dateien sind in jedem Tool dieselben.
Die Plugins mit anderen KI-Coding-Tools nutzen →Use Cases, die beschreiben, was das System tut, in seiner Sprache, mit generierten Diagrammen und dem aktuellen Status. Jede Iteration endet mit einem Business Review genau dieser Use Cases, und Abnahmetests folgen ihnen eins zu eins. Was freigegeben wurde, wird gebaut, und was gebaut wurde, wird getestet.
Die vier Phasen und der Business Review →Das Core-Plugin ist stack-unabhängig; die Code-Generierung kommt aus Stack-Plugins. Heute: Vaadin mit jOOQ, Angular mit JPA, Blazor mit .NET und NestJS mit Next.js. Die Plugins laufen in Claude Code, OpenAI Codex CLI, Cursor, GitHub Copilot, Gemini CLI und OpenCode; die Skills folgen den offenen Standards Agent Skills und Agent Plugins.
Alle Plugins auf der Werkzeuge-Seite →Ja. Der Brownfield-Workflow leitet zuerst Use Cases, Entity-Modell und Testfälle aus dem bestehenden Code ab, damit die Spezifikation die Realität einholt. Ab dann laufen Änderungen, neue Features und Fehlerbehebungen über die Use Cases, und Funktionalität kann Schritt für Schritt aus dem Altsystem herausgelöst werden.
Greenfield vs. Brownfield →Die Agent-Plugins und der AI Unified Process Navigator sind Open Source und kostenlos. AI Unified Studio ist in privater Beta: Zugang auf Einladung, die kostenlose Testphase startet mit der Einladung, der Preis wird zur allgemeinen Verfügbarkeit bekannt gegeben. Das Buch verkauft Apress; der Guide ist gratis.
Studio-Einladung anfragen →In Ihrer eigenen Umgebung. Alle Artefakte liegen in Ihrem Git-Repository. Die Plugins laufen in der Sitzung Ihres Coding-Agenten; das Studio stösst die Generierung in der CI Ihres eigenen Repositories an, und das Ergebnis kommt als Pull Request. Ihr KI-Zugangstoken liegt ausschliesslich als Secret bei Ihrem Git-Provider, nie im Studio.
So läuft die Generierung in Ihrer CI →Die guten Teile davon, ja. Der AI Unified Process behält die vier Phasen, die Use Cases und die kurzen Iterationen des Unified Process und lässt den Artefakt-Katalog, die Rollenbeschreibungen und die Zeremonie weg. Was ihn heute funktionieren lässt: KI hält Spezifikation, Code und Tests konsistent, also genau den Teil, den der ursprüngliche Prozess nur von Menschen von Hand verlangen konnte.
Woher der Name kommt →Wählen Sie den, der zu Ihrem Team passt. Alles beginnt mit denselben Artefakten: Vision, Anforderungen, Entity Model, Use Cases, Testfälle. Die Frage ist nur, wie viel Unterstützung Sie auf dem Weg wollen.
Plugins installieren, dem Tutorial folgen und noch heute die erste Anwendung aus einem Use Case bauen. Alles bleibt in Ihrem Git-Repository.
Spezifikationsgetriebene Entwicklung mit dem AI Unified Process
Bringen Sie Analysten, Engineers und Tester in einen Workshop. Sie gehen mit einem Use-Case-Katalog für Ihr eigenes Produkt und einer generierten ersten Iteration nach Hause.
CHF 4'400 pro In-house-Tag, bis 10 Personen · Online-Session ab $290
Zum Workshop Alles zum Workshop →Für Teams, in denen auch Kunden und Analysten an den Spezifikationen arbeiten sollen. AI Unified Studio gibt jedem Stakeholder eine Sicht auf das Projekt ohne Repository-Checkout, und die Generierung läuft in Ihrer eigenen CI.
Nicht sicher, welcher Weg passt? Buchen Sie ein 30-minütiges Gespräch, dann finden wir es gemeinsam heraus.
Updates zum AI Unified Process: Methodik, Werkzeuge und Workshop-Termine. Kein Spam.
