Wie AI meinen Coding-Workflow komplett übernommen hat
Stell dir vor, du wachst morgens auf, öffnest Discord und siehst: Drei neue Features wurden über Nacht entwickelt, getestet und als Pull Requests eingereicht. Kein Freelancer, kein Offshore-Team — sondern ein KI-System, das autonom arbeitet. Genau so funktioniert der AI AutoPilot, den ich für WonderNoir gebaut habe. Und er hat mittlerweile über 155 Pull Requests vollständig autonom erstellt, reviewed und gemerged.
Die Idee entstand aus einem simplen Problem: Als Solo-Entwickler, der mehrere Projekte gleichzeitig betreut, fehlt mir schlicht die Zeit, jeden Feature-Request, Bug-Fix und jede Optimierung selbst zu implementieren. Also habe ich ein System gebaut, das den gesamten Development-Lifecycle automatisiert — vom Issue bis zum Merge.
So funktioniert der AutoPilot im Detail: Alles beginnt mit einem GitHub Issue. Das kann manuell erstellt werden, aber meistens generiert der Idea-Generator — ein KI-Modul, das den aktuellen Codebase analysiert und Verbesserungsvorschläge macht — neue Issues automatisch. Jedes Issue wird mit Labels versehen: Feature, Bug, Optimization, Refactor. Ein Scheduling-System priorisiert die Queue basierend auf Impact und Komplexität.
Sobald ein Issue priorisiert ist, übernimmt der Coding Agent. Er klont den aktuellen Branch, analysiert die betroffenen Dateien, schreibt den Code, erstellt Tests und commited die Änderungen. Der Agent versteht den Kontext des Projekts — er kennt die Architektur, die verwendeten Libraries und die Code-Conventions. Das Ergebnis ist kein generischer Boilerplate, sondern Code, der sich nahtlos in den bestehenden Codebase einfügt.
Nach dem Commit erstellt der Agent einen Pull Request mit einer detaillierten Beschreibung: Was wurde geändert, warum, welche Dateien betroffen sind und welche Tests hinzugefügt wurden. Dann kommt der Review-Step: Ein separater KI-Agent reviewed den PR auf Code-Qualität, potenzielle Bugs, Performance-Implikationen und Konsistenz mit dem restlichen Code. Erst wenn der Review positiv ist, wird der PR als merge-ready markiert.
Der letzte Schritt läuft über Discord. Ein Bot postet eine Merge-Card in einen dedizierten Channel — mit einer Zusammenfassung der Änderungen, dem Review-Status und einem One-Click-Merge-Button. Ich kann den PR dort direkt approven, Feedback geben oder ablehnen. In der Praxis approve ich 90% der PRs ohne weitere Änderungen. Die restlichen 10% brauchen minimale Anpassungen.
Am Beispiel WonderNoir wird das richtig greifbar: Der AutoPilot hat die komplette SEO-Optimierung implementiert — Meta-Tags, Structured Data, Sitemap-Generation. Er hat den Audio-Player um eine Waveform-Visualisierung erweitert. Er hat die Checkout-Performance um 40% verbessert, indem er unnötige Re-Renders eliminiert hat. Alles ohne manuellen Eingriff. 155+ PRs, die zusammen Tausende Zeilen Code ausmachen.
Das spart nicht nur Zeit — konservativ geschätzt 20 Stunden pro Woche — sondern verändert auch die Art, wie ich über Softwareentwicklung denke. Meine Rolle verschiebt sich vom Implementierer zum Architekten und Reviewer. Ich definiere die Richtung, der AutoPilot kümmert sich um die Ausführung. Das ist kein Replacement für menschliche Entwickler, sondern eine Erweiterung der eigenen Kapazität um den Faktor 10.
Der Tech-Stack dahinter: GitHub Actions als Orchestration Layer, OpenAI für die Code-Generierung und Reviews, ein Custom Discord Bot für die Merge-Pipeline, und n8n für die Workflow-Automation zwischen den Services. Das Ganze läuft auf Vercel Edge Functions und kostet im Betrieb weniger als ein einzelner Freelancer-Tag pro Monat.
Für 2026 plane ich, den AutoPilot als eigenständiges Produkt zu öffnen. Die Nachfrage von anderen Entwicklern und Agenturen ist da — denn wer einmal erlebt hat, wie ein KI-System zuverlässig Features shipped, will nicht mehr zurück zum manuellen Workflow.