02 / Projekte
AI Development
Ein operatives System, das Jira-Aufgaben durch kontrollierte Codex-Workflows von der Bereitschaftsprüfung bis zur unabhängigen Auswertung und Übergabe führt.
KI als Teilnehmer eines echten Lieferprozesses
AI Development ist kein Chatfenster, das Code ausgibt, sondern ein operatives Managementsystem für KI-gestützte Softwareentwicklung. Eine Jira-Aufgabe kann einem konfigurierten AI-Konto zugewiesen, auf Umsetzbarkeit geprüft, in einer isolierten Umgebung bearbeitet, getestet, unabhängig bewertet und anschließend zur menschlichen Abnahme zurückgegeben werden.
Vom Ticket zur überprüfbaren Änderung
Ein signierter Jira-Webhook startet zunächst ein Korrekturfenster, damit versehentliche Zuweisungen ohne laufenden Prozess zurückgenommen werden können. Danach prüft das Managementsystem den aktuellen Assignee und verhindert parallele Arbeit im selben Repository. Codex bewertet Ticketbeschreibung, Akzeptanzkriterien, Kommentare und freigegebenen Confluence-Kontext. Fehlen Informationen, stellt der Workflow konkrete Rückfragen und gibt das Ticket an den Eigentümer zurück.
Ist die Aufgabe bereit, richtet ein Bash-Harness auf dem AI-Server einen wiederverwendbaren Repository-Arbeitsbereich ein, startet DDEV, importiert bei Bedarf freigegebene und vermittelte Umgebungsdaten und dokumentiert die Ausgangslage. Codex entwickelt auf einem Feature-Branch. Tests und strukturierte Arbeitszusammenfassungen werden an das Management gemeldet. Eine getrennte Auswertungsphase prüft den Diff gegen den vorgesehenen Merge-Branch; nur bestandene Änderungen dürfen dorthin gelangen. Qualitätsfehler, Merge-Konflikte, fehlende Informationen und Infrastrukturprobleme besitzen getrennte, begrenzte Wiederholungswege.
Vertrauensgrenzen statt geteilter Geheimnisse
Die TYPO3-Managementanwendung ist die vertrauenswürdige Steuerungsebene. Sie speichert verschlüsselte Konfiguration, Ticketzustand und Logs, validiert Webhooks, startet Phasen über SSH und vermittelt Jira-, Produktionsdaten- und Logzugriffe. Der AI-Server gilt dagegen als nicht vertrauenswürdig. Er besitzt keine direkten Jira-, Confluence-, Produktions- oder Management-Datenbank-Zugangsdaten. Kurzlebige Bearer- und HMAC-Verträge erlauben nur den jeweils benötigten Rückkanal.
Geschützte Branches bleiben für den Agenten tabu. Er darf Feature-Branches veröffentlichen; das Management übernimmt freigegebene Integrationen. Zugangsdaten werden in Ansible Vault verwaltet, sensible Werte in Kontext und Logs redigiert. Produktionsdaten gelangen nur über konfigurierte Management-Endpunkte in lokale Umgebungen und können nach Environment- und VPN-Regeln begrenzt werden.
Beobachtbarkeit und Betrieb
Das Backend zeigt aktive, wartende und verarbeitete Tickets, Phasen, Laufzeiten, Ergebnisse und Kosten. Jeder Run besitzt eine undurchsichtige ID, sodass verspätete Callbacks keinen neueren Lauf überschreiben. Stale-Erkennung berücksichtigt Arbeitszeiten, und ein Operator kann aktive Prozesse kontrolliert abbrechen. Fehlerhafte Jira-Aufgaben lassen sich aus dem Backend mit bereinigtem Kontext erneut untersuchen.
Technisch besteht das System aus einer TYPO3-13.4-Erweiterung auf dem Managementserver, einem Bash-Harness mit Codex CLI auf dem AI-Server, DDEV- und Docker-Arbeitsumgebungen, Jira/Atlassian-MCP, SSH, Ansible und strukturierten HTTP-Callbacks. Unit-, Functional- und Harness-Tests sowie ein vollständig durchlaufener Produktionsticket-Lebenszyklus bilden die aktuelle Validierungsbasis.
AI Development läuft als operativer Produktionspilot. Das Projekt macht KI-Arbeit nicht magisch, sondern sichtbar, begrenzt und wiederholbar – einschließlich der Momente, in denen ein Mensch entscheiden muss.