Fünfzehn Monate Fintech mit Agents: Die Qualitätskurve im Verlauf der Projektgeschichte

Alexander, ein Remote-Entwickler bei einem Fintech-Startup, betreibt seit Mai 2025 ein geschlossenes Fintech-Produkt, bei dem KI-Agenten den Code schreiben; im Februar 2026 kam ein zweites Zahlungsprojekt hinzu. Er beobachtete, dass KI-Agenten eine eigene Klasse von Fehlern erzeugen, wie Fehlerverschleierung, Fallback-Rückgaben und leere Struct-Rückgaben, die von Standard-Lintern nicht erkannt werden. Er schrieb 50 individuelle Analyzer innerhalb des Projekts und bündelte sie später in einem Open-Source-Tool namens glint, das inzwischen 130 Regeln umfasst. Die Qualitätskurve des Projekts zeigt Plateaus und Abfälle, wobei jeder Abfall bestimmten Ereignissen entspricht, wie der Bereinigung im Januar (Entfernung von 140.000 Zeilen totem Code) und der God-Object-Analyse im April. Der Entwickler maß die Dichte schwerwiegender Befunde pro tausend Zeilen Nicht-Test-Code in Go; die Kurve fiel im April 2026 unter die Qualität seines eigenen handgeschriebenen Codes und war sechsmal sauberer. Er führte auch ein Kontrollprojekt (ohne den Lint-Kreislauf) durch, das eine zunehmend schlechtere Qualität zeigte; ein Krypto-Bot, den er 2024 ohne Agenten geschrieben hatte, wies 2,32 schwerwiegende Befunde pro tausend Zeilen auf, darunter unsichere Typ-Assertions und Geld in Float-JSON-Verträgen. Das System funktioniert als Ganzes: Lint-Regeln fangen Defekte vor dem Commit ab, und der erste, der von einem Fehler erfährt, ist der Checker, nicht der Kunde. Allerdings fängt der Lint nicht alles ab: Ein kürzlicher Fehler, bei dem Geld abgebucht, aber als nicht abgebucht angezeigt wurde, schlüpfte durch drei Schutzschichten. Der Entwickler kommt zu dem Schluss, dass Qualität nun eine Eigenschaft des Kreislaufs ist, in dem Code geschrieben wird, nicht des Schreibers.