NCA Social Media
Aktualisiert:
Autor:
Roland Golla
Grünes Megafon mit Sprechblasen Agentic Engineering und AI Engineering Buzz 2026

Agentic Engineering und AI Engineering: Definition

Agentic Engineering beschreibt das professionelle Orchestrieren von KI Coding Agenten. Du schreibst den Code nicht mehr selbst, sondern gibst Ziel, Spezifikation und Qualitätsmaßstab vor und prüfst jedes Ergebnis. AI Engineering meint etwas anderes: das Bauen von Anwendungen auf fertigen Foundation Models, also Retrieval, Evaluierung, Inferenz und Monitoring rund um ein Sprachmodell.

Die beiden Begriffe klingen ähnlich und werden ständig vermischt. Sie beschreiben aber zwei verschiedene Arbeitsplätze. Beim Agentic Engineering ist die KI das Werkzeug, das deine Software baut. Beim AI Engineering ist die KI der Bestandteil, den deine Software enthält.

Diese Seite sortiert beide Begriffe, zeigt die Herkunft und ordnet ein, was davon in echten Projekten übrig bleibt.

Inhalt

Buzzwords einordnen mit NCA: Wir lösen Probleme, keine Begriffe

Never Code Alone arbeitet seit über 20 Jahren an Software, die lange läuft. Wir setzen Claude Code und OpenCode täglich in Symfony und PHP Projekten ein, sichern den Output mit PHPStan, Rector und PHPUnit ab und fahren End to End Tests mit Cypress. Unsere KI Inferenz läuft über Ollama auf eigenen Servern in Deutschland. Das ist der Grund, warum wir bei neuen Begriffen weniger auf die Bezeichnung schauen und mehr darauf, welches Problem sie lösen.

Wenn dein Team gerade entscheidet, was von diesen Begriffen für euch relevant ist, hilft ein Blick auf die konkreten Themen dahinter: Vibe Coding Consulting begleitet den Weg vom Prototyp zur Production, die Agentic Coding Patterns zeigen die fünf Workflow Muster für Agenten, Code Qualität mit KI Agenten beschreibt die Guardrails, AI Coding Refactoring erklärt die Disziplin am Diff und KI Strategie ordnet das Ganze auf Unternehmensebene ein.

Begriffe sortieren, Projekt starten

Finde das passende Angebot für dein Projekt

Anfrage-Konfiguration

Starten Sie Ihre Anfrage

Projektart
Infos
Nachricht

Eliminierung technischer Schulden mit PHPStan, Rector PHP und PHPUnit. Über 20 Jahre Praxiserfahrung in skalierbaren Backends.

CORE EXPERTISE

Gesetzliche Konformität & Inklusion. Optimierung von Performance und Conversion durch radikal nutzerzentriertes, universelles Design.

BFSG COMPLIANT

Skalierbare KI-Systeme mit echtem Code Ownership. CI/CD, Backup-Strategien und Infrastruktur, die mit deinem Team wächst.

ENTERPRISE READY

Agentic Engineering: Woher der Begriff kommt

Andrej Karpathy hat Anfang 2025 den Begriff Vibe Coding geprägt. Ein Jahr später, im Februar 2026, hat er selbst einen Nachfolger vorgeschlagen. Sein Argument: Der neue Normalfall ist, dass du den Code nicht mehr direkt schreibst, sondern Agenten steuerst und ihre Arbeit prüfst. Der zweite Teil des Begriffs ist ihm dabei wichtiger als der erste. Engineering steht für Handwerk, das man lernen und verbessern kann.

Das ist mehr als Wortkosmetik. Vibe Coding hatte nie eine Qualitätsgrenze. Du beschreibst, was du willst, nimmst das Ergebnis an und ziehst weiter. Für einen Prototyp reicht das. Für Software, die drei oder zehn Jahre läuft, reicht es nicht.

Agentic Engineering setzt genau dort an. Spezifikation vor dem Prompt. Diff Review statt Blindvertrauen. Tests als Sicherheitsnetz. Und ein Mensch, der die Architekturentscheidungen behält. Die praktische Umsetzung beschreiben wir in den Agentic Coding Patterns und im Beitrag zum Agent Looping.

AI Engineering: Anwendungen auf Foundation Models

AI Engineering hat mit Coding Agenten erst einmal nichts zu tun. Der Begriff beschreibt eine eigene Disziplin: Anwendungen bauen, die ein fertiges Sprachmodell als Baustein nutzen. Abgegrenzt wird das gegen Machine Learning Engineering, wo Modelle selbst trainiert werden. AI Engineering setzt auf vorhandenen Modellen auf.

Die Themen dahinter sind konkret und technisch. Retrieval mit passenden Embedding Modellen, Frameworks wie LangChain, LlamaIndex und LangGraph, visuelle Workflow Builder wie Dify, Observability über Langfuse und Serving über vLLM oder Ollama.

Dazu kommt die Frage, wo die Inferenz läuft. Für Teams mit Berufsgeheimnis oder strengen Datenschutzanforderungen ist das keine Nebensache, sondern die erste Entscheidung. Wir haben das im Beitrag zu lokaler KI für Compliance ausführlich beschrieben.

Agentic Engineering und AI Engineering im direkten Vergleich

Kriterium Agentic Engineering AI Engineering
Rolle der KI Werkzeug, das deine Software baut Bestandteil, den deine Software enthält
Ergebnis Code, Tests, Pull Requests KI Feature, Chatbot, RAG System
Typische Werkzeuge Claude Code, OpenCode, Git Worktrees LangChain, LlamaIndex, Dify, vLLM
Zentrale Frage Wie sichere ich Qualität ab? Wie wird die Antwort verlässlich?
Messgröße Tests, statische Analyse, Review Evals, Latenz, Kosten pro Anfrage
Wer braucht es Jedes Team, das Software baut Teams mit KI im Produkt

Wo sich die beiden Begriffe treffen

Es gibt eine echte Schnittmenge, und sie ist der Grund für die Verwirrung. Beide Disziplinen arbeiten mit Agenten, Kontext und Werkzeugaufrufen. Wer eine Agenten Anwendung baut, betreibt AI Engineering. Wer diese Anwendung mit einem Coding Agenten entwickelt, betreibt gleichzeitig Agentic Engineering.

Auch die Denkweise überlappt. Kontext kuratieren statt vollpacken. Ergebnisse messen statt schätzen. Klein anfangen und erst dann komplexer werden, wenn die einfache Lösung nachweislich nicht reicht. Diese Regeln gelten in beiden Welten.

Trotzdem bleiben es zwei Projekte mit zwei Budgets. Ein Team kann sehr gut im Agentic Engineering sein und nie eine KI Anwendung ausliefern. Und ein Team kann ein starkes RAG System betreiben und dabei jede Zeile Code von Hand schreiben.

Was von den Buzzwords im Projekt übrig bleibt

Wir stehen nicht auf Buzzwords. Nicht weil sie falsch wären, sondern weil sie im Projekt nichts entscheiden. Kein Kunde hat ein Problem, das sich lösen lässt, indem man es umbenennt.

Was bleibt, sind die Fragen darunter. Beim Agentic Engineering ist es immer dieselbe: Wie stellt ihr sicher, dass der Agent nichts kaputt macht, was niemand bemerkt? Unsere Antwort darauf ist unspektakulär und funktioniert seit über zwanzig Jahren. Statische Analyse mit PHPStan. Automatisierte Migrationen mit Rector. Unit Tests mit PHPUnit. End to End Tests mit Cypress. Alles davon in der Pipeline, nicht im Kopf.

Beim AI Engineering lautet die Frage anders: Wie merkt ihr, dass die Antwort schlechter geworden ist? Ohne Evals und ohne Observability merkt ihr es zuerst am Kunden. Und die zweite Frage direkt danach: Wo läuft das Modell und wer sieht die Daten.

Beide Antworten heißen Guardrails. Wir haben das unter dem Stichwort Vise Coding beschrieben: KI Entwicklung mit festen Leitplanken statt mit Bauchgefühl. Wie die Leitplanken im Alltag aussehen, zeigen die Rules Dateien für KI Coding Agents und der Beitrag zu Vibe Coding Prompting.

Wann welcher Begriff passt

Eine einfache Zuordnung für den Alltag:

Sag Agentic Engineering, wenn es um euren Entwicklungsprozess geht. Also darum, wie Claude Code oder OpenCode bei euch arbeiten, wie ihr Reviews organisiert, wie parallele Sessions über Git Worktrees laufen und wie Claude Agent Teams oder Paperclip mehrere Agenten koordinieren.

Sag AI Engineering, wenn es um euer Produkt geht. Also darum, dass eure Anwendung selbst KI enthält: Suche über eigene Dokumente, ein Assistent im Kundenportal, automatische Klassifikation. Dann geht es um Modellauswahl, Retrieval, Evals und Betrieb. Für die Modellwahl ohne US Anbieter haben wir einen eigenen Leitfaden.

Sag Vibe Coding, wenn ihr am Anfang steht und erst einmal Tempo braucht. Der Einstieg ist beschrieben unter Vibe Coding lernen. Wichtig ist nur, dass ihr wisst, wann ihr diese Phase verlasst.

engineering to emphasize that there is an art and science and expertise to it

Andrej Karpathy, Mitgründer OpenAI, Gründer Eureka Labs – X

Unsere Erfahrung mit beiden Disziplinen

Die Inhalte auf nevercodealone.de entstehen über eine Agenten Pipeline. Ein SKILL.md gesteuerter Agent kennt unsere Blockreihenfolge, die Regeln für interne Verlinkung und die Snippet Zuordnung. Das ist Agentic Engineering im Eigenbetrieb, inklusive aller Stellen, an denen es anfangs nicht funktioniert hat.

Auf der anderen Seite betreiben wir eigene KI Anwendungen. Dabei geht es um Embeddings, Retrieval und den Betrieb der Inferenz auf eigener Hardware. Welche Werkzeuge dafür in Frage kommen, ordnen wir laufend im NCA Glossar für KI Tools ein, von CrewAI über Agent Skills bis zu Karpathys LLM Wiki.

Für Teams heißt das: Ihr müsst nicht beides gleichzeitig aufbauen. In den meisten Fällen ist der Entwicklungsprozess der schnellere Hebel. Wenn der sauber läuft, wird das KI Produkt darauf deutlich einfacher.

CYPRESS.IO Ambassador und IT Consultant für QA Engenieering und Qualität in PHP Projekten.

NCA Vibe Coding Consulting

Roland Golla ist Entwickler aus Leidenschaft – seit über 20 Jahren. Er hat hunderte Projekte begleitet, von Legacy-Refactoring bis KI-Integration. Bei Vibe Coding verbindet er das Beste aus beiden Welten: Die Geschwindigkeit von KI-generiertem Code mit der Qualität professioneller Softwareentwicklung. Kein Bullshit, keine Agentur-Floskeln – direkte Hilfe von jemandem, der selbst täglich im Code steckt.

E-Mail Kontakt

Häufige Fragen zu Agentic Engineering und AI Engineering

Die wichtigsten Fragen zu beiden Begriffen, zur Abgrenzung gegen Vibe Coding und zur praktischen Umsetzung im Team.

Was ist der Unterschied zwischen Agentic Engineering und AI Engineering 2026?

Agentic Engineering beschreibt euren Entwicklungsprozess: KI Agenten schreiben den Code, ihr gebt Ziel und Qualitätsmaßstab vor und prüft das Ergebnis. AI Engineering beschreibt euer Produkt: Die Anwendung enthält selbst ein Sprachmodell, dazu Retrieval, Evaluierung und Betrieb. Die KI ist einmal das Werkzeug und einmal der Bestandteil.

Ist Vibe Coding 2026 noch relevant?

Ja, aber als Phase, nicht als Dauerzustand. Vibe Coding senkt die Einstiegshürde radikal und ist stark für Prototypen, interne Werkzeuge und Lernprojekte. Sobald Software länger laufen und mehrere Menschen daran arbeiten sollen, braucht es Spezifikation, Tests und Review. Genau dieser Übergang ist gemeint, wenn von Agentic Engineering die Rede ist.

Wer hat den Begriff Agentic Engineering 2026 geprägt?

Andrej Karpathy, Mitgründer von OpenAI. Er hatte Anfang 2025 bereits Vibe Coding geprägt und schlug im Februar 2026 auf X den Nachfolger vor. Sein Argument: Entwickler schreiben den Code nicht mehr direkt, sondern orchestrieren Agenten und übernehmen die Aufsicht. Der Zusatz Engineering betont, dass darin echtes Handwerk steckt.

Braucht ein Team 2026 beide Disziplinen gleichzeitig?

In den seltensten Fällen. Agentic Engineering betrifft jedes Team, das Software baut, weil Coding Agenten inzwischen zum Alltag gehören. AI Engineering brauchst du nur, wenn dein Produkt selbst KI enthalten soll. Wer beides parallel startet, verteilt Aufmerksamkeit auf zwei Baustellen. Der Entwicklungsprozess ist meist der schnellere Hebel.

Welche Werkzeuge gehören 2026 zum Agentic Engineering?

Auf der Agentenseite Claude Code und OpenCode, dazu Git Worktrees für parallele Sessions und Rules Dateien wie AGENTS.md für den Kontext. Genauso wichtig ist die Absicherung: statische Analyse, Unit Tests, End to End Tests und eine Pipeline, die alles automatisch prüft. Ohne diese zweite Hälfte bleibt es Vibe Coding mit neuem Namen.

Welche Werkzeuge gehören zum AI Engineering?

Frameworks wie LangChain, LlamaIndex und LangGraph für Orchestrierung und Retrieval, Dify als visueller Workflow Builder, Langfuse für Observability sowie vLLM oder Ollama für den Betrieb der Modelle. Dazu kommen passende Embedding Modelle und eine Datenbank, die Vektoren speichern kann. Die Auswahl hängt stark davon ab, wo die Inferenz laufen darf.

Ist Agentic Engineering nur ein neues Wort für Vibe Coding?

Nein. Der Unterschied liegt in der Qualitätsgrenze. Vibe Coding kennt keine, du nimmst das Ergebnis an und ziehst weiter. Agentic Engineering setzt Spezifikation vor den Prompt, prüft jeden Diff und behält die Architekturentscheidungen beim Menschen. Der Agent liefert mehr Tempo, die Verantwortung für die Software bleibt unverändert bei dir.

Wie sichert man den Output von Coding Agenten ab?

Über automatisierte Prüfungen, die unabhängig vom Agenten laufen. In PHP Projekten sind das PHPStan für statische Analyse, Rector für kontrollierte Migrationen und PHPUnit für Unit Tests. Dazu kommen End to End Tests mit Cypress. Alles davon gehört in die Pipeline. Prüfungen, die nur im Kopf existieren, werden unter Zeitdruck als Erstes übersprungen.

Was unterscheidet AI Engineering von Machine Learning Engineering?

Machine Learning Engineering bedeutet, Modelle selbst zu trainieren und auszuliefern. AI Engineering setzt auf bereits vorhandenen Foundation Models auf und baut die Anwendung darum herum. In der Praxis mischen sich beide Ansätze häufig, etwa wenn ein generatives Modell die Antwort schreibt und ein kleines eigenes Modell die Anfrage vorher einsortiert.

Funktioniert AI Engineering ohne US Anbieter?

Ja. Offene Modelle laufen über Ollama oder vLLM auf eigener Hardware, Embedding Modelle sind als Open Source verfügbar und Frameworks wie LangChain oder LlamaIndex sind ohnehin anbieterneutral. Entscheidend ist die Frage, welche Daten das Haus verlassen dürfen. Für Berufsgeheimnisträger und regulierte Branchen ist lokale Inferenz oft die einzig gangbare Variante.

Wie steigt ein Team ohne KI Erfahrung sinnvoll ein?

Mit einem echten, kleinen Vorhaben statt mit einem Werkzeugvergleich. Ein Agent, ein Repository, eine Rules Datei, und alle Ergebnisse laufen durch die bestehende Pipeline. Nach zwei Wochen ist sichtbar, wo der Agent hilft und wo er stört. Diese Erfahrung ist mehr wert als jede Vorabentscheidung über Modelle und Abos.

Unterstützt Never Code Alone bei beiden Themen?

Ja. Wir begleiten den Weg vom ersten Prototyp zu einem abgesicherten Agenten Workflow, richten Rules Dateien und Review Setups ein und bringen bestehende Projekte auf ein belastbares Testniveau. Auf der Produktseite ordnen wir Modelle, Retrieval Ansätze und Betriebsvarianten ein, mit klarem Fokus auf Inferenz ohne US Anbieter.