Mit der zunehmenden Leistungsfähigkeit von KI-Programmierern ist ein strukturelles Drawback aufgetaucht: Geschwindigkeit ohne Klarheit. Entwickler generieren innerhalb von Minuten funktionierenden Code, nur um Tage später festzustellen, dass er nicht mit dem übereinstimmt, was das System tatsächlich benötigt. Die spezifikationsgesteuerte Entwicklung (SDD) geht dieses Drawback direkt an – indem sie eine strukturierte Spezifikation als Quelle der Wahrheit und Code als generierte Ausgabe behandelt und nicht umgekehrt.
Diese Liste umfasst die 9 KI-Instruments, die Entwickler im Jahr 2026 tatsächlich zur Implementierung von SDD-Workflows verwenden.
AWS Kiro
🔗 kiro.dev | Dokumente | Modelle
Kiro ist eine Agenten-IDE, die auf spezifikationsgesteuerter Entwicklung basiert und Entwickler mit strukturierter Strenge statt iterativer Eingabeaufforderung vom Konzept bis zur Produktion führen soll. Anstatt Code zu schreiben und dabei eine KI um Hilfe zu bitten, verlangt Kiro von den Entwicklern, dass sie zunächst ihre Absicht formalisieren. Es führt sie durch einen dreiphasigen Prozess – Anforderungen, Design und Aufgaben – und erzeugt drei strukturierte Artefakte: „necessities.md“, „design.md“ und „duties.md“. Ein bemerkenswertes technisches Element: Kiro generiert Consumer Tales mithilfe der EARS-Notation (Straightforward Method to Necessities Syntax), die strukturierte Akzeptanzkriterien erstellt, die Grenzfälle abdecken, die Entwickler sonst manuell bearbeiten würden.
Ein wesentliches Unterscheidungsmerkmal ist das Agent-Hooks-System – ereignisgesteuerte Automatisierungen, die beim Speichern oder Erstellen von Dateien ausgelöst werden und Aufgaben wie Testaktualisierungen, README-Aktualisierungen und Sicherheitsscans ohne manuelle Eingabeaufforderung erledigen. Bei der Modellauswahl verwendet Kiro standardmäßig einen Auto-Router, der mehrere Frontier-Modelle kombiniert – darunter Claude Sonnet, Qwen, DeepSeek, GLM und MiniMax – und das optimale Modell professional Aufgabe auswählt, um Qualität und Kosten in Einklang zu bringen. Entwickler können auch ein bestimmtes Modell für konsistentes Verhalten festlegen. VS Code-Benutzer basieren auf Code OSS und werden sich sofort zu Hause fühlen. Kiro unterstützt außerdem eine CLI und eine Webschnittstelle und erfordert zur Nutzung kein AWS-Konto. Am besten für Groups geeignet, die formale Spezifikationsworkflows in einer vertrauten Entwicklungsumgebung benötigen.
GitHub-Spezifikationskit
🔗 github.com/github/spec-kit | Blogbeitrag
GitHub Spec Equipment ist die von der Group am häufigsten angenommene Open-Supply-Choice für spezifikationsgesteuerte Entwicklung – eine Python-CLI mit über 93.000 Sternen, die neueste Model ist v0.8.7 (7. Mai 2026), die mehr als 30 KI-Coding-Brokers unterstützt, darunter Claude Code, GitHub Copilot, Amazon Q und Gemini CLI. Der Workflow durchläuft vier Phasen mit klaren Prüfpunkten: Spezifizieren (erfasst Geschäftskontext und Erfolgskriterien), Planen (übersetzt Spezifikationen in Architekturentscheidungen), Aufgaben (zerlegt Pläne in testbare, überprüfbare Einheiten) und Implementieren (führt KI-Agenten unter diesen Einschränkungen aus).
Die Grundlage jedes Spec-Equipment-Workflows ist eine „Verfassung“ – eine Datei mit Markdown-Regeln, die unveränderliche Prinzipien auf hoher Ebene enthält, die für jede Änderung in jeder Sitzung gelten. Dies wird zum dauerhaften Vertrag zwischen dem Entwickler und dem Agenten. Die Philosophie von Spec Equipment, wie GitHub sie formuliert hat, besteht darin, dass Code jetzt die Ausgabe auf der letzten Meile ist: Absicht ist die Quelle der Wahrheit und Spezifikationen sind ausführbar. Es ist der Standardstartpunkt für Groups, die neu bei SDD sind, und die portabelste Choice für Groups, die ihre bestehende IDE behalten möchten.
BMAD-METHODE
🔗 github.com/bmad-code-org/BMAD-METHOD | Dokumente
BMAD-METHOD (Construct Extra Architect Desires) ist ein MIT-lizenziertes Open-Supply-Framework, das mehr als 12 spezialisierte KI-Agenten über den gesamten Softwareentwicklungslebenszyklus orchestriert. Model 6.6.0 wurde am 29. April 2026 ausgeliefert, wobei das Projekt mehr als 46.700 GitHub-Sterne und mehr als 5.500 Forks erreichte. Die über 12 Agenten decken unterschiedliche SDLC-Rollen ab – einschließlich Produktmanagement, Architektur, UX, Entwicklung, Qualitätssicherung und Scrum-Grasp-Funktionen – und arbeiten durch strukturierte, dateibasierte Übergaben zusammen: Jeder Agent liest das Ausgabedokument des vorherigen Agenten und schreibt sein eigenes und sorgt so für eine nachvollziehbare Kette von den Anforderungen bis zur Lieferung.
Mit V6 wurde das Cross Platform Agent Group eingeführt, das den Betrieb derselben Agentenkonfiguration auf Claude Code, Cursor, Codex und anderen Hosts ohne Neukonfiguration ermöglicht. Die V6-Architektur unterteilt Anliegen außerdem in drei Schichten: BMad Core (das universelle Framework für die Zusammenarbeit zwischen Mensch und KI), BMad Methodology (das auf Core basierende agile Entwicklungsmodul) und BMad Builder (mit dem Groups benutzerdefinierte Agenten und Workflows erstellen und teilen können). BMAD ist das Framework der Wahl für Groups, die hochstrukturierte, rollengetrennte Multi-Agent-Workflows ohne Anbieterbindung wünschen. Das Framework ist völlig kostenlos und ohne Paywalls.
Erweiterungscode
🔗 augmentcode.com | SDD-Leitfaden
Increase Code nähert sich der spezifikationsgesteuerten Entwicklung von der Kontextebene und nicht von der Spezifikationserstellungsebene. Seine Context Engine behält ein konsistentes Architekturverständnis über mehr als 400.000 Dateien bei und schließt damit die Repository-übergreifende Kontextlücke, die die meisten Spezifikationsworkflows im großen Maßstab zum Erliegen bringt, insbesondere in Brownfield-Codebasen mit mehreren Diensten. Increase meldet 70,6 % auf der SWE-Benchmark (im Vergleich zu einem Branchendurchschnitt von 54 %) und einen F-Rating von 59 % auf einem AI-Code-Evaluate-Benchmark; Diese Zahlen werden vom Anbieter gemeldet und sollten entsprechend behandelt werden.
Das BYOA-Modell (Convey Your Personal Agent) ermöglicht es Groups, neben dem nativen Auggie-Agenten auch Claude Code, Codex oder OpenCode einzubinden. Increase Code erstellt Spezifikationen nicht nativ – Groups benötigen immer noch ein Instrument wie Spec Equipment oder Kiro für die strukturierte Spezifikationsverwaltung – aber es bietet die semantische Grundlage, die diese Spezifikationen über große Codebasen hinweg präzise macht. Am besten geeignet für Unternehmensteams, die komplexe Multi-Service-Architekturen betreiben, bei denen Kontextdrift und nicht die Spezifikationserstellung die primäre Fehlerursache ist.
Claude Code
Claude Code ist das agentische Befehlszeilentool von Anthropic und im Gegensatz zu Instruments wie Cursor oder GitHub Copilot, die den Arbeitsablauf eines Entwicklers erweitern, ist es für eine vollständig autonome Entwicklung konzipiert – Planung, Orchestrierung mehrstufiger Arbeitsabläufe und Stellen von Folgefragen ohne ständige Aufforderung. Für spezifikationsgesteuerte Arbeitsabläufe verarbeitet Claude Code große Spezifikationsdokumente intestine in einer einzigen Sitzung, verarbeitet vollständige Anforderungssätze und generiert Implementierungen in einem kohärenten Durchgang.
Entwickler verwenden in der Regel CLAUDE.md-Dateien als Spezifikationsebene – ein einfacher Ansatz, der in jeder Sitzung einen dauerhaften Projektkontext, Codierungsstandards und Architekturbeschränkungen erzwingt. Dies bedeutet, dass viele Entwickler bereits eine Kind von SDD mit Claude Code praktizieren, ohne es offiziell als solches zu kennzeichnen. Claude Code dient auch als allgemein unterstützter Ausführungsagent für alle SDD-Frameworks, einschließlich BMAD, GSD und GitHub Spec Equipment.
GSD (Get Shit Carried out)
🔗 github.com/gsd-build/get-shit-done
GSD ist ein spezifikationsgesteuertes Meta-Prompting- und Kontext-Engineering-Framework, das hauptsächlich für Claude Code und kompatible Agenten entwickelt wurde und sich als schlanke Various zu BMAD mit geringem Aufwand positioniert. Das Projekt hat 61.000 GitHub-Sterne überschritten und ist seit seiner ersten Veröffentlichung im Dezember 2025 in weniger als fünf Monaten von null auf diese Zahl gewachsen. Die Set up erfolgt über npx get-shit-done-cc@newest und funktioniert mit Claude Code, OpenCode, Gemini CLI, Codex, Copilot, Cursor, Windsurf, Increase und Cline.
Seine Multi-Agenten-Orchestrierung bringt parallele Forscher, Planer, Ausführende und Prüfer hervor, die jeweils in einem neuen Kontextfenster mit bis zu 200.000 Token für die Implementierung arbeiten. Das modellunabhängige Design – einschließlich der Unterstützung von OpenRouter und lokalen Modellen – entkoppelt den Workflow von jedem einzelnen LLM-Anbieter. Während BMAD Dash-Zeremonien und Stakeholder-Koordination hinzufügt, ist die Philosophie von GSD, dass Komplexität im System leben sollte, nicht im Arbeitsablauf. Es schließt auch eine Lücke, die Claude Code selbst nicht nativ abdeckt: Kontextrotation, High quality Gates und Persistenz des Planungszustands über Sitzungen hinweg.
Cursor (mit Planmodus + Projektregeln)
🔗 Cursor.com | Finest Practices für Agenten
Cursor ist nach wie vor einer der am weitesten verbreiteten KI-Editoren und sein Planmodus macht ihn zu einem praktischen Einstiegspunkt für Groups, die Spec-First-Gewohnheiten übernehmen, ohne die Toolchains zu wechseln. Der Planmodus erstellt einen detaillierten Implementierungsplan, bevor Code geschrieben wird. Er stellt klärende Fragen, ordnet betroffene Dateien zu und erstellt einen überprüfbaren Plan, den der Entwickler genehmigt, bevor der Agent handelt. Dies verhindert eine vorzeitige Codegenerierung für Funktionen, die mehrere Dateien betreffen oder Architekturentscheidungen erfordern.
Für einen dauerhaften spezifikationsähnlichen Kontext verwendet das aktuelle Regelsystem von Cursor die unter gespeicherten Projektregeln .cursor/guidelines/ (je älter .cursorrules Die Konvention gilt heute als Vermächtnis). In Kombination mit Projektregeln unterstützt Cursor einen einfachen, tragbaren Spezifikationsworkflow für mittelgroße bis große Greenfield-Options. Der Nachteil besteht darin, dass die Spezifikationsunterstützung von Cursor nicht nativ in der Architektur verankert ist, wie dies bei Kiro der Fall ist – es gibt keinen integrierten Spezifikationslebenszyklus, keine Drifterkennung oder keine lebende Spezifikationssynchronisierung. Für Groups, die eine strukturierte KI-Entwicklung in einem vertrauten, hochwertigen Editor ohne vollen SDD-Overhead wünschen, ist Cursor mit Planmodus ein geeigneter Mittelweg.
OpenSpec
🔗 github.com/Fission-AI/OpenSpec
OpenSpec zielt auf einen bestimmten und unterversorgten Anwendungsfall ab: Groups, bei denen das Änderungsmanagement eine explizite, überprüfbare Dokumentation erfordert, bevor mit der Implementierung begonnen wird. Es verwendet einen vorschlagszentrierten Workflow mit strukturierten Artefakten für Änderungen und befasst sich speziell mit der Brownfield-Iteration mit Delta-Markern (ADDED/MODIFIED/REMOVED), die verfolgen, welche Änderungen relativ zur vorhandenen Funktionalität statt mit Greenfield-Beschreibungen vorgenommen werden. Wichtig ist, dass OpenSpec in seiner eigenen Dokumentation es als leichtgewichtig und flexibel und nicht als starres Section-Gate-System positioniert – es bietet Struktur, ohne harte Genehmigungstore zwischen den Phasen zu erzwingen.
In einer unabhängigen Bewertung im Februar 2026 in 13 Bewertungskategorien auf einem mittelgroßen serverlosen Python-Backend erzielte OpenSpec insgesamt die höchste Punktzahl – allerdings verschiebt sich diese Rangfolge je nach Priorität erheblich. Groups, für die die Verantwortlichkeit für Änderungen und Dokumentationspfade wichtiger sind als die Synchronisierung mit lebenden Spezifikationen, werden feststellen, dass es am besten geeignet ist. Für größere Multi-Service-Initiativen wird die Kombination von OpenSpec mit einer Residing-Spec-Plattform empfohlen, da die vorschlagsbasierte Struktur statische Dokumente erzeugt, die während der erweiterten Implementierung abweichen können.
Tessl
🔗 tessl.io | Spec-Registrierung | Dokumente
Tessl ist eine sprachunabhängige Plattform zur Agentenaktivierung, die auf zwei unterschiedlichen Produkten basiert. Das Tessl Framework wird als „Kacheln“ in einem Projekt installiert .tessl/ Verzeichnis und bringt jedem MCP-kompatiblen Agenten – einschließlich Claude Code, Cursor und anderen – bei, unabhängig vom Stack einem spezifikationsgesteuerten Workflow zu folgen: Agenten stellen zuerst klärende Fragen, schreiben strukturierte Spezifikationsdokumente, warten auf die Genehmigung des Entwicklers und implementieren dann. Die Spezifikationen sind als Langzeitgedächtnis in der Codebasis gespeichert, geben Entscheidungen einen Prüfpfad und ermöglichen es dem Agenten, die App im Laufe der Zeit kohärent weiterzuentwickeln.
Das Tessl Spec Registry ist das deutlichste Unterscheidungsmerkmal der Plattform: ein offenes Register mit über 10.000 Spezifikationen, die beschreiben, wie externe Open-Supply-Bibliotheken korrekt verwendet werden, und gezielt auf die API-Halluzinationen und Versionsverwechslungen abzielen, die Agenten häufig in Produktionscodebasen erzeugen. Betrachten Sie es als npm für Spezifikationen – Groups installieren sowohl eine Methodenkachel (wie man arbeitet) als auch Bibliothekskacheln (welche Instruments man richtig verwendet), um sowohl Prozesschaos als auch Dokumentationshalluzinationen zu verhindern. Die zweischichtige Architektur – Prozesskontext plus Bibliothekskontext – ist die Kernerkenntnis von Tessl: Ein strukturierter Workflow allein reicht nicht aus, wenn der Agent immer noch die APIs, mit denen er erstellt, halluziniert.
Folgen Sie uns gerne weiter Twitter und vergessen Sie nicht, bei uns mitzumachen 150.000+ ML SubReddit und Abonnieren Unser E-newsletter. Warten! Bist du im Telegram? Jetzt können Sie uns auch per Telegram kontaktieren.
Möchten Sie mit uns zusammenarbeiten, um Ihr GitHub-Repo ODER Ihre Hugging Face Web page ODER Produktveröffentlichung ODER Ihr Webinar usw. zu bewerben? Vernetzen Sie sich mit uns