mSCAILE definiert, wie du als Entwickler mit KI-Agenten zusammenarbeitest, damit gute Software rauskommt — und nicht nur viel Software. Es ist ein Satz von 8 Prinzipien und ein Prozess-Loop (Plan → Work → Assess → Compound), der sicherstellt, dass du die Kontrolle behältst, Qualität messbar bleibt und dass Team und Agenten mit jeder Iteration besser werden.
Was es nicht tut: Es sagt dir nicht, welches Tool du benutzen sollst, welches Modell du nehmen sollst, oder wie dein Ticket-System aussehen soll. Das sind alles Implementierungsentscheidungen — mSCAILE ist das Fundament darunter.
Ein Vorgehen. mSCAILE ist kein Tool, das du installierst. Es ist ein Framework — vergleichbar mit Scrum: Es sagt dir nicht, welche Software du benutzen sollst, sondern wie du arbeitest.
Die Prinzipien sind bewusst toolunabhängig, weil sich die Tool-Landschaft schneller ändert als der Prozess dahinter. Was heute Claude Code ist, kann morgen etwas anderes sein. Was heute Jira ist, kann morgen GitHub Projects sein. mSCAILE bleibt gleich.
Das bedeutet auch: mSCAILE bringt keine fertige Implementierung mit. Es beschreibt, was du erreichen willst — und lässt dir den Spielraum, wie du es umsetzt. Orientierung für den Einstieg bieten die verlinkten Quellen, insbesondere die Compound Engineering und OpenSpec Referenzimplementierungen.
Vibe Coding heißt: Ich lasse die KI alles generieren und hoffe, dass es funktioniert. Das ist eine Seite des Dilemmas. Die andere: "Ich reviewe jede Zeile manuell." mSCAILE ist der dritte Weg:
- Du vereinbarst vorher, was gebaut werden soll (Behavioral Contracts, P2)
- Tests verifizieren die Spec, nicht nur den Code (Spec-Coverage)
- Quality Gates laufen extern und deterministisch (P6)
- Du musst nicht jede Zeile lesen — aber du musst das Verhalten verantworten
Du vertraust nicht blind, und du reviewst nicht alles manuell. Du vertraust der Struktur.
Simon Willison hat das gut formuliert: "I won't commit code I couldn't explain to someone else." Das ist der Unterschied. Nicht wie viel du reviewst — sondern ob du verstehst, was committet wird.
Berechtigte Sorge. mSCAILE adressiert das auf zwei Ebenen:
Deterministisch, was deterministisch sein kann (P5): Alles, was ein Skript erledigen kann, wird nicht per LLM gelöst. Tests, Konvertierung, Schema-Validierung, Formatierung — das läuft ohne Tokens. Sobald etwas wiederholbar ist und einem Muster folgt, kann die KI dir ein Skript generieren, das die Aufgabe immer wieder erledigt — aber ohne weitere Token-Kosten.
Compound reduziert Tokenverbrauch über Zeit (P8): Jede Iteration verbessert die Agent-Konfiguration. Bekannte Fehler werden durch Rules verhindert, wiederkehrende Aufgaben durch Skripte ersetzt. Die KI wird effizienter genutzt — nicht öfter.
Und: Die Prinzipien sind modellagnostisch. Wenn morgen ein günstigeres Modell kommt, wechselst du das Modell — nicht den Prozess. Sollte KI sich als überbewertet herausstellen (Spoiler: tut sie nicht), bleiben alle Specs, Tests, Dokumentation und Skripte erhalten. Kein KI-System mehr, aber immer noch ein System.
Nein — aber die Frage ist berechtigt, weil mSCAILE Spec-Disziplin rehabilitiert, die Agile bewusst aufgegeben hat.
Der Unterschied: Das Agile Manifest lehnte Dokumentation ab, weil sie 2001 teuer (manuell geschrieben), starr (sofort veraltet) und entkoppelt (separate Autoren, andere Timeline) war. Alle drei Probleme sind gelöst. Implementierung ist billig geworden — das verschiebt den Hebel zur Planung. KI hilft bei der Analyse: Inkonsistenzen erkennen, Szenarien durchspielen, Vollständigkeit prüfen.
Breunig hat das gut beschrieben: "Agentic engineering enables waterfall volume at the cadence of agile — and even that undersells it: it's waterfall × 2 at the cadence of agile × 7." Die Struktur und Nachvollziehbarkeit, die Wasserfall wollte, kombiniert mit der Geschwindigkeit von Agile. Als Menschen beides manuell tun mussten, war das unmöglich. Mit KI ist es möglich.
mSCAILE bleibt iterativ, respondiert auf Veränderung, nutzt kurze Feedback-Zyklen. Es ist Post-Agile, nicht Anti-Agile. Mehr dazu →
Das hängt davon ab, wo du gerade stehst. Ein paar Einstiegspunkte:
- Neu im Thema: Lies die 8 Prinzipien und schau, welche du noch nicht anwendest. Fang mit P4 an — ein Task, ein Commit, ein sauberer Kontext.
- Bereits mit KI-Agenten unterwegs: Schau, ob deine Quality Gates extern erzwungen werden (P6) oder ob du die KI bittest, sie selbst aufzurufen. Das ist der häufigste Bruch.
- Team-Kontext: Dokumentiert ihr Intent explizit (P3)? Wenn nicht, ist das der nächste Schritt — ein ADR-Template, ein Decision Log, irgendetwas das das Warum festhält.
- Fortgeschritten: Schau dir Compound (P8) an — ob und wie ihr aus Agent-Logs und Git-History lernt.