Die Woche, die Softwareentwicklung verändert hat
Drei Tage. Das war die Zeitspanne im Februar 2026, in der sich die Landschaft der KI-Softwareentwicklung grundlegend verschoben hat.
Am 24. Februar startete Cursor seine Cloud Agents — autonome KI-Agenten, die in isolierten Linux-VMs laufen, eigenständig Code schreiben, testen und merge-fertige Pull Requests mit Video-Demos liefern. Am selben Tag launchte Anthropic Enterprise-Plugins für Claude Cowork — branchenspezifische KI-Agenten für Finanzen, HR, Recht und Engineering. Drei Tage später meldete OpenAI, dass Codex 1,6 Millionen wöchentlich aktive Nutzende hat — eine Verdreifachung seit Jahresbeginn.
Wer in der Softwareentwicklung arbeitet, hat das gespürt. Nicht als abstrakte Zukunftsvision, sondern als konkreten Shift in der täglichen Arbeit. Wir bei IJONIS setzen diese Tools jeden Tag ein — Cursor, Claude Code, eigene Agentic Workflows. Dieser Artikel ist kein Produktvergleich. Es ist ein ehrlicher Erfahrungsbericht.
Was Cursor Cloud Agents tatsächlich sind
Cursor nennt es die „dritte Ära" des KI-gestützten Codings. Die Evolution:
- Tab-Autocomplete — KI schlägt die nächste Zeile vor
- Synchrone Agenten — Prompt-Antwort-Schleifen im Editor
- Cloud Agents — autonome Agenten, die eigenständig arbeiten, während Sie etwas anderes tun
Der technische Kern: Jeder Cloud Agent bekommt eine eigene isolierte Linux-VM. Er liest sich in Ihr Repository ein, schreibt Code, führt Tests aus und liefert einen fertigen Pull Request — inklusive Video-Aufnahme seiner Arbeit, Screenshots und Logs. Statt einen Diff zu lesen und mental durchzuspielen, schauen Sie sich ein 30-Sekunden-Video an, in dem der Agent das Feature demonstriert.
Das ist kein Laborexperiment. Cursor selbst gibt an, dass 35 % ihrer internen Pull Requests von Agenten stammen — Produktionscode, der an Millionen Nutzende ausgeliefert wird.
Was das in der Praxis bedeutet
- 10–20 Agenten parallel pro Nutzerin oder Nutzer
- Zugang über Web, Desktop, Mobile, Slack und GitHub
- Remote-Desktop-Zugriff auf die Agent-VM zum manuellen Testen
- Pricing: Ab 20 USD/Monat (Pro), 60 USD (Pro+), 200 USD (Ultra) — Cloud Agents in allen Bezahlplänen verfügbar
Cursor vs. Claude Code vs. Codex — der ehrliche Vergleich
Pressemitteilungen erzählen eine Geschichte. Die tägliche Arbeit eine andere. Hier ist, was wir sehen:
| App | Ausführung | Parallelität | Selbst-Tests | Artefakte | Stärke |
|---|---|---|---|---|---|
| Cursor Cloud Agents | Cloud-VMs | 10–20 Agenten | Ja, mit Video | Videos, Screenshots, Logs | Parallele Ausführung |
| Claude Code | Lokal | Einzelsitzung | Ja, ohne Video | Diffs, Konversation | Architektur & Tiefe |
| OpenAI Codex | Cloud + Lokal | Mehrere Projekte | Ja | Diffs | Geschwindigkeit & Skalierung |
| GitHub Copilot | Cloud | Ein Workspace | Eingeschränkt | Diffs | Plattform-Integration |
Claude Code: Der stille Marktführer
Was in der Berichterstattung oft untergeht: Claude Code ist gemessen am tatsächlichen Output bereits der einflussreichste KI-Coding-Agent. Laut dem SemiAnalysis-Report „Claude Code is the Inflection Point" stammen bereits 4 % aller öffentlichen GitHub-Commits von Claude Code — mit einer Prognose von 20 % bis Jahresende.
Unabhängige Tests zeigen, dass Claude Code 5,5-mal weniger Tokens verbraucht als Cursor für identische Aufgaben. Weniger Tokens bedeuten weniger Kosten und schnellere Ausführung.
Wir nutzen Claude Code täglich über die Claude Agent SDK. Unser Open-Source-Projekt GEO Lint — ein Linter mit 92 Regeln für KI-Sichtbarkeit — wurde fast vollständig mit Claude Code gebaut. Nicht als Demo. Als Produktionssoftware, die auf npm veröffentlicht ist und von anderen Teams genutzt wird.
OpenAI Codex: Die Skalierungsmaschine
Codex setzt auf pure Verbreitung. Die Mac-App erreichte eine Million Downloads in der ersten Woche. Mit dem neuen GPT-5.3-Codex-Modell liefert das System über 1.000 Tokens pro Sekunde. Intern nutzen 95 % der OpenAI-Entwickelnden Codex wöchentlich — mit 70 % mehr Pull Requests als Ergebnis.
GitHub Copilot: Vom Produkt zur Plattform
Der eigentlich interessante Strategiewechsel: GitHub Copilot bietet seit Februar 2026 Claude und Codex als Agenten innerhalb von Copilot an. Copilot wird zur Orchestrierungsschicht — eine Meta-Plattform statt eines einzelnen Tools. Mit 20 Millionen Nutzenden und 90 % der Fortune 100 als Kundschaft ist das eine Position, die keines der anderen Tools ignorieren kann.
Von Vibe Coding zu Agentic Coding — wo stehen wir wirklich?
Letztes Jahr haben wir über Vibe Coding geschrieben — die Idee, dass Programmieren zum Dialog zwischen Mensch und KI wird. Beschreiben, was man braucht. Die KI schreibt mit. Iterieren.
Cursor Cloud Agents verschieben dieses Paradigma. Es geht nicht mehr um Dialog. Es geht um Delegation. Die Entwicklung hat drei Phasen durchlaufen:
- KI als Autocomplete (2022–2023) — Copilot schlägt die nächste Zeile vor. Akzeptieren oder ablehnen.
- KI als Junior-Entwicklerin (2024–2025) — Vibe Coding. Konversation, Kontext, Iteration. Die KI schreibt ganze Funktionen, braucht aber ständige Führung.
- KI als autonome Mitwirkende (2026) — Cloud Agents. Die KI bekommt ein Ticket, arbeitet selbstständig, liefert einen fertigen PR mit Video-Beweis.
Realitätscheck
Wir sind in Phase 3 angekommen — aber mit einem großen Vorbehalt. Autonom heißt nicht autonom im menschlichen Sinne. KI-Agenten liefern zuverlässig bei klar definierten, wiederholbaren Aufgaben. Bei Aufgaben, die Urteilsvermögen, Kontextwissen oder kreative Problemlösung erfordern, bleibt menschliche Intelligenz unersetzlich.
Was funktioniert — und was nicht
Nach über einem Jahr täglichem Einsatz von KI-Coding-Agenten haben wir ein klares Bild:
Wo KI-Agenten hervorragend sind
- Boilerplate-Code: Formularvalidierung, CRUD-Endpoints, Datenbankschemas — 70–80 % Zeitersparnis
- Refactoring: Umbenennung über 50 Dateien, Typkonvertierung, API-Migration — Arbeit, die früher Tage dauerte, in Minuten
- Test-Generierung: Unit Tests, Edge Cases, Testdaten — der Agent schreibt 30 Tests, bevor ein Mensch den dritten formuliert hat
- Code-Exploration: „Wie funktioniert die Authentifizierung in diesem Projekt?" — der Agent liest die Codebasis schneller als jede Dokumentation
- Prototyping: Von der Idee zum funktionierenden MVP in Stunden statt Wochen
Wo KI-Agenten versagen
- Architekturentscheidungen: „Sollen wir einen Monolithen oder Microservices bauen?" — Die KI liefert plausible Antworten für beide Optionen. Die richtige Wahl erfordert Geschäftskontext, den kein Prompt transportiert.
- Neuartige Problemlösung: Wenn das Problem noch nie gelöst wurde, halluziniert die KI Lösungen, die syntaktisch korrekt, aber semantisch falsch sind.
- Sicherheitskritischer Code: Authentifizierung, Kryptografie, Berechtigungssysteme — hier ist „fast richtig" schlimmer als offensichtlich falsch.
- Legacy-Systeme verstehen: 15 Jahre gewachsene Codebasis mit ungeschriebenen Regeln. Der Agent sieht den Code, aber nicht die Geschichte dahinter.
- Domänen-Logik: Geschäftsregeln, regulatorische Anforderungen, branchenspezifische Constraints — der Agent kennt kein Handelsrecht.
Die 80/20-Realität der KI-Coding-Agenten
Das ist die ehrlichste Zusammenfassung, die wir geben können: KI-Agenten übernehmen 80 % der Routine. Aber die verbleibenden 20 % — Architektur, Qualitätsurteil, Sicherheit, Domänenwissen — werden dadurch nicht weniger wichtig. Sie werden zehnmal wertvoller. Weil sie der Engpass sind.
Was sich für Entwicklungsteams ändert
Die Konsequenzen reichen über Tools hinaus. Wer mit KI-Coding-Agenten arbeitet, muss Rollen, Prozesse und Bewertungsmaßstäbe anpassen.
Code Review wird wichtiger, nicht unwichtiger
Wenn ein Agent 20 Pull Requests pro Tag liefert, wird Review zum Bottleneck. Das ist keine Nebensache — es ist die zentrale Qualitätskontrolle. Teams brauchen Review-Expertise, nicht mehr manuelle Programmierende.
Die Stack Overflow Developer Survey 2025 bestätigt diese Spannung: 84 % der Entwickelnden nutzen KI-Tools, aber nur 3 % vertrauen dem Output uneingeschränkt. 66 % berichten von Frustration mit KI-Lösungen, die „fast richtig, aber nicht ganz" sind.
„The future of AI is about orchestration of tokens, not just selling tokens at base cost." — SemiAnalysis, Claude Code is the Inflection Point
Architektur-Skills werden Premium
Wenn Code zur Massenware wird, wird Architektur zum Differenzierungsmerkmal. Wer Systeme designen kann — Datenmodelle, API-Grenzen, Sicherheitsarchitekturen, Skalierungsmuster — wird wertvoller als je zuvor. Wer nur Code schreibt, wird durch Agenten substituierbar.
Das ist meine persönliche Erfahrung: Ich kann keine einzige Zeile Code von Hand schreiben. Und habe trotzdem mehrere SaaS-Produkte und Agentic Workflows in neun Monaten ausgeliefert. Nicht weil ich programmieren kann, sondern weil ich in Systemen, Architektur und Constraints denke. Der Code ist Commodity. Die Architektur ist es nicht.
Prompt Engineering wird zur Kernkompetenz
Die Qualität des Agent-Outputs hängt direkt von der Qualität der Instruktionen ab. CLAUDE.md-Dateien, strukturierte Prompts, Kontext-Engineering — das sind keine Nice-to-haves. Das sind die Stellschrauben, die entscheiden, ob ein Agent brauchbaren oder unbrauchbaren Code liefert.
Neue Metriken für KI-gestützte Teams
Alte Metrik: Lines of Code pro Entwicklerin. Neue Metrik: Qualität der Architekturentscheidungen. Anzahl vermiedener Sicherheitslücken. Geschwindigkeit der Iteration. Die Teams, die das verstehen, liefern 5× schneller als Teams, die KI-Agenten ignorieren.
Was Unternehmen ihre Entwicklungspartner fragen sollten
Wenn Sie externe Entwicklungsteams beauftragen, fragen Sie:
- Welche KI-Coding-Tools nutzt ihr im Alltag? Keine Antwort ist eine rote Flagge. Tools aufzählen ohne konkrete Workflows auch.
- Wie sieht euer Review-Prozess für KI-generierten Code aus? „Wir reviewen alles" ist richtig. „Die KI macht keine Fehler" ist disqualifizierend.
- Zeigt mir ein konkretes Projekt, das mit KI-Agenten gebaut wurde. Erfahrung schlägt Theorie.
- Wie stellt ihr Sicherheit bei KI-generiertem Code sicher? Die Antwort sollte spezifisch sein — nicht „wir achten darauf".
IJONIS-Praxis
Wir setzen Claude Code, Cursor und eigene Agentic Workflows täglich ein — in Hamburg und remote. Vom Open-Source-Linter GEO Lint bis zu komplexen SaaS-Produkten. Das ist keine Marketingaussage, sondern nachprüfbare Realität auf GitHub.
Die Bewertungslandschaft — Zahlen, die die Dynamik zeigen
Die Investitionssummen machen die strategische Bedeutung dieses Marktes deutlich:
| App | Bewertung | Letzte Runde | Umsatz (ARR) |
|---|---|---|---|
| OpenAI | 840 Mrd. USD | 110 Mrd. USD | 29,4 Mrd. (Ziel 2026) |
| Anthropic | 380 Mrd. USD | 30 Mrd. USD | 14 Mrd. USD |
| Cursor | 29,3 Mrd. USD | 2,3 Mrd. USD | 1 Mrd.+ USD |
Cursor erreichte 1 Milliarde USD ARR in weniger als 24 Monaten — das schnellste SaaS-Wachstum aller Zeiten. Mit rund 300 Mitarbeitenden ergibt das 3,3 Millionen USD Umsatz pro Person. Diese Zahlen sind kein Zufall. Sie zeigen, dass Entwicklungsteams weltweit bereit sind, für KI-Coding-Tools zu zahlen, weil der Produktivitätsgewinn real ist.
Die „SaaSpocalypse" — warum SaaS-Aktien einbrechen
Ein Nebeneffekt, der die gesamte Softwareindustrie betrifft: Seit Anthropic Claude Cowork am 30. Januar 2026 vorstellte, haben SaaS-Unternehmen 285 Milliarden USD an Marktkapitalisierung verloren. Intuit: -33 %. Thomson Reuters: -31 %. ServiceNow: -23 %. Salesforce: -22 %.
Die Logik dahinter: Wenn KI-Agenten die Arbeit von 100 Mitarbeitenden übernehmen können, braucht ein Unternehmen keine 100 SaaS-Lizenzen mehr. Die Anbieter von Foundation Models — Anthropic, OpenAI — konkurrieren jetzt direkt mit der Application-Layer-Software, die auf ihnen aufbaut.
Für Entwicklungsteams bedeutet das: Die Werkzeuge, mit denen Sie Software bauen, verändern auch die Software, die Ihre Kundschaft kauft. Wer das versteht, baut die richtigen Produkte.
Fazit: Die Frage ist nicht ob, sondern wie
Cursor Cloud Agents, Claude Code und OpenAI Codex sind keine Zukunftsmusik. Sie sind Werkzeuge, die heute funktionieren, mit klaren Stärken und ebenso klaren Grenzen.
Die Entwicklungsteams, die diese Tools einsetzen, liefern schneller. Die, die es nicht tun, fallen zurück. Aber „einsetzen" heißt nicht „blind vertrauen". Es heißt: Architektur beherrschen, Code reviewen, Qualität sichern — und die 80 % Routinearbeit delegieren, die keine menschliche Kreativität erfordert.
Häufige Fragen
Was sind Cursor Cloud Agents?
Cursor Cloud Agents sind autonome KI-Coding-Agenten, die in isolierten Linux-VMs in der Cloud laufen. Sie lesen sich in ein Repository ein, schreiben Code, führen Tests aus und liefern merge-fertige Pull Requests mit Video-Demos, Screenshots und Logs. Pro Nutzerin oder Nutzer können 10–20 Agenten gleichzeitig arbeiten.
Was kosten Cursor Cloud Agents?
Cloud Agents sind in allen Bezahlplänen von Cursor verfügbar: Pro (20 USD/Monat), Pro+ (60 USD/Monat) und Ultra (200 USD/Monat). Der Unterschied liegt im Credit-Pool — mehr Credits erlauben längere und mehr parallele Agent-Sessions.
Was ist der Unterschied zwischen Cursor und Claude Code?
Cursor Cloud Agents setzen auf parallele Cloud-VMs mit Video-Verifikation — ideal für viele gleichzeitige, klar definierte Aufgaben. Claude Code arbeitet lokal und zeichnet sich durch tiefes Kontextverständnis und Token-Effizienz aus — ideal für Architekturarbeit und komplexe Feature-Entwicklung. Im täglichen Einsatz ergänzen sich beide Tools.
Kann KI Softwareentwickelnde ersetzen?
Nein — aber die Rolle verändert sich. KI-Agenten übernehmen Routinearbeit (Boilerplate, Tests, Refactoring). Architektur, Sicherheit, Domänenlogik und Qualitätsurteil bleiben menschliche Kernkompetenzen. Teams, die KI-Agenten einsetzen, liefern schneller — aber sie brauchen erfahrene Entwickelnde für Review und Architektur.
Ist KI-generierter Code sicher?
KI-generierter Code erfordert denselben (oder strengeren) Review-Prozess wie manuell geschriebener Code. Besonders bei Authentifizierung, Kryptografie und Berechtigungssystemen sollte KI-Code von Fachleuten geprüft werden. Tools wie Claude Code liefern Diffs, die systematisch reviewbar sind — aber blindes Vertrauen ist ein Sicherheitsrisiko.
Was ist der Unterschied zwischen Vibe Coding und Agentic Coding?
Vibe Coding beschreibt das Paradigma des dialogbasierten Programmierens — Mensch und KI arbeiten im Wechsel. Agentic Coding geht einen Schritt weiter: Die KI arbeitet autonom an Aufgaben, ohne ständige menschliche Führung, und liefert eigenständig fertige Ergebnisse. Cursor Cloud Agents sind die konsequenteste Umsetzung dieses Konzepts.
