we-make.ai
#Spec-Driven Development #AI Agents #Coding Agents #Softwareentwicklung

Spec-Driven Development: Was es vom Wasserfallmodell unterscheidet

Mag. Dr. Bernhard Mayr, MBA 17.11.2026
Mann geht mit einem Stoß Bücher und seinem Hund Treppen hinauf

Sie bitten einen Coding Agent um ein neues Feature, und wenige Minuten später steht der Code da. Er läuft, er sieht ordentlich aus, und trotzdem macht er etwas anderes, als Sie im Kopf hatten. Also schreiben Sie den nächsten Prompt, erklären nach, was Ihnen selbstverständlich erschien, und wiederholen das Spiel zwei-, dreimal. Vieles davon hätten Sie gleich zu Beginn aufschreiben können.

Immer mehr Teams ziehen daraus die Konsequenz und stellen eine schriftliche Spezifikation an den Anfang. Spec-Driven Development (spezifikationsgetriebene Entwicklung) bedeutet, dass eine versionierte Spezifikation festhält, was ein Feature leisten soll, und dass der AI Agent daraus baut, Tests daraus abgeleitet werden und das Ergebnis an ihr geprüft wird. Viele Entwickler reagieren darauf skeptisch: Ist das nicht einfach das Wasserfallmodell, nur in Markdown-Dateien?

Die Frage ist berechtigt, und das Video Spec-Driven Development vs. Waterfall von IBM Technology stellt sie ausdrücklich. Dieser Beitrag vergleicht beide Ansätze, zeigt den Kreislauf an einem Beispiel aus dem Großhandel und beantwortet, wann sich eine Spezifikation lohnt.


Im Wasserfallmodell steht die Spezifikation ganz oben

Das Wasserfallmodell arbeitet in festen Stufen: Anforderungen, Design, Umsetzung, Test, Inbetriebnahme. Jede Stufe ist abgeschlossen, bevor die nächste beginnt. Die Spezifikation liegt in der obersten Stufe und wird vollständig geschrieben, bevor jemand die erste Zeile Code anfasst.

Wasserfallmodell als Treppe mit fünf Stufen von Anforderungen bis Inbetriebnahme. Die Spezifikation liegt oben, ein Rückweg von der Umsetzung zu den Anforderungen ist teuer, und am Ende ist die Spezifikation veraltet.

Aus diesem Aufbau ergeben sich vier bekannte Schwächen, zuerst die Übergaben zwischen den Stufen: Ein Team schreibt Anforderungen, ein anderes entwirft, ein drittes programmiert. Stellt sich bei der Umsetzung heraus, dass eine Anforderung falsch war, muss das Projekt die Treppe wieder hinauf, und jede Änderung wird teuer. Ob das Richtige gebaut wurde, zeigt sich erst im Test, also spät. Und wenn die Software schließlich in Produktion geht, beschreibt das Anforderungsdokument längst nicht mehr, was tatsächlich läuft, weil niemand es nachgeführt hat.

Diese Erfahrungen haben die Branche zu kurzen Zyklen, User Stories und agilen Methoden gebracht. Das Agile Manifest von 2001 stellt funktionierende Software ausdrücklich über umfassende Dokumentation. Wer heute wieder dazu aufgefordert wird, vorab eine Spezifikation zu schreiben, denkt deshalb verständlicherweise an alte Pflichtenhefte.


Wasserfall in Markdown?

Schreiben Sie die Spezifikation komplett im Voraus, frieren sie ein und übergeben sie einem Agenten, dann haben Sie ein Wasserfallprojekt. Sie bekommen dieselben Probleme, nur schneller, weil ein Agent Code in einem Bruchteil der Zeit erzeugt.

Der Unterschied zeigt sich beim Bauen. Im Spec-Driven Development bleibt die Spezifikation während der ganzen Entwicklung in Bewegung. Sie startet als kurzer Text, der Agent baut daraus, Sie prüfen das Ergebnis, und was Sie dabei lernen, wandert zurück in die Spezifikation.

Kreislauf des Spec-Driven Development mit vier Stationen: Spezifikation, Umsetzung durch den AI Agent, Prüfung und Nachschärfen der Spezifikation. Ein Durchlauf dauert Stunden bis Tage pro Feature.

Ein Durchlauf betrifft ein einzelnes Feature und dauert Stunden oder wenige Tage, während ein Wasserfallprojekt Monate bis zur ersten Prüfung braucht. Weil die Spezifikation als Markdown-Datei neben dem Code im Repository liegt, wird sie mit jedem Commit versioniert und veraltet nicht unbemerkt.


Ein Beispiel: Retouren im B2B-Shop

Nehmen wir an, ein Elektrogroßhändler möchte seinen Fachhandelskunden erlauben, Retouren direkt im Onlineshop anzumelden. Die erste Spezifikation ist drei Zeilen lang:

Retourenanmeldung
- Kunde wählt Artikel aus Bestellungen der letzten 30 Tage
- System erzeugt einen Retourenschein als PDF
- Das Lager erhält eine Vorankündigung mit Artikel und Menge

Der Agent baut das Feature, das Team prüft es mit Testdaten. Dabei fällt auf, dass ein Kunde dieselbe Position zweimal zurückschicken kann, weil die Spezifikation nichts über bereits angemeldete Retouren sagt. Die Spezifikation bekommt eine vierte Zeile: Die Rücksendemenge pro Position ist höchstens die gelieferte Menge abzüglich bereits angemeldeter Retouren. Dann läuft der Kreislauf erneut, vom Text über den Agenten bis zur Prüfung.

Die Spezifikation leistet damit mehr als ein klassisches Anforderungsdokument: Der Agent baut aus ihr, die Tests leiten sich aus ihren Kriterien ab, und bei der Abnahme ist sie der Maßstab. Wer schon einmal einen fehlschlagenden Test vor dem eigentlichen Code geschrieben hat, kennt das Prinzip im Kleinen: Jeder solche Test ist eine Mini-Spezifikation. Spec-Driven Development hebt diese Idee auf die Ebene eines ganzen Features.


Warum sich Spezifikationen mit AI Agents erst rechnen

Spezifikationen galten immer als gute Idee, sie aktuell zu halten war aber mühsam. Mit AI Agents verschiebt sich diese Rechnung.

Ist im Team etwas unklar, fragt eine Kollegin nach oder kennt die Codebasis gut genug, um die Lücke selbst zu schließen. Ein Agent hat diesen Kontext nicht und füllt fehlende Informationen mit Annahmen. Eine gute Spezifikation gibt ihm, was er sonst raten müsste: was gebaut wird, welche Randbedingungen gelten und woran man erkennt, dass es funktioniert. Wie viel davon ein Modell überhaupt sieht, beschreibt unser Beitrag zum Agentic Engineering.

Teuer wird außerdem jede Mehrdeutigkeit, denn eine unklare Anforderung erzeugt zusätzliche Prompts, jeder Prompt eine weitere Runde, deren Ergebnis jemand prüfen muss. Das kostet Geld für Rechenleistung und vor allem die Zeit Ihrer Entwickler. Eine klare Spezifikation senkt die Zahl dieser Runden.

Gleichzeitig sinkt der Aufwand für die Pflege, weil der Agent beim Schreiben selbst hilft. Er kann einen ersten Entwurf formulieren und die Datei nachführen, wenn sich im Lauf der Arbeit etwas ändert. GitHub hat dafür im September 2025 das Open-Source-Werkzeug Spec Kit vorgestellt. Dort erzeugt der Coding Agent aus Ihrer Beschreibung eine Spezifikation, aus Ihren Vorgaben zu Technologie und Architektur einen technischen Plan und aus beidem einzelne Aufgaben. GitHub bezeichnet Spezifikationen darin als lebende, ausführbare Artefakte, die sich mit dem Projekt weiterentwickeln.


Sicherheit und Compliance gehören in die Spezifikation

Eine Spezifikation beschreibt mehr als Funktionen. Auch Anforderungen an Sicherheit, Datenschutz und Governance lassen sich dort festhalten, damit der Agent sie von Beginn an kennt. Für die Retourenanmeldung könnten das drei weitere Zeilen sein:

  • Jeder Endpunkt verlangt eine Anmeldung, und ein Kunde sieht nur Bestellungen des eigenen Kundenkontos.
  • In Logdateien landen keine personenbezogenen Daten wie Namen oder Lieferadressen.
  • Zugangsdaten für die ERP-Schnittstelle stehen nicht im Code, sie kommen aus dem Secret Store.

So stehen Sicherheitsanforderungen neben den fachlichen und werden in jedem Durchlauf mitgeprüft, solange sich die Architektur noch leicht ändern lässt. Wie Sie Coding Agents zusätzlich technisch absichern, zeigt unser Beitrag zu unbeaufsichtigten Coding Agents.


Wann sich eine Spezifikation lohnt

Nicht jede Änderung braucht eine eigene Datei. Ein kleiner Bugfix ist mit einem präzisen Prompt meist schneller erledigt. Deutlich profitieren größere Features, die mehrere Services berühren, und Modernisierungsprojekte, bei denen ein Agent bestehenden Code umbaut und das Verhalten erhalten bleiben muss.

Für den Einstieg reicht beim nächsten größeren Feature eine kurze Markdown-Datei im Repository mit Ziel, Randbedingungen und Abnahmekriterien. Lassen Sie den Agenten daraus bauen, prüfen Sie das Ergebnis und ergänzen Sie die Datei um alles, was dabei offen war. Nach zwei oder drei Features sehen Sie, welche Angaben Ihr Team immer wieder nachtragen muss, und diese Angaben gehören in eine Vorlage.

Das Wasserfallmodell hat versucht, Anforderungen vor der Entwicklung festzuschreiben. Spec-Driven Development hält sie während der ganzen Entwicklung mit dem Code verbunden. Je mehr Code AI Agents schreiben, desto stärker hängt die Qualität des Ergebnisses an der Qualität dieser Spezifikation.


Häufige Fragen zu Spec-Driven Development

Was ist Spec-Driven Development? Ein Vorgehen, bei dem eine versionierte Spezifikation festlegt, was ein Feature leisten soll. Der AI Agent baut daraus, Tests und Abnahme orientieren sich an ihr, und neue Erkenntnisse fließen laufend zurück in den Text.

Worin unterscheidet es sich vom Wasserfallmodell? Im Wasserfallmodell wird die Spezifikation einmal für das ganze Projekt geschrieben und dann übergeben. Spec-Driven Development arbeitet in kurzen Kreisläufen pro Feature und hält die Spezifikation im Repository aktuell.

Braucht jede Änderung eine Spezifikation? Für kleine Bugfixes genügt ein guter Prompt. Eine Spezifikation lohnt sich bei Features über mehrere Services und bei Modernisierungsprojekten.

Sie wollen AI Agents in Ihrer Softwareentwicklung einsetzen und dabei Qualität und Sicherheit im Griff behalten? Wir unterstützen Sie von der ersten Spezifikation bis zur Einführung.

Gratis-Download, ohne Anmeldung

Kostenloses Whitepaper: Lokale KI für Unternehmen

Ehrliche Entscheidungsgrundlage für KMU: Wann sich lokale KI rechnet, mit konkreten Kosten, DSGVO-Einordnung und Umsetzungsfahrplan. Der Download braucht keine Anmeldung.

KI-Expertise für Ihr Unternehmen

Sie möchten wissen, wie künstliche Intelligenz auch in Ihrem Unternehmen Mehrwert schaffen kann? In einem kostenlosen Erstgespräch besprechen wir Ihre Möglichkeiten.

Oder schreiben Sie uns direkt: [email protected]  |  +43 660 31 96 763