Wie KI den Entwicklungsprozess bei Justalis beschleunigt

Der Markt für Software im Justizvollzug ist klein und seit Jahren von wenigen etablierten Anbietern geprägt. Deren Systeme sind über lange Zeit gewachsen und verfügen entsprechend über einen breiten Funktionsumfang. Neue Lösungen stehen daher vor der Herausforderung, diesen Vorsprung in vergleichsweise kurzer Zeit aufzuholen.

Die technische Grundlage dafür bildet die Architektur von Justalis. Das System wurde von Beginn an modular aufgebaut, mit aktuellen technologischen Konzepten und klar voneinander getrennten Fachmodulen. Gleichzeitig stellt das Einsatzumfeld hohe Anforderungen an die Lösung: hohe Verfügbarkeit, strenge Sicherheits- und Datenschutzauflagen, durchgängige Nachvollziehbarkeit, Barrierefreiheit als Vertragskriterium sowie der Betrieb auf souveräner Infrastruktur.

Hinzu kommen die Anforderungen aus öffentlichen Ausschreibungen. Welche Funktionen konkret gefordert werden, ist erst mit Veröffentlichung der jeweiligen Unterlagen bekannt. Erst dann lässt sich beurteilen, welche Anforderungen bereits erfüllt sind und an welchen Stellen innerhalb der Ausschreibungsfrist nachgebessert werden muss.

Davor steht jedoch eine umfangreiche Analyse. Die Ausschreibungsunterlagen müssen vollständig geprüft und jede einzelne Anforderung mit dem aktuellen Stand des Systems abgeglichen werden. Erst auf dieser Basis lässt sich verlässlich feststellen, welche funktionalen Lücken tatsächlich bestehen.

Dieser Prozess ist sowohl fachlich als auch zeitlich aufwendig. Mit einem klassischen Entwicklungsprozess waren die dafür vorgesehenen Fristen in dieser Konstellation kaum einzuhalten.

Der erste Schritt war der Einsatz von KI in der Codegenerierung. Aus den ersten Erfahrungen wurden Workflows, Subagents und Rules für Claude Code entwickelt, in denen die Konventionen und Abläufe des Projekts festgehalten sind.

Diese Strukturen werden laufend weiterentwickelt und mit jedem Sprint überprüft. Ansätze, die sich nicht bewähren, werden angepasst, funktionierende Abläufe weiter verfeinert und ausgebaut.

Im nächsten Schritt wurde auch der Workflow rund um das Backlog erweitert. Claude erhielt direkten Zugriff auf die Tickets und kann Aufgaben daraus bis zum fertigen Pull Request bearbeiten.

Der Mensch bleibt dabei durchgehend in den Prozess eingebunden. Zwischen Ticket und Pull Request wird der Fortschritt regelmäßig überprüft und bei Bedarf korrigiert. Die Verantwortung für den Code liegt weiterhin bei den Entwickler:innen. Wer einen Pull Request freigibt, muss den enthaltenen Code auf demselben Niveau kennen, nachvollziehen und vertreten können, als hätte er ihn selbst geschrieben.

Zusätzlich greifen in der Pipeline technische Guardrails, die unabhängig vom Einsatz der KI gelten. Dazu zählen Architektur-Tests, statische Analysen, Security-Scans und automatisierte Tests. Sie stellen sicher, dass die definierten Regeln und Qualitätsstandards des Projekts eingehalten werden, unabhängig davon, ob Code von einem Menschen oder von Claude erstellt wurde.

Nach den ersten Sprints war das Team mit dem Einsatz von Claude im Entwicklungsprozess ausreichend vertraut, um den Anwendungsbereich zu erweitern. Seither nutzen auch Product Owner und Stakeholder die Möglichkeiten gemeinsam mit den Entwickler:innen bei der Bearbeitung von Ausschreibungen.

Dabei kommt Claude an zwei zentralen Stellen zum Einsatz: bei der strukturierten Analyse der Unterlagen und bei der Bearbeitung jener Anforderungen, die durch den aktuellen Stand des Systems noch nicht vollständig abgedeckt sind.

Claude Cowork und Claude Code übernehmen dabei unterschiedliche Aufgaben. Cowork liest die vollständigen Ausschreibungsunterlagen ein und extrahiert daraus die einzelnen Anforderungen. Claude Code kennt den aktuellen Stand der Plattform und gleicht diese Anforderungen mit der bestehenden Lösung ab.

Das Ergebnis ist eine Gap-Analyse, die für jede einzelne Anforderung zeigt, ob sie bereits erfüllt, teilweise erfüllt oder noch nicht umgesetzt ist. Ein Prozess, der zuvor mehrere Tage beansprucht hat, kann damit innerhalb weniger Stunden durchgeführt werden.

Die identifizierten Lücken werden als neue Anforderungen in das Backlog überführt. Da Claude Code die bestehende Architektur kennt, enthält jedes dieser Work Items bereits eine Beschreibung, wie sich die geforderte Funktion in die vorhandenen Module integriert. Anschließend durchlaufen sie denselben Prozess wie alle anderen Tickets: Implementierung, Pull Request und Review.

Auf diese Weise konnten die fehlenden Funktionen innerhalb der Frist umgesetzt werden. Da der Abgleich direkt gegen die Codebasis erfolgt, ist für jede Anforderung aus der Ausschreibung nachvollziehbar, wo sie im System bereits abgedeckt ist und wo sie umgesetzt werden muss.

Zu Beginn hatte jede:r im Team individuellen Zugriff auf Claude und setzte das Tool entsprechend der eigenen Arbeitsweise ein. Das brachte bei einzelnen Aufgaben bereits Zeitgewinne, veränderte den Entwicklungsprozess als Ganzes jedoch nur begrenzt.

Deutlich größer wurde der Effekt mit der Einführung gemeinsamer Standards und klar definierter Governance. Workflows, Rules und Subagents gelten seither für das gesamte Team und werden zentral im Repository versioniert. Dadurch entstehen vergleichbare Ergebnisse, die nachvollziehbar geprüft und von allen Beteiligten genutzt werden können.

Ein weiteres Learning betrifft den Umfang einzelner Änderungen. Mit KI lassen sich auch größere Features in einem Durchgang umsetzen. Dadurch entstehen jedoch schnell umfangreiche Änderungen über zahlreiche Dateien hinweg, die sich nur noch schwer im Detail prüfen lassen.

Gerade beim menschlichen Review wird dieser Punkt relevant. Ein Pull Request mit mehreren hundert geänderten Zeilen kann zwar technisch korrekt sein, lässt sich aber nur mit entsprechend hohem Aufwand zuverlässig nachvollziehen.

Damit die Verantwortung tatsächlich beim Menschen bleiben kann, müssen Tickets deshalb entsprechend strukturiert und Pull Requests bewusst überschaubar gehalten werden. Nur so bleibt ein fundiertes und nachvollziehbares Review möglich.

„Mit der strukturierten Begleitung durch EBCONT haben wir KI fest in unserem Entwicklungsalltag verankert: Von der Ausarbeitung von Konzepten und User Stories über die Feature-Entwicklung bis hin zu automatisierten Qualitäts-Checks. Das hat unsere Produktivität spürbar gesteigert und uns ermöglicht, Vorhaben umzusetzen, die zuvor wirtschaftlich kaum darstellbar waren."

Dietmar Stefani, Verwaltungsratspräsident, Justalis Holding AG

Justalis hat sich innerhalb kurzer Zeit zu einem konkurrenzfähigen Produkt entwickelt. Der dabei entstandene Entwicklungsprozess reicht mittlerweile deutlich über einzelne Coding-Aufgaben hinaus. KI unterstützt heute den Ablauf vom Ticket bis zum Pull Request, während Architektur, Sicherheit, Qualität und Verantwortung weiterhin beim Team liegen.

Gleichzeitig bleibt der Prozess bewusst veränderbar. Workflows, Rules und Guardrails werden mit jedem Sprint überprüft und weiterentwickelt. Auch neue Modellgenerationen beeinflussen laufend, welche Aufgaben sinnvoll unterstützt oder übernommen werden können.

EBCONT begleitet auch andere Unternehmen bei der Einführung solcher Arbeitsweisen, von der strategischen Ausrichtung über das technische Setup bis zu Playbooks und Governance, die direkt im Entwicklungsprozess und im Code verankert sind. 

Mehr dazu unter EBCONT Agentic Engineering.