KI-gestütztes Software-Engineering
in regulierten Domänen.
Methodik aus der Applied-FuSa-Praxis — destilliert aus 14 Jahren Functional Safety, übersetzt in einen Workflow, mit dem ein Ein-Mann-Senior in auditpflichtigen Umfeldern (ISO 26262, IEC 61508, IEC 62304, Automotive SPICE) KI-gestützt produktiv arbeitet, ohne Determinismus und Reputations-Haftung zu kompromittieren.
Worum es geht
Die Lücke zwischen generischen „How-to-use-Copilot"-Ratgebern und akademischen AI-Coding-Studien ist groß. Dazwischen arbeiten Praktiker, die liefern müssen — in Domänen, in denen ein falscher Cut-Set, eine unsaubere Architektur-Annahme oder eine halbgaren FMEA-Tabelle nicht „nur" schlechte Software bedeutet, sondern Haftung, Audit-Findings, Rückrufe. Genau diese Lücke füllt dieses Buch.
Warum es jetzt entsteht
Das gesamte Applied-FuSa-Ökosystem — sieben Tool-Architekturen, acht ADRs, über 50 reale Cross-Repo-Requests, Memory-Disziplin über Monate gewachsen — ist gelebte Substanz, nicht Theorie. Das Buch zitiert direkt aus diesen Quellen: Commits, Memos, Pull-Requests. Statt verallgemeinerter Empfehlungen liefert es nachvollziehbare Beispiele aus der eigenen Praxis.
Wer angesprochen ist
Primär: selbstständige Ingenieure und kleine Teams in FuSa, Embedded und regulierten Industrien. Sekundär: alle AI-Coding-Interessierten, die Substanz statt Hype suchen — und die wissen wollen, wie ein zur Auditierbarkeit verpflichtetes Workflow-Setup aussieht.
Was es nicht ist
Kein „Wie-nutze-ich-Copilot"-Ratgeber. Kein „10 Prompt-Templates für besseren Code"-Buch. Kein akademisches AI-Coding-Lehrwerk. Sondern: konkrete Disziplin-Beschreibung für ein konkretes Setup, das funktioniert — und das jederzeit gegen einen Audit standhalten muss.
12 Kapitel + Anhang
Reihenfolge steht im Architektur-Memo, Kapitel-Titel sind Arbeitstitel und können im Manuskript-Prozess noch wandern.
- Einleitung — Wer dieses Buch braucht, was es nicht ist.
- Die Ausgangslage — Ein-Mann-Praxis in regulierter Domäne, warum AI-Tools relevant sind, was sie hier nicht tun dürfen.
- Multi-Repo statt Mega-Chat — Repo pro Tool, Chat pro Repo, warum Kontext-Trennung mehr bringt als Kontext-Größe.
- Cross-Repo-Requests — Wie Tool-Chats miteinander reden, ohne in fremde Repos zu schreiben.
- Memory-Disziplin — feedback / project / reference, was gespeichert wird und was nicht.
- Deploy-first — Warum jedes Web-Tool von Tag 1 auf seiner Subdomain läuft, kein localhost.
- Determinismus-Gebot — Wo LLM erlaubt ist, wo nicht, und warum die Grenze hart sein muss.
- ADRs als gelebte Disziplin — Wann sich der Aufwand lohnt, wann nicht.
- Codex als zweite Meinung — Externe Review parallel zum Hauptchat, was das bringt und was nicht.
- Bootstrap-Pattern — Wie ein neues Tool in einem Tag steht.
- Was nicht funktioniert hat — Anti-Patterns aus eigener Praxis.
- Fazit + Werkzeug-Übersicht.
Anhang: Konkrete Memo-, ADR-, CRR-Beispiele als Reprints.
Beta — Manuskript in Arbeit
- Phase 1 — Manuskript-Draft, deutsche Erstausgabe. Aktuell aktiv.
- Phase 2 — Lektorat, Cover, KDP-Print + E-Book-Vertrieb, englische Übersetzung.
- Self-Publishing-Ziel — Q3/2026 (Schätzung, kein verbindlicher Termin).
Online-Beta-Volltext (HTML, schrittweise wachsend): book-ai-coding.appliedfusa.de →
Wie das Buch entsteht
Das Buch ist selbst nach dem im Buch beschriebenen Setup entstanden — Multi-Repo, Chat-pro-Projekt, Memory-Disziplin, deterministische Substanz-Quellen. Das ist Teil des Verkaufs-Arguments, kein Marketing-Trick.
Strukturierung, Übergänge, Stilglättung: KI (Claude Sonnet 4.6 + Codex als externer Reviewer) trägt maßgeblich bei. Das ist genau der Effizienz-Hebel, den das Buch selbst predigt.
Substanz, Beispiele, Anti-Patterns, „warum so und nicht anders": kommen vom Autor, direkt aus den existierenden Memos, ADRs und Cross-Repo-Requests des Applied-FuSa-Ökosystems. KI strukturiert und schleift, schreibt aber nicht die Substanz.