Alexander Dziendziol-Dickopf und CoCoon: Interview zu AI Coding
Alexander Dziendziol-Dickopf erzaehlt im Interview, wie CoCoon mit AI Coding entsteht. Stack: TypeScript (Node.js 24), React 19, Vite, Tailwind CSS, Fastify, WebSocket, MCP, Docker/Podman, Zod, pnpm. Tool: T3, Claude …
Builder of CoCoon
T3, Claude Code, Pi
TypeScript (Node.js 24), React 19, Vite, Tailwind CSS, Fastify, WebSocket, MCP, Docker/Podman, Zod, pnpm
Warum dieses Interview
Alexander Dziendziol-Dickopf stellt CoCoon vor. CoCoon lässt Claude Code, Codex und andere Coding-Agenten in isolierten Sandboxes auf deinem eigenen Server arbeiten – und gibt dir einen Ort, an dem du ihre Arbeit planst, sie live beobachtest und entscheidest, was in deinen Code kommt.
Alexander, woran schraubst du gerade bei CoCoon – dem Ort für isolierte Coding-Agenten-Sandboxes auf dem eigenen Server – und welche Rolle spielt AI Coding bei Planung, Live-Beobachtung und dem Merge in deinen Code?
Gerade beschäftige ich mich mit der Integration von CoCoon in Kubernetes bzw. andere Container-Engines. Dabei achte ich darauf, dass alle Inhalte von mir geplant werden. Die Umsetzung gebe ich gerne an Coding-Agents ab, da das reine Schreiben von Code vor allem Zeit kostet. Die übergeordneten Strukturen und Prozesse stammen aber von mir.
Mit Claude und Open-Weight-Modellen wie Qwen 3.8 Flash bzw. 27B, Tools wie T3, Claude Code und Pi sowie TypeScript, Fastify, Docker/Podman und WebSocket: welchen Harness und Techstack fährst du bei CoCoon, und setzt du Sub-Agents, Skills oder MCP aktiv ein?
Ich nutze ganz unterschiedliche Werkzeuge. CoCoon selbst verwende ich, um CoCoon weiterzuentwickeln: CoCoon kann die GitHub-Issues abrufen. Danach arbeitet entweder ein Claude-Code-Agent alles ab, oder ich nutze die Coding-Workflows von CoCoon, um in mehreren Stufen zu arbeiten, z. B. zuerst ein Open-Weight-Modell die „Schufterei“ erledigen lassen und anschließend das Review von einem Top-Tier-Modell durchführen lassen.
CoCoon unterstĂĽtzt viele Harnesses. Meine Standards sind Claude Code, Codex und Pi.
Wie viele Tokens, Entwicklungsstunden und welche KI-Kosten stecken bislang in CoCoon – von den Agenten-Sessions in den Sandboxes bis zum React-/Fastify-Stack?
Das kann ich nicht genau sagen. Meine eigene Arbeitszeit liegt bei etwa einer Woche (aktive Arbeit). Die Agents haben dann viel Setup übernommen. Da ich einen lokalen AI-Server habe, kenne ich dafür keine genaue Token-Anzahl. Für Claude stehen in den lokalen Session-Protokollen zu CoCoon rund 46,8 Millionen Token über alle Aufrufe, davon aber nur etwa 0,8 Millionen „frische“ Token. Der Rest sind wiederholt gelesene Cache-Inhalte. Ich schätze, dass durch die lokalen Modelle noch einmal etwa Faktor 2 hinzukommt.
Alexander, seit wie vielen Jahren entwickelst du schon Software, und ab wann bist du bewusst auf AI Coding umgestiegen?
Seit 2012, also seit knapp 14 Jahren. Seit März dieses Jahres nimmt das stetig zu, dank immer besserer Open-Weight- und Frontier-Modelle.
Auch wenn CoCoon vor allem Software-Agenten in Sandboxes orchestriert: Können KI-Agenten bald eigenständig Hardware entwickeln, und wo siehst du derzeit die größten technischen Grenzen – etwa im Kontrast zu dem, was Agenten bei dir schon zuverlässig im Code schaffen?
Teilweise können Agenten das heute schon, sie erstellen zum Beispiel PCB-Layouts. Die größte Grenze sehe ich derzeit im Physischen. Beim Code kann ein Agent sein Ergebnis sofort selbst testen: kompilieren, Tests laufen lassen, Fehler beheben, und das alles in einer Sandbox. Bei Hardware fehlt diese schnelle Feedbackschleife. Eine Platine muss gefertigt, bestückt und gemessen werden. Die spannende Frage ist also: Ab wann wird ein Agent physische Dinge verstehen und aktiv bearbeiten können?