Robin und MainPath: Interview zu AI Coding
Robin erzaehlt im Interview, wie MainPath mit AI Coding entsteht. Stack: NestJS, Go, Astro, React, GitLab CI, Terraform, Ansible, Docker, MySQL. Tool: Cursor.
Builder of MainPath
Cursor
NestJS, Go, Astro, React, GitLab CI, Terraform, Ansible, Docker, MySQL
Warum dieses Interview
Robin stellt MainPath vor. MainPath ist die Platform, die ich gebaut habe, weil ich bei jedem neuen Produkt dieselben Schritte wieder aufgesetzt habe: Repository, Pipeline, Server, Zertifikate und Domain. Heute legt MainPath das mit dem Projekt an. Live ist es unter mainpath.ai. Darauf laufen eigene Apps und Kundenprojekte, vom Web bis in die App Stores. Gebaut habe ich es mit Cursor-Agenten, Backend, CLI, Infrastruktur und Website. Im Gespräch kann ich den Weg zeigen: das Problem, den Stack und die Stellen, an denen die Agenten danebenlagen.
Was baust du aktuell an der MainPath-Platform weiter, und welche Rolle spielt AI Coding bei NestJS, Go und der Infrastruktur?
Ich entwickle MainPath aktuell vor allem mit dem Ziel weiter, dass aus einem Projekt, das mit Coding-Agents entstanden ist, auch wirklich ein fertiges Produkt wird. Code zu generieren ist mittlerweile ziemlich einfach. Spannend wird es aber, wenn die Anwendung tatsächlich veröffentlicht und betrieben werden soll.
MainPath kümmert sich deshalb um Dinge wie das Repository, die CI/CD-Pipeline, das Hosting und die Domain. Bei mobilen Apps kommt dann noch die Veröffentlichung im App Store und Play Store dazu.
Technisch nutze ich im Backend NestJS, aber auch Go gehört zur Plattform. Die Infrastruktur verwalte ich mit Terraform und GitLab CI. AI Coding nutze ich dabei eigentlich täglich. Die Agents helfen mir sowohl beim Entwickeln neuer Funktionen als auch bei der Infrastruktur. Ich schaue mir die Änderungen an und lasse sie anschließend durch die Pipeline laufen. Ob etwas tatsächlich live geht, entscheidet am Ende die Pipeline auf dem main-Branch.
Wie sieht bei dir der Mix aus LLMs, Harness und Techstack für MainPath aus – Claude und Grok, Cursor –, und setzt du Sub-Agents, Skills oder MCP ein?
Ich arbeite hauptsächlich mit Cursor und nutze darin unterschiedliche Modelle, vor allem Claude und Grok. Welches Modell ich nehme, hängt von der jeweiligen Aufgabe ab. Ich habe mich da nicht auf ein einziges festgelegt, weil die Modelle durchaus unterschiedliche Stärken haben.
Außerdem nutze ich Sub-Agents, Skills und MCP. Das ist gerade bei einem größeren Projekt wie MainPath ziemlich hilfreich. Über MCP können die Agents beispielsweise mit GitLab, MainPath selbst oder Slack interagieren. Skills nutze ich, um wiederkehrende Abläufe festzuhalten, damit ich den Agents nicht jedes Mal neu erklären muss, wie bestimmte Dinge bei uns funktionieren.
Der eigentliche Techstack ist dabei relativ klassisch. NestJS und Go für die Plattform, Terraform für die Infrastruktur und GitLab CI für die Pipelines. Der Unterschied ist eher, wie ich damit arbeite. Ich schreibe längst nicht mehr jede Funktion selbst, sondern beschreibe dem Agent, was ich brauche, und prüfe anschließend, was er daraus gemacht hat.
Wie viele Tokens, Entwicklungsstunden und welche KI-Kosten stecken bisher in MainPath und den darauf laufenden Apps?
Das kann ich leider nicht seriös beziffern. Ich nutze Cursor, Claude und Grok über getrennte Konten und habe keine gemeinsame Auswertung darüber, wie viele Tokens insgesamt in MainPath und die darauf laufenden Apps geflossen sind.
Meine Entwicklungsstunden erfasse ich ebenfalls nicht. Bei den KI-Kosten ist es eine Mischung aus Abonnements und API-Nutzung. Eine belastbare Gesamtsumme habe ich dafĂĽr aktuell nicht.
Robin, wie viele Jahre entwickelst du bereits Software, und seit wann nutzt du AI Coding fĂĽr Projekte wie MainPath?
Ich entwickle seit 2016 Software, damals habe ich meine Ausbildung zum Fachinformatiker begonnen und diese 2019 mit dem Schwerpunkt Anwendungsentwicklung abgeschlossen. Inzwischen sind das also rund zehn Jahre. Seit Juni 2024 bin ich außerdem als Expert in Residence im STARTPLATZ AI Hub in Köln aktiv und beschäftige mich dort schwerpunktmäßig mit KI.
Wann ich genau mit AI Coding angefangen habe, lässt sich gar nicht so einfach an einem Datum festmachen. Die Tools haben sich über die letzten Jahre ziemlich stark verändert und damit auch meine Arbeitsweise.
Bei MainPath ist es inzwischen völlig normal, dass ich eine Aufgabe direkt mit einem Agent in Cursor bearbeite. Ich programmiere natürlich weiterhin selbst, wenn es sinnvoll ist. Aber gerade bei neuen Funktionen lasse ich inzwischen sehr viel von den Agents umsetzen und konzentriere mich stärker darauf, die Architektur und die Änderungen zu prüfen.
Wann können KI-Agenten Hardware eigenständig entwickeln, und welche technischen Grenzen trennen das heute noch klar von dem, was Cursor-Agenten bei MainPath schon leisten?
Ich glaube, da muss man ziemlich klar zwischen Software und Hardware unterscheiden. Bei Software bekomme ich meistens innerhalb kurzer Zeit eine RĂĽckmeldung, ob etwas funktioniert. Ich kann Tests ausfĂĽhren, Fehler analysieren und Ă„nderungen notfalls einfach wieder zurĂĽcknehmen.
Bei Hardware ist das schwieriger. Wenn ein Agent ein Platinenlayout erstellt, weiß ich dadurch noch lange nicht, ob die fertige Platine auch zuverlässig funktioniert. Dafür muss sie erst gefertigt und anschließend gemessen werden. Und wenn ein Fehler im Layout steckt, lässt er sich nicht einfach mit einem neuen Commit beheben.
Firmware mit einem Coding-Agent zu schreiben, halte ich deshalb für etwas völlig anderes, als eine komplette Platine eigenständig entwickeln zu lassen.
Ich kann mir durchaus vorstellen, dass KI-Agenten auch bei der Hardwareentwicklung immer mehr übernehmen. Für eine wirklich eigenständige Entwicklung müssten sie aber auch die physikalischen Ergebnisse zuverlässig überprüfen können. Wann das vollständig funktioniert, kann ich nicht vorhersagen. Mit MainPath konzentriere ich mich deshalb auf Software, weil sich dort bereits heute sehr viele Entwicklungs- und Veröffentlichungsprozesse automatisieren lassen.