Wie wir AI-Agents, Terminal und Workflow in einer Plattform vereint haben
Wer heute Software entwickelt, kommt an AI-Coding-Assistenten kaum noch vorbei. Statt nur darüber zu reden, haben wir uns hingesetzt und ein eigenes Tool gebaut: Etzala – ein Kanban Command Center für Feature-Entwicklung mit integrierten AI-Agents. Nicht als Produkt für den Markt, sondern als Werkzeug für uns selbst. Was dabei herausgekommen ist und welche Erkenntnisse wir auf dem Weg gewonnen haben, erzählen wir in diesem Beitrag.
Von der Idee zum eigenen Tool
Bei Proud Commerce entwickeln wir neben E-Commerce-Lösungen auch individuelle Webanwendungen und Software – von maßgeschneiderten Business-Tools über Schnittstellenentwicklung bis hin zu kompletten Plattformen. Mit unserem Entwicklerteam in Nürnberg setzen wir auf bewährte Open-Source-Technologien wie PHP, Symfony, React und Vue.
In den letzten Monaten hat sich unser Werkzeugkasten um AI-Coding-Assistenten wie Claude Code und OpenAI Codex erweitert. Schnell wurde klar: Die Tools sind mächtig, aber der Workflow drumherum ist es noch nicht. Wer mit mehreren AI-Agents an verschiedenen Features arbeitet, kennt das Problem: Ein Terminal hier, ein Kanban-Board dort, die Feature-Dokumentation im Editor, der Diff im Browser. Zehn offene Tabs, null Überblick. Und keine Kontrolle über die Qualität des Ergebnisses unter der (oft violetten ;-)) Oberfläche.
Statt auf ein fertiges Tool zu warten, haben wir gemacht, was wir am besten können – eine individuelle Softwarelösung gebaut, die genau auf unsere Anforderungen zugeschnitten ist.
Nicht nur eine App – eine ganze Infrastruktur
Etzala ist eine native macOS Desktop-App mit integrierter Terminal-Emulation. Man kann darin direkt arbeiten wie in einem normalen Terminal – mit allen gewohnten Konfigurationen und Tools. Aber die eigentliche Leistung steckt nicht in der App allein, sondern in der Infrastruktur, die wir drumherum aufgebaut haben.
Diese Infrastruktur ist modellagnostisch: Sie funktioniert mit lokalen Open-Source-Modellen genauso wie mit dem jeweils besten Frontier-Modell am Markt – ob Claude, GPT oder was als nächstes kommt. Die Entscheidung, welches Modell für welche Aufgabe zum Einsatz kommt, ist konfigurierbar und austauschbar. Das ist kein akademisches Feature, sondern hat handfeste Gründe: Für sensible Kundendaten kann ein lokales Modell die richtige Wahl sein, für komplexe Architekturentscheidungen das leistungsfähigste Frontier-Modell – das passende Setup je nach Projekt.
Ein paar Designentscheidungen, die sich bewährt haben:
- Markdown als Datenbasis: Features sind einfache Markdown-Dateien mit strukturierten Metadaten. Kein proprietäres Format, keine Datenbank. Alles lebt im Git-Repository und ist mit jedem Editor les- und bearbeitbar.
- Echtzeit-Synchronisation: Ändert jemand eine Feature-Datei extern – egal ob Mensch oder AI-Agent – aktualisiert sich das Board sofort. Kein manueller Refresh, keine Synchronisationsprobleme.
- Paralleles Arbeiten: Jedes Feature lebt in einem eigenen, isolierten Arbeitsverzeichnis. Mehrere AI-Agents können gleichzeitig an verschiedenen Features entwickeln, testen und reviewen, ohne sich gegenseitig in die Quere zu kommen. Auf dem Kanban Board sieht man jederzeit, welche Features gerade parallel bearbeitet werden.
Die eigentliche Intelligenz: Skills als Logik-Layer
Etzala selbst ist bewusst “nur” eine Oberfläche – ein UI-Wrapper, der Übersicht schafft und Aktionen anstößt. Die eigentliche Logik steckt in unseren Skills: einem Set spezialisierter Bausteine, die wir als wiederverwendbare Komponenten entwickelt haben.
Jeder Skill deckt eine bestimmte Phase im Feature-Lifecycle ab:
- Brainstorming – Aus einer vagen Idee wird durch gezielte Rückfragen ein strukturiertes Feature-Dokument.
- Product Owner – Erstellt aus dem Brainstorming-Ergebnis saubere User Stories und Business-Anforderungen.
- Impact Analysis – Analysiert, welche Teile eines Systems von einer Änderung betroffen wären.
- Implementation – Übernimmt die technische Umsetzung auf Basis der fertig geplanten Spezifikation.
- Testing – Führt automatisierte Tests isoliert und reproduzierbar aus. Tests für mehrere Features laufen parallel, ohne sich gegenseitig zu beeinflussen.
- Code Review – Prüft die Implementierung automatisiert auf Qualität und Security.
- Done – Schließt das Feature ab: Integration, Changelog, Status-Synchronisation.
Die Skills funktionieren auch komplett ohne Etzala – direkt in der Kommandozeile oder im Editor. Sie sind das Ergebnis unserer Erfahrung mit AI-gestützter Entwicklung in den letzten 3 Jahren: Welche Anweisungen liefern zuverlässige Ergebnisse? Wie übergibt man Kontext zwischen Phasen? Wo braucht der Mensch die Kontrolle?
Etzala macht diese Skills visuell zugänglich. Ein Feature durchläuft Phasen von Discovery über Requirements und Planning bis zur Implementation. Auf dem Kanban Board reicht ein Klick oder ein Drag & Drop, um den passenden Skill mit dem richtigen Kontext zu starten. Kein Copy-Paste, kein manuelles Zusammensuchen.
Was sich für uns verändert hat
Der entscheidende Effekt dieser Infrastruktur: Unsere Rolle als Software-Ingenieure verschiebt sich. Wenn ein erheblicher Teil der Routine-Implementierung – das Schreiben von Boilerplate, das Verkabeln von Schnittstellen, das Aufsetzen von Standardstrukturen – zuverlässig von AI-Agents übernommen wird, bleibt mehr Zeit für das, was eigentlich den Unterschied macht: die saubere Spezifikation und Analyse von Problemen für unsere Kunden.
Wir verbringen heute deutlich mehr Zeit damit, Kundenanforderungen wirklich zu durchdringen, Edge Cases zu identifizieren und Architekturen durchzudenken – und weniger damit, diese Überlegungen dann Zeile für Zeile in Code zu übersetzen. Das klingt nach einer Kleinigkeit, verändert aber grundlegend, wie wir an Projekte herangehen.
Was wir für Kundenprojekte mitnehmen
Etzala ist ein internes Tool, aber die Erkenntnisse fließen direkt in unsere Arbeit an individuellen Webanwendungen und Softwareprojekten für Kunden:
- Desktop-Apps mit Web-Technologien. Native Desktop-Anwendungen mit echtem Systemzugriff – Dateisystem, Terminals, native Menüs – sind ein bewährter Weg für maßgeschneiderte Business-Tools. Wir haben das Know-how, solche Anwendungen von Grund auf zu entwickeln.
- AI-Integration in bestehende Workflows. Die größte Herausforderung ist nicht die Technik, sondern das Workflow-Design: Wo im Prozess hilft ein AI-Agent wirklich? Welchen Kontext braucht er? Wie bleibt der Mensch in der Kontrolle? Und welches Modell passt zu welcher Aufgabe? Diese Fragen beantworten wir inzwischen aus eigener Erfahrung – und können dieses Wissen in Kundenprojekte einbringen.
- Systemintegration und Schnittstellenentwicklung. Etzala integriert externe Tools – Versionskontrolle, AI-Modelle verschiedener Anbieter, Entwicklungsumgebungen – in eine einheitliche Oberfläche. Genau diese Art von Systemintegration ist ein Kernbereich unserer Arbeit.
- Lokale Datenhaltung als bewusster Architekturentscheid. In Zeiten von Cloud-Everything ist “alles bleibt auf deinem Rechner” für viele Anwendungsfälle – gerade im Enterprise-Umfeld – ein entscheidender Vorteil. Nicht jede Lösung muss in die Cloud.
Fazit
Etzala zeigt, dass man sich als Entwicklungsteam die Infrastruktur bauen kann, die AI-Agents wirklich produktiv macht – unabhängig davon, welches Modell gerade am leistungsfähigsten ist. Für uns ist es ein tägliches Werkzeug, das nicht nur unsere Arbeitsweise mit AI-Agents verändert hat, sondern auch unseren Fokus: weg von Routine-Implementierung, hin zu dem, was Software-Projekte wirklich erfolgreich macht – die richtige Analyse und Spezifikation.
Wer Interesse an Etzala hat, sich für AI-gestützte Workflows interessiert oder eine individuelle Softwarelösung braucht – meldet euch gerne bei uns.
