„Wenn die KI zum Entwicklungspartner wird.“
Ein Gastbeitrag von Moritz Sproll.
Wie können KI-Agenten bei der Entwicklung komplexer GIS-Anwendungen unterstützen? Studierende der THWS haben dies im Modul „Open-Source WebGIS“ anhand eines vollständigen WebGIS-Projekts erprobt.
KI-gestützte Programmierung bedeutet längst nicht mehr nur, sich einzelne Codezeilen oder Funktionen von einem Chatbot (z.B. ChatGPT oder Claude Chat) erzeugen zu lassen. Mit sogenannten Coding Agents verändert sich die Zusammenarbeit zwischen Mensch und KI: Ein Agent kann sich innerhalb eines Projekts orientieren, Dateien lesen und verändern, Befehle ausführen, Fehler analysieren und auf Basis der Ergebnisse selbstständig weitere Entwicklungsschritte durchführen. Bei aktuellen agentischen Coding-Systemen können dadurch auf eine einzelne Anweisung zahlreiche aufeinanderfolgende Aktionen folgen.
Gerade für GIS und WebGIS ist dieser Ansatz interessant. Moderne GIS-Anwendungen / Geodateninfrastrukturen bestehen häufig nicht aus einer einzelnen Software, sondern aus mehreren miteinander verbundenen Komponenten: Geodaten müssen aufbereitet, Dienste konfiguriert, Schnittstellen angesprochen und schließlich in einer Webanwendung visualisiert werden.
Vom GIS-Datensatz bis zur Webkarte
Im Sommersemester 2026 wurde Agentic Coding deshalb im Modul „Open-Source WebGIS“ praktisch eingesetzt. Als Prüfungsleistung entwickelten die Studierenden eine Geodateninfrastruktur, welche die zugesagten Verteidigungsausgaben der NATO-Staaten den tatsächlich umgesetzten Ausgaben gegenüberstellt und als Webkarte visualisiert.
Technisch war die Aufgabe bewusst umfassender angelegt als die Entwicklung einer einfachen Webkarte. Die Studierenden bereiteten frei verfügbare Geodaten in QGIS auf und bauten anschließend einen eigenen GeoServer auf. Über WMS und WFS wurden die Daten an eine mit Leaflet oder MapLibre GL JS entwickelte Webanwendung übertragen. Auch Styling mittels SLD, Pop-ups, Legenden und eine reproduzierbare lokale Bereitstellung des Systems gehörten zur Aufgabe. Ebenfalls musste die Anwendung entsprechend deployt werden – bspw. über Docker.
Damit entstand ein typischer kleiner WebGIS-Stack:
Geodaten → QGIS → GeoPackage → GeoServer → WMS/WFS → Webanwendung
Ein interessanter Anwendungsfall für Coding Agents
Ein Coding Agent kann beispielsweise die bestehende Projektstruktur analysieren, JavaScript-Code für eine Leaflet-Anwendung entwickeln, Fehler beim Abruf eines WFS untersuchen oder Konfigurationsdateien für Docker erstellen. Ebenso kann er bei SLD-Dateien, REST-Abfragen, Datenformaten oder der Dokumentation unterstützen.
Der entscheidende Unterschied zu klassischem KI-gestütztem Coding liegt dabei im Arbeitsablauf. Statt für jedes Problem eine isolierte Frage zu stellen und den erzeugten Code anschließend manuell zu übertragen, arbeitet der Agent direkt innerhalb des Entwicklungsprojekts und greift auf entsprechende Ordnerstrukturen zu. Er kann beispielsweise einen Fehler analysieren, betroffene Dateien identifizieren, eine Änderung vornehmen, die Anwendung erneut starten und das Ergebnis überprüfen.
Damit verschiebt sich ein Teil der Arbeit vom eigentlichen Schreiben des Codes hin zum Spezifizieren, Aufstellen der Architektur, Strukturieren und Kontrollieren von Entwicklungsaufgaben. Untersuchungen zu agentischem Coding zeigen bereits ein ähnliches Muster: Menschen treffen häufig die übergeordneten Planungsentscheidungen, während Coding Agents zunehmend die konkreten Umsetzungsschritte übernehmen. Fachwissen verliert dadurch aber nicht an Bedeutung. Der Mensch definiert Architektur, fachliche Anforderungen und Qualitätsmaßstäbe. Der Coding Agent kann anschließend die technische Umsetzung unterstützen.
Vom Programmieren zum Orchestrieren?
Auch außerhalb der Lehrveranstaltung gewinnt dieses Thema im Open-Source-GIS-Umfeld aktuell an Bedeutung. Auf der QGIS User Conference 2026 ist beispielsweise ein eigener Beitrag zur Entwicklung eines QGIS-Plugins mit Agentic Coding angekündigt (https://conference.qgis.org/schedule/, abgerufen am 26.08.2026). Im Mittelpunkt stehen dort unter anderem Codeanalyse, Implementierung, Refactoring und Tests – bei weiterhin menschlicher Verantwortung für Architektur und Qualität.
Für GIS-Anwendungen / Geodateninfrastrukturen könnte diese Entwicklung besonders relevant werden. Anwendungen verbinden traditionell sehr unterschiedliche Technologien: Datenbanken, GIS-Client-Software, OGC-Dienste, JavaScript-Frameworks, APIs und Deployment-Infrastruktur. Coding Agents können helfen, diese technischen Grenzen schneller zu überbrücken.
Die zentrale Kompetenz zukünftiger Geo-Entwickler könnte deshalb nicht mehr ausschließlich darin liegen, jede Zeile JavaScript, Python oder SQL selbst zu schreiben. Ebenso wichtig wird die Fähigkeit, GIS-Systeme / Geodateninfrastrukturen fachlich zu verstehen, sinnvoll zu entwerfen und KI-Agenten so einzusetzen, dass daraus verlässliche Anwendungen entstehen.