Ein Kanban, das eine KI lesen und ausführen kann
Wie man Aufgaben so strukturiert, dass eine Coding-KI sie selbst liest, ausführt und abschließt — die Formatkonventionen, die den Unterschied machen.
Vibe-Coding-KIs wie Claude Code schreiben schnell Code, verlieren aber bei einem wachsenden Projekt den Faden: was ist erledigt? was fehlt? Gewöhnliche Projektmanagement-Tools helfen nicht, weil sie für einen Menschen gemacht sind, der sie im Browser öffnet — nicht für ein Modell, das sie selbst lesen und aktualisieren muss, während es programmiert. Dieser Leitfaden entstand beim Bauen von Ykan, einem Kanban, das eine KI lesen soll: hier die Konventionen, die das möglich machen, anwendbar auf jedes Board.
Das Kanban als gemeinsames Gedächtnis
Die Grundidee ist einfach: das Board wird zum Koordinationspunkt zwischen dem, der das Projekt leitet (du), und der KI, die es ausführt. Es ist keine To-do-Liste für dich: es ist ein Gedächtnis, das die KI zu Beginn jeder Sitzung liest — denn ein Modell startet immer «kalt», ohne Erinnerung an die vorherige Sitzung — und aktualisiert, während es arbeitet.
Die Konventionen, die eine Aufgabe für eine KI lesbar machen
Eine für einen Menschen und eine für eine KI geschriebene Aufgabe sehen gleich aus, aber die zweite braucht mehr Disziplin:
- Ein Titel, der die Aktion nennt, nicht das Thema. «Validierung zum Login-Formular hinzufügen», nicht «Login-Formular».
- Genug Kontext in der Beschreibung. Die KI erinnert sich nicht an das Gestrige: jede Aufgabe muss enthalten, was nötig ist, um sie allein auszuführen — betroffene Dateien, Einschränkungen, bereits getroffene Entscheidungen.
- Explizite Abschlusskriterien. Woran erkennt man, dass es fertig ist? Wenn es nicht geschrieben steht, rät die KI (wie ein Mensch).
- Zugeordnete Dateien. Zu nennen, welche Dateien anzufassen sind, lenkt das Modell und reduziert Fehler.
Die goldene Regel: schreibe jede Aufgabe so, als wüsste der Ausführende nichts über den Rest des Projekts. Denn oft ist es genau so.
Der Ablauf: von der Idee zum Code
Der typische Ablauf ist dieser. Du beginnst mit einer Idee, beschreibst sie der KI und bittest sie, sie in Aufgaben zu verwandeln. Bei einem großen Projekt können das hunderte auf einmal generierte Aufgaben sein — alle sichtbar, bearbeitbar und von Hand umschreibbar, bevor eine einzige Zeile Code geschrieben wird. Das ist der Moment, in dem der Mensch den Plan prüft: hier korrigierst, streichst, ordnest du um. Dann sagst du der KI, sie solle anfangen: sie öffnet die Aufgaben eine nach der anderen, führt sie aus und verschiebt sie nach Erledigung selbst in «Done» oder «Review». Du bleibst frei, jede Aufgabe zu bestätigen oder zurückzuschicken, ohne den Plan neu zu schreiben.
Eine Schnittstelle, die eine Maschine nutzen kann
Damit die KI mit dem Board spricht, ohne zu klicken, braucht es eine API: ein paar einfache Endpunkte — die Board-Zusammenfassung lesen, eine Aufgabe abschließen, sie zwischen Spalten verschieben. Das Modell «schaut» nicht auf die grafische Oberfläche wie du; es fragt das Board per API und bekommt Text zurück. Dieselbe Logik, als MCP-Server bereitgestellt, lässt dich auch alles vom Handy aus verwalten.
Vertraue nicht dem Verschieben: prüfe
Ein häufiger Fehler ist, eine Aufgabe als «erledigt» zu betrachten, nur weil sie in der Done-Spalte gelandet ist. Eine KI (wie ein eiliger Kollege) kann sie verschieben, ohne sie wirklich abgeschlossen zu haben. Die Gegenmaßnahme ist die Verifikation: die KI die der Aufgabe zugeordneten Dateien lesen und prüfen zu lassen, ob die Arbeit wirklich getan wurde, statt der Spalte zu vertrauen. Es ist der Unterschied zwischen «sagt, es sei fertig» und «ist fertig».
Konventionen zählen mehr als das Tool
Du kannst Ykan, ein anderes Kanban oder eine einfache Textdatei nutzen: was das System funktionieren lässt, ist nicht die Software, sondern die Formatkonventionen — in sich geschlossene Aufgaben, klare Kriterien, eine Schnittstelle, die die Maschine lesen kann. Lerne die, und jedes Board wird zu einem Werkzeug, das eine KI wirklich nutzen kann.