Magazin
Wenn KI-Code scheitert: Erst die Aufgabenbeschreibung präzisieren
Eine aktuelle Studie legt nahe: Bei fehlgeschlagenem KI-Code kann die präzisere Formulierung vorhandener Anforderungen mehr bringen als der nächste blinde Reparaturversuch.
DUALFIX ist eine im Juli 2026 als Forschungsarbeit vorgestellte Methode für KI-erzeugten Programmcode. Sie setzt bei einer leicht übersehenen Ursache fehlgeschlagener Lösungen an: Nicht nur der Code kann schlecht sein. Auch die vorhandene Aufgabenbeschreibung kann unnötig mehrdeutig formuliert sein.
Der Ablauf beginnt mit einem fehlgeschlagenen Programm und konkretem Fehlerfeedback aus ausgeführten Tests. Dieses Feedback wird in die bestehende Aufgabenbeschreibung eingearbeitet, ohne die beabsichtigten Anforderungen zu verändern oder neue zu erfinden. Reicht das nicht, kommen zuvor entwickelte, wiederverwendbare Regeln für präzisere Formulierungen hinzu. Mit der überarbeiteten Beschreibung wird neuer Code erzeugt und erneut getestet.
Daraus lässt sich für den Alltag ein vorsichtiger Ablauf ableiten:
- Die ursprünglichen Anforderungen unverändert festhalten.
- Konkrete Fehler aus Tests oder Compiler-Meldungen sammeln.
- Bereits vorhandene Anforderungen anhand dieses Feedbacks eindeutiger formulieren.
- Neuen Code erzeugen lassen.
- Ergebnis testen und fachlich prüfen.
Der wichtige Zusatz: Fehlende Anforderungen darf die KI nicht einfach dazuerfinden. Wenn das gewünschte Verhalten nicht feststeht, braucht es eine Entscheidung des Menschen und keine besonders selbstbewusste Vermutung der Maschine.
Die Autoren prüften DUALFIX mit drei Sprachmodellen auf LiveCodeBench und APPS. Das sind standardisierte Sammlungen von Programmieraufgaben. Je nach untersuchter Konfiguration wurden 10 bis 30 Prozent der zuvor fehlgeschlagenen Fälle behoben. Die Autoren berichten außerdem, dass 12 bis 17 Prozent der Fehlschläge durch Umformulierungen gelöst wurden, die eine alleinige Reparatur anhand von Ausführungsfehlern nicht beheben konnte.
Die Arbeit ist ein öffentliches arXiv-Preprint; eine Begutachtung durch unabhängige Fachkollegen ist damit nicht belegt. Programmier-Benchmarks sind außerdem keine gewachsene Produktivumgebung. Der interessante Teil ist daher nicht die nächste Zauberformel fürs Prompten, sondern die überprüfbare Arbeitshypothese: Manchmal muss zuerst die Aufgabe verständlicher werden.
Quelle
- From Failing to Passing: Evolving Natural Language Prompt Optimization Rules for LLM Code Generation, eingereicht am 6. Juli 2026
Quellenstand: 5. September 2026.