KI-Planer beschleunigen Feature Engineering: 3 Wochen auf einen Tag reduziert

Mit dem Aufkommen leistungsstarker Code‑Generierungsmodelle eröffnet sich ein neues Zeitalter der automatisierten Feature Engineering. Trotz dieser Fortschritte bleiben reale ML‑Teams an drei zentralen Problemen hängen: es fehlen Datensätze, die die komplexen, iterativen Codierungsprozesse in der Produktion abbilden; die Integration populärer Coding‑Agenten wie CoPilot und Devin in bestehende Tool‑Stacks ist unzureichend; und die Zusammenarbeit zwischen Mensch und KI wird durch schlecht timbare oder unzureichende Rückmeldungen beeinträchtigt.

Die vorgestellte Lösung ist ein planner‑gesteuertes, topologisch eingeschränktes Multi‑Agenten‑Framework, das Code in mehreren Schritten für Repositories generiert. Ein LLM‑basierter Planner nutzt die Teamumgebung als Graph, koordiniert Aufrufe zu verfügbaren Agenten, erstellt kontextbewusste Prompts und korrigiert nachträglich Fehler, die in späteren Schritten auftreten. Durch gezielte Einbindung menschlicher Interventionen an kritischen Punkten wird die Zuverlässigkeit, Wartbarkeit und Team‑Übereinstimmung des generierten Codes sichergestellt.

In einem neu entwickelten Inhouse‑Datensatz erzielte die Methode eine Verbesserung von 38 % gegenüber manuell erstellten Workflows und 150 % gegenüber unplanmäßigen Abläufen. Praktisch bewies sich die Technologie bei der Feature‑Entwicklung für Empfehlungssysteme, die über 120 Millionen Nutzer bedienen, indem die Zykluszeit von drei Wochen auf einen einzigen Tag reduziert wurde.