Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Lesedauer 4 Min.

DDD, Schulden und KI: Was Entwickler:innen heute wirklich wissen müssen

Domain-Driven Design klingt in der Theorie überzeugend – in der Praxis schleichen sich aber immer wieder die gleichen Fehler ein. Dr. Carola Lilienthal erklärt, wo DDD-Projekte stolpern, wie man technische Schulden unter Kontrolle hält und welche Fähigkeiten Tech Leads im KI-Zeitalter brauchen.

Domain-Driven Design hat in den letzten Jahren viele Anhänger:innen gefunden – und fast genauso viele frustrierte Projektteams hinterlassen. Die Ursachen dafür sind oft dieselben. „Entwickler:innen bauen ihre Entities mit lauter Settern und Gettern", erklärt Dr. Carola Lilienthal. Die Fachlichkeit lande dann irgendwo anders, das Objekt selbst reduziere sich auf einen reinen Datenbehälter. Das widerspricht dem Grundgedanken von DDD fundamental.

Noch folgenreicher ist ein Missverständnis auf der strategischen Ebene: Bounded Contexts werden nicht um fachliche Domänen herum gebaut, sondern um einzelne Aggregate – ein Kundenservice hier, ein Produktservice dort. Das klingt modern, ist aber im Grunde eine serviceorientierte Architektur im DDD-Gewand. Das Ergebnis: jede Menge Abhängigkeiten zwischen den Kontexten, hohe Kopplung, wenig Kohäsion. Genau das, was man eigentlich vermeiden wollte.

Dahinter steckt oft ein tief verwurzelter Reflex: Wiederverwendung. „Uns ist beigebracht worden, dass wir Reuse machen sollen", sagt Carola. In DDD-Architekturen darf es die Klasse „Kunde" aber durchaus mehrfach geben – jeweils kontextspezifisch, kleiner und präziser zugeschnitten. Das erfordert ein echtes Umdenken, einen „Shift im Kopf", wie sie es nennt.

Wer DDD konsequent umsetzt, begegnet früher oder später auch der Frage nach technischen Schulden. Die simpelste Gegenmaßnahme? Unit-Tests. „Wenn man einzelne Klassen testet, hat man die Tendenz, sie nicht zu groß werden zu lassen", so Carola. Fast automatisch entstehen entkoppeltere, besser wartbare Strukturen. Eine Testabdeckung von rund 80 Prozent sei ein realistisches und wirkungsvolles Ziel. Ergänzend helfen Metrik-Tools wie SonarQube, die Hotspots sichtbar machen: große Klassen, breite Schnittstellen, hohe Kopplung. Für komplexere Systeme empfiehlt sie zusätzlich echte Architektur-Reviews mit spezialisierten Tools – um zu verstehen, wie das System wirklich aufgebaut ist, nicht nur wie es sein sollte.

Ein drittes großes Thema: Führung im KI-Zeitalter. Auch hier hat die Expertin aus der eigenen Praxis gelernt. Tech Leads, die wollen, dass ihre Teams KI-Tools sinnvoll nutzen, müssen die Technologie selbst verstehen und ausprobieren. Gleichzeitig beobachtet sie, dass Entwickler:innen ihren Entdeckerdrang jetzt auf KI-Tools richten – sie wollen herumknobeln, experimentieren, etwas zum Laufen bringen. „Softwareentwickler:innen denken nicht im ersten Moment ans Zeitsparen, die lieben es, etwas hinzukriegen." Das sei per se nichts Schlechtes, brauche aber Führung: Jemanden, der den Spaß an der Technologie erhält, aber gleichzeitig sicherstellt, dass die Experimente dem Team wirklich nützen – und dass am Ende auch die bezahlte Arbeit erledigt wird.

Die Expertin spricht auf der DWX 2026 in Mannheim – wer die Themen vertiefen will, sollte sich ein Ticket sichern.

 

Dr. Carola Lilienthal studierte Informatik an der Universität Hamburg und promovierte 2008 in Informatik bei Christiane Floyd und Claus Lewerentz an der Universität Hamburg. Carola ist Geschäftsführerin der WPS – Workplace Solutions GmbH und verantwortet dort den Bereich Softwarearchitektur. Seit 2003 analysiert Dr. Carola Lilienthal in ganz Deutschland Architekturen in Java, C#, C++, ABAP und PHP und berät Entwicklungsteams, wie sie die Langlebigkeit ihrer Softwaresysteme verbessern können. 2015 hat sie ihre Erfahrungen aus über hundert Analysen in dem Buch „Langlebige Softwarearchitekturen“ zusammengefasst. 

 

📅 DWX 2026, 29. Juni bis 2. Juli 2026, Mannheim 🔗 https://www.developer-world.de/dwx

 

Neueste Beiträge

Mit SQL Server 2025 HTTP-APIs aufrufen - Neues in SQL Server 2025, Teil 1
API-Aufrufe mit SQL Server 2025 sind kein Spielzeug, sondern ein ernst zu nehmender Integrationsmechanismus.
6 Minuten
Maschinelles Lernen in .NET - .NET, Python und KI, Teil 2
Für eine performante und plattformübergreifende Inferenz von NET-Projekten empfiehlt sich eine hybride Strategie aus Training oder Prototyping in Scikit-Learn/Python, Export nach ONNX und Einbindung in .NET über ML.NET oder ONNX Runtime.
7 Minuten
00:00
Wenn die KI den Bug findet, bevor Du anfängst zu suchen - KI in der Softwarewartung
Root-Cause-Analysis, Technical Debt, Legacy-Dokumentation – das sind die Klassiker, die Entwickler:innen regelmäßig Stunden kosten. Harald Binkle erklärt im Interview, wie KI-Werkzeuge die Arbeit der Maintenance vereinfachen können. Wer mehr will, sollte auf die Infinite AI Conference 2026 kommen.
5. Mai 2026

Das könnte Dich auch interessieren

PolyCoder: Quelloffener KI-Code-Generator - Carnegie Mellon University
PolyCoder ist ein quelloffener KI-Code-Generator, der mit 249 GByte Daten in zwölf Programmiersprachen trainiert wurde und laut Forschern C-Code mit großer Genauigkeit verfasst.
2 Minuten
15. Mär 2022
Elektronische Schaltkreise im Browser simulieren - Simulation
Statt mit Steckfeld oder Lötkolben kann man auf dieser Website Schaltungen per Drag and Drop zusammenstellen und deren Verhalten testen.
2 Minuten
26. Jul 2018
UIs für Linux - Bedienoberflächen entwickeln mithilfe von C#, .NET und Avalonia
Es gibt viele UI-Frameworks für .NET, doch nur sehr wenige davon unterstützen Linux. Avalonia schafft als etabliertes Open-Source-Projekt Abhilfe.
16 Minuten
16. Jun 2025
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige