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

Die Kunst der langen Aufgabenläufe - Kimi K3 – das Modell hinter dem Agenten, Teil 2
Ein guter Code-Generator löst eine klar umrissene Funktion. Ein Coding-Agent muss dagegen ein Repository erkunden, Hypothesen bilden, Werkzeuge auswählen, Tests auswerten und nach Fehlschlägen den Kurs ändern. Kimi K3 zielt auf diese zweite Klasse von Aufgaben.
8 Minuten
Gebaut für lange Läufe - Kimi K3 – das Modell hinter dem Agenten, Teil 1
Kimi K3 kombiniert 2,8 Billionen Parameter, native Bildverarbeitung und ein Kontextfenster mit einer Million Token. Das sind tolle Zahlen. Seine Besonderheit liegt aber darin, dass Architektur, Training und Laufzeitumgebung auf Agenten zielen, die über viele Schritte handeln, Werkzeuge aufrufen und Ergebnisse prüfen.
6 Minuten
MessagePack: JSON als Binär-Image - Best of NuGet, Teil 10
Das Serialisierungsformat MessagePack wurde – anders als JSON – konsequent auf die Bedürfnisse von Maschinen und damit auch auf höchstmögliche Kompaktheit optimiert. Der Vorteil: Ein geringeres zu übertragendes Datenvolumen führt vor allem in IoT-nahen Anwendungen direkt zu geringeren Kosten.
6 Minuten
17. Aug 2026

Das könnte Dich auch interessieren

Try, catch und wie es nicht geht - Exceptions, Teil 3
Die wenigen Sprachmittel von C# zur Ausnahmebehandlung sind ausgefeilt. Beim Einsatz ist aber Vorsicht geboten.
8 Minuten
18. Feb 2019
VBUC: Konvertiert VB6-Code nach .NET und .NET Core - Mobilize.Net
Mobilize.Net wird von einem ehemaligen Microsoft Corporate VP gleitet und hat jetzt sein VB6-Upgrade-Tool aktualisiert. Es konvertiert VB6-Code nun sowohl nach .NET als auch nach .NET Core.
2 Minuten
Code-agnostisch entwickeln - Jim Douglas, Betanews
Code-agnostische Entwicklung ist die Zukunft der Cloud-nativen Anwendungen.
3 Minuten
22. Dez 2022
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige