Microsoft Research hat am 5. November das PDD Kit (Proof-Driven Development Kit) vorgestellt, ein Werkzeugpaket, das mit mathematischen Beweisen prüft, ob von KI-Agenten geschriebener Code wirklich tut, was der Entwickler verlangt hat. Der Vorschlag, beschrieben von den Forschern Alex Lavaee und Matthai Philipose im offiziellen Microsoft-Research-Blog, verlagert den Schwerpunkt der Prüfung: Statt den von der KI erzeugten Code Zeile für Zeile zu lesen, prüft das Team die Absicht — und eine Maschine beweist, dass der Code sie erfüllt.
Das Problem, das PDD Kit lösen will, ist eine Frage der Größenordnung. Programmieragenten liefern bereits ganze Funktionen auf einmal, mit Zehn- oder Hunderttausenden von Zeilen, und jede Zeile eines Pull Requests zu lesen, ist nicht mehr machbar. Der Plan in natürlicher Sprache sollte als Vertrag zwischen Entwickler und Agent dienen, doch nichts zwingt den Agenten, ihn einzuhalten — und die Tests, die er selbst schreibt, bestätigen meist, was er gebaut hat, nicht was verlangt wurde.
So funktioniert es
PDD Kit verwandelt die in Alltagssprache formulierte Absicht in eine formale Spezifikation in Verus, einer Beweissprache für Rust, die unter Beteiligung von Microsoft Research, der Carnegie Mellon University, der ETH Zürich und weiterer Institutionen entwickelt wurde. Der Verifizierer beweist dann, dass der Code des Agenten diese Spezifikation für alle möglichen Eingaben erfüllt — und greift dort auf Tests zurück, wo ein Beweis nicht reicht. Das Kit läuft in Chopin, der Echtzeit-Planungsumgebung für Teams von GitHub Next.
Der Ablauf hat zwei Hälften: Zuerst prüft das Team die Absicht in einfacher Sprache, wobei PDD Kit die Fragen stellt, die ein sorgfältiger Prüfer stellen würde, und die Antworten in einem Intent-Artefakt festhält. Danach erzeugt das Kit Beweise dafür, dass der Code die formalen Spezifikationen erfüllt, sowie hochwertige Tests für den Rest. Für den Prozess ist keine Ausbildung in formalen Methoden nötig.
Der Test: der Login eines Rust-Shops
Zur Demonstration baute das Team Pet Store, eine vollständige Webanwendung in Rust mit rund 5.000 Zeilen Code: Das Back-End nutzt Axum und SQLite und kümmert sich um Bestand, Aktionen, Bestellungen und Checkout, während das Schaufenster eine Leptos-App ist, die zu WebAssembly kompiliert wird. Die Übung konzentrierte sich auf die Login-Logik, ausgehend von einer Anfrage aus nur zwei Sätzen: Ein Token wird nur mit dem richtigen Passwort ausgestellt, und nur Administratorkonten erhalten Administrator-Token.
Verus verifizierte formal fünf Funktionen — login_flow, login_core, lookup_target, decide_login und issue_token — und hat den Code laut den Forschern gehärtet und bereits vorhandene Fehler aufgedeckt, womit die Abwesenheit von Login-Fehlern im Hinblick auf die Spezifikation bewiesen wurde. Der Entwickler prüfte nur die Absicht und las den generierten Code nie Zeile für Zeile.
Was der Beweis abdeckt — und was nicht
Microsoft grenzt die Garantie bewusst ein. Sechs Komponenten liegen außerhalb des Beweises, hinter angenommenen Verträgen, die der Entwickler einzeln akzeptiert: die beiden Datenbankabfragen, die Passwortprüfung mit bcrypt, die Uhr, die Token-Signierung, die Datenbankfehlerbehandlung und das Entpacken der Anfrage. Jede davon wird durch Tests abgedeckt.
Der Beweis sagt auch nichts über das aus, was nicht in der Spezifikation steht: ob der Login überhaupt antwortet, wie schnell, wie viele Versuche erlaubt sind oder ob die Fehlermeldung klar ist. Und PDD Kit verifiziert heute nur Rust — die Sprache von Verus. Projekte in anderen Sprachen können nach Rust portiert werden oder verifizierten Rust-Code über Bindings aufrufen.
Gegen „Vibe-Verifikation“
Eine Funktion des Kits ist der Mutationstest: pdd-prove pflanzt je eine Klausel der Spezifikation einen Fehler in eine Kopie des Codes, und Verus muss jeden Mutanten ablehnen. Kommt ein Mutant durch, schränkt die Klausel nichts ein — und kehrt als Lücke zurück. Das ist die Verteidigung gegen das, was die Forscher „Vibe-Verifikation“ nennen: schwache Invarianten, die sich beweisen lassen, aber fast nichts garantieren.
Wenn die Aufgaben bestehen, öffnet das Kit Pull Requests mit dem verifizierten Code und markiert jede Anforderung als formal verifiziert oder empirisch geprüft. Der Ablauf pdd-ship fügt die Verus-Prüfung der Continuous Integration hinzu, sodass jede spätere Änderung am Login weiterhin gegen dieselbe Spezifikation beweisen muss.
PDD Kit ist ein Forschungsprototyp, dessen Zugang als begrenzte Forschungsvorschau beschrieben wird. Dennoch zeigt es eine konkrete Richtung für ein echtes Problem auf: Da Agenten immer mehr Code schreiben, könnte die Prüfung der Absicht — und der Beweis, dass sie eingehalten wurde — die einzige Möglichkeit sein, mit dem Tempo Schritt zu halten.
Quellen
- Microsoft Research — Formally verifying agent-written full-stack web apps with PDD Kit (5. November 2026)
- The Agent Times — Microsoft Research Describes PDD Kit for Agent-Written Code
Der offizielle Account @MSFTResearch hat die Arbeit am 5. November 2026 auch auf X geteilt.
Bildnachweis: Microsoft Research — Entscheidungsflussdiagramm von PDD Kit, das Titelbild des offiziellen Artikels im Microsoft-Research-Blog.
Transparenz: Dieser Artikel wurde mit Unterstützung künstlicher Intelligenz erstellt und mit öffentlichen Beiträgen auf X sowie Quellen aus dem Internet abgeglichen. Bitte prüfen Sie die Originalquellen, um die Angaben zu bestätigen.
Von Muse
