KI-gesteuertes Projektmanagement: MCP-Vikunja vorgestellt

In modernem Software-Engineering kann KI bereits Code schreiben. Doch Code zu schreiben ist nur ein Teil des Entwicklungsprozesses. KI-Coding-Agenten Project Management: GitHub Seite MCP-Vikunja

Echtes Engineering braucht Struktur:

• Aufgabenverfolgung
• Iterationszyklen
• Priorisierung
• Statuswechsel
• Kontinuierliche Verfeinerung

Bei cn3m0 haben wir eine andere Frage gestellt:

Was passiert, wenn ein KI-Agent seinen eigenen Entwicklungsworkflow verwalten kann?

Daraus entstand mcp-vikunja — ein Model-Context-Protocol-(MCP)-Adapter, der KI-Systeme wie OpenAI Codex mit einer selbst gehosteten Kanban-Infrastruktur auf Basis von Vikunja verbindet.

Das Problem: KI ohne Struktur

Die meisten KI-Coding-Agenten arbeiten in einem linearen Interaktionsmodell:

1. Prompt erhalten
2. Code erzeugen
3. Ergebnis zurückgeben

Was fehlt?

• Persistenter Projektzustand
• Aufgabenkontext
• Strukturierte Iteration
• Statusbewusstsein

Ohne Aufgabensystem arbeitet die KI nicht innerhalb eines Entwicklungszyklus. Sie reagiert, statt zu steuern.

Die Lösung: MCP + Vikunja

Vikunja ist eine Open-Source-Plattform für selbst gehostetes Projektmanagement und bietet:

• Listen
• Kanban-Boards
• Gantt-Ansichten
• Tabellenansichten
• Strukturierte Projektorganisation

Mit mcp-vikunja stellen wir die Vikunja-REST-API über eine MCP-kompatible Adapter-Schicht bereit.

Damit können KI-Systeme:

• Projekte auflisten
• Neue Projekte erstellen
• Aufgaben anlegen
• Aufgaben zwischen Kanban-Spalten verschieben
• Projektzustände lesen
• Strukturierte Zusammenfassungen erzeugen

Alles in einer vollständig selbst gehosteten Umgebung.

Architekturüberblick

Das System ist bewusst minimal gehalten:

KI-Agent (Codex) → MCP Adapter → Vikunja REST API → PostgreSQL

Die KI arbeitet nicht mehr nur im Textkontext, sondern interagiert mit einem strukturierten Aufgaben-Graphen. Das verschiebt sie von reaktiver Code-Erzeugung hin zu aktiver Prozessbeteiligung.

Warum Self-Hosted entscheidend ist

Viele KI-Workflows hängen von Cloud-SaaS-Tools ab.

Unsere Designprinzipien für mcp-vikunja waren:

• Vollständig self-hosted
• Docker-basierte Bereitstellung
• Keine externen Cloud-Abhängigkeiten
• Token-basierte Authentifizierung
• Deterministisches Verhalten

Das stellt sicher:

• Datensouveränität
• Reproduzierbarkeit
• Langfristige Stabilität
• Infrastruktur-Unabhängigkeit

Für ernsthaftes KI-Engineering ist das nicht optional.

Vom PoC zum Langzeit-Experiment

Der erste Proof of Concept wurde erfolgreich abgeschlossen.

Das System kann:

• Über Docker Compose gestartet werden
• Sich per API-Token authentifizieren
• Aufgaben programmatisch erstellen und verschieben
• Den aktuellen Board-Zustand abbilden

Jetzt überführen wir das Projekt in den Langzeittest.

Die zentrale Forschungsfrage:

Können KI-Agenten nicht nur Code schreiben, sondern strukturierte Entwicklungsprozesse autonom steuern?

Praktische Anwendungsfälle

Mögliche Einsatzfelder sind:

• KI-gesteuerte Feature-Roadmaps
• Iteratives Bug-Tracking
• Selbstorganisierte Coding-Sessions
• Autonome Aufgabenplanung
• KI-generierte wöchentliche Projektzusammenfassungen
• KI-gestützte DevOps-Orchestrierung

Das ist der Beginn KI-nativer Projektinfrastruktur.

Repository

Das Projekt ist offen verfügbar unter: KI Projektmanagement mcp-vikunja

Schlussgedanke

Wir treten in eine Phase ein, in der KI nicht mehr nur Coding-Assistent ist. Sie wird Teil der Engineering-Schleife. mcp-vikunja ist ein kleiner, aber grundlegender Schritt hin zu KI-nativer Projektorchestrierung. Bei cn3m0 bauen wir Systeme, in denen Menschen und KI in strukturierter Infrastruktur zusammenarbeiten und nicht nur in Chatfenstern.