Claude-Agenten reden miteinander
Ich habe in einer Codebasis drei Claude-Sessions parallel als Product Owner gestartet, orchestriert von Fable 5.1. Während der Arbeit haben sie einander Nachrichten geschickt: Merges angekündigt, den Vollzug mit der Commit-SHA nachgetragen und den mehrstündigen Lauf der Testsuite abgestimmt. Der Beitrag zeigt den Aufbau, Auszüge von den drei Terminals und den Weg, den die Nachrichten technisch nehmen.
Die Grenzen menschlicher Freigaben bei KI-Agenten
Eine menschliche Freigabe im agentischen SDLC bescheinigt einen festen Arbeitsstand gegen vorab formulierte Maßstäbe. Den Agentenlauf selbst deckt sie nicht ab. Eigene Erfahrungen und fünf Arbeiten aus dem Frühjahr und Sommer 2026 zeigen: Kognitive Überlastung ist real. Die Einbindung eines Menschen als Human in the Loop gaukelt Sicherheit und menschliche Teilhabe am Prozess vor.
Ein Junior-Entwickler für 10.000 € einmalig?
Ein lokales 27B-Modell erzeugt auf einem MacBook Pro eine brauchbare Webseite. Der Versuch zeigt, welchen Anteil einer eng geführten Juniorrolle lokale Modelle übernehmen können und wo ihre Grenzen liegen.
Spec-Drift ist der Normalzustand
Spec-Driven Development verspricht, dass eine präzise Spezifikation das Ergebnis der Agenten-Arbeit bestimmt. In zwei internen Projekten mit zusammen rund 850.000 Zeilen Produktcode, über 5.000 Ticket-Dateien und mehr als 7.000 Commits sind Spezifikation und Code trotzdem laufend auseinandergelaufen. Der Beitrag belegt das mit Primärdaten aus beiden Projekten und zehn aktuellen Studien. Er beschreibt außerdem die Gegenmaßnahmen aus der Praxis, ihre Kosten und warum all das Mitigation bleibt.
Die zweite Spur: warum Agenten im Bestandssystem Code doppeln
Coding-Agenten setzen im Bestandssystem oft eine zweite Implementierung neben den vorhandenen Pfad. Der Beitrag erklärt das Phänomen, belegt es mit einer eigenen Auswertung von Korrektur-Findings aus der Git-Historie eines Branches und beschreibt einen Prüfprozess mit Vorab-Gate, unabhängigem Auditor und maschinenlesbarem Verdict.
Die Rolle Entwicklung: Wenn niemand mehr den Code von Hand schreibt
In der agentischen Engineering-Pipeline für den SDLC schreibt die Entwicklerin keinen Quelltext mehr Zeile für Zeile. Ihre Arbeit verschiebt sich auf Machbarkeit, Architektur, Ticketschnitt, Plan und Review. Dieser Beitrag der Serie zeigt, warum Entwickler und Architekt verschmelzen, wie der Agent die Rolle übernimmt und warum hundertprozentige Testabdeckung plötzlich bezahlbar wird, ohne dass sie Korrektheit garantiert.
Die agentische Engineering-Pipeline für den SDLC
Agentische Werkzeuge beschleunigen die Arbeit. Im Brownfield erzeugen sie dabei oft Fehler, die erst spät auffallen. Dieser Auftakt einer Serie stellt die agentische Engineering-Pipeline für den SDLC vor: feste Rollen, explorative Phasen, Zustand in versionierten Artefakten, ein Quality Gate an jedem Übergang und eine zweite Modellmeinung für wichtige Entscheidungen.
Die Architektur des Vergessens
Sprachmodelle haben kein Gedächtnis. Was wie eine Erinnerung wirkt, ist eine Rekonstruktion bei jedem Aufruf. Eine vergleichende Analyse, wie sechs agentische CLIs das Problem des knappen Arbeitsgedächtnisses architektonisch lösen, mit präzisen Schwellwerten und nachvollziehbaren Belegen aus den jeweiligen Codebasen.
Der ROI hängt am Fundament: Was Googles DORA-Team über KI-gestützte Entwicklung berechnet
Google Cloud hat im Februar 2026 einen 60-seitigen Bericht zum Return on Investment KI-gestützter Softwareentwicklung veröffentlicht. Das DORA-Team und die hauseigene Beratungseinheit „delta" rechnen darin in einem Modellunternehmen vor, was Werkzeugeinkauf, Lehrgeld und Wertzuwachs im ersten Jahr ergeben. Die zentrale Aussage steht außerhalb der Tabellen: KI wirkt als Verstärker. Ohne reifes Fundament verstärkt sie die Dysfunktionen einer Organisation.
Agentic Coding zwingt Entwicklerteams zum Umbau
Sprachmodelle haben den Editor verlassen und sind in die Kommandozeile eingezogen. Sie planen, schreiben, testen, deployen. Wer ohne Methode mitarbeitet, verliert die Kontrolle über das Ergebnis. Ich habe ein Schulungsprogramm ausgearbeitet, das beschreibt, was ein Team end-to-end aufsetzen muss, um weiter zu bestehen.
Wenn alle auf einmal AI wollen
Wenn Unternehmen AI-Coding-Tools in die Breite bringen wollen, scheitert es selten am Modell, meist an Kontext, Gewohnheiten und schwachen Prozessen.
Kontext ist alles
KI-Agenten sind so gut wie der Kontext, den man ihnen gibt. Wer große Projekte mit Agenten umsetzt, kommt mit besserem Kontextmanagement weiter als mit einem besseren Modell. Ein Feldbericht aus zwei Jahren Praxis.
Eleganter Müll
LLMs geben Menschen ohne Fachwissen Werkzeuge in die Hand, mit denen sie beeindruckend aussehende Ergebnisse produzieren. Das Problem liegt weniger in der Technologie als in der intellektuellen Selbsttäuschung, die sie leichter macht.
Wer prüft die letzten 10%?
KI-Agenten schreiben Code schneller als je zuvor. Die Fähigkeit, diesen Code zu bewerten, lässt sich aber nicht automatisieren, und sie droht zu verschwinden.
Mit KI werden viele Projekte zu 90% fertig
Warum KI keine Senior-Entwickler ersetzt
Die Rückkehr zum Wasserfall?
LLM-Agenten können Code in Minuten schreiben. Aber wer bestimmt die Architektur? Warum Greenfield-Entwicklung mit KI mehr Planung braucht als vorher.