Software vs AI 2026

Software vs AI Anfang 2026

Agentic Fleets für Software Development - Cattle statt Claude Code als Pet

Interaktive Coding-Assistenten wie Claude Code sind die „Pets“ der Entwicklung mit KI: Sie benötigen manuelle Führung, individuelle Aufmerksamkeit und wollen bei großen Codebasen auf Schritt und Tritt überprüft werden. Für die wirklich große Unterfangen ist dieser dialogorientierte Ansatz unbrauchbar. Die Lösung liegt im Paradigmenwechsel hin zu Agentic Fleets – hochspezialisierten, ephemeren Agenten-Clustern, die als skalierbare Headless-Infrastruktur agieren. Dieser Vortrag bricht mit dem Konzept des Chats als Schnittstelle zum Coding-Agent und stellt stattdessen die Varianten autonomer Agenten-Flotten in den Mittelpunkt. Die Reise führt von Discovery Agents für die Tiefenanalyse von Legacy-Strukturen über Transformation Agents für großflächige Refactorings bis hin zu autonomen Test- und Remediation-Units, die Code-Fixes direkt gegen die Produktion validieren und mittels A/B-Szenarien absichern. Basierend auf den Erfahrungen aus fünf Projekten wird aufgezeigt, wie durch agentische Workflow-Orchestrierung und „Bounded Autonomy“ der Sprung vom KI-Assistenten zur Software-Fabrik gelingt, in der Agenten nicht mehr nur unterstützen, sondern selbst die Ergebnisse liefern.

Copy of Modernisierung mit AI 2026

Die neue Architektur

2023 kamen Chatbots als User-Interface und RAG als Architektur in unsere Organisationen, 2024 war das Jahr der Agenten, zunächst als einfache ReAct-Agenten mit Tools, später als echte agentische Systeme mit Workflow- und State-Management, HandOff und vielem mehr. 2025 werden sie erstmalig ihrer Definition gerecht. Mit Googles A2A kommunizieren sie untereinander, greifen per MCP auf ihre eigene Servicelandschaft zu, lernen mit Werkzeugen wie LangMem über Zeit dazu und optimieren sich mit Werkzeugen wie mit DSPy selbstständig. Statt domänengetriebener Zerlegung in Services oder modulare Monolithen zerlegen wir agentische Systeme in Agenten und Workflows, statt APIs nutzen wir MCP, A2A und mit dem nötigen Kontextwissen versorgte Hand-Offs. Das erzeugt nicht nur neue Architekturmuster, sondern neue Plattformen, neue Schnittstellen, neue Discovery- und Kommunikationsstrategien.

Agenten, aber sicher

Wir haben uns gerade an die Sicherheitsprobleme von LLM-Applikationen wie Prompt Injection und Model Poisoning gewöhnt, da trifft uns mit agentischen Systemen eine neue Welle von Sicherheitsproblemen – von persistenter Speichervergiftung über Zielmanipulation bis hin zu agentenübergreifender Vertrauenskompromittierung –, die traditionelle Sicherheitsmodelle untergraben und weit über die bekannten LLM Top 10 hinausgehen. Wir stellen die neuen Vektoren vor, wo und wie sie entstehen, wie man sich schützen kann, und wie eine tiefe Verteidigungsstrategie für agentische Lösungen aussieht.

ProgrammierEnde

Traut man aktuellen Statistiken, dann assistiert das LLM längst nicht mehr, sondern macht Pläne, evaluiert Architekturen, macht Designvorschläge, erstellt Tests, implementiert die Software und schreibt die Dokumentation. Nicht nur “Vibe-Coder”, sondern auch erfahrene SeniorInnen, CTOs und ArchitektInnen überlassen grosse Teile der Tipp-Arbeit dem LLM. Welche Effekte hat das auf unsere Arbeit in Zukunft? Wenn ich 10 mal schneller entwickeln kann, kann ich dann 10 mal schneller die Qualität sichern und Refaktorieren? Wenn ich alleine einen Backlog in einer Woche schaffe, muss ich dann noch agil arbeiten? Brauchen wir noch Teams, oder wäre alleine effizienter? Was muss die Softwareentwicklerin der Zukunft an Stelle von Programmieren können? Wir zeigen die Effekte, die heute schon zu sehen sind, und die, die erst noch kommen werden.

⚡ AGILE AI MATURITY MODEL

LLM Security 2025 Allianz

LLM Security the Update

Modernisierung mit AI

Fast Software

Wissen

Wissen ist die wertvollste Ressource moderner Unternehmen – und gleichzeitig die flüchtigste. Während wir routinemäßige Aufgaben längst automatisiert haben, galt Wissensarbeit bislang als exklusiv menschliche Domäne. Doch die Grenzen verschieben sich: Software-Agenten und AI-Systeme können heute Wissensarbeit nicht nur unterstützen, sondern teilweise übernehmen und skalieren.

Ki in der IT-Organisation

Wir haben jetzt CompanyGPT gelaunched und arbeiten gerade an internen RAG. Wir haben auch erste Pilotteams, die da Vorreiter sind, und einen Arbeitskreis, der mit AWS über Ki spricht. Sind wir damit dann durch?

Wissensarbeit aus der Cloud

3 Jahre nach ChatGPT spüren wir die Effekte von KI auf Wissensarbeit. Wir erleben in der Softwareentwicklung unsere industrielle Revolution genau dort, wo wir uns für unersetzbar hielten. Unter dem Begriff "Service as a Software" werden ganze Bereiche von Wissensarbeit in großen Teilen digitalisiert, und die Effekte sind auf dem Arbeitsmarkt sichtbar. Aber: es ist eine andere Sorte Intelligenz als die menschliche, auf der unsere aktuellen Prozesse und Services basieren. Diese neue Wissensarbeit ist elastisch, in Wiederholbarkeit, Anzahl und Parallelität flexibel geworden, mit allen Vorteilen des Digitalen. 1000 parallele Agenten können spontan starten, kollektiv lernen und optimieren, und daraus selbst nach Bedarf und Budget neue, bessere Agenten schaffen. Was bedeutet das für uns, unsere Arbeit, unsere Organisationen? Welche Chancen und Vorteile entstehen für uns daraus?

LLM Security 2025

LLM Security the Update

Copy of The End of user centric product development

As a product owner i want to use AI so i won't get replaced by AI.

Migration, mit einem Metal-Background

Der Chef schaut vrobei und fragt,ob wir denn schon "in der Cloud" sind. Und während man an das seit 7 Jahren stabil laufenden Hetzner-Setup denkt antwortet man "Ja, wir haben für die neuen Projekte eine Container-Infrastruktur." Aber warum eigentlich in die Cloud? Weil man das heute so macht müssen alle die Dinge, die gut klappen, auf einmal woanders laufen? Wann lohnt es sich, und wie?

Data? AI Workloads!

Im Agentic Age wird Nachholbedarf bei der Digitalisierung deutlich teurer, weil Automatisierung mittels KI nur dort stattfinden kann, wo Daten, Dokumente und Schnittstellen auch digital zur Verfügung stehen. Glücklicherweise unterstützt AI auch an dieser Stelle - die Integration Document Intelligence scheitert nicht mehr an OCR, sondern ist ein gelöstes Problem, und die Bereitstellung von AI-Schnittstellen über das Model Context Protocol erzeugt oft nur einen kleinen Aufwand. Und sogar die Verfügbarkeit von Daten über Datalakes, Data-Lakehouses bis zu Data Meshes ist nicht nur Voraussetzung für KI, sondern profitiert auch selbst von der neuen Technologie.

APIs Data Documents

Im Agentic Age wird Nachholbedarf bei der Digitalisierung deutlich teurer, weil Automatisierung mittels KI nur dort stattfinden kann, wo Daten, Dokumente und Schnittstellen auch digital zur Verfügung stehen. Glücklicherweise unterstützt AI auch an dieser Stelle - die Integration Document Intelligence scheitert nicht mehr an OCR, sondern ist ein gelöstes Problem, und die Bereitstellung von AI-Schnittstellen über das Model Context Protocol erzeugt oft nur einen kleinen Aufwand. Und sogar die Verfügbarkeit von Daten über Datalakes, Data-Lakehouses bis zu Data Meshes ist nicht nur Voraussetzung für KI, sondern profitiert auch selbst von der neuen Technologie.

Copy of KI Navigator: Hitchhikers Guide

Wir haben jetzt CompanyGPT gelaunched und arbeiten gerade an internen RAG. Wir haben auch erste Pilotteams, die da Vorreiter sind, und einen Arbeitskreis, der mit AWS über Ki spricht. Sind wir damit dann durch?

AI Applikationen entwickeln