AI Modernisierung - Fabrik statt Feenstaub

Agentische Modernisierung bedeutet nicht, KI über ein Altsystem zu streuen und auf magisch generierte Microservices zu hoffen. Der Vortrag zeigt am Beispiel eines AS/400-ERP, das schrittweise in eine Kafka- und Spring-Boot-Welt überführt werden soll, was sich durch Softwareagenten wirklich verändert: Entwicklung, Analyse, Testgenerierung und Variantenbildung werden billiger — die fachliche und technische Komplexität bleibt. Deshalb verschiebt sich der Fokus von „Code schreiben“ zu Inventarisierung, Validierung und kontrollierter Transformation. Statt Big Bang entsteht eine Modernisierungsmaschine: Sie macht RPG-Code, DB2/400-Daten, 5250-GUI-Flows und Batchlogik sichtbar, baut daraus Validatoren und erzeugt erst dann kleine, prüfbare Migrationsschritte. Die PatternBox dient dabei als Werkzeugkasten für den Workshop: nicht als Theorie, sondern als gemeinsame Sprache gegen Feenstaub und für belastbare Modernisierung.

Dark Factories

Dark Factory heißt: Spec rein, Software raus, kein Mensch schreibt oder reviewt Code — aber solange einer jeden Diff abnickt, ist das keine fahrerlose Fabrik, sondern ein teurer Roboter mit Aufpasser. Der Sprung dorthin hängt nicht an besseren Modellen, sondern an unabhängiger Verifikation: Nicht die Spezifikation entscheidet, ob das Richtige gebaut wurde, sondern der belastbare Nachweis — das Prinzip, bei dem das einzige öffentlich dokumentierte L5-Team (StrongDM) unabhängig gelandet ist. Entlang Dan Shapiros fünf Autonomiestufen, mit drei Live-Demos und einem ehrlichen Blick auf Reward-Hacking und Kosten — bis zur Pointe: Agenten zu managen ist genau das Problem, das Organisationen mit Mitarbeitern schon immer hatten.

Vibe Coding verbieten heißt Schatten-IT genehmigen

Ist Vibe Coding Agile? „Klar!", würden viele direkt antworten. Schließlich designt der Nutzer hier unmittelbar die Anwendung, die er braucht. „Auf keinen Fall!", kontert der XP- und Clean-Code-Praktiker, denn die so erzeugte Software ist halbgar und ungetestet. Und CISO und Ops-Team diskutieren derweil, ob man das Ergebnis überhaupt „Software" nennen darf – zu sehr erinnert es sie an das „Aber mein Neffe hat gesagt, das dauert nur 3 Tage" des CEOs. Die Debatte läuft also zwischen zwei Polen: Entweder man nimmt die Geschwindigkeit der KI und verliert Qualität und Security – oder man verzichtet aufs Vibe Coding, um beides zu behalten. Meistens fällt die offizielle Entscheidung auf die zweite Option, weil sie keinen zusätzlichen Aufwand bedeutet. Parallel entsteht eine ganz neue Welt der Schatten-IT, weil die Kollegen ihre Probleme trotzdem lösen müssen. Genau an diesem Punkt wird es interessant: Welche Antwort ist eigentlich „working software"? Was heißt „responding to change", wenn der Change plötzlich aus dem Fachbereich selbst kommt? Im Vortrag zeigen wir, warum beide offiziellen Antworten zu kurz greifen – und skizzieren einen dritten Weg mit konkreten Leitplanken, die Qualität, Security und die Produktivitätsgewinne der Nutzer zusammenbringen. Kurz: Wie schaffen wir es, beide Seiten glücklich zu machen?

KI killt Agile. Wer steuert die Transformation?

Kann ein Fließband einen Tischler ersetzen? Nein. Kann eine Möbelfabrik Tische herstellen – schneller, billiger, in jeder Stückzahl? Ja. Genau das passiert gerade in der Softwareentwicklung. Wir stehen nicht vor einer besseren Säge, sondern vor der Fabrik. Für Agilisten ist das unbequem. Output und Outcome – die Währung, in der wir unseren Wert bemessen haben – optimiert die KI schneller, billiger und mit jeder Generation besser. Sprint-Optimierung, Velocity-Tracking, Outcome-Maximierung: Das war unser Existenznachweis. Morgen erledigt das die Fabrik. Was bleibt, ist die eigentliche Aufgabe: Unternehmen durch die größte Transformation seit der Gründerzeit begleiten, strukturieren, orchestrieren – mit Existenzangst, Widerstand und dem vollen Paket an Veränderungsdynamik. Dieser Vortrag liefert die Landkarte dazu – und die Frage, ob wir bereit sind, unsere eigene Transformation zu machen

Agenten, aber sicher 2026 Q1

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.

Agentic Development Körber

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 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.

Nach dem OpenClaw-Disaster: wie man wirklich Agenten betreibt

OpenClaw hat mit 180.000 GitHub-Stars gezeigt, was autonome KI-Agenten leisten können – und mit 30.000 exponierten Instanzen und 20 Prozent Malware im Marketplace, was passiert, wenn Sicherheit ein Nachgedanke ist. In diesem Talk zeigen wir den dritten Weg zwischen Totalverbot und Kontrollverlust: MCP-Gateways, Sandbox-Isolation, CodeMode und Identity-Durchreichung machen KI-Agenten kontrollierbar, nachvollziehbar und datenschutzkonform – ohne Innovationsstopp aus Risikoangst.

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?