Wissensarbeit in der Cloud

Sorry für die
Anthropomorphismen.

2023

Programmiersprache Englisch



"Vielleicht in 5, vielleicht in 20 Jahren"

Assistent.

Wie man gut programmieren lernt, als LLM.

Alphago
Wenn man es formalisieren kann, kann es sich das ruhig mal selbst beibringen.

Jetzt bring es dir halt selbst bei!
- Millionen von Aufgaben ausdenken
- die in Einzelschritte zerlegen und programmieren
- Testen: Funktioniert das denn auch?
- wenn ja: Lernen wenn nein: Vergessen.
Formalisierter Teil: Check.
Aber was machen wir mit dem nicht formalisierten Teil, der in der Praxis dazukommt?

Claude Code
Anthropic 3.7
Bezahlender Testdatenlieferant



"Canvas"
Ich beobachte nur noch
während der Agent arbeitet

Mehr Daten bedeuten
mehr Wissen und
mehr Fähigkeiten
Reale Nutzung laut Anthropic
Ai macht alles | 79% |
---|---|
AI assistiert | 21% |


twitter zitat

"Autogenerated bullshit"

Ein Glück, ich bin noch nicht verzichtbar.

Es müsste etwas geben,
mit dem man Qualität erzeugen könnte ...
Planen
Prozesse
Messen
Qualitäts-
Checks

Erklärs wie einem Lehrling


Modernisierungen:
können wir etwa so gut wie andere Flughäfen.
Und es dauert auch ungefähr so lange.

- Analysiere erst ganz genau die alte Software
- Mache einen Abhängigkeitsbaum, was an was hängt
- Mache einen Plan, wie du modernisieren willst
- Modernisiere Schritt für Schritt
- Validiere, ob es korrekt umgesetzt wurde
- Teste, ob es noch läuft, und repariere bei Bedarf
- Teste, ob es auch funktioniert, und repariere bei Bedarf
Agentisch Modernisieren
Wie cool Agenten sind
- Dir fehlt ein Werkzeug?
Dann bau es dir.
- Du hast einen Fehler gefunden?
Dann reparier ihn.
- Du hast ein Problem noch nicht gut verstanden?
Dann analysiere es doch.


Vorher: 3 Monate.
Jetzt: ca 5 Minuten.
Migrationsbot Q1
-
Er verliert die Übersicht
-
Er migriert auch den Code, den
niemand mehr braucht -
er macht den gleichen Fehler mehrfach
-
Er übersieht wichtige Dinge
-
Er denkt einfach nicht mit.
Agenten:so geht
es mir auch manchmal

Teams von Spezialisten
-
Toolagent: Ruft etwas auf.
-
Dispatchagent: Recherchiert.
-
Agent: Zerlegt Aufgabe in Tasks
Fasst zusammen und fokussiert


Agentic Systems
Agents and Workflows
🧍
Human
🤖
Research
🤖
Planner
🤖
Architect
🤖
Coder
🤖
CommandAgent
🤖
Tester
🤖
Documentor
- Planner: Supervisor, ruft andere managed Aufgaben
- Researcher: Recherchiert und beantwortet Fragen
- Architect: Entwickelt die Architektur für eine Aufgabe
- Coder: Schreibt den Code
- CommandAgent: führt kritische Kommandos aus
- Tester: Schreibt Tests und führt sie aus
- Documentor: Dokumentiert am Ende

Migrationsbot Q2
2023
Metacognition:
Lernen für
Agenten
🤖
Planner
🤖
Coder
🤖
CommandAgent
- Unnötige Schritte
- Schlechte Pläne
- Standards
- Regeln
- Das richtige Werkzeug
- Typische Fehler

Softwareentwicklung 2025



Mehr Einsatz =
Mehr Fähigkeiten =
Mehr Anteil =
Grösserer Hebel pro Person
Software: >50% der Aufgaben liegen bei der KI.
Übersicht und Exception-Handling

Fabrikhalle

- Programmierung
- Content-Erzeugung
- Übersetzung
- Call-Center und Kundendienst
- Design
- Sachbearbeitung
- Juristische Assistenz und Notariat

Aufgaben, die
Agenten gut können
Warum genau diese Aufgaben?
Es geht:
- Die Branche ist schon digital
- es gibt viel generalisiertes Wissen
Es lohnt sicht:
- zum Teil: man braucht sie nicht dauernd
- Menschen sind dabei echt teuer
- man kann etwas neues anbieten

Ist das nicht nur Automatisierung
in neuen Schläuchen?
-
Einfache & komplizierte Aufgaben: konnten wir vorher schon
-
Komplexe & unvorhergesehene Aufgaben: konnten wir nicht
- Echtes Verständnis von
- Texten und Sprache
- Bilder und Klängen
-
... konnten wir nicht.
-
Komplexe physische Aufgaben:
können wir weiterhin nicht.

Wo man Agenten
einsetzt
Fähigkeit | Zweck |
---|---|
Kern | Geschäftskritische Kernfunktionen mit hohem Wettbewerbsvorteil. |
Unterstützend | Unterstützende Nebenaspekte mit geringeren Qualitätsanforderungen. |
Generisch | Nicht-kernrelevante Funktionen, die eingekauft/ausgelagert werden können. |
Quelle: Domain Driven Design: Strategic Design

Kerngeschäft
- Skalieren: Dinge 100.000 mal machen, an einem Tag.
- Kosten senken: den Preis der eigenen Angebote senken
- Wert erhöhen: eigene Angebote anreichern und erweitern
- Innovation: Mehr Innovation erzeugen und vertesten
- Ein(e) EntwickerlIn hat ca den doppelten Output
- spürbare geringere Kosten für die gleiche Software
- bessere Dokumentation, Tests und Qualität
- Faktor 5 mehr Research und Prototypen
- Automatische Ticketbearbeitung durch KI
Beispiel IT:

Unterstützend
- Kosten senken: Mit KI automatisieren und stützen
- Outsourcen: an einen Service as a Software geben
- Verbessern: Qualität des Supports verbessern
- Kundensupport per automatisiertem Ticketing
- Clickdummies während des Meetings
- Funktionierende Prototypen in der Sales-Phase
- UX und Screendesign preiswert per SAAS
- Automatisierte Dokumentation
Beispiel IT:

Generisch
- Kosten senken: Mit KI automatisieren und stützen
- Outsourcen: an einen Service as a Software geben
- Texte übersetzen
- Texte zusammenfassen
- Grafiken erstellen
- Anschreiben erstellen
Beispiele

Before asking for more Headcount and resources, teams must demonstrate
why they cannot get what they want done using AI. What would this area look like if autonomous AI agents were already part of the team?
Art der Aufgabe | Einfach bzw. kompliziert | Komplex Menschlich |
Komplex KI |
---|---|---|---|
Kern | Eigene Software | Spezialist inhouse, Key Person | Spezialisierte Agenten, inhouse |
Unterstützend | Branchenlösung, konfiguriertes ERP | Sachbearbeiter, Fachperson | Agent Frameworks |
Generisch | Standardlösung, Software as a Service | Freelancer, Zeitarbeiter etc. | Off-the-Shelf-Agents |
Was bewegt sich?

Agentic Free Beer
Wenn ein Agent etwas kann, dann ...
- können es alle Agenten, reproduzierbar
- skaliert es
- wird es kontinuierlich schneller
- wird es kontinuierlich billiger
- lernen alle Agenten übergreifend aus Fehlern
- funktioniert es auch in anderen Sprachen
- ist ein Audit-Log Kostenlos enthalten

... aber kein Spaziergang
-
Verlässlichkeit: Agenten sind nicht
deterministisch
-
Qualität: gibt es erst gegen
viele Daten und Tests
- Kosten: viele Dinge sind teurer als Menschen

Was bedeutet das für uns?
Was wir in der Software schon gelernt haben ...
Die Juniortätigkeiten erledigt jetzt der Agent.
Wir brauchen mehr Seniors
- aber keine Juniors mehr.
Das Senior-Paradoxon

Nur 10% der alten Tätigkeiten und Kompetenzen werden noch gebraucht.
Der Job ändert sich grundlegend.

Wenn A (Software-Entwicklung) nicht mehr der Engpass ist wird
B (Anforderungen und Feedback)
der neue Engpass und muss sich anpassen.
Veränderungen kaskadieren

Development Faktor 5 schneller bedeutet Faktor 5 mal mehr
Wandel, Lernen und Adaption
Geschwindigkeit

Es fühlt sich nicht mehr gemütlich an, auch wenn man viel Energie in Kommunikation und Change steckt.
Unsicherheit

"Natürlich ist es superanstrengend, aber wer will diesen Ritt denn
schon verpassen."
Ehemaliger Schülerpraktikant
https://slides.com/johann-peterhartmann/wissensarbeit-aus-der-cloud/


Wissensarbeit aus der Cloud
By Johann-Peter Hartmann
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?
- 214