Das Wissensportal für IT-Professionals. Entdecke die Tiefe und Breite unseres IT-Contents in exklusiven Themenchannels und Magazinmarken.

heise conferences gmbh

(vormals SIGS DATACOM GmbH)

Rheinwerkallee 4, 53227 Bonn

Tel: +49 (0)511/53527-100

service-sigs@heise.de

Vom stochastischen Papagei zum autonomen Kollegen – oder: Wie ich lernte, die KI zu lieben, die mich ersetzen soll

Die IT-Branche hat eine alte Leidenschaft für zyklische Heilsversprechen – ich nenne es mal den „Technologie-Elfmeter“. Alle paar Jahre schießt sie ein neues Wundermittel ins Tor, und wir alle jubeln, bis wir merken: Ach, das war nur die Eckfahne. Erinnern Sie sich noch an modellgetriebene Architekturen, die vor zwanzig Jahren Programmierer überflüssig machen sollten? Das war so erfolgreich, dass heute noch niemand weiß, wie man eigentlich damit arbeitet. Oder an Microservices, die das Paradies auf Erden versprachen? Schön, bis die Entwicklerin merkt, dass sie jetzt 37 verschiedene Höllen verwalten muss statt nur einer.

Author Image
Michael Stal

Chefredakteur von JavaSPEKTRUM


  • 20.11.2026
  • Lesezeit: 5 Minuten
  • 10 Views

Und heute? Heute feiern Marketingabteilungen generative Sprachmodelle als allwissende Schöpfer digitaler Welten. Ach ja, die glorreichen Halluzinationen unserer neuen KI-Überflieger! Viele Entwicklungsabteilungen verwechseln die stochastische Vervollständigung von Quelltextzeilen bereits mit echter Ingenieurskunst. Das ist ungefähr so, als würde man einem Papagei das Sprechen beibringen und dann behaupten, er habe Philosophie studiert.

Doch das bloße Erraten der nächsten Token gleicht einem Glücksspiel mit Syntax-Highlighting. Wer schon einmal versucht hat, ein fünfhundertzeiliges, halluziniertes Konstrukt aus verschachtelten Streams und obskuren Regular Expressions im Produktivbetrieb zu warten, kennt die bittere Wahrheit: Das billige Generieren von Code erzeugt primär die kostspieligen Wartungsaltlasten von morgen. Schnelligkeit beim Eintippen ersetzt eben kein methodisches Denken, und syntaktische Plausibilität garantiert keineswegs semantische Korrektheit – genau so wenig wie ein perfekt gesprochener Satz eines Papageis tatsächliches Verständnis beweist.

Der große Unterschied: Chatbot vs. Agent

Aber Moment! Der eigentliche architektonische Umbruch vollzieht sich an einer anderen Front. Nicht der ewig plappernde Chatbot markiert die Zukunft, sondern der autonome Code-Agent. Stellen Sie sich vor: Der Chatbot ist dieser eine Kollege, der immer genau dann etwas sagt, wenn Sie ihn fragen – und meistens ist es auch noch falsch. Der Agent hingegen ist der Kollege, der einfach mal macht, ohne gefragt zu werden, und dabei meistens Recht hat. Nervig, aber effektiv.

Der fundamentale Unterschied zwischen beiden Konzepten zeigt sich im Kontrollfluss. Ein gewöhnlicher Assistent verharrt in passiver Lethargie, bis ein Prompt ihn zu einer wohlklingenden Vermutung verleitet – wie ein Programmierer bei der Kaffeepause. Ein echter Agent hingegen operiert als zielgerichtete Zustandsmaschine in einem geschlossenen Regelkreis aus Wahrnehmung, Reflexion und Aktion. Oder einfacher: Er ist der Einzige im Team, der tatsächlich seine To-do-Liste abarbeitet.

Zurück zu den Wurzeln – ironischerweise

Für Softwarearchitekten bedeutet dieses Paradigma eine Rückkehr zu klassischen Tugenden. Ja, Sie haben richtig gelesen: Wir brauchen KI, um wieder gute Softwarearchitektur zu machen. Die Ironie ist köstlich! Statt unreflektiert Textblöcke in Editoren zu pumpen, verankert ein robuster Agent das Sprachmodell in einer klar geregelten Rückkopplungsschleife mit der realen Entwicklungsumgebung. Das System zerlegt komplexe Refactorings in diskrete Einzelschritte, wählt spezialisierte Hilfswerkzeuge, führt Compilerläufe durch, analysiert Stacktraces und bewertet Testergebnisse.

Erkennt der Agent einen Typenkonflikt oder eine gebrochene Schnittstelle, korrigiert die Kontrollschleife den nächsten Denkansatz eigenständig. Erst wenn der Bytecode fehlerfrei vorliegt und die Testsuite grünes Licht signalisiert, gilt die Aufgabe als erfüllt. Das Sprachmodell fungiert hierbei lediglich als stochastischer Ideenlieferant, während Compiler und Test-Harness als unbestechliche Richter über Wohl und Wehe der Änderungen entscheiden – eine Art digitaler Vorgesetzter, der tatsächlich Ahnung hat.

Die Architekturfalle: Vendor-Lock-in reloaded

Aus architektonischer Sicht verlangt diese neue Gattung von Werkzeugen kompromisslose Disziplin. Wer proprietäre Hersteller-SDKs unbedacht in die eigene Anwendungsdomäne einwebt, zementiert den nächsten Vendor-Lock-in. Ja, genau: Wir haben aus der Cloud-Ära nichts gelernt und machen jetzt mit KI genau denselben Fehler wieder. Bravo!

Reife Architekturen kapseln Sprachmodelle vollständig hinter standardisierten Ports, getreu dem altbewährten Paradigma von Schnittstellen und Adaptern. Als Lingua franca empfiehlt sich das herstellerunabhängige, OpenAI-kompatible Schnittstellenformat, das Cloud-Anbieter und lokale Inferenz-Laufzeiten wie Ollama gleichermaßen bedient. Über diese Abstraktion gewinnt das Team die technologische Souveränität zurück: Modelle lassen sich je nach Kosten- und Datenschutzprofil austauschen, während die Geschäftslogik der Agenten unberührt bleibt. Oder kurz: Wir haben endlich eine Ausrede, warum unsere Architektur so kompliziert ist.

Erweiterbarkeit: Wenn der Agent mehr kann als Sie

Agentic AI entfaltet ihre wahre Stärke durch Erweiterbarkeit. Der Kern eines solchen Agenten benötigt keine magische Komplexität, sondern lediglich ein Register wohldefinierter Funktionen. Wer diesen Werkzeugkasten um domänenspezifische Compiler-Plugins, Bytecode-Inspektoren oder AST-Parser anreichert, verwandelt stochastische Orakel in verlässliche Software-Assistenten. Ein solcher Assistent parst reale Open-API-Spezifikationen, validiert Datenbankschemata und überprüft Thread-Sicherheitsgarantien direkt am lebenden Objekt.

Das ist der Punkt, an dem es unangenehm wird: Der Agent kann plötzlich Dinge, von denen Sie nur träumen. Er findet Race Conditions, die Sie übersehen haben. Er optimiert Queries, die Sie für perfekt hielten. Er schreibt Tests für Edge Cases, an die Sie nicht gedacht haben. Und das Schlimmste: Er macht das alles, ohne zu meckern.

Die ernste Pointe

Statt Entwicklerteams zu ersetzen, entlarven autonome Agenten vielmehr die Illusion des schnellen Copy-Paste-Gewinns. Sie zwingen unsere Zunft zurück an das Reißbrett durchdachter Schnittstellen und deterministischer Tests. Denn ein Sprachmodell kann nur so klug agieren, wie die Gütekriterien und Werkzeuge, die erfahrene Architekten ihm an die Hand geben.

Am Ende triumphiert nicht die geschwätzige Maschine, sondern die handwerkliche Exaktheit des Software-Ingenieurs. Die Ironie der Geschichte: Wir brauchen KI, um wieder gute Handwerker zu sein. Und der Papagei? Der sitzt jetzt am Compiler und korrigiert unseren Code. Wenn das kein Fortschritt ist!

Viel Spaß beim Lesen dieser Ausgabe wünscht

Ihr Prof. Dr. Michael Stal

. . .

Author Image

Michael Stal

Chefredakteur von JavaSPEKTRUM
Zu Inhalten

Prof. Dr. Michael Stal beschäftigt sich bei der Corporate Technology der Siemens AG mit Software- und Systemarchitekturen, Digitalisierung und KI. An der University of Groningen hält er Vorlesungen und betreut Doktoranden. Außerdem ist er Chefredakteur von JavaSPEKTRUM.


Artikel teilen