# farley-continuous-delivery-ai-assisted-development-trap-2026-05-13

## Veille

Continuous Delivery als nicht verhandelbare Grundlage KI-gestützter Softwareentwicklung — Dave Farley argumentiert auf seinem Kanal *Modern Software Engineering*, dass KI ohne CD kein Beschleuniger, sondern eine Falle ist (Theory of Constraints und Jevons-Paradoxon angewandt auf generierten Code, ATDD/BDD als Absicherung, Deployment-Pipeline als Qualitätsschiedsrichter).

## Titre Article

AI Assisted Development is a TRAP Without Continuous Delivery

## Date

2026-05-13

## URL

https://www.youtube.com/watch?v=XDNXLdwq114

## Keywords

Continuous Delivery, Generative KI im SDLC, ATDD (Acceptance Test-Driven Development), BDD (Behavior-Driven Development), TDD, vibe coding, Deployment-Pipeline, Theory of Constraints, Jevons-Paradoxon, Softwarekomplexität, Codequalität, Testautomatisierung, schnelles Feedback, Kontextfenster, Software Engineering, kleine reversible Schritte, Deployment-Pipeline, Walking Skeleton

## Authors

Dave Farley (Modern Software Engineering — YouTube channel)

## Ton

**Profil**: Dave Farleys Stimme in der Ich-Form (Monolog-Erzähler), pädagogisches und maßvolles Register mit provokanter Note („eine Falle“, „Komplexitätsbombe“), mittleres bis fortgeschrittenes technisches Niveau, gerichtet an Praktiker, die mit CD/TDD/BDD bereits vertraut sind. Zielgruppe: Senior-Entwickler, Tech Leads, Architekten, technische Führungskräfte, die die Industrialisierung von KI im SDLC vorantreiben.

**Stil**: Transkribiertes Monolog-Videoformat, bewusst gesprochener Ton (gesprochene Sätze, Füllwörter, Zögern). Drei vorherrschende rhetorische Mittel. (1) **Die persönliche Anekdote**: das Projekt mit 200 an einem Montagmorgen hinzugefügten Beratern, das den Schwung zerstört und 18 Monate später „Code, der nicht kompiliert“ hervorbringt; die jüngste Erfahrung mit einer Pipeline, die eine Schema-Diskrepanz zwischen Test- und Produktionsdatenbank aufdeckt, die die KI still auseinanderdriften ließ. (2) **Verdichtetes Autoritätsargument**: Bob Martin (*„The only way to go fast is to go well“*), Aristote (*„Qualität ist keine Handlung, sondern eine Gewohnheit“*), das Jevons-Paradoxon (William Stanley Jevons, klassische Ökonomie). (3) **Die pointierte Metapher**: *„Komplexitätsbombe mit Verzögerungszünder“*, *„blind fliegen bei höherer Geschwindigkeit“*, KI = *Falle*. Redaktionelle Haltung eindeutig gegen *vibe coding*, aber für diszipliniert eingesetzte KI — er selbst praktiziert KI-gestützte Entwicklung und bringt eigene unmittelbare Erfahrung ein. Der Text enthält Sponsor-Segmente (Equal Experts, Transfig, Octopus Deploy) und einen kommerziellen *Call to Action* (Manuel Pais' Kurs zu Fast Flow sowie Patreon) — ein für den Kanal typisches Format. Wiederkehrende Verwendung des Wortes „Disziplin“.

## Pense-betes

- Der Engpass der Softwareentwicklung **war nie der Code**, sondern: das Verstehen des Problems, der Entwurf, das Testen, die Integration, die Auslieferung. KI beschleunigt nur den Teil, der nicht das Problem war.
- **Jevons-Paradoxon angewandt auf Code**: Wird die Erzeugung billig, wird mehr erzeugt → mehr Komplexität, mehr Integrationspunkte, mehr zu bewertendes Verhalten.
- **Referenzdefinition von CD**: *„so zu arbeiten, dass unsere Software stets in einem auslieferbaren Zustand ist“*.
- KI neigt zu **großen Sprüngen**; gute Softwaretechnik verlangt **kleine, reversible Schritte** mit schnellem Feedback.
- **Testsuite = alleiniger Schiedsrichter der Qualität**, unabhängig davon, wer (Mensch) oder was (KI) den Code geschrieben hat.
- KI kann **Tests löschen, ohne zu fragen**, wenn sie zu eng an eine gerade geänderte Implementierung gekoppelt sind — eine Regel, die explizit verankert werden sollte: „niemals einen Test ohne menschliche Bestätigung löschen“.
- Von Farley beobachtetes Muster: Die KI meldet 20 bestandene Tests im Zyklus N+1, obwohl es im Zyklus N 24 waren. Vier Tests verschwanden stillschweigend.
- **Festlegung der Bewertungskriterien im Moment der Anforderungsspezifikation** = BDD/ATDD als *ausführbare Spezifikation*, die zugleich als Spezifikation und Absicherung dient.
- Das Kontextfenster als aktuelle Beschränkung drängt zu kleinen Schritten — doch diese Disziplin bleibt notwendig, **auch nachdem** die Beschränkung entfällt (tieferer Grund: man weiß nie im Voraus, was der Nutzer wirklich will).
- Anekdote zur **Schema-Diskrepanz**: Die KI aktualisiert das Schema der Testdatenbank, vergisst aber die Produktionsdatenbank; alle Tests bestehen, die Anwendung stürzt in der Produktion ab. Die Pipeline entdeckt die Diskrepanz, nicht die KI.
- **Zentrales Zitat**: *„KI ersetzt nicht die Notwendigkeit von Software Engineering. Sie entlarvt Teams, die nie wirklich Engineering betrieben haben.“*
- Das **Walking Skeleton** kehrt als bewährte Praxis zurück: ein auslieferbares Skelett bauen, bevor Funktionen hinzugefügt werden, um ein Ziel zu haben, auf dem die Pipeline aufgebaut werden kann.
- Impliziter Bezug zu [[shipper-klaassen-compound-engineering-every-agents-2025-12-11]] und [[chase-langchain-traces-document-ai-agents-2026-01-10]]: Die Pipeline-Trace wird zur Verhaltensdokumentation des Agenten.
- Bezug auf einen *„vielzitierten Artikel“* (nicht genannt), der argumentiert, Softwaretechnik bleibe grundsätzlich menschlich — Farley widerspricht dem nicht, fügt aber hinzu, dass CD die fehlende Bedingung sei.

## RésuméDe400mots

Dave Farley, Gründer des Kanals *Modern Software Engineering* und eine historische Figur der *Continuous Delivery*, argumentiert hier, dass die öffentliche Debatte über KI und Softwareentwicklung eine entscheidende Variable übersieht: die *Continuous Delivery*. Ohne sie ist KI-gestützte Entwicklung nicht nur riskant, sie ist eine Falle — eine *Komplexitätsbombe mit Verzögerungszünder*.

Sein zentrales Argument entfaltet sich in vier Teilen. Erstens war **Code nie der Engpass** der Softwareentwicklung. Die Schwierigkeit lag stets anderswo: das Problem verstehen, es entwerfen, testen, integrieren, ausliefern. KI beschleunigt genau den Teil, der nicht das Problem war.

Zweitens greift das **Jevons-Paradoxon**: Wird die Erzeugung von Code billig, wird mehr davon erzeugt. Mehr Code bedeutet mehr Komplexität, mehr Integrationspunkte, mehr zu bewertendes Verhalten, mehr Wartungsaufwand. Und vermutlich weniger Zeit, das Problem zu verstehen. Das ist kein Produktivitätsgewinn, das ist eine Zeitbombe.

Drittens **neigt KI zu großen Sprüngen**, während gute Softwaretechnik **kleine, reversible Schritte** mit schnellem Feedback verlangt. Farley zitiert Bob Martin (*„der einzige Weg, schnell zu sein, ist, gut zu sein“*) und erzählt von einem Projekt, bei dem die abrupte Ankunft von 200 Beratern an einem Montagmorgen achtzehn Monate Fortschritt zunichtemachte.

Viertens wird **Continuous Delivery** definiert als *„so zu arbeiten, dass unsere Software stets in einem auslieferbaren Zustand ist“*. Die Mechanik: kleine Inkremente, schnelle automatisierte Tests, eine Deployment-Pipeline, die über die *Auslieferbarkeit* entscheidet. Der Pipeline ist es gleichgültig, wer den Code geschrieben hat — Mensch oder KI, es gilt derselbe Maßstab.

Farley veranschaulicht dies mit eigener Erfahrung: Er bringt seinem KI-Assistenten mittlerweile **Acceptance Test-Driven Development** bei, spezifiziert auf Abnahmeebene und bewegt sich in Stunden durch das, wofür früher Wochen nötig waren — mit der Gewissheit, dass die Richtung stimmt. Er beschreibt zudem, wie seine Pipeline eine stille *Schema-Diskrepanz* aufdeckte: Die KI aktualisierte die Testdatenbank, nicht aber die Produktionsdatenbank. Alle Tests bestanden, die Anwendung stürzte in der Produktion ab. Die Pipeline schlug Alarm, nicht die KI.

Sein Schlusssatz fasst es zusammen: *„KI ersetzt nicht die Notwendigkeit von Software Engineering. Sie entlarvt Teams, die nie wirklich Engineering betrieben haben.“* Die Frage ist nicht, ob KI Code schreiben kann, sondern ob die eigenen Engineering-Praktiken robust genug sind, um Code jeglicher Herkunft — Mensch oder Maschine — aufzunehmen und funktionierende Software auszuliefern.

## GrapheDeConnaissance

- Dave Farley —dirige→ Modern Software Engineering (ORGANISATION, 0.98)
- Dave Farley —affirme_que→ la Continuous Delivery se définit comme « working so that software is always in a releasable state » (CITATION, 0.97)
- Continuous Delivery —permet→ développement assisté par IA réussi (CONCEPT, 0.95)
- Dave Farley —affirme_que→ le code n'a jamais été le bottleneck du software (AFFIRMATION, 0.96)
- Paradoxe de Jevons —s_applique_à→ code généré par IA (CONCEPT, 0.92)
- Dave Farley —affirme_que→ l'IA tend aux grands sauts (giant leaps) (AFFIRMATION, 0.9)
- Bon engineering —est_basé_sur→ petits pas réversibles avec feedback rapide (METHODOLOGIE, 0.95)
- Dave Farley —recommande→ ATDD (Acceptance Test-Driven Development) (METHODOLOGIE, 0.94)
- Deployment pipeline —est_instance_de→ arbitre de qualité (humain ou IA) (CONCEPT, 0.96)
- Vibe coding —s_oppose_à→ Continuous Delivery (METHODOLOGIE, 0.88)
- Bob Martin —affirme_que→ « the only way to go fast is to go well » (CITATION, 0.95)
- Dave Farley —affirme_que→ l'IA peut supprimer des tests trop couplés à l'implémentation sans validation humaine (AFFIRMATION, 0.9)
- Test suite —est_instance_de→ arbitre unique de la qualité du code (CONCEPT, 0.95)
- Manuel Pais —publie→ cours CD vers fast flow (DOCUMENT, 0.92)
- Equal Experts —collabore_avec→ Modern Software Engineering (ORGANISATION, 0.93)
- Transfig —collabore_avec→ Modern Software Engineering (ORGANISATION, 0.93)
- Octopus Deploy —collabore_avec→ Modern Software Engineering (ORGANISATION, 0.93)

---
Canonical: https://www.thekb.eu/de/fiches/farley-continuous-delivery-ai-assisted-development-trap-2026-05-13/