Analystennotiz von **Mitch Ashley**, VP und Practice Lead für *CIO & Technology Buyers* sowie *Software Lifecycle Engineering* bei **The Futurum Group**, veröffentlicht am **29. April 2026** in der Rubrik *Market Coverage News*: Kurzformat, rund **9.500 Zeichen**, beginnend mit fünf zusammenfassenden Stichpunkten und schließend mit fünf Punkten auf einer Watch-List. Thema: der am **21. April 2026** angekündigte Deal, unter dem **SpaceX** das Recht erhält, **Cursor** innerhalb eines Jahres für **60 Milliarden US-Dollar** zu übernehmen, oder **10 Milliarden US-Dollar** für eine Compute-Partnerschaft zu zahlen, die auf dem **Colossus**-Cluster von **xAI** in Memphis basiert und als Äquivalent von **1 Million H100-GPUs** beschrieben wird. (A) Die Lesart der zwei Bedürfnisse: Cursor trug sowohl eine Compute-Obergrenze als auch eine Margenkompression — das Unternehmen zahlt Marktpreise für die Modelle von **Anthropic** und **OpenAI**, die es an seine Kunden weiterreicht, während es mit ihnen über seine **Composer**-Reihe konkurriert; SpaceX suchte KI-Umsatz und ein Narrativ im Vorfeld eines für Juni angepeilten Börsengangs. (B) Die Lesart der Struktur: ein Sockelbetrag von 10 Milliarden US-Dollar und eine Kaufoption über 60 Milliarden US-Dollar, ausübbar in börsennotierten Aktien nach dem Listing, was, so Ashley, *„das Risiko ehrlicher verteilt als eine direkte Übernahme.“* (1) Für Käufer setzt dies ein **sechsmonatiges** Zeitfenster, um Zero-Data-Retention-Klauseln und die Anbieteridentität erneut zu prüfen. (2) Für Anbieter unterscheidet es drei Expositionen — **Google**, abgeschirmt durch **Antigravity**, **AWS**, abhängig von Anthropic, **IBM**, leicht exponiert, aber beim Governance-Aspekt gut positioniert. Der Korpus enthält bereits [[beck-starving-genies-usage-limits-ai-coding-2026-04-03]] zur Ressourcenbeschränkung, die Coding-Tools auferlegt wird, sowie [[nyt-musk-promises-spacex-ipo-track-record-2026-06-02]] zu den Ankündigungen von SpaceX.
#SpaceX#Cursor#Anysphere
Mitch Ashley · VP et responsable des pratiques CIO & Technology Buyers et Software Lifecycle Engineering chez The Futurum Group · ancien CIO et CTO.
Produktankündigung, veröffentlicht im **Stripe**-Blog am **29. April 2026** von **Dan Hill** (Product Manager, Link Consumer Product), im Anschluss an die Keynote von **Stripe Sessions 2026**: die Einführung von **Link's wallet for agents**, aufgebaut auf einem neuen Baustein, **Issuing for agents**. **Die Diagnose passt in einen Satz, und es ist der wichtigste im Text**: *"While machine payments protocols are still gaining adoption, agents need to work with the payment options sellers and consumers use today."* → **Stripe räumt ein, dass maschinennative Zahlungsprotokolle noch nicht bereit sind, und liefert eine Umgehungslösung für bestehende Rails statt einer Wette auf neue.** **Der Mechanismus**: Ein Verbraucher gewährt einem Agenten Zugriff auf sein Link-Wallet über einen **standardmäßigen OAuth-Flow**; der Agent stellt daraufhin eine *spend request* aus und erhält entweder eine **Einmalkarte**, oder ein **Shared Payment Token** — gedeckt durch die bereits im Wallet hinterlegten Karten und Bankkonten. Kardinalpunkt: *"The agent never gets access to your raw payment credentials."* Die Credential ist **scoped** (Betrag, Währung, Händler), und der Agent muss den **Transaktionskontext** liefern, damit der Mensch versteht, was er genehmigt — das in der CLI gegebene Beispiel ist explizit: `amount 3500`, `merchant-name "Powdur"`, `context "Purchasing the Powdur Glow Renewal Vitamin C Serum as a gift for $35."`. **Die strukturierende Einschränkung ist zeitlicher Natur, und sie wird als solche eingestanden**: *"Today, each request requires the person's review before the credential is shared with your agent"* — **menschliche** Freigabe, **Transaktion für Transaktion**, im Web oder in den **neuen Link-Apps für iOS und Android**. Ausgabenlimits und Fälle, in denen der Agent **ohne zusätzliche Freigabe** handeln würde, sind angekündigt, nicht ausgeliefert. **Die zweite Schicht ist das eigentliche Infrastrukturprodukt**: **Issuing for agents** öffnet die gesamten Issuing-APIs für jeden, der sein eigenes agentisches Wallet bauen will — virtuelle Einmalkarten, Guthabenverwaltung, Ausgabenkontrollen, Berechtigungen auf Kartenebene, Betrugsschutzkontrollen **bei der Autorisierung**, Echtzeit-Transparenz. Vier Anwendungsfälle werden genannt: interne Ausgabenautomatisierung, agentische Karten eingebettet bei **Fintechs**, **vertikale SaaS**-Plattformen, die Karten an KMU unter eigener Marke ausgeben, **Marktplätze**, deren verkaufende Agenten Lieferanten und Logistik bezahlen. **Distributionsargument**: Link beansprucht **mehr als 200 Millionen Verbraucher**, und der Artikel nennt **OpenClaw** als Beispiel eines persönlichen Agenten, der davon profitiert. **Zwei Vorbehalte, die vorab zu benennen sind**: Die Freigabe pro Transaktion wird als Design-Bequemlichkeit dargestellt, obwohl sie in Wirklichkeit **ein Eingeständnis ist, dass die delegierte Autorisierung von Agenten nicht gelöst ist**; und Stablecoin, *agentic tokens* sowie „andere Zahlungsmethoden" stehen allesamt im **Futur** (*"coming soon"*).
#Stripe#Link#Wallet für Agenten
**Dan Hill** — Product Manager · **Link Consumer Product** chez Stripe. Auteur de l'annonce sur le blog Stripe · rubrique *Product*. Le rattachement au produit *Link Consumer* est significatif : l'annonce est écrite depuis le **portefeuille grand public** · pas depuis l'équipe protocole ni depuis Issuing — ce qui explique que le consentement de l'utilisateur final structure tout le texte.
Interview mit Andrej Karpathy (Mitgründer von OpenAI, ehemals Tesla Autopilot) über den Übergang von *vibe coding* zu *agentic engineering*: December 2025 transition als Wendepunkt – „noch nie so sehr als Programmierer hinterhergehinkt“ –, die Taxonomie Software 1.0/2.0/3.0, das Beispiel openclaw (Bash-Skript → Text zum Kopieren in den Agenten) und MenuGen, das durch Geminis Nanobanana obsolet wird, die *Verifiability*-Theorie, die erklärt, warum LLMs *jagged* sind (Spitzenwerte bei Mathematik/Code, aber Scheitern bei „50 m zu Fuß zur Autowaschanlage“), die Unterscheidung zwischen *vibe coding* (die Einstiegshürde senken) und *agentic engineering* (den Qualitätsanspruch wahren), die Metapher „animals vs ghosts“, die Neuausrichtung der Personalauswahl über Agent-gegen-Agent-Projekte sowie die Kernformel: ***„You can outsource your thinking but you can't outsource your understanding.“***
#Andrej Karpathy#vibe coding#agentic engineering
Andrej Karpathy (co-fondateur OpenAI, ex-Tesla Autopilot, créateur du terme "vibe coding")
Manifestartiger X-Thread von Rohit (@rohit4verse), der die *2026 AI engineer roadmap* entfaltet: eine Gehaltslücke von 150.000 $ zwischen Prompt Engineer und Systems Architect, das Ende generischer *Wrapper*, die "sherlocked by big tech" seien, sowie 5 Portfolio-Projekte, gestaffelt nach Komplexitätsgrad (Offline-Mobile-SLM, selbstverbessernder Coding-Agent, multimodaler *Cursor für Videoeditoren*, Privacy-First-Agent für ein persönliches Life-OS, autonomer Agent für Enterprise-Workflows). Jedes Projekt beschreibt seine *zentralen architektonischen Entscheidungen* (Lazy Loading, Sliding Window, Sandboxing, Szenenerkennung, persönlicher Knowledge Graph, ereignisgesteuertes Multi-Agent-System, Audit Trail, RBAC, Observability). Strukturierender Slogan: *"the replaceable: building wrappers / the unfireable: shipping autonomous systems"*. Auffordernder, viraler Ton, typisch für X im Jahr 2026.
#2026 AI engineer roadmap#Rohit#rohit4verse
Rohit (@rohit4verse) — créateur de contenu IA sur X · vulgarisateur d'architecture et roadmaps de carrière en ingénierie IA.
Beitrag aus dem **Ahrefs-Blog**, veröffentlicht am **28. April 2026** von **Ryan Law** (Director of Content Marketing, Ahrefs), der ein internes **Content-Engineering**-System rund um **Claude Code** beschreibt: eine redaktionelle Pipeline, die **publikationsreife Entwürfe in 6 bis 12 Minuten** erzeugt. **Kernthese**: ***« AI content is not, by default, good. This process works well because it mirrors our existing human editorial process »*** — Qualität entsteht nicht durch das Modell, sondern durch die **getreue Nachbildung eines menschlichen Redaktionsprozesses**, der sich über Jahrzehnte bewährt hat. Architektur: **~23 skill files**, jede entspricht einem redaktionellen Schritt (Keyword-Recherche, Themenlücken-Analyse, strukturelle Gliederung, Recherche-Zusammenstellung, Entwurfserstellung, Formatierung), **orchestriert von einem übergeordneten Skill `blog-pipeline`**, der sie verkettet, um einen vollständigen Artikel zu erzeugen. **Sieben Gestaltungsprinzipien**: (1) **menschliche Arbeitsabläufe nachahmen**, indem Skills aus vorhandener Ahrefs-Redaktionsdokumentation abgeleitet und verkettet werden; (2) **jeden Schritt einzeln ausgeben** zur Fehlersuche (*« if you get an article at the end of a ten minute run, and it's bad, it's hard to diagnose precisely where and why the process went wrong »* → Zwischenergebnisse speichern); (3) **Testfälle erstellen** über Anthropics Skill `skill-creator`, um Anweisungen zu bewerten und zu verbessern; (4) **hochwertige Datenquellen einbinden** — den **Ahrefs MCP** (Keyword-Metriken, Parent Topic, Long-Tail-Themen, SERP-Übersichten, Wettbewerbsanalyse), Wettbewerbsanalysen und Produktdokumentation; (5) **menschliche Vorgaben vorab einbringen** über Kontextparameter, die redaktionelle Steuerung ermöglichen; (6) **interaktive Vorschauen** im HTML-Format zur Prüfung vor der Veröffentlichung erstellen; (7) **Anpassung erlauben** (jedes Teammitglied kann das System forken und modifizieren). **Umfang**: ~**15 veröffentlichte Artikel** und ~**30 aktualisierte Artikel** über diesen Workflow; die Entwicklung begann im **Februar 2026** (der vorherige Prozess vom **August 2025** benötigte mehrere Tage und manuelle Eingriffe). **Explizite Vorbehalte** (Anti-Übertreibung): *« experience matters »* — der Prozess spiegelt jahrzehntelange redaktionelle Expertise wider; die Themenauswahl konzentriert sich auf **informationelle SEO-Inhalte**, die der Autor gut kennt; Ahrefs **plant kein „Scaling“ der Inhalte im großen Stil**, sondern pflegt eine **evergreen** Bibliothek. Philosophie: *« the formulaic parts of work »* automatisieren, um Routinearbeit zu eliminieren und Zeit für Recherche, Thought Leadership, Webinare und Systemoptimierung freizusetzen — **nicht** menschliche Arbeit ersetzen. Als kanonische Referenz von Pasquale Pillitteri zitiert (*Opus 4.8 SEO workflow*) als Feldbeweis für den Gewinn von „6-12 min/Entwurf“. Direkte Konvergenz mit der Doktrin **skills-over-prompts** (Lattice, PROJ-AI), **Systeme rund um das Modell** (Dropbox/Okumura) und der Verwendung von **HTML als Review-Artefakt** (Shihipar).
**Ryan Law** — Director of Content Marketing chez **Ahrefs**. Praticien senior du content marketing SEO ; le billet est un retour d'expérience personnel (*« How I do… »*) publié sur le **blog Ahrefs** (ahrefs.com/blog) le **28 avril 2026**.
FinOps für KI-Agenten: Ein vierstufiges Allokations-Framework für die Kosten von Coding-Assistenten (Claude Code, Cursor, Copilot) und weshalb klassisches Cloud-Tagging versagt - Finout
Das Editorial von Andrew Ng in The Batch #350 stellt eine Beschleunigungshierarchie für Coding-Agenten nach Art der Softwarearbeit auf: Frontend (maximal) > Backend (moderat) > Infrastruktur (gering) > Forschung (minimal). Die Begründung stützt sich auf die implizite Verifizierbarkeit (Beherrschung von TypeScript/JavaScript plus eine autonome Agent-Browser-Testschleife im Frontend) sowie auf die blinden Flecken der LLMs (Grenzfälle / Sicherheit / DB-Migrationen beim Backend, undurchsichtige Netzwerk-Tradeoffs bei der Infrastruktur, irreduzible Hypothesenbildung bei der Forschung). Die Ausgabe wird durch 4 einordnende Nachrichten abgerundet: GLM-5.1 (Z.ai), ein Modell mit 754B/40B aktiven Parametern unter MIT-Lizenz, das autonome Aufgaben von bis zu 8 Stunden Dauer bewältigt (Spitzenreiter bei SWE-Bench Pro mit 58,4 %); Digit (Agility Robotics) bei Schaeffler, der erste industrielle Einsatz von Humanoiden (1,75 m/65 kg, 10–25 $/h gegenüber 20 $/h für einen Menschen); die Anti-Rechenzentren-Revolte (~64 Mrd. $ blockiert zwischen Mai 2024 und März 2025, Moratorium in Maine für Anlagen ab 20 MW, Molotow-Cocktail am Wohnhaus von Sam Altman); sowie die „Assistant Axis" (Christina Lu, MATS / Oxford / Anthropic), die Persona-Drift und Jailbreaks reduziert (Qwen3 32B: 83 %→41 %; Llama 3.3 70B: 65 %→33 %), ohne IFEval/GSM8k/MMLU-Pro/EQ-Bench zu verschlechtern.
#Andrew Ng#The Batch#DeepLearning.AI
Andrew Ng (édito principal — fondateur DeepLearning.AI, Stanford, ex-Google Brain, ex-Baidu) ; rédaction The Batch (DeepLearning.AI) pour les sections actualités
Les-Echos-Reportage (Florian Dèbes) aus San Francisco: KI-Agenten bereits als Kollegen in Start-ups integriert, „Petrischale“ (Aaron Levie / Box), Claude-Reflex vor jedem Meeting, persönlicher Jarvis, 5 parallele Agenten-Tabs, „der limitierende Faktor ist die menschliche Kognition“ (Patrick Joubert / Rippletide), „Brain Fry“ / kognitive Überhitzung, BCG/HBR-Studie mit 14 % überforderten Angestellten, „Token-Max“-Ranking-Modus für die größten KI-Nutzer, Aussagen von Sinaï/Bangay/Allali/Hodjat/Pantera/Chapeau sowie ein Echo von Siddhant Khare („KI senkt die Produktionskosten, erhöht aber die Koordinationskosten“).
#Silicon Valley#San Francisco#KI-Agenten als Kollegen
Florian Dèbes (Les Echos, rubrique Travailler mieux / Vie au travail)
Überarbeitung des technischen Einstellungsprozesses bei Sierra im Zeitalter der Coding-Agenten: KI-natives Onsite-Interview (Plan/Build/Review), Abschaffung des algorithmischen Coding-Tests, Ersatz des Telefon-Screenings durch ein System-Design-Interview, Pilotprojekt eines Debugging-Interviews an einer bestehenden Codebasis.
Gemeinsamer **DORA × delta**-Bericht (Google Cloud Professional Services), 60 Seiten, Version **v. 2026.1** (Zitate Februar 2026, PDF erstellt am 21. April 2026), Lizenz **CC BY-NC-SA 4.0** — das erste offizielle **DORA-ROI**-Framework für KI im SDLC, mit einem **interaktiven Rechner** unter dora.dev/ai/roi/calculator. Kernthese: ***„AI is an amplifier"*** — KI **verstärkt** gleichzeitig die Stärken leistungsstarker Organisationen und die Dysfunktionen schwacher Organisationen; sie erzeugt keine Leistung, sondern **vervielfacht sie dort, wo sie bereits vorhanden ist**. Neues zentrales Konzept: die ***J-Curve of AI value realization*** — jede KI-Einführung durchläuft einen **vorübergehenden Produktivitätseinbruch** (Lernkurve + Verifizierungssteuer + Pipeline-Anpassung), bevor **exponentielles Wachstum** einsetzt, eine Metapher für die *„tuition cost of transformation"*, die **explizit einzuplanen** ist. Referenzberechnung: Organisation mit 500 Vollzeitäquivalenten / vollbelastetem Gehalt von 176.000 $ / 12,5 % eingesparter Zeit pro Entwickler (≈ 1 Std./8-Std.-Tag) → **Wert 11,6 Mio. $ / Investition 8,4 Mio. $ / ROI 39 % / Amortisationszeit 8 Monate (0,7 Jahre)**. Modellierte Kosten: Lizenzen (250 $/Nutzer/Jahr), zusätzliche API (80 $/Nutzer/Jahr), Schulung (9.600 $/Nutzer/Jahr), Infrastruktur (100.000 $/Jahr), J-Curve-Kosten (3,3 Mio. $ für einen Rückgang von 15 % über 3 Monate). Modellierter Wert: **Kapazität zur Personal-Reinvestition** (11 Mio. $ — freigesetzte Kapazität zur Reinvestition, **KEIN Personalabbau**), Umsatz aus zusätzlichen Feature-Deployments (990.000 $, basierend auf einer Erfolgsquote von 33 % bei Ideen, Larsen 2023), **negative Auswirkung von Ausfallzeiten** (−344.000 $, „instability tax"). **Explizite Reinvestitionsstrategie**: ***„we strongly recommend organizations do not adopt a headcount-reduction strategy"*** — reinvestieren in Innovation, Talente halten, institutionelles Wissen nutzen. Fünf Wertsäulen: Productivity / User Experience / Cost Efficiency / Developer Experience / Business Growth (vom direktesten zum indirektesten, *kumulierter Geschäftswert*). Fünf systemische Schlüssel der Einführung: **Trust + Platform + Data + Users + Guardrails**. Zweiphasige Roadmap: (1) **Build context layer (CapEx)** — hochwertige IDP + gesunde Datenökosysteme; (2) **Empower human in loop (OpEx)** — context engineering + Vertrauen in KI. Indikatoren: Frühindikator = Experimentierfrequenz + Deployment-Frequenz; Stabilitätsmessgröße = Change Failure Rate + Nacharbeit. Drei zu modellierende Szenarien (Conservative 0,8 Wert × 1,5 Kosten / Realistic 1,0 / Optimistic 1,2 × 0,8). Herangezogene externe Daten: 78 % der Führungskräfte berichten von ROI bei ≥1 Gen-AI-Use-Case (Google Cloud), 88 % der frühen Anwender agentenbasierter KI verzeichnen positiven ROI, **35–40 % Produktivität bei Greenfield vs. ≤10 % bei Brownfield/Legacy** (Stanford), Inferenzkosten ÷280 zwischen November 2022 und Oktober 2024 (Stanford AI Index 2025), **727 % ROI über 3 Jahre** für Google-Cloud-KI-Kunden, durchschnittliche Amortisationszeit von KI am Markt **8 Monate**. Anerkannte Schwächen: *„all models are wrong"* — das Modell muss kontextualisiert, der Rechner angepasst werden; Risiko der Doppelzählung von Wert (eingesparte Zeit → sowohl vermiedene Neueinstellung ALS AUCH Zusatzumsatz); ein „loser" Zusammenhang bei der User Experience, daher aus dem Rechner ausgeschlossen. **Deontologische Einsicht**: ***„We don't measure AI by the code it writes but by the bottlenecks it clears"*** — gemessen an beseitigten Engpässen, nicht am Codevolumen. **Hohe Relevanz** für CIOs/CTOs, die einen belastbaren KI-Business-Case für CFO/Board erstellen müssen; für Frankreich/Europa in Bezug zu setzen zu Wescale (realistisch X3–X4), Tatsyi/Raiffeisen Bank Ukraine (Bankfallstudie, −75 Stellen, aber bewusste Reinvestition), Frizzo (3–5× Median), Curran/Intercom (3× F&E über 16 Monate), DORA Report 2025 (auf dem dieser ROI aufbaut).
#DORA ROI KI-unterstützter Softwareentwicklung#Google Cloud DORA-Bericht 2026.1#J-Curve of AI value realization
Rapport conjoint **DORA team × delta team** (Google Cloud Professional Services). Auteurs principaux : **Eva Dong** (AI Value Realization Americas, ex-McKinsey 8 ans, Master Financial Engineering Michigan) · **Andre Ellis Jr.** (Cloud Financial Operations Lead, Morehouse + Wharton MBA) · **Nathen Harvey** (DORA team lead, co-auteur multiples DORA reports + 97 Things Every Cloud Engineer Should Know) · **Vivian Hu** (10X Technology Consultant, contributrice DORA 2025 State of AI-assisted Software Development) · **Ursula Lübbert-Passing PhD** (AI Value Realization EMEA, 20 ans benchmarking + value advisory, PhD effort estimation software projects) · **Eric Maxwell** (lead 10X Technology consulting, ex-Chef Software, contributeur DORA) · **Aaron Wanjala** (cloud developer advocate Spring Boot/Angular). Conseillers et contributeurs : **Ben Jose · Eric Lam · Matt Orr · Allison Park · Ryan J. Salva · Jerome Simms · Dave Stanke · Cedric Yao**. Design : Human After All (humanafterall.studio). Document publié sous licence **CC BY-NC-SA 4.0** · version v. 2026.1 · citations retrieved February 2026.
Synthese von Addy Osmani (Google, Chrome/Cloud) zum aufkommenden Feld des *Harness Engineering*: die Gleichung `agent = model + harness`, das *Ratchet*-Prinzip („jeder Fehler wird zu einer Regel“), die HumanLayer-Umdeutung „skill issue“, die Terminal-Bench-Belege (Top 30 → Top 5 allein durch eine Änderung des Harness), die geschichtete Claude-Code-Architektur, Anthropics Vision „Harnesses schrumpfen nicht, sie verschieben sich“ sowie Harness-as-a-Service (Claude Agent SDK, Codex SDK, OpenAI Agents SDK). Schlüsselartikel, der Trivedy, HumanLayer, Anthropic und Böckeler zu einer Doktrin verdichtet.
#harness engineering#agent harness#Addy Osmani
Addy Osmani (Software Engineer at Google, Cloud + Gemini)
Semantischer Agent: die Symmetrie von Modell+Harness und Ontologie+Daten, der Kollaps der Agenten-Frameworks, Ontologie als einziges nicht-kommoditisierbares Asset
Öffentliches Update von Darragh Curran (F&E, Intercom) neun Monate nach seiner Zusage, die F&E-Produktivität in 12 Monaten durch KI zu verdoppeln. Ergebnis: **das 3-Fache erreicht in 16 Monaten, ohne Anzeichen einer Plateaubildung**. Quantifizierte Daten aus einer 500-köpfigen F&E-Organisation / 8,5 Mio. Zeilen Code: **93,6 % der PRs sind agentengesteuert**, **19,2 % KI-genehmigt** (Ziel > 50 %), Kosten/PR **-50 %**, Defect-Backlog **-54 %**, Time-to-Shipping **-39 %**, Ausfallzeit durch Breaking Changes **-35 %**, die Top 5 % der Performer bei **dem 6-Fachen des Median-PR-Durchsatzes**, **497 autonome PRs** in den ersten 4 Wochen, **153 Beitragende / 267 spezialisierte Skills** in einer privaten *Skills-Based Plugin Architecture*. Curran erklärt: ***„All technical work is becoming agent-first. This is the top priority for R&D.“*** Schlüsselartikel des Dossiers zur *agent-first organization*, im Korpus 2026 nur mit Stripe Minions und StrongDM vergleichbar.
#Darragh Curran#Intercom#Fin Ideas
Darragh Curran (R&D leader, Intercom — publication via Fin Ideas, plateforme média Intercom).
FinOps für KI-Agenten mit Fokus auf "Kosten pro Ergebnis": warum klassisches FinOps am Laufzeitverhalten scheitert, Guardrails, verhaltensbasierte Observability und ein vierphasiger Lebenszyklus - Orq.ai
#agentisches FinOps#Kosten pro Ergebnis#Laufzeitverhalten
Episode #351 des französischsprachigen Podcasts **If This Then Dev** (Bruno) mit **Julien Lépine**, Chief Technology Officer von **AWS France** (13 Jahre bei Amazon), aufgezeichnet am Rande des **AWS Summit Paris** (1. April 2026, ca. 10.000 Teilnehmer). Kernthese: Im agentischen Zeitalter wird das Schreiben von Code zweitrangig, und der Wert verlagert sich auf **das Verständnis von Kontext, architektonischen Kompromissen und menschlicher Verantwortlichkeit**. Zentraler Beleg: die **Neuentwicklung von Amazon Bedrock** — einer kritischen Plattform, die Tausende Milliarden Anfragen verarbeitet — durch ein Team von **6 Personen in 72 Tagen** (gegenüber geschätzten 30 Personen / 18 Monaten), **Code vollständig von KI generiert**, ohne Vibe Coding. AWS **standardisiert intern auf Kiro** (IDE + CLI, läuft auf Claude Sonnet/Opus) für ca. 30.000 Entwickler (angekündigt von Matt Garman auf der re:Invent). Roter Faden: **die Kontrolle behalten**, ohne alles zu überprüfen — durch **formale Modellierung (TLA+)** und **Raisonnement automatisé**, um Invarianten zu beweisen und Agenten zu begrenzen, **blameless Post-Mortem**, sowie das Prinzip, dass „die Verantwortung für die Handlung eines Agenten bei der Person liegt, die ihn betreibt.“ Aufkommen des **AI DLC** (Sprints → mehrere tägliche **Bolts**) und das Risiko von **kognitiver Überlastung / Burn-out**.
#AWS Summit Paris#Amazon Web Services#Code-Agenten
**Julien Lépine** — Directeur de la technologie (CTO) d'Amazon Web Services France · 13+ ans chez Amazon ; ses équipes accompagnent les clients AWS sur le cloud · la data et l'IA. **Hôte** : Bruno (créateur et animateur du podcast *If This Then Dev*).