# salesforce-tallapragada-how-engineering-became-agentic-2026-05-27

## Veille

Offizieller **Salesforce News**-Blogbeitrag (Rubrik *Agentic Enterprise*, Reihe *„Pioneering the Agentic Shift Within Salesforce Engineering“*), veröffentlicht am **27. Mai 2026** (6 Minuten Lesezeit) von **Srinivas „Srini“ Tallapragada**, *President and Chief Engineering and Customer Success Officer* bei Salesforce. Direkte Fortsetzung eines früheren Beitrags (*„How we got our engineers to use AI — without breaking everything“*), der das Überschreiten von **>90 % Adoption** schilderte. **Kernthese**: Salesforce Engineering ist von einer Welt, in der KI ein nützlicher *Copilot* war, zu einer Welt übergegangen, in der **agentische Tools den Software-Entwicklungszyklus (SDLC) selbst steuern** — Code schreiben, PRs reviewen, Tests generieren, Dokumentation aktualisieren, Deployments verwalten, Arbeit koordinieren, die früher über menschliche Übergaben lief. **Kanonische Signalentscheidung**: unternehmensweite Standardisierung auf **Claude Code** + ***„we removed all token limits“*** — *„remove every last piece of friction between our engineers and the tools that make them faster and more effective“*. **Zentrales empirisches Ergebnis** (April 2026 vs. April 2025): abgeschlossene Arbeitspakete pro Entwickler **+50,8 %**, gemergte PRs pro Entwickler **+79 %**, und vor allem der **Effective-Output-Score** (ein ML-Maß für den **realen Wert des gelieferten Codes**, nicht dessen Volumen) **+151,3 % im Jahresvergleich**. **Vorzeige-Anwendungsfall**: Migration von **33 API-Endpunkten** auf eine Cloud-native Architektur, auf dem klassischen Weg geschätzt auf **~231 Personentage** (7 pro API), abgeschlossen in **13 Tagen — 18-mal schneller** — mittels eines **regelbasierten, in Claude gebauten Frameworks** (Markdown-Dateien + Referenzimplementierungen), wobei PR-Feedback laufend in das Regelwerk zurückgespeist wurde, **autonome LLM-Loops (build, fix, validate)** ohne manuellen Eingriff, parallelisiert über isolierte Umgebungen → **5 PRs**, wobei der größte **21 Endpunkte mit 100 % Testabdeckung** lieferte. **Kein Zielkonflikt zwischen Geschwindigkeit und Qualität**: über die Plattform **Engineering 360** (die Engineering-Daten aus Hunderten von Systemen zentralisiert) **sinkt die Gesamtzahl der Incidents um 5 %**, trotz der steigenden Zahl an PRs (*„quality doesn't suffer from speed. It benefits from it“*), dank **strukturell eingebetteter Sicherheits-Leitplanken und Qualitätsstandards** im agentischen Workflow (Trust als Wert Nr. 1). **SDLC-Überholung**: sobald KI eingeführt ist, **reißen die Ingenieure Workflows ein und bauen sie neu auf** (welche Prozesse lassen sich eliminieren? welche Übergaben sind jetzt überflüssig? wo erledigt noch ein Mensch Arbeit, die ein Agent übernehmen könnte?). **Neues Ingenieurshandwerk**: **Claude-Code-Skills** (paketierte, wiederverwendbare Fähigkeiten, die Teamkontext, Namenskonventionen, Muster kodieren) werden zu einem gemeinsamen, komponierbaren **Engineering-Artefakt**; **AI Expert Suite** + **Salesforce Foundation Plugins** = eine institutionalisierte, kuratierte Skill-Bibliothek (interner Benchmark: **höhere Genauigkeit und Zuverlässigkeit, weniger unnötige Kosten**); **Subagents & Agent-Teams** parallelisieren Arbeitsstränge (*„They describe the outcome, and a set of coordinated agents figures out the steps“*). **Was weiterhin schwierig bleibt**: (1) **Kontextmanagement** in langen Sessions — die **Qualität der CLAUDE.md-Datei** schwankt stark und wirkt sich erheblich auf die Output-Qualität aus; (2) **agentische Sicherheit** = ein grundlegend anderes Modell (Agenten, die *handeln*, nicht nur *vorschlagen* → größerer Blast Radius); (3) **sich wandelnde Rollen** (wie werden Junior- zu Senior-Ingenieuren, wenn KI die Einstiegsarbeit übernimmt? Rolle von Designer/PM? die Ausführungseinheit = Scrum-Team → Experimente mit Einheiten aus 1 oder 3 Personen). Fazit: *„It changed what was economically possible“*; die erklärte Ambition lautet **„the most automated, agentic SDLC in the industry“**. Berührt sich direkt mit Gupta (*Kosten eines abgeschlossenen Outcomes*, Grenznutzen des Tokens), Greenwald/Sierra (outcome-basierte Preisgestaltung), DORA (ROI / Kosten pro Feature) und der BFM/Girard-Debatte (Token als Wert-Treibstoff, nicht als zu kürzende Kostenposition).

## Titre Article

How Salesforce Engineering Became Truly Agentic

## Date

2026-05-27

## URL

https://www.salesforce.com/news/stories/how-engineering-became-agentic/

## Keywords

Agentischer SDLC, agentischer SDLC, Claude Code, Entfernung der Token-Limits, alle Token-Limits entfernt, Friktion entfernen, Effective-Output-Score, realer Wert des Codes, Arbeitspakete pro Entwickler +50, 8 %, gemergte PRs pro Entwickler +79 %, Effective Output +151, 3 % im Jahresvergleich, migration 33 endpoints, 231 Personentage, 18-mal schneller, 13 Tage, regelbasiertes Framework Claude, Referenzimplementierungen, autonome LLM-Loops build fix validate, Parallelisierung über isolierte Umgebungen, 5 PRs, 21 Endpunkte 100 % Testabdeckung, Engineering 360, Incidents -5 %, kein Zielkonflikt Geschwindigkeit/Qualität, Qualität profitiert von Geschwindigkeit, Trust als oberster Wert, eingebettete Sicherheits-Leitplanken, SDLC-Überholung, Workflows einreißen und neu aufbauen, Claude-Code-Skills, Engineering-Artefakt, AI Expert Suite, Salesforce Foundation Plugins, kuratierte Skill-Bibliothek, unnötige Kosten senken, Subagents, Agent-Teams, parallele Arbeitsstränge, das Outcome beschreiben, Kontextmanagement, CLAUDE.md-Qualität, agentische Sicherheit, Blast Radius, sich wandelnde Rollen, Junior Senior, Scrum-Team, Einheiten aus 1 oder 3 Personen, wirtschaftlich möglich, am stärksten automatisierter agentischer SDLC, 90 % Adoption, agentisches FinOps, Kosten pro Outcome, Srinivas Tallapragada, Salesforce

## Authors

**Srinivas « Srini » Tallapragada** — *President and Chief Engineering and Customer Success Officer* de **Salesforce**. Plus d'une décennie chez Salesforce, dirige l'ingénierie mondiale de la plateforme unifiée. Auteur de la série *Agentic Enterprise* sur le blog Salesforce News ; ce billet (27 mai 2026) est la **suite** d'un premier opus consacré à l'adoption de l'IA par les milliers d'ingénieurs Salesforce (*« How we got our engineers to use AI — without breaking everything »*). Position d'autorité = **dirigeant exécutif** parlant en son nom et au nom d'une organisation d'ingénierie à grande échelle (donnée terrain à l'échelle d'un hyperscaler SaaS), avec accès aux métriques internes (Engineering 360, Effective Output).

## Ton

**Profil**: Executive-Leadership-Beitrag (Executive-Blog / *Fortschrittsbericht*), erste Person Plural (*„we“*), gerichtet an Engineering-Operator und -Führungskräfte (CTOs, VPs of Engineering, EMs), Praktiker und implizit an das Recruiting (*„if you want to work on an AI-native engineering team“*). Register: **corporate-selbstbewusst, aber datengestützt**, **mittelhohes** technisches Niveau (setzt Vertrautheit mit PRs, SDLC, Subagents, CLAUDE.md, Referenzimplementierungen, Testabdeckung voraus), bleibt aber für einen Nicht-Engineering-Entscheider lesbar.

**Stil**: Executive-Prosa — abgewogene Aussagen, gegliedert durch handlungsorientierte Zwischenüberschriften (*Ramping with Claude Code*, *What Agentic Transformation actually looks like*, *More output, better quality — at the same time*, *Rethinking the SDLC*, *Skills, subagents, and the new engineering craft*, *What we're still figuring out*, *The direction is clear*). Abwechslung von **Narrativ + Zahl**: eine Richtung wird verkündet (*„we removed all token limits“*), mit Daten belegt (+50,8 %, +79 %, +151,3 %), an einem einzelnen Fall illustriert (die 18-fache Migration). **Abgewogene Ehrlichkeit**: ein ganzer Abschnitt (*What we're still figuring out*) räumt ein, was weiterhin schwierig bleibt (Kontext, Sicherheit, Rollen) — ein Register der Transparenz, das die Glaubwürdigkeit stärkt, ohne die Botschaft zu untergraben. Kein AGI-Overselling; die Rede ist von Outcomes, Qualität, Ökonomie.

**Zentrale Aphorismen**:
- ***„We removed all token limits.“*** (Signalentscheidung).
- ***„Remove every last piece of friction between our engineers and the tools that make them faster and more effective.“***
- ***„When agentic tools get applied properly, quality doesn't suffer from speed. It benefits from it.“***
- ***„They describe the outcome, and a set of coordinated agents figures out the steps.“***
- ***„It changed what was economically possible.“***
- ***„The engineering organization of the future doesn't look like the organization of today with AI bolted on. It looks fundamentally different.“***

**Wirksame Metaphern / Frames**:
- ***Copilot → Fahrer***: der Wandel von KI als Assistent zu KI, die den SDLC *fährt*.
- ***AI bolted on*** vs. eine **nativ neu gedachte Organisation** — die strukturierende Antithese des Beitrags.
- ***Friktion entfernen*** als Investitionsphilosophie: Das Token-Limit ist keine Kostenabsicherung, sondern zu eliminierende **Friktion**.
- ***Effective Output***: Verlagerung des Maßstabs von *Volumen* (Zeilen, PRs) auf den **realen Wert** des Codes — ein direktes Echo der *Kosten eines abgeschlossenen Outcomes*.

**Epistemische Position**: der Erfahrungsbericht eines Betreibers im großen Maßstab, gestützt auf interne Instrumentierung (Engineering 360, ML-Score). Zu lesen mit dem **üblichen Vorbehalt**: offizielle Kommunikation eines Anbieters (Salesforce) über die eigene Transformation, Partner des gelobten Tools (Claude Code) — Zahlen nicht extern geprüft, Fälle handverlesen. Doch die **interne Konsistenz** und das Eingeständnis von Schwierigkeiten machen daraus eine solide Feldquelle.

**Autorität**: gestützt auf (a) die **Position** (President/Chief Engineering Officer eines SaaS-Hyperscalers), (b) die **Größenordnung** (Tausende Ingenieure, >90 % Adoption), (c) **proprietäre Daten** (Effective Output, Engineering 360), (d) die **Reihe** (ein erklärter Fortschrittsbericht, Kontinuität zum vorherigen Beitrag), (e) den **konkreten, quantifizierten Fall** (die 18-fache Migration).

## Pense-betes

- **Datum / Quelle**: **27. Mai 2026**, offizieller **Salesforce News**-Blog (Rubrik *Agentic Enterprise*), 6 Min. Autor: **Srini Tallapragada** (President & Chief Engineering and Customer Success Officer).
- **Fortsetzung von**: *„How we got our engineers to use AI — without breaking everything“* (>90 % Adoption überschritten). Dieser Beitrag = der **nächste Schritt**: nicht mehr adoptieren, sondern **den SDLC neu aufbauen**. ### Die Signalentscheidung (zentral für den agentischen FinOps-Slot)
- **Unternehmensweite Standardisierung auf Claude Code** + ***„we removed all token limits“***.
- Erklärte Logik: Das Token-Limit ist **Friktion**, keine Kostenabsicherung. *„Remove every last piece of friction.“*
- ⚠️ **Direkter Gegenpunkt** zum Reflex „Token-Budget kürzen“ → berührt sich mit Willenbrock (*„those cutting token budgets never got past the pilot stage… cost center instead of a capability“*) und Mollick. ### Die Zahlen (April 2026 vs. April 2025) | Metrik | Veränderung YoY | |----------|---------------| | Abgeschlossene Arbeitspakete / Entwickler | **+50,8 %** | | Gemergte PRs / Entwickler | **+79 %** | | **Effective-Output-Score** (realer Wert, ML, nicht Volumen) | **+151,3 %** | | Gesamtzahl Incidents (trotz ↑ PRs) | **−5 %** |
- **Effective Output** = der eigentliche Fund: Misst den **Wert** des gelieferten Codes, nicht das Volumen → verwandt mit den *Kosten eines abgeschlossenen Outcomes* (Gupta) und der outcome-basierten Preisgestaltung (Greenwald). ### Der Migrationsfall (Beleg am Beispiel)
- **33 API-Endpunkte** → Cloud-native Architektur. Klassisch: **~231 Personentage** (7/API). Abgeschlossen in **13 Tagen = 18×**.
- Rezept: **regelbasiertes, in Claude gebautes Framework** (Markdown + Referenzimplementierungen) → PR-Feedback wird **laufend in das Regelwerk zurückgespeist** → **autonome LLM-Loops (build, fix, validate)** ohne Eingriff → **Parallelisierung** über isolierte Umgebungen.
- Ergebnis: **5 PRs**, der größte = **21 Endpunkte, 100 % Testabdeckung**. *„It changed what was economically possible.“* ### Das neue Handwerk
- **Claude-Code-Skills** = ein Engineering-Artefakt (Teamkontext, Konventionen, Muster) — **gemeinsam, komponierbar**.
- **AI Expert Suite** + **Salesforce Foundation Plugins** = eine kuratierte Bibliothek → interner Benchmark: **+Genauigkeit, +Zuverlässigkeit, −unnötige Kosten**.
- **Subagents / Agent-Teams** → der Ingenieur **beschreibt das Outcome**, koordinierte Agenten finden die Schritte (ein Ende des Context-Switchings zwischen 5 Systemen).
- Top-Skill 2026: **ein Problem für ein agentisches System strukturieren**, wissen, **wann delegieren vs. im Loop bleiben**, **wiederverwendbare Muster bauen**. ### Was weiterhin schwierig bleibt (der ehrliche Abschnitt)
- **Kontext**: Die Qualität von **CLAUDE.md** schwankt stark zwischen Teams → starker Einfluss auf den Output.
- **Agentische Sicherheit**: Agenten, die **handeln** (nicht nur vorschlagen) → größerer **Blast Radius**, das Sicherheitsmodell muss neu aufgebaut werden.
- **Rollen**: Junior→Senior, wenn KI die Einstiegsarbeit übernimmt? Rolle von Designer/PM? **Ausführungseinheit** Scrum-Team → Experimente mit **1 oder 3 Personen**. ### Für Einsätze / Präsentationen zu nutzen
- Dient als **Beleg** für das *Token & Outcome*-Deck (die Folie „Stimme aus dem Feld“ / „genügsames Auto“): ein Hyperscaler **entfernt** die Limits und **gewinnt** an Qualität.
- Konvergenzdreieck: **Salesforce (operativer Beleg)** + **Gupta (ökonomisches Framework)** + **Greenwald (Preismodell)** = dieselbe Botschaft: **das Outcome steuern, nicht den Token**.

## RésuméDe400mots

Srini Tallapragada (President & Chief Engineering Officer bei Salesforce) veröffentlichte am 27. Mai 2026 einen *Fortschrittsbericht*: Nach dem Überschreiten von 90 % KI-Adoption ist Salesforce Engineering von der „Copilot“-Nutzung zu einem **wirklich agentischen SDLC** übergegangen, in dem autonome Tools Code schreiben, PRs reviewen, Tests generieren, Dokumentation aktualisieren und Deployments verwalten.

Der Wendepunkt: die **unternehmensweite Standardisierung auf Claude Code** und vor allem das **Entfernen aller Token-Limits**. Die Doktrin: Das Token-Limit ist zu eliminierende *Friktion*, keine Budget-Absicherung. Die Ergebnisse (April 2026 vs. 2025): **+50,8 %** Arbeitspakete pro Entwickler, **+79 %** gemergte PRs und ein **Effective-Output-Score** (ein ML-Maß für den **realen Wert** des Codes, nicht dessen Volumen) **+151,3 %**.

Beleg am Beispiel: eine Migration von **33 API-Endpunkten** auf eine Cloud-native Architektur, geschätzt auf **231 Personentage**, abgeschlossen in **13 Tagen — 18-mal schneller**. Die Methode: ein *regelbasiertes* Framework, gebaut in Claude (Markdown + Referenzimplementierungen), dessen Regelwerk mit jedem PR-Feedback wächst, **autonome LLM-Loops (build, fix, validate)** ohne manuellen Eingriff, parallelisiert über isolierte Umgebungen. Ergebnis: **5 PRs**, wobei der größte **21 Endpunkte mit 100 % Abdeckung** lieferte.

Entgegen der Vorstellung eines Zielkonflikts zwischen Geschwindigkeit und Qualität zeigt die Plattform **Engineering 360** **um 5 % sinkende Incidents** trotz steigender Zahl an PRs: *„quality doesn't suffer from speed. It benefits from it“* — dank Sicherheits-Leitplanken und Qualitätsstandards, die **strukturell in den Workflow eingebettet** sind (Trust als Wert Nr. 1).

Jenseits der Zahlen **überholt Salesforce den SDLC**: Welche Prozesse lassen sich eliminieren, welche Übergaben lassen sich entfernen, welche menschliche Arbeit kann ein Agent übernehmen? Ein **neues Handwerk** entsteht: **Claude-Code-Skills** werden zu einem gemeinsamen Engineering-Artefakt; die **AI Expert Suite** und die **Salesforce Foundation Plugins** institutionalisieren eine Skill-Bibliothek (mehr Genauigkeit, weniger unnötige Kosten); **Subagents und Agent-Teams** parallelisieren Arbeitsstränge — der Ingenieur *beschreibt das Outcome*, die Agenten finden die Schritte.

Der Autor räumt ein, was weiterhin schwierig bleibt: **Kontextmanagement** (schwankende Qualität der CLAUDE.md-Datei), **agentische Sicherheit** (Agenten, die handeln → größerer Blast Radius) und **sich wandelnde Rollen** (Senior werden, Rolle von Designer/PM, die auf 1 bis 3 Personen schrumpfende Ausführungseinheit). Fazit: Die Transformation *„changed what was economically possible“*; die Ambition ist es, *„the most automated, agentic SDLC in the industry“* zu bauen. Ein bedeutendes empirisches Stück, das von Seiten des Betreibers den Wandel vom Token zum Outcome bestätigt.

## GrapheDeConnaissance

- Srinivas Tallapragada —dirige→ Salesforce (ORGANISATION, 0.97)
- Salesforce —utilise→ Claude Code (TECHNOLOGIE, 0.97)
- Salesforce —affirme_que→ « we removed all token limits » (CITATION, 0.98)
- suppression des token limits —améliore→ output et qualité (CONCEPT, 0.9)
- Effective Output score —mesure→ valeur réelle du code livré (CONCEPT, 0.92)
- Effective Output score —mesure→ +151,3% en glissement annuel (MESURE, 0.95)
- workflow agentique —permet→ migration de 33 endpoints en 13 jours (EVENEMENT, 0.96)
- migration agentique —mesure→ 18× plus rapide que l'approche manuelle (MESURE, 0.94)
- Engineering 360 —mesure→ baisse des incidents de 5% (MESURE, 0.92)
- Srinivas Tallapragada —affirme_que→ la qualité bénéficie de la vitesse (AFFIRMATION, 0.9)
- Claude Code skills —est_instance_de→ artefact d'ingénierie réutilisable (CONCEPT, 0.88)
- Salesforce Foundation Plugins —réduit→ coût inutile (CONCEPT, 0.85)
- subagents / agent teams —permet→ parallélisation des workstreams (CONCEPT, 0.88)
- Salesforce —affirme_que→ la qualité des fichiers CLAUDE.md pèse fortement sur la qualité de l'output agentique (AFFIRMATION, 0.86)
- Salesforce —affirme_que→ la sécurité agentique exige un modèle de sécurité fondamentalement différent (AFFIRMATION, 0.88)
- transformation agentique —permet→ ce qui n'était pas économiquement possible auparavant (CONCEPT, 0.85)

---
Canonical: https://www.thekb.eu/de/fiches/salesforce-tallapragada-how-engineering-became-agentic-2026-05-27/