Vortragsdeck von **Dorra Bartaguiz** (CTO, **Arolla**), präsentiert auf der Konferenz **Dev With AI** und am **15. Oktober 2026** als PDF auf LinkedIn veröffentlicht; **61 Folien**, auf Französisch mit Beispielen auf Englisch. These: Wenn KI zu einem Anstieg der Velocity führt, wird Qualität durch werkzeuggestützte *Craft*-Praktiken rund um das Modell zurückgewonnen – *harness engineering*.
#harness engineering#Velocity#Code Review
Dorra Bartaguiz — CTO d'Arolla (conseil et formation, « agentic software crafters ») ; slides de son talk Dev With AI publiées sur LinkedIn.
Engineering-Beitrag von **Addy Osmani**, **Morgan Westlee Lunt** und **Qing Wang** (dem **Claude Code**-Team, **Anthropic**) im *claude.dev*-Blog, veröffentlicht am **15. Oktober 2026**; ~3.200 Wörter. Er beschreibt den Code-Review-Ablauf des Teams, bei dem Claude rund **90%** des Codes für Claude Code schreibt. Von Juni bis September haben sich die gemergten PRs **mehr als verdoppelt**, und der Anteil der zurückgesetzten PRs sank um **mehr als 40%**; im Monorepo von Anthropic stieg die Zahl der täglichen Änderungen von **~2.500** (Mai) auf **mehr als 30.000** (September).
#Code-Review#Code-Review#agentisches Code-Review
Addy Osmani · Morgan Westlee Lunt · Qing Wang — équipe Claude Code (Anthropic) ; blog *claude.dev* · catégorie Engineering.
Beitrag von **Rachel Laycock**, CTO von **Thoughtworks**, veröffentlicht am **2. September 2026** in *Rachel's Ramblings*, der von ihr geleiteten martinfowler.com-Rubrik, mit rund **8.000 Zeichen**. Der Text ist eine **bewusste Antwort** auf [[houck-dx-what-are-code-reviews-for-2026-08-05]], nach einer öffentlichen Kontroverse zwischen den beiden Autoren auf einem **Code Remix**-Panel, veranstaltet von **Moderne**. Laycock akzeptiert Houcks quantifizierte Diagnose (+**106%** Zeilen pro Diff bei **Meta**, +**64%** mediane PR-Größe auf der DX-Seite) sowie die Liste der nicht-fehlererkennenden Funktionen des Reviews, verschiebt dann aber die Frage: *« warum warten wir bis zum Code-Review, um all das zu tun? »* (A) Das Leitprinzip ist die bei Thoughtworks erlernte Verkürzung von Feedback-Schleifen — wenn Feedback einen Wert hat, entferne es nicht, sondern rücke es näher an die Entscheidung heran, die es informiert. Jede dem Review zugeschriebene Funktion wird vorverlagert: das Erkunden von Alternativen vor der Implementierung, Wissenstransfer durch **pair programming**, kollektive Verantwortung durch **mob programming** und Team-Design-Sessions, architektonische Abstimmung durch gemeinsames Design, gefolgt von **fitness functions**, und Automatisierung von allem Deterministischen — *« Wir sollten 2026 wirklich nicht mehr über Whitespace streiten. »* (B) Ausnahmebasiertes Review ersetzt systematisches Review: eine fundamentale architektonische Änderung, eine sensible Sicherheitsgrenze, ein großer Blast Radius, ein unbekannter Bereich eines kritischen Systems, oder schlicht das erklärte mangelnde Vertrauen eines Teams. (1) Die Automatisierung des Reviews durch einen Agenten, der den menschlichen Reviewer nachbildet, wird verworfen als *« Automatisierung der Zeremonie, statt zu hinterfragen, warum die Zeremonie existiert »*. (2) Houcks kognitive Schuld wird als real anerkannt, doch der verpflichtende PR wird als schwache Verteidigung eingestuft: *« Wir brauchen Engineers, die Systeme verstehen, nicht Diffs. »*
Produktankündigung von **Block Engineering**, gezeichnet von **Thomas Petersen** (*Principal Designer & Builder*), veröffentlicht am **18. August 2026**, ~1.800 Wörter in dreizehn kurzen Abschnitten, die **Buzz Projects** vorstellt — eine **Software-Forge, gehostet auf dem eigenen Relay**: Git-Repositories, Branches, Pull Requests, Issues, Review und Merge, Multi-Repo-Projekte, ein Activity Feed, alles verknüpft mit Conversation-Channels. Vorspann und These des Beitrags: *« Coding agents are the terminal for your computer. Buzz is the terminal for your network. »* Drei Beiträge. **(A) Eine Vertrauensdoktrin, die auf *ex post*-Nachweis statt auf *ex ante*-Autorisierung beruht**: auf der einen Seite *« No forced guardrails, no limitations on what your agents are allowed to help you with »*, auf der anderen *« Every push, review, approval, and merge is a signed Nostr event. If an agent authors a patch, you can see which agent produced it and which human authorized that agent to act »*; der Abschnitt schließt mit einer angekündigten Richtung — *« we are already exploring ideas around agent trust protocols informed by past behavior »*. **(B) Git-Interoperabilität ohne proprietäres Tooling**: *« These are standard git repositories… You can fetch, clone, pull, and push over plain Smart HTTP, with no custom tooling or wrapper CLI required »*, wobei die clé Nostr als einzige Identität dient — *« The same npub that signs your messages signs your pushes. »* **(C) Eine Unterscheidung zwischen Ausführungsfläche und Netzwerkpräsenz**: *« A terminal gives an agent somewhere to execute commands and change files, but it does not give it a persistent place in the network. Buzz does. »* Der Beitrag liefert keine Zahlen und enthält keine ausgehenden Links; er qualifiziert sich sechsmal selbst als vorläufig (*« still very basic »*, *« fairly elementary »*, *« still under experiments »*), und Projects befindet sich unter dem Tab **Experiments** von Buzz Desktop.
#Buzz#Buzz Projects#Block
**Thomas Petersen** — *« Principal Designer & Builder »* chez **Block** · auteur unique et signataire du billet ; première apparition dans le corpus. Publié le **18 août 2026** sur le blog **Block Engineering**. Troisième signature Block sur Buzz en un mois · après Tyler Longwell (21 juillet) et Atish Patel (6 août) · et la première non-ingénieur.
Branchenmeldung (**Payments Dive**, Format *Dive Brief*, **6. August 2026**) zur Quartalsbilanz von **Block**: Das Unternehmen hat seinen Kunden bereits mehrere KI-Tools zur Verfügung gestellt — **Moneybot** (Cash App) und **Managerbot** (Square) — und hat noch nicht entschieden, wie es dafür abrechnen will. **Jack Dorsey** im Analystencall: *„We're in a fortunate position where we can experiment with a number of models, and then choose the right one that's going to align all of our incentives with our customers.“* **Der finanzielle Hintergrund erhellt diese Haltung.** Sechs Monate zuvor hatte Block rund **4.000 Personen entlassen, etwa 40 % der Belegschaft**, im Rahmen einer Umstrukturierung, die ausdrücklich mit KI begründet wurde. Im Q2 2026: Bruttogewinn **+25 % auf 3,2 Mrd. USD**, Umsatz **+10 % auf 6,62 Mrd. USD**, aber **Nettogewinn bei 89 Mio. USD, −83 %** im Jahresvergleich, bedingt durch Abfindungskosten zum Abschluss der Restrukturierung; die Prognose für 2026 wurde angehoben. Der Wert der KI wird demnach zunächst über die Kostenstruktur erschlossen, bevor er über den Preis erschlossen wird. **Die gewichtigste Aussage steckt in der Mitte der Meldung**, entnommen dem Aktionärsbrief: *„Starting in June, agentic AI helped write and review nearly all of our production code changes“* — das Schreiben **und** Überprüfen nahezu aller Produktionscode-Änderungen, bei einem börsennotierten Zahlungsunternehmen, sechs Monate nach dem Abbau von 40 % der Belegschaft. Eine selbstberichtete Aussage gegenüber Investoren, ohne Definition von *„nearly all“* oder dessen, was *„review“* umfasst. **Die Tools**: **Goose**, ein zwei Jahre zuvor aufgebautes internes System, beschrieben als modellagnostisch (es bindet für Mitarbeitende verschiedene kommerzielle Modelle ein); **Buzz**, im Vormonat gestartet für *„agent collaboration, communication, and code repositories.“* **Auf Kundenseite**: Moneybot überwacht die Nutzeraktivität in Cash App und zeigt Konten, Salden und Transaktionen an — über **eine Million wöchentlich aktive Konten**; Managerbot übernimmt automatisiertes Marketing, Margenanalyse und schlägt Square-Händlern *„operational fixes“* vor. Analysten von **Evercore ISI** listen vier Monetarisierungswege auf — SaaS-Pakete, Direktabonnements, Unternehmensangebote, nutzungsbasierte Preisgestaltung — **keiner davon an Ergebnisse gekoppelt**. Genannte Prioritätsreihenfolge: **Produktqualität → Distribution → Adoption → Preismodell**. Zwei Fakten zur Distribution runden das Bild ab: Square wird in **Google Maps** integriert, mit einem *„conversational AI experience,“* beschrieben als *„the first step in a broader partnership between Square and Google“*; und das Zahlungsgerät **Tags** (Schlüsselanhänger und NFC-Chip-Sticks) verzeichnet **drei Millionen Personen auf der Warteliste**. Analystenzitate: William Blair (*„Block epitomizes the secular shift toward tech-forward digital finance firms“*) und Bank of America zum *„post-reset operating model.“*
#Block#Jack Dorsey#Cash App
**Justin Bachman** — Senior Reporter · **Payments Dive** (groupe Industry Dive). Journaliste sectoriel paiements ; signe ici un **Dive Brief** · format court en deux temps (*Dive Brief* = les faits du jour, *Dive Insight* = le contexte) qui compile une conférence de résultats · une lettre aux actionnaires · un communiqué et trois notes d'analystes.
Ausgabe des Newsletters **Engineering Enablement** von **DX**, verfasst von **Brian Houck**, veröffentlicht am **5. August 2026**, Umfang etwa **13.000 Zeichen**. Der Text beginnt mit einer quantifizierten Beobachtung: Bei **Meta** stieg die Zahl signifikanter Codezeilen pro von einem Menschen gemergtem Diff in einem Jahr um **106 %** und die Zahl der Diffs pro Entwickler und Monat um **51 %**, wobei mehr als **80 %** dieses Wachstums auf agentische KI zurückgehen, während der Anteil der innerhalb von 24 Stunden überprüften Diffs sinkt; die Analyse von DX misst ihrerseits eine um **64 %** gestiegene mediane Pull-Request-Größe, während Entwickler nur etwa **7 %** ihrer Zeit für Reviews aufwenden möchten. (A) Bevor er das Review an KI übergibt, formuliert Houck die Nutzungsfrage neu: *„Welches Problem hat Code Review gelöst, bevor KI aufkam?“* Wenn die Antwort Fehlererkennung ist, wird vollständige Automatisierung unvermeidlich; die Studie von **Bacchelli & Bird** (*Modern Code Review*, ICSE 2013) zeigt, dass fehlerbezogene Kommentare nur **14 %** der tatsächlich verfassten Kommentare ausmachen. (B) Ein Teil der Last ist *selbstverschuldet*: Die Microsoft-Studie von 2016 mit **911 Entwicklern** identifizierte bereits Durchlaufzeit, Review-Größe und das Verständnis der Änderungsmotivation als die drei größten Hindernisse, und nur **26 %** verfassten noch eine detaillierte Beschreibung. (1) **RADAR** bei Meta dient als Referenzimplementierung für die Risikostratifizierung. (2) Drei aufeinanderfolgende Schritte: die Grundlagen in Ordnung bringen, KI um das menschliche Urteilsvermögen herum gestalten, das schützen, was Review unsichtbar hervorbringt. Der Korpus umfasst bereits [[monperrus-end-of-code-review-agents-supersede-2026-06-11]], der die Automatisierung bis zum Ersatz vorantreibt, und [[laycock-thoughtworks-reviewing-all-this-code-2026-09-02]], die direkte Antwort auf diesen Text.
#Code-Review#Code-Review#Review-Warteschlange
Brian Houck · signataire de l'édition · sur la newsletter Engineering Enablement de DX ; fonction non affichée par la page.
SFEIRs Dekonstruktion (Unternehmensstimme) des fünf Tage zuvor veröffentlichten Debriefings von Jason Clinton (Deputy CISO, Anthropic) — bereits dokumentiert in [[clinton-anthropic-secure-ai-native-sdlc-2026-07-21]]. **Der Mehrwert liegt nicht in den Fakten, sondern in der These, die sie neu liest**: Wenn Anthropics Kontrollen greifen, dann weil **ein Zyklus mit benannten Phasen existiert, an dem sie sich festmachen lassen** — „der SDLC ist das Fundament, keine Formalität." Die Beweisführung geht vor, indem sie zunächst das Mapping nachliest (**PSR bei Plan, CLAUDE.md + Egress-Allowlist bei Code, Review-Agenten bei Test, kontinuierliches DAST bei Deploy, Triage + SIEM-Routing bei Monitor**), und dann eine **vierteilige Anapher** entfaltet: (1) *ohne SDLC materialisieren sich keine Produktivitätsgewinne* — Clinton zitiert **Amdahls Gesetz**: Das Achtfachen des Codevolumens vervielfacht nichts, wenn das Review sequenziell und menschlich bleibt, und Anthropic hat seine Gewinne nicht durch die Verteilung von Agenten erzielt, sondern indem es **die blockierende Phase (Test) identifiziert und neu aufgebaut hat** — „man optimiert keinen Engpass, den man nicht kartiert hat" (ein Echo des **Spiegeleffekts** aus DORA 2025); (2) *ohne SDLC hat Sicherheit keinen Ankerpunkt* — ein **Gate ist per Definition eine zwischen zwei Phasen platzierte Kontrolle**, und Clintons drei Bedrohungen werden an unterschiedlichen Zeitpunkten adressiert; (3) *ohne SDLC lässt sich keine **Token-FinOps**-Politik formulieren* — agentisches Scannen wird nach Verbrauch abgerechnet und wächst mit dem Code-Durchsatz, sodass **risikobasierte Stufung DIE FinOps-Politik IST** (sie entscheidet, wo drei Agenten-Durchläufe bezahlt werden und wo ein SAST genügt), andernfalls wird „der Token-Verbrauch nicht gesteuert, sondern erst am Monatsende entdeckt"; (4) *ohne SDLC gibt es nichts zu messen* — die Indikatoren (16 % → 54 % kommentierte PRs, ein Drittel der vergangenen Vorfälle abgefangen) existieren nur, weil es Phasen gibt, an denen ein Zähler platziert werden kann; ohne das produziert man nur **Nutzungszahlen** (Lizenzen, Token), die nichts über Qualität oder Risiko aussagen. Zwei starke Punkte jenseits der These: die Lesart des **incident agent-à-agent** („ein Sicherheitsperimeter, der auf einer Anweisung in einem Prompt beruht, ist kein Perimeter"; **der Zugriff eines Agenten auf andere Agenten ist Teil seiner Angriffsfläche**) und ein **expliziter methodischer Vorbehalt** — Anthropics Zahlen über Anthropic, ungeprüft, veröffentlicht vom Anbieter des beschriebenen Modells, im Kontext einer jungen Codebasis ohne Mainframe: **was sich übertragen lässt, ist die Methode, nicht die Zahlen**.
#SDLC#KI-nativer SDLC#Entwicklungszyklus
SFEIR (voix éditoriale du cabinet, article non signé individuellement) — commentaire de Jason Clinton (Deputy CISO, Anthropic)
Nachricht von **Linus Torvalds** auf der Mailingliste **linux-media** (Thread "Linking Patchwork with Sashiko?", zu einem LLM-Tool zur Unterstützung von Maintainern), in der der Schöpfer und **oberste Maintainer** des Linux-Kernels **offiziell die Position des Projekts zu KI festlegt**. Als Antwort auf Roman Gushchin, der darauf hinwies, dass eine ablehnende Nachricht eine "sehr generell anti-LLM"-Haltung zum Ausdruck brachte, stimmt Torvalds zu ("Yes") und **weist dann kategorisch zurück, dass dies die Position des Kernels sei** ("And no, that's not the position of the Linux kernel"). Er **setzt sich als oberster Maintainer durch**: **"Linux is not one of those anti-AI projects"**; wer damit ein Problem hat, kann **"do the open source thing: fork it"** — "or just walk away". **Zentrale These**: **"AI is a tool, like the other tools we use, and clearly a useful tool"**; das war vor einem Jahr vielleicht noch nicht "so 'clearly' true", heute steht es aber außer Frage. Er unterscheidet **noch offene** Fragen ("what the AI economy will actually look like in the end") von der Frage, die **entschieden** ist ("is it useful?") — "anybody who doubts that clearly hasn't actually tried it". Er **räumt ein**, dass das Werkzeug **"painful"** sein kann — Belastung für Maintainer, und die Tatsache, dass es "keeps finding embarrassing bugs" —, verweigert aber die Vogel-Strauß-Haltung ("put your head in the sand going 'La La La, I can't hear you'"). **Die richtige Reaktion**: sicherstellen, dass **LLM-Tools Maintainern _helfen_**, statt ihnen Schmerzen zu bereiten. **Bewusst keine Zwangsausübung**: "nobody is forced to use it, but **I will very loudly ignore those who try to prevent others from using it**". Zur Unvollkommenheit: "AI isn't perfect, but hell, anybody who points at its problems had better also point at the mirror" — "**natural intelligence isn't always all that great either**". **Governance-Rahmen**: Das Kernel-Projekt "has always been and will remain about **technology**"; die soziale Dimension von Open Source ist ein "side benefit, not the _point_"; **"this is *NOT* some kind of 'social warrior' project, never has been, never will be"**; "we do open source because it results in **better technology**, not for religious reasons". Programmatischer Schlusssatz: **"we decide based on technical merit first. Not on fear of new tools."** Zu lesen als **doktrinäre Positionserklärung** einer der einflussreichsten Figuren der Software-Welt — ein Echo auf ESRs pro-LLM Gegenzeugnis (eine weitere Säule von Open Source, [[raymond-llm-coding-empowering-2026-07-08]]).
#Linus Torvalds#Linux#Linux-Kernel
Linus Torvalds (torvalds@linuxfoundation.org) — ingénieur logiciel finlando-américain · **créateur et mainteneur suprême du noyau Linux** (depuis 1991) et de **Git** (2005). Employé de la **Linux Foundation**. Figure centrale et notoirement franche de l'open source · dont la parole sur les mailing lists du kernel fait autorité et jurisprudence dans la communauté. S'exprime ici en sa qualité de **top-level maintainer** pour fixer la position officielle du projet vis-à-vis des outils d'IA. Autres participants au thread cités : Roman Gushchin (linux.dev) · Laurent Pinchart · Mauro Carvalho Chehab · Konstantin Ryabitsev (Linux Foundation) · Steven Rostedt · Stephen Finucane · Jason Gunthorpe · entre autres. (Message de mailing list linux-media ; date : 2026-07-14 ; date d'ajout à la veille : 2026-07-17.)
Ein arXiv-Paper (cs.SE) von Martin Monperrus, das für den SDLC eine radikale These vertritt: Coding-Agenten haben eine Fähigkeitsschwelle überschritten, sodass menschliches Code-Review keine notwendige Komponente einer Qualitätspipeline mehr ist. Zwei Thesen: (1) autonome LLM-basierte Systeme erreichen alle Ziele des Reviews (Fehlererkennung, Qualität, Compliance) bei geringeren Kosten und höherem Durchsatz; (2) das hybride Modell „der Agent schreibt, der Mensch reviewt“ ist nicht haltbar — es gewährleistet weder echte Qualität noch skaliert es mit der KI-Geschwindigkeit und erzeugt ein „trügerisches Sicherheitsgefühl“. Monperrus stellt der inspection de Fagan (1976) eine multi-agentenbasierte adversarial verification pipeline gegenüber (Generator-Agent + unabhängige Reviewer-Agenten + Tests/formale Methoden + abstimmungsbasierter Konsens). Der Mensch konzentriert sich auf die Spezifikation, architektonische Trade-offs, die Freigabe kritischer Domänen sowie Grenzfälle. Empfehlungen: zunächst Pilotierung an risikoarmen Komponenten, Messung Agent vs. Mensch, explizite Ablehnungsentscheidungen.