Video-Interview aufgezeichnet auf der **VivaTech** (Stand von **Scaleway**), ausgestrahlt vom Medienunternehmen République, mit **Damien Lucas** (CEO von Scaleway) und **Franck Le Moal** (Global Technical Officer der Gruppe **LVMH**). **Zentrale These**: Das Aufkommen einer **„Tech-Geopolitik“** zwingt multinationale Konzerne dazu, die einheitliche globale Lösung zugunsten eines **in drei Blöcke regionalisierten Informationssystems** (Vereinigte Staaten, Europa, China) aufzugeben. LVMH (80 Mrd. € Umsatz, 75 Maisons, über 100 Länder) formalisiert eine **Cloud-Partnerschaft mit Scaleway** zum Aufbau eines **autonomen europäischen Bausteins**, neben Google Cloud (Daten, seit 2021), SAP, Salesforce auf westlicher Seite und Alibaba Cloud / Huawei / Tencent auf chinesischer Seite. Die Gruppe bezeichnet sich selbst als **„hybrid“** und **autonom** statt **„souverän“** (ein Wort, das sie als mehrdeutig ablehnt). Scaleway positioniert sich als **europäischer Cloud-Anbieter**, immun gegen extraterritoriale Gesetze und geschützt vor einem **Kill Switch** („keine Science-Fiction“, angesichts der Nachrichten des Wochenendes). Das wirtschaftliche Argument von Damien Lucas: **1 € bei Scaleway ausgegeben = 68 Cent, die in der europäischen Wirtschaft verbleiben** (gegenüber < 20 Cent bei einem US-Hyperscaler, selbst wenn in Frankreich gehostet). Zeitplan: PoCs abgeschlossen, Rollout beginnt bei **Sephora und Louis Vuitton**, signifikante Durchdringung innerhalb von **12-18 Monaten** angestrebt. Erklärte Mission von Scaleway: Fokus auf **IaaS/PaaS** (keine Vertikalisierung wie z. B. Bürosoftware), gestützt auf ein Partner-Ökosystem (souveräne Anwendungen, europäische Chipsätze und Server). Das **Nvidia-GPU/KI**-Angebot von Scaleway ist **kurzfristig nicht geplant**, bleibt aber offen (Open-Source-Modelle für Autonomie + wirtschaftliche Leistungsfähigkeit).
**Bertrand** — journaliste / présentateur du média **République** (partenaire de VivaTech) · conduit l'entretien. **Damien Lucas** — CEO de **Scaleway**. **Franck Le Moal** — Global Technical Officer du groupe **LVMH**.
Analyse von **Olivier Rafal** für **WeNvision** (französisches Beratungsunternehmen), veröffentlicht am **4. Juni 2026** (~4 Min. Lesezeit), zur Einordnung der Gründung der **Tokenomics Foundation** durch die **Linux Foundation** (angekündigt am 3. Juni, in Partnerschaft mit der **FinOps Foundation**), die er als die offizielle Eröffnung **der Ära des „FinOps for AI“** wertet. **Kernthese**: KI hat die Ökonomie der Softwareentwicklung verändert; das **Token** ist zur *„neuen Maßeinheit für Technologieausgaben“* geworden – eine Parallele zur Cloud der 2010er-Jahre (**wiederkehrende und variable** Kosten, die aktiv gesteuert werden müssen), woraus sich die Verschiebung der Anbieter von Pauschalpreisen hin zur **tokenbasierten Abrechnung** ergibt. **Größenordnung (Dringlichkeit)**: *„Laut Goldman Sachs soll sich die weltweite Token-Nutzung bis 2030 um das 24-Fache erhöhen und 120 Billiarden Token pro Monat erreichen“* — eine Größenordnung, die die Token-Effizienz von einem *„technischen Detail“* zu einem Thema für die **Vorstandsetage** macht. Zitat von **J.R. Storment** (Gründer der FinOps Foundation): *„Token-Kosten und -Effizienz sind zu einem Thema auf CEO-Ebene geworden, nicht zu einer technischen Randnotiz.“* **Transparenz-/Standardisierungsproblem**: Die aktuelle KI-Preisgestaltung ist nicht vergleichbar (Input-Token/Caching-Systeme/Output unterscheiden sich von Modell zu Modell) → Die Tokenomics Foundation will die **spécification FOCUS (Open Source) erweitern**, um eine **gemeinsame Sprache** für Einkauf und Vergleich bereitzustellen. **Rafals zentrale Botschaft (jenseits der Kosten)**: *„Bei FinOps geht es weniger darum, Kosten zu senken, als vielmehr darum, die Effizienz zu optimieren“* — die eigentliche Kennzahl ist das **Verhältnis von KI-Kosten zu Geschäftswirkung** (*Time to Market, Qualität, Funktionen, Eco-Design*). **Grenzen reiner Standards**: Technische Normen allein reichen nicht aus; das **Target Operating Model muss neu gedacht werden** (Teams, Prozesse, Datenkultur, Business-Alignment); in den USA wird bereits *„das Ende der Double-Pizza-Teams zugunsten von Sandwich-Teams“* angekündigt. **Warnsignal**: *„ein KI-beschleunigter SDLC wird lediglich […] die Probleme verstärken und einem nur dabei helfen, schneller … gegen die Wand zu fahren“* (bei fehlenden organisatorischen Grundlagen). **Genannte Sponsoren der Foundation**: Accenture, Booking.com, Google Cloud, Microsoft, IBM, Salesforce. **Angebot von WeNvision**: *„gemeinsam eine Roadmap erarbeiten, das Betriebsmodell für das agentische Zeitalter neu denken und die unverzichtbar gewordene finanzielle Governance etablieren.“* **Französischsprachige Lesart, gerichtet an Führungskräfte/Transformationsverantwortliche**, der Fiche [[tokenomics-foundation-linux-finops-token-economics-about-2026-06-03]]; konvergiert mit dem agentischen FinOps-Cluster [[finops-foundation-finops-for-ai-overview-2026-02-17]], finout-finops-ai-agents-four-step-allocation-framework-2026-04-27, gupta-token-budget-wars-marginal-token-utility-2026-05-28 (Token→Ergebnis, Wert > Volumen).
#Tokenomics Foundation#FinOps for AI#FinOps for AI
**Olivier Rafal** · pour **WeNvision** (cabinet de conseil français — bureaux à Paris, Lille, Strasbourg, Bordeaux, Nantes, Toulouse, Belgique, Luxembourg). Olivier Rafal écrit en analyste/conseil familier des préoccupations de comité de direction (ancien analyste IT, profil conseil-transformation). Publié le **4 juin 2026**.
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).
#Agentischer SDLC#agentischer SDLC#Claude Code
**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).
Sierra-Blogbeitrag (10. Dezember 2024, Elliot Greenwald), der den **Gründungstext des *outcome-based pricing*** für KI-Agenten formuliert. **Kernthese**: KI-Agenten, die Prozesse autonom ausführen, machen ein **völlig neues Preismodell** möglich — ***"you pay only when the software achieves specific, valuable outcomes: outcome-based pricing."*** Der Artikel zeichnet eine **vier Zeitalter umfassende Genealogie der Softwarepreisgestaltung** nach: (1) **verpackte Software** (shrink-wrapped software, 1980er-90er Jahre, die Diskette/CD-ROM-Box bei Fry's Electronics — *"Whether you actually used it or not, you paid for it"*) → (2) **SaaS / sitzplatzbasiert** (seat-based, von **Salesforce** eingeführt, gefolgt von Google/Microsoft/Adobe — das Internet macht es möglich, Software *as a service* zu verkaufen) → (3) **verbrauchsbasiert** (consumption-based, **Amazon/AWS** und **Snowflake** — *"charged only for what you used"*) → (4) **ergebnisbasiert** (outcome-based, KI-Agenten). **Kanonische Definition**: ***"outcome-based pricing is tied to tangible business impacts—such as a resolved support conversation, a saved cancellation, an upsell, a cross-sell, or any number of valuable outcomes. If the conversation is unresolved, in most cases, there's no charge."*** **Prinzip der ausgerichteten Anreize**: ***"With outcome-based pricing, Sierra gets paid only when we complete a task for you. Our incentives are aligned."*** **Kritik am sitzplatzbasierten Preismodell und am Konzept des *shelfware***: *"Unused seats sit idly on a proverbial store shelf, hence the derisive moniker 'shelfware'"* — pro Lizenz werden jährlich Tausende von Dollar gezahlt, unabhängig von der tatsächlichen Nutzung. **Struktureller Konflikt für Fournisseurs CX legacy**: Deren Umsatz hängt vom sitzplatzbasierten Preismodell ab, doch *"the more effective their AI becomes, the fewer contact center seats their clients need—undermining the provider's own revenue model"* — ein effektiver KI-Agent **kannibalisiert** das Umsatzmodell eines Anbieters, dessen Preisgestaltung auf Sitzplätzen beruht. **Granularität des Ergebnisses**: eine Unterscheidung zwischen **einfachen Lösungen** (Beantwortung einer Frage) und **komplexen Lösungen** (Bearbeitung eines Falls, der einen 20-minütigen L2-Anruf erfordert); **Eskalationen sind in der Regel kostenfrei**; **gemischte Preismodelle** (blended pricing) sind möglich (z. B. verbrauchsbasiert für Routing-/Begrüßungsinteraktionen). **Verpflichtung zur kontinuierlichen Optimierung** seitens des Anbieters: *"we continue to deploy concerted, directed optimizations to refine the agent's performance over time"* — der Anbieter bleibt darauf ausgerichtet, die Leistung zu verbessern, da er nur für das Ergebnis bezahlt wird. Bedeutung: **Ende 2024** formuliert, geht dieser Beitrag der gesamten Debatte von 2026 über die agentenbasierte Wirtschaft voraus und legt deren Grundlage — er liefert das **Vokabular der Abrechnungseinheit** (das erzielte *outcome* statt Sitzplatz, Nutzung oder Token), das später von Gupta (*cost of a completed outcome*, *token-to-outcome attribution*), Bain (*outcome-based pricing shifts revenue from fixed seats to labor/operations economics*) und Ng (*pricing power anchored on the salary of the replaced employee*) aufgegriffen wird. Mit Sierra als dem von Bain zitierten **Referenzbeispiel** (*autonomous customer issue resolution*) liefert dieser Text die **Sicht der Anbieterseite** auf die Mechanismen, die andere aus der Käuferperspektive analysieren. Direkt relevant für die Positionierung des Unternehmens zu **agentic-delivery / value-based pricing** sowie für den Slot **Cost Optimization** (das anbieterseitige Gegenstück zu *cost per outcome*).
**Elliot Greenwald** — Sierra (entreprise fondée par Bret Taylor & Clay Bavor, plateforme d'agents IA conversationnels pour l'expérience client). Billet publié sur le blog Sierra le **10 décembre 2024**. Sierra est l'**exemple-référence** cité par Bain (*The $100-Billion SaaS Opportunity*) pour l'*autonomous customer issue resolution* · et fait l'objet de plusieurs fiches du dossier (recrutement AI-native, interview Plan/Build/Review).