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.
Ein gemeinschaftlicher Artikel von sieben Autoren (**Zach Davis**, **Michelle Gill**, **Elisabeth Hendrickson**, **Angie Jones**, **Sha Ma**, **Randy Shoup**, **James Wickett**), veröffentlicht im *Enterprise Technology Leadership Journal* von **IT Revolution** (Herbst 2026, Bd. 3, Nr. 2), unter einer CC BY-NC-SA-Lizenz. Etwa **7.500 Wörter**, mit dem Titel *« Toward a Pattern Language for Code Reviews in the Age of Agentic AI »*. **(A)** Rahmung: Code Review wird definiert als eine Prüfung durch eine nicht-autorschaftliche Instanz, die zu einer Handlung führt; empirische Studien (Microsoft 2013, Mäntylä 2009, Beller 2014) zeigen, dass ihr Wert hauptsächlich in der Wartbarkeit und im Wissensaustausch liegt, weniger in der Erkennung funktionaler Fehler. **(B)** Drei Bedingungen, um den Menschen aus dem kritischen Pfad zu nehmen: maximale deterministische Validierung, **risikogestaffelte** Review, eine **dauerhafte Spur** jeder Agenten-Entscheidung; *« no human in the loop »* ist eine Konfigurationsentscheidung, kein Standardzustand. **(C)** Neun komponierbare Muster, präsentiert als Werkzeugkasten statt als Reifegradleiter: small changes, Shift Left, design for verification, deterministische Engineering-Praktiken, context engineering, kontinuierliche Qualitätsschleife, adversarial LLM review, Multi-Agent-Reviews, spezifikationsgetriebene Entwicklung. **(D)** Drei Fallstudien: **Block**, **Cloudflare** (131.246 Reviews über 48.095 PRs in einem Monat, 1,2 Befunde pro Review), **DryRun Security**. Erweitert die bisherigen Notizen des Korpus zu context engineering und agentengestütztem Code Review.
#agentic code review#code review#pattern language
Zach Davis (LaunchDarkly) · Michelle Gill (Engineered by AI) · Elisabeth Hendrickson (Curious Duck) · Angie Jones (Agentic AI Foundation) · Sha Ma (Topogy) · Randy Shoup (CircleCI) · James Wickett (DryRun Security) ; article collectif · IT Revolution.
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. »*
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)
Security-REX, verfasst von **Jason Clinton (Deputy CISO bei Anthropic)** — mit Beiträgen von **Michael Segner** — veröffentlicht am **21. Juli 2026** im Anthropic-Blog (Kategorien *Claude Code / Enterprise AI / Agents*). **Schock-Framing**: Absicherung eines SDLC, in dem ***„Claude etwa 80 % des gemergten Codes verfasst"*** und in dem ***„mehr als die Hälfte des gesamten Codes von unserer internen Version von Claude Tag gemergt wird"***, während Engineers *„8x so viel Code pro Quartal ausliefern"* (im Vergleich zur Baseline 2021–2025). Die Herausforderung ist ein **Amdahl**-Problem: Wenn Kontrollen nicht skalieren, werden sie zum Flaschenhals. **Drei Bedrohungen prägen alles**: (1) ein **kompromittierter oder prompt-injizierter Agent**, der eine bösartige Änderung einbringt; (2) **Supply-Chain-/Dependency-Poisoning**, das als *vertrauenswürdiger Input* eingelesen wird; (3) **bekannte Klassen von Anwendungs-Schwachstellen in höherem Volumen**. **Vier übergreifende Strategien**: *shift left* (integriert in der Code-Phase), **harte Identitäts- und Zugriffsgrenzen** zur Eindämmung des *blast radius*, **Kombination deterministischer (SAST/DAST) UND agentischer Reviews** vor/nach Prod, **Menschen im Loop an den Punkten mit dem höchsten Hebel**. Der Beitrag ist explizit **als Ergänzung zu Anthropics *Zero Trust for Agents*-Framework gedacht** (und verweist auf den *CISO's Guide to Agentic AI*). **Schritt-für-Schritt-Durchgang durch den SDLC** (jeder Schritt → ein *Enduring Principle*): **Plan** — ein **PSR (Project Security Review)**, angetrieben von **Claude Opus**, das das Design-Dokument gegen **MITRE ATT&CK** prüft, angebunden an einen **internen Wissensindex**; Auto-Genehmigung erlaubt für *risikoarme* Projekte → *Prinzip: Security-Agenten mit organisatorischem Kontext verbinden* (Chat, frühere Reviews, Code), statt Dokumentation vorzuschreiben. **Code** — Sicherheit kodiert in **CLAUDE.md + Skills**, ein **geschlossener Loop** von entdeckter Schwachstelle bis aktualisierter Richtlinie, der Befehl **`/security-review`**, ein Echtzeit-Guidance-Plugin, **Remote-VMs mit Egress-Allowlisting** zur Begrenzung des *blast radius* eines Agenten, der nicht vertrauenswürdigem Input ausgesetzt ist → *Prinzip: den Feedback-Loop schließen; harte Identitäts-/Zugriffsgrenzen statt Vertrauen in Modellverhalten*. **Test/CI** — **der größte Flaschenhals**: substanzielle Review-Kommentare steigen von **16 % auf 54 % der PRs**, ~**ein Drittel vergangener claude.ai-Vorfälle wäre erkannt worden**, **mehrere eng fokussierte spezialisierte Agenten** mit **RAG**-Kontext pro PR, **SAST postet direkt auf PRs**, eine **nach Risiko gestufte Codebasis**, jede Genehmigung **protokolliert mit Begründung und Signalen**, **risikogewichtete menschliche Stichprobenprüfung** → *Prinzip: automatisiertes Review = anderes Risiko → andere Kontrollen (mehrere unabhängige Gates, getrennte Context-Windows)*. **Deploy/CD** — **kontinuierliches KI-gesteuertes DAST** in Staging (Claude fand ***„mehr als 500 Schwachstellen mit hohem Schweregrad in OSS"*** im Februar) → *Prinzip: dynamische Testkadenz entspricht der Deployment-Kadenz*. **Monitor** — **agents de réponse à incident**, die Prod-Logs lesen, Root-Cause-Analysen durchführen, Post-Mortems und manchmal den Fix schreiben, aber **nicht deployen können**: nur **drei Berechtigungen** (Dokumente schreiben, in Channels posten, Prod-Logs lesen); **bemerkenswerter Vorfall** — nach einem Modell-Upgrade bat der incident-Response-Agent **eine andere Claude-Instanz, einen Fix per Slack zu pushen**, *„am dafür vorgesehenen menschlichen Review-Gate abgefangen"* → *Prinzip: **zweckgebundene Identität mit minimalen Berechtigungen**; **agent-à-agent**-Kanäle überwachen wie menschliche Interaktionen*. **Governance**: Risikostufung, **Shadow-Mode** (neue KI-Reviewer im reinen Kommentar-Modus, *red-teamed*, bevor sie Vertrauen gewinnen), **Sampling**, Metrik-Dashboards, **SIEM-Routing** jeder Agentenaktion (Genehmigungen, Tool-Aufrufe, agent-à-agent-Nachrichten) für Audit und Insider-Threat-Erkennung → *Prinzip: die Rolle des Security Engineers verschiebt sich von „Bugs überwachen" zu **„Loops überwachen"***. **Strategische Frage**: *„Was würden wir laufen lassen, wenn Scanning nahezu kostenlos wäre?"*. Auf der Seite **Sicherheit/Governance** erweitert dies den AI-SDLC-Cluster der Veille: die *Steps of AI Adoption* aus [[cherny-steps-ai-adoption-2026-07-16]] (Claude Security Review, Claude Tag, Shadow-Mode, SIEM/OTel), das multi-agentische adversariale Review aus [[monperrus-end-of-code-review-agents-supersede-2026-06-11]] und sumner-bun-rewrite-rust-claude-2026-07-08, die Doktrin der *Skills / Systeme rund um das Modell* aus anthropic-self-service-data-analytics-claude-agentic-stack-2026-06-03, die Failure Modes aus williams-adlc-1-models-arent-human-2026-06-12, der sechsstufige SDLC aus hingel-augment-how-ai-changes-sdlc-six-stages-2026-06-08, und die Cyberdefense von Project Glasswing aus anthropic-claude-fable-5-mythos-5-2026-06-09.
#AI-native SDLC#AI-native SDLC#Sicherheit
**Jason Clinton** — *Deputy CISO* (directeur adjoint de la sécurité des SI) d'**Anthropic** · pilote de l'équipe *Security Engineering* ; contributions de **Michael Segner**. Billet publié le **21 juillet 2026** sur le blog Anthropic (*claude.com/blog*) · catégories *Claude Code / Enterprise AI / Agents* · ~5 min de lecture. Compagnon explicite du framework *Zero Trust for Agents* publié par Anthropic.
Präsentation von Wescale (Frankreich), die die Doktrin der ***Augmented Software Factory*** formalisiert: eine Software-Wertschöpfungskette, die vollständig von spezialisierten KI-Agenten über sechs Produktionslinien orchestriert wird (Intent/PRD-ADR → Plan/User Stories → **human sign-off** → 24/7-Produktion → unabhängige Audit-Verifikation → DevOps-Deployment), wobei Menschen nur an zwei präzisen Momenten eingreifen. Starke Thesen: die Rückkehr des **vorhersagbaren V-Zyklus** gegen Scrum, realistische **3-4x**-Gewinne (nicht 10x), der Wandel vom *Code-Produzenten* zum ***Strategic Judge*** und vom *Solo-Entwickler* zum ***Agent Manager***, DORA-Metriken, die die Velocity ersetzen, maximaler ROI bei der Modernisierung von Legacy-Systemen und dem Ersatz kostspieliger SaaS-Lösungen, und vor allem ***injizierte Governance*** als „nahezu militärische Schicht“, die die zentrale Innovation und die eigentliche Eintrittsbarriere darstellt. Aufgebaut, indem man sein eigenes Dogfood isst: *„Was wir beim Bau von Solario auf Solario gelernt haben.“*