Re:Architect - Digital Reboot

KI-Agenten können heute immer mehr Schritte im Softwareentwicklungsprozess übernehmen. Doch schnellerer Code bedeutet nicht automatisch schnellere Produktentwicklung: Wenn Entscheidungen, klare Anforderungen und abgestimmte Prozesse fehlen, entsteht der neue Flaschenhals an anderer Stelle.
Wir sprechen darüber, was Agentic SDLC bedeutet und wie KI-Agenten entlang des gesamten Software Development Life Cycle zusammenarbeiten können, von der Planung über Design und Entwicklung bis zu Test und Betrieb. Dabei geht es auch darum, warum KI bestehende Prozesse verstärkt: Unklare Anforderungen und fehlende Leitplanken können zu mehr Annahmen statt zu besseren Ergebnissen führen.
Was braucht es, um KI über mehrere Teams hinweg einzusetzen? Und wie lassen sich Governance, Ende-zu-Ende-Verantwortung und individuelle Prozesse so gestalten, dass neue Bottlenecks nicht den möglichen Geschwindigkeitsgewinn ausbremsen?

In dieser Folge erzählt Maurice Heumann, Cyber-Security-Entwickler bei Thales, von seinem Experiment, ein Team autonomer KI-Agenten ein Spiel aus dem Jahr 2009 aus einer kompilierten Datei zurück in Source Code übersetzen zu lassen.
Zunächst sah es nach großen Fortschritten aus: Das Spiel startete, Menüs erschienen und Maps luden. Doch beim genaueren Hinsehen zeigte sich, dass der Code zwar lesbar, aber inhaltlich oft falsch war. Die Agenten hatten sich teilweise von der ursprünglichen Logik entfernt und gewissermaßen ein eigenes Spiel gebaut.
Maurice erklärt, warum fehlende objektive Abnahmekriterien, schwindender Kontext und zu viele gleichzeitige Ziele die Agenten vom Kurs abbrachten. Eine praxisnahe Folge für alle, die verstehen möchten, was KI-Agenten in der Softwareentwicklung leisten können und warum Fortschritt, Code und echte Korrektheit nicht dasselbe sind.

KI ist nur so gut wie der Kontext, mit dem sie arbeitet. In dieser Folge sprechen wir mit Jörg Weiss, Leiter der Softwarearchitektur bei DATEV, über die Bedeutung von Data Products für moderne Unternehmen.
Wie werden Daten nicht nur verfügbar, sondern verständlich, vertrauenswürdig und maschinenlesbar? Jörg erklärt, welche Rolle Semantik, Ownership, Datenqualität und Governance spielen, warum ein Feld wie „15.000“ je nach Kontext Euro oder Stunden bedeuten kann.
Außerdem geht es um Data Mesh, Domain-Driven Design, Platform Engineering, RAG, LLMs und die Frage, warum Data Products eine zentrale Grundlage für zukünftige AI-Agenten sind.
Eine kompakte Folge für alle, die Datenarchitektur, KI-Strategie und digitale Transformation praxisnah verstehen möchten.

KI verändert längst nicht mehr nur Softwareteams, sie verschiebt gleichzeitig Security, Kosten und Testing. Wir melden uns aus der Sommerpause mit einem klaren Blick auf die Entwicklungen, die Unternehmen heute dazu zwingen, Architektur, Operating Model und Budget neu zu denken.
Wir sprechen über den OpenAI-Agenten, der aus seiner Sandbox ausgebrochen ist, und darüber, warum Themen wie Isolation, Egress-Controls, Credential Scope und Blast Radius dabei eine zentrale Rolle spielen. Außerdem geht es um neue Modelle, fallende Preise, den Wettbewerb mit chinesischen Anbietern und die Frage, warum die Kostenbetrachtung pro Developer in vielen Fällen die falsche Perspektive ist.
Ein weiteres großes Thema ist AI-gestütztes Testing: von der Generierung von Testfällen bis hin zu UI-, Integrations- und Regressionstests. Wir zeigen, welche Möglichkeiten sich dadurch eröffnen und warum autonome Tests in der Praxis oft noch an Tempo, Kosten und Determinismus scheitern.
Link zu Artificial Analysis: https://artificialanalysis.ai/

Die rasante KI-Revolution verändert nicht nur Technologie, sondern auch die Strategien von Investoren und Unternehmen massiv.
Benedikt, Tech-Strategist bei einem führenden Private-Equity-Fonds, teilt Einblicke, wie KI die Bewertung, das Geschäftsmodell und den Wettbewerb in der Softwarebranche tiefgreifend beeinflusst. Er zeigt auf, warum die bisherigen Glaubenssätze über Software-Assets auf den Kopf gestellt werden und welche Strukturen künftig nachhaltigen Erfolg sichern.
In unserem Gespräch entlarven wir, warum die Bewertung von Softwareunternehmen vor der KI-Welle anders aussah als heute und warum die Angst vor „SaaS, die stirbt“ oftmals unbegründet ist.
Wir diskutieren, warum nur die besten, hoch spezialisierten Softwareprodukte im Zeitalter von Gen-AI ihre Verteidigungsfähigkeit behalten und welche Strategien Investoren jetzt dringend umsetzen sollten.