SEVEN PRINCIPLES GROUP

Was ist eigentlich dein Problem? Für mich ist es eines der Höhepunkte dieses Jahres, dass wir diese Frage inzwischen unserem Coding Agent stellen können. Wenn ein produktives System Probleme verursacht, kann er dabei helfen, die Ursache einzugrenzen. Dazu sind gute Telemetriedaten und ein sicherer, kontrollierter Zugriff des Agenten darauf erforderlich. Damit kann er Hinweise aus dem laufenden Betrieb mit dem Code abgleichen. (DevOps, anyone? ;)) Ohne den Schub durch Agentic Coding wären wir mit der Observability nie so weit gekommen. Dafür haben wir vorher nicht die Zeit gefunden. In diesem Fall sind daraus keine zusätzlichen Features für Kunden entstanden. Wir können dadurch aber deutlich besser erkennen, was im produktiven System passiert. Randnotiz: Ich vermute, dass ein Teil der Produktivitätsgewinne in Themen der Technical Excellence investiert wird. Wenn wir nur zusätzliche Features zählen, könnten wir diesen Teil übersehen. Unser Ziel ist es, Erkenntnisse aus dem Betrieb systematisch in die nächste Entwicklungsrunde zurückzuführen. Ob die Änderungen helfen, prüfen wir anschließend wieder im Betrieb. So schließt sich der Outer Loop.

𝗣𝗛𝗣 𝘀𝘁𝗲𝗰𝗸𝘁 𝗵𝗶𝗻𝘁𝗲𝗿 𝗺𝗲𝗵𝗿 𝗮𝗹𝘀 𝟰𝟬𝟬 𝗠𝗶𝗹𝗹𝗶𝗼𝗻𝗲𝗻 𝗪𝗲𝗯𝘀𝗲𝗶𝘁𝗲𝗻 𝘂𝗻𝗱 𝗣𝗛𝗣𝟮𝗦𝗵𝗲𝗹𝗹 𝘁𝗿𝗶𝗳𝗳𝘁 𝗱𝗲𝘀𝘀𝗲𝗻 𝗙𝘂𝗻𝗱𝗮𝗺𝗲𝗻𝘁. Die Laufzeitumgebung unter dem eigentlichen Anwendungscode. Ein sicherer Login. Und der Angriff greift, bevor die Anwendung ihn überhaupt prüfen kann. PHP2Shell lässt grüßen. Der Geist ist aus der Flasche. KI dreht niemand mehr zuruck. Sie hilft, Sicherheitslücken schneller zu finden und auszunutzen, aber auch schneller zu beheben. 𝗨𝗻𝘀𝗲𝗿𝗲 𝗔𝗻𝘁𝘄𝗼𝗿𝘁 𝗮𝗹𝘀 𝗜𝗧-𝗘𝘅𝗽𝗲𝗿𝘁𝗲𝗻 𝗺𝘂𝘀𝘀 𝘀𝗲𝗶𝗻: Updates innerhalb von Stunden ausrollen können. Systeme so bauen, dass schnelle Änderungen möglich sind. Und veraltete Plattformen rechtzeitig auf unterstützte, sicherere Technologien überführen. Wer im Ernstfall erst herausfinden muss, wie ein Update in Produktion kommt, hat ein Problem. Sonst wird aus Time-to-Market ganz schnell Time-to-Offline.

Was passiert, wenn der Kollege, den alle immer fragen, in Rente geht? Er weiß, welche Ausnahmen bei einer Störung wichtig sind und warum die Anwendung an manchen Stellen so aufgebaut wurde. Zwischen 2026 und 2030 werden überdurchschnittlich viele IT-Profis den Arbeitsmarkt verlassen. Eine KI kann Hintergründe nur dann berücksichtigen, wenn sie ihr bekannt sind. Wenn wir dieses Wissen nicht zugänglich machen, wird es trotz aller Tokens für das Team schwierig, Antworten fachlich einzuordnen und Änderungen zuverlässig zu prüfen. Ganz abgesehen vom „Nervenkitzel”, der mit der Durchführung von Änderungen in solchen Systemen einhergeht. Eigenwerbung: In unserer Legacy Practice beschäftigen wir uns mit genau solchen Anwendungen. Dafür haben wir ein Angebot geschaffen: den „Legacy Wissenstransfer”. Wir klären, welches Wissen für kritische Aufgaben fehlt, und lassen KI-Agenten konkrete Fälle mit den Experten durchgehen. Die Mitarbeitenden prüfen die Ergebnisse und wir verbinden sie mit Code, Konfigurationen, Tickets und Dokumentation. Danach kann ein KI-Assistent Fragen zur Anwendung beantworten und auf die verwendeten Quellen verweisen. Wenn euch das betrifft, meldet euch gerne.

𝗜𝗵𝗿 𝗮𝗿𝗯𝗲𝗶𝘁𝗲𝘁 𝗺𝗶𝘁 𝗖𝗹𝗮𝘂𝗱𝗲 𝘂𝗻𝗱 𝗯𝗿𝗮𝘂𝗰𝗵𝘁 𝗺𝗶𝘁𝘁𝗲𝗻𝗱𝗿𝗶𝗻 𝗲𝗶𝗻 𝗕𝗶𝗹𝗱, 𝗲𝗶𝗻 𝗖𝗼𝗱𝗲-𝗥𝗲𝘃𝗶𝗲𝘄 𝗼𝗱𝗲𝗿 𝗲𝗶𝗻𝗲 𝘇𝘄𝗲𝗶𝘁𝗲 𝗠𝗲𝗶𝗻𝘂𝗻𝗴? Dann beginnt oft das Kopieren. Anwendung wechseln, Kontext neu erklären, Dateien übertragen und Ergebnisse zurückholen. Mit der passenden Einrichtung kann Claude diese Übergaben für euch übernehmen. Vielleicht habt ihr bereits ein ChatGPT- oder Google-AI-Abo, das ihr wenig nutzt. Über angebundene CLI-Werkzeuge könnt ihr diese Zugänge direkt in euren Claude-Workflow einbinden, sowohl in Claude Code oder in der Claude-Desktop-App. Gerade bei Bildern bringt das zwei Vorteile zusammen: Ihr nutzt euer bestehendes Abo besser aus und ergänzt die Bildgenerierung, die Claude selbst fehlt. Ein Beispiel: Ihr entwickelt mit Claude eine Landingpage und braucht eine Illustration. Claude kennt bereits eure Anforderungen, den gewünschten Stil und das Format. Daraus erstellt es einen Bildauftrag und übergibt ihn mit dem nötigen Kontext an Codex. Das Bild wird im vereinbarten Ordner gespeichert und kann anschließend von Claude eingebunden werden. Ihr bleibt in derselben Session und spart euch die manuellen Übergaben. Bei der Bildgenerierung über Codex wird die Nutzung mit einem unterstützten ChatGPT-Abo auf dessen Codex-Limits angerechnet. Bei einem Zugang über einen API-Schlüssel fallen API-Kosten an. Das Prinzip lässt sich auch für Recherche, Code-Reviews oder eine zweite Meinung nutzen. Claude formuliert den Auftrag, startet das passende Werkzeug und verarbeitet das Ergebnis. 𝗪𝗲𝗻𝗻 𝗱𝗲𝗿 𝗔𝗯𝗹𝗮𝘂𝗳 𝗳𝘂𝗻𝗸𝘁𝗶𝗼𝗻𝗶𝗲𝗿𝘁, 𝗯𝗶𝘁𝘁𝗲𝘁 𝗖𝗹𝗮𝘂𝗱𝗲: „Mach daraus einen wiederverwendbaren Skill. Halte fest, welche Tools du wann einsetzen sollst, welchen Kontext du übergeben musst und wo die Ergebnisse gespeichert werden.“ So könnt ihr den Ablauf für künftige Aufgaben wiederverwenden.

𝗞𝗜-𝗔𝗴𝗲𝗻𝘁𝗲𝗻 𝘀𝗰𝗵𝗲𝗶𝘁𝗲𝗿𝗻 𝗮𝗻𝗴𝗲𝗯𝗹𝗶𝗰𝗵 𝘂𝗯𝗲𝗿𝗮𝗹𝗹. Aktuell kursieren Zahlen wie: • 88 % der Agenten erreichen nie die Produktion. • Über 40 % der Projekte werden laut Gartner abgebrochen. • 95 % der Organisationen sehen keinen messbaren Return. Gleichzeitig melden andere Studien: • 75 % Adoption. • 17 % tatsächlich deployte Agenten. • 11 % produktionsreife Systeme. Klingt widersprüchlich, ist es aber gar nicht. Diese Zahlen messen komplett unterschiedliche Dinge. Adoption ≠ Deployment ≠ Production Readiness ≠ ROI Ein Unternehmen kann AI-Agenten „adoptiert“ haben, gleichzeitig nur wenige produktiv betreiben und trotzdem noch keinen messbaren ROI sehen. Das eigentliche Problem sind deshalb oft nicht die Studien. Sondern das, was danach daraus gemacht wird. Aus fünf unterschiedlichen Kennzahlen wird dann der universelle Soundbite: „𝟵𝟱 % 𝗮𝗹𝗹𝗲𝗿 𝗞𝗜-𝗣𝗿𝗼𝗷𝗲𝗸𝘁𝗲 𝘀𝗰𝗵𝗲𝗶𝘁𝗲𝗿𝗻.“ Schöne Zahl. Gute Folie. Nur meistens viel weniger eindeutig, als sie klingt. Vielleicht brauchen wir dafür wirklich eine kleine Bingo-Regel: Wer fünf AI-Statistiken hat, aber bei keiner die Grundgesamtheit, den Messzeitpunkt und die Definition nennt, darf „𝗕𝗶𝗻𝗴𝗼!“ rufen. Gerade bei AI lohnt es sich aktuell, nicht nur auf die Zahl zu schauen. Sondern zuerst zu fragen: 𝗪𝗮𝘀 𝘄𝘂𝗿𝗱𝗲 𝗵𝗶𝗲𝗿 𝗲𝗶𝗴𝗲𝗻𝘁𝗹𝗶𝗰𝗵 𝗴𝗲𝗺𝗲𝘀𝘀𝗲𝗻?

𝗩𝗼𝗿 𝗲𝗶𝗻𝗲𝗺 𝗝𝗮𝗵𝗿 𝘀𝘁𝗮𝗻𝗱 𝗶𝗰𝗵 𝗶𝗻 𝗛𝗲𝗶𝗹𝗯𝗿𝗼𝗻𝗻 𝗮𝘂𝗳 𝗱𝗲𝗿 𝗕𝘂̈𝗵𝗻𝗲 𝘂𝗻𝗱 𝗵𝗮𝗯𝗲 𝗴𝗲𝗳𝗿𝗮𝗴𝘁: „𝗕𝗿𝗮𝘂𝗰𝗵𝗲𝗻 𝘄𝗶𝗿 𝗶𝗻 𝗱𝗲𝗿 𝗭𝘂𝗸𝘂𝗻𝗳𝘁 𝗻𝗼𝗰𝗵 𝗦𝗼𝗳𝘁𝘄𝗮𝗿𝗲𝗲𝗻𝘁𝘄𝗶𝗰𝗸𝗹𝗲𝗿?" Die Diskussion lief weit über die geplante Zeit hinaus und hat mich seitdem nicht losgelassen. Dieses Jahr komme ich zurück. Und ich stelle eine andere Frage. Denn in den Monaten seit dem letzten Festival habe ich eine Beobachtung gemacht, die ich so nicht erwartet hätte: Die spannendsten KI-Projekte, die ich aktuell begleite, sind die, über die niemand redet. Keine Demos, keine viralen Videos, keine Keynotes. Nur ein Experte, der vor 30 Jahre altem Code sitzt und ein Agent, der Stück für Stück versteht, was dort seit Jahrzehnten still vor sich hin hinrechnet. Mein Talk beim KI-Festival 2026, 5. Jubiläumsausgabe, Motto „READY?!": 🎤 „𝗟𝗮𝗻𝗴𝘄𝗲𝗶𝗹𝗶𝗴𝗲 𝗞𝗜 𝗿𝗲𝘁𝘁𝗲𝘁 𝘂𝗻𝘀𝗲𝗿𝗲 (𝗮𝗹𝗹𝘁𝗮̈𝗴𝗹𝗶𝗰𝗵𝗲) 𝗪𝗲𝗹𝘁!" 🗓️ 25.–26. Juli 2026 📍 Zukunftspark 11/13, Heilbronn Es geht um die Software, die eure Versicherungsprämie berechnet, euren Schadensfall bearbeitet und dafür sorgt, dass die Supermarktregale gefüllt sind. Software, die oft aus den 1960ern bis 1990ern stammt und darum, wie Agentic AI sie still und systematisch modernisiert. Ohne Hype, ohne Demo, ohne Produktpitch Mit dem Motto „READY?!" haben die Veranstalter einen Nerv getroffen. Denn die ehrlichste Antwort auf diese Frage findet man nicht bei der neuesten App, sondern bei den unsichtbaren Systemen, auf denen unser Alltag ruht. 𝗠𝗲𝗶𝗻 𝗙𝗮𝘇𝗶𝘁 𝘃𝗼𝗿𝘄𝗲𝗴: Wenn KI wirklich „ready" ist, merkt man es daran, dass man sie nicht bemerkt. Danke an das Organisationsteam für die Einladung zur 5. Jubiläumsausgabe KI Festival by IPAI Foundation. Ich freue mich auf zwei Tage, die hoffentlich wieder länger dauern als geplant. Infos zum KI-Festival: https://lnkd.in/d_F_ZMX9 Wer von euch ist auch in Heilbronn dabei? #KIFestival #Heilbronn #AgenticAI #LegacyModernisierung #GenAI #KI #READY #IPAI