Dienstag7. Juli

Die praktischste Demonstration dessen, was Coding-Automatisierung heute leistet, liefert die kanadische Provinz Alberta: 50 parallele Claude-Agenten scannten 466 Millionen Codezeilen in 20 Stunden — eine Arbeit, die auf konventionellem Weg rund 6,5 Jahre gedauert hätte. Die Agenten identifizierten Schwachstellen, generierten Patches inklusive automatischer Tests und bauten in Einzelfällen ganze Systeme neu, darunter ein Subventionsportal, das ursprünglich in Java handcodiert worden war und 25 Jahre auf dem Buckel hatte. Entscheidend am Alberta-Modell ist das menschliche Review vor jedem Merge — kein Patch wurde ohne Freigabe eingespielt. Dass ausgerechnet End-to-End-Tests zum neuen Engpass avancieren, sobald die Implementierung durch Agents beschleunigt wird, bestätigt Alberta indirekt: Claude Code schrieb fehlende Tests selbst, bevor es die eigentlichen Patches bauen konnte.

Die Infrastruktur rund um solche Agent-Deployments entwickelt sich parallel dazu in zwei Richtungen. Auf der Open-Source-Seite stellt AnythingLLM mit OpenComputer eine isolierte VM auf Debian-Basis vor — ein Agent-Container, der ohne Screenshots auskommt, mit kleinen lokalen Modellen wie Gemma 4 13B QAT bei 32K Kontext läuft und den Token-Verbrauch bei Browser-Interaktionen gegenüber raw browser-use um über 50 Prozent senkt. Das Base-Image belegt 3 GB, jeder Agent-Prozess unter 100 MB RAM. Ergänzt wird das Ökosystem durch OfficeCLI, eine Open-Source-Bibliothek, die Agents vollständige Kontrolle über Word, Excel und PowerPoint per Einzeiler-Befehl gibt — ohne Python-Abhängigkeiten, ohne lokale Office-Installation, mit direkter Skill-Integration in Claude Code, Cursor und GitHub Copilot. Auf der Enterprise-Seite wiederum hat das MCP-Projekt seine Enterprise-Managed-Authorisation-Extension auf stabilen Status gehoben: Statt wiederholter Server-für-Server-Consent-Prompts erhalten Nutzer künftig via Identity-Assertion-JWT-Grant einen Single-Login-Zugang zu allen freigeschalteten MCP-Servern — Anthropic, Microsoft und Okta sind bei Launch als erste Adopter benannt. Die Spezifikation trennt dabei explizit Verbindungs-Autorisierung von Runtime-Autorisierung für einzelne Agent-Aktionen; letztere bleibt Aufgabe eigener Policies.

Der Wettbewerb auf Modellebene verschärft den Druck auf alle diese Infrastruktur-Entscheidungen. Laut Epoch-AI-Daten hält kein Modell die Spitzenposition im Epoch Capabilities Index länger als im Median sieben Wochen — GPT-4 war mit rund einem Jahr eine historische Ausnahme, seitdem wechselte die Führung 17 Mal. Die Kehrseite: Die Fähigkeitssprünge zwischen den Transitionen werden kleiner. Für Builder bedeutet das häufigere Stack-Wechsel bei sinkendem Differenzierungsvorteil. Im aktuellen AutomationBench-AA-Agenten-Eval führt Claude Fable 5 mit 48,6 Prozent, während Tencents neu veröffentlichtes Hy3 — ein 295B-MoE-Modell mit 21B aktiven Parametern unter Apache 2.0 — ab Launch nativ in vLLM läuft und Decode-Speedups von bis zu 2,95× zeigt. Kosten pro Task entwickeln sich laut dem Eval-Bericht zum zentralen Differenzierungsmerkmal, was den Zug zu Open-Weight-Alternativen weiter verstärkt.

Zwei Beiträge beleuchten die weniger sichtbaren Schichten des Stack. Anthropics Forschung zu einem internen Global Workspace in Sprachmodellen — mitsamt veröffentlichtem J-Space-Lens-Code — erlaubt erstmals einen Blick in die latente Gedankenwelt eines Modells vor dem eigentlichen Schreiben; ein Partner hat die Technik bereits auf Qwen 3.6 27B angewendet. Auf der Produktionsseite zeigt ein detaillierter Architektur-Artikel, dass RAG-Pipelines erst durch Post-Generation-Validierung von Spans und Zitaten wirklich zuverlässig werden: Structured Output allein verhindert weder falsche Zeilen-Referenzen noch paraphrasierte Zitate, die das Modell als verbatim deklariert — ein aktiver Feedback-Loop ist nötig. Den makroökonomischen Kontext liefert unterdessen Microsofts Ankündigung von 4.800 Entlassungen, hauptsächlich in der Xbox-Division und im kommerziellen Sales — ein Jahr nach 9.100 Stellenkürzungen. Intern wird der Schritt mit dem KI-bedingten Wandel der Unternehmensstruktur begründet, wobei der Chief People Officer explizit festhält, die gestrichenen Rollen würden nicht durch KI ersetzt, auch wenn KI verändere, wie Arbeit erledigt wird.