Was ändert sich in der Softwareentwicklung, wenn ein Agent den Code schreibt?

Code zu produzieren ist nicht mehr der Engpass; stattdessen werden es das präzise Spezifizieren dessen, was man will, das Überprüfen dessen, was der Agent zurückgibt, und das Einstehen für das Gelieferte.

Zwei externe Messungen grenzen das Problem ein. Die Stack-Overflow-Umfrage von 2025 verzeichnet 84 % KI-Nutzung unter Entwicklern, wobei 46 % angeben, der Genauigkeit zu misstrauen, gegenüber 33 %, die ihr vertrauen, und 66 % von „fast richtigen, aber nicht ganz“ Lösungen berichten. Und die kontrollierte Studie von METR vom Juli 2025 stellte fest, dass erfahrene Entwickler in ausgereiften Projekten mit KI 19 % langsamer waren, während sie glaubten, 20 % schneller zu sein. Deshalb fragt die Diagnose nach beobachtbarer Praxis.

Sie bilden das Rückgrat der Diagnose zur operativen Fluenz des FAROL für Softwareunternehmen. Jede entspricht einer technischen Entscheidung, die es vor den Agenten nicht gab oder die nicht ins Gewicht fiel:

• Wie man den Kontext verwaltet: was in das Fenster des Modells gelangt und was draußen bleibt.
• Wie man den Token-Verbrauch kontrolliert, der variable Kosten verursacht.
• Wie man eine gute Spezifikation schreibt, die zum Eingangsartefakt geworden ist.
• Wie man den Harness des Agenten entwirft: die Werkzeuge, die Grenzen und die Umgebung, in der er läuft.
• Wie man Agenten in Ebenen orchestriert, wenn einer andere koordiniert.
• Wie sich die Qualität von Code sicherstellen lässt, den niemand eingegeben hat.
• Wie man mit Nichtdeterminismus umgeht, da dieselbe Eingabe nicht dieselbe Ausgabe liefert.
• Wie man zwischen Pairing in Echtzeit und Delegieren im Hintergrund wählt: die Person in der Sitzung, die jeden Schritt sieht, oder der Agent, der allein läuft, bis er das Ergebnis zurückgibt.
• Wie man vor Prompt-Injection schützt, der neuen Angriffsfläche.
• Wie man reale Produktivität misst, nicht die wahrgenommene.
• Was lokal läuft und was den Rechner verlässt.
• Wie man KI in Legacy-Code integriert, wo der größte Teil der Arbeit liegt.
• Wie man den agentischen Lebenszyklus organisiert, vom Experiment bis zur Produktion.
• Wie man menschliche Fähigkeiten erhält, wenn die Erzeugung delegiert wird.
• Wie sich das Team neu organisieren lässt, um dies herum.

Die Frage nach der menschlichen Fähigkeit hat eine Position im Hintergrund. Die Arbeitshypothese der Gruppe lautet, dass das Delegieren der Codegenerierung einen Preis bei der Ausbildung von Fähigkeiten verlangt, mit größerer Wirkung auf diejenigen, die gerade erst anfangen. Die Weigerung, Kompetenz zu destillieren, wird dort als Produktanforderung behandelt.

Durch FAROL Software, die Diagnose der Engineering-Vertikale. Sie misst das Unternehmen in vier Familien (technische Grundlagen, agentische Schicht, Qualität und Risiko, Organisation und Menschen) anhand der Hauptdatenbank des FAROL mit 264 Items.

• So funktioniert es: selbst durchführbar, fünfzehn bis sechzig Minuten. Es gibt 37 Mapping-Fragen (Vokabular und Inventar von Konzepten) und optional 77 weitere zur Praxis, dazu, wie das Unternehmen jedes Konzept tatsächlich umsetzt. Eine Frage pro Bildschirm, Skala von 0 bis 4, Ergebnis als Score pro Familie, Radar und nächste Schritte.
• Herkunft: Forschung des CIn-UFPE in Partnerschaft mit einer Plattform für organisationale Reife, die mehr als 60 Quellen zusammenführt, darunter Anthropic, OpenAI, Google, IEEE, ACM, Linux Foundation und brasilianische Fallbeispiele.
• Aktueller Stand: Version 0.1, als MVP deklariert.

Einen Agenten zu messen unterscheidet sich vom Messen einer Person, denn die Spur der Arbeit liegt im Werkzeug, und jedes Werkzeug erfasst etwas anderes. Der Benchmark zur Telemetrie der Interaktion mit Agenten ist eine offene Sammlung von Beobachtungswerkzeugen (Claude Code, Codex, Cursor, Copilot und andere), die diese danach vergleicht, was jedes von ihnen nicht erfasst, und nicht nach der Liste ihrer Funktionen.

https://telemetria-interacao-agentes.vercel.app

Dieselbe Logik wird in der Lehre angewandt: Im Hiper Deep Research, dem System der von Giordano Cabral unterrichteten Veranstaltung Tendências em Mídia e Interação, erfasst die Telemetrie die für jedes gesichtete Item aufgewendete Zeit, denn bewertet wird der Prozess, und das Lesen von 500 Items erscheint nicht im Endergebnis. Das System ist ohne Build und ohne Framework geschrieben, mit nativen ES-Modulen und Supabase im Hintergrund, und die Eindeutigkeitsregel (ein Werkzeug gehört pro Einheit einem Studierenden) ist ein zusammengesetzter Primärschlüssel in der Datenbank.

Im Arsenal of Tools, einem offenen Katalog von Werkzeugen, CLIs, MCP-Servern, Modellen, APIs und „Perlen“, dem Long Tail, den generische Assistenten tendenziell zugunsten des Naheliegenden auslassen. Er entstand für den eigenen Gebrauch, für Studierende und für Fachleute.

Am 18.09.2026 umfasste Version 3.7 320.483 Einträge: 1.483 Kategorien, 174.869 Tags, 102 Länder, 23.197 CLIs, 8.554 MCP-Server, 80.506 Modelle von Hugging Face, 24.919 APIs und 28.678 Funde aus sozialen Netzwerken, zusammengetragen aus 632 offenen Listen, Marktplätzen, Newslettern und Zeitschriften.

Die Suche läuft im Browser, ohne Modellaufruf pro Anfrage; es gibt weder Werbung noch Tracking.

Wer mit vielen parallelen Assistenten-Sitzungen arbeitet, verliert bei jedem Fensterwechsel das Warum dessen, was bereits entschieden wurde. Die von Cabral angewandte Methode ist ein Dekantierungsprotokoll: Jede Entscheidung wird zu einer Datei mit dem Grund, den verworfenen Alternativen und der Art, wie sich prüfen lässt, ob sie eingehalten wird. Das Protokoll stützt sich auf eine Wissensbasis, die die KI selbst aus den Arbeitsquellen kompiliert und die nach Konzepten, Projekten und Personen organisiert ist, nicht nach Gesprächen. In der Erhebung vom 03.09.2026 umfasste diese Basis 958 Quellen, 38 Konzepte, 32 Projekte, 180 Personen und 24 Organisationen, bei viermal täglicher Aufnahme.

Die Basis ist eine Arbeitsbasis und nicht öffentlich. Die Methode und das Werkzeug sind es: mad (MultiAgent Decanting), ein Plugin unter MIT-Lizenz, das ein Team von Agenten mit eingebauter Entscheidungsprotokollierung arbeiten lässt und über einen ebenfalls offenen Plugin-Marktplatz verteilt wird.

• https://github.com/giordanorec/multiagents-decanting
• https://github.com/giordanorec/ai-coding-tools

Indem man sie als Skill verpackt: eine Datei in Markdown, die jeder Assistent lädt und die die Arbeit Schritt für Schritt anleitet, statt sie zu beschreiben. Es gibt drei Beispiele im Einsatz:

• Projetão para a era da IA – die Methodik für Innovationsprojekte, die 2002 am CIn/UFPE entstanden ist, neu verpackt in 10 Quests, 13 Meilensteine und 20 gelesene Werke, damit sie innerhalb von Claude, ChatGPT, Cursor, Copilot, Codex oder Gemini läuft. Jede Quest legt den Modus der KI-Nutzung fest: ohne Unterstützung (Feldarbeit und Interview, mit Absicht), mit Unterstützung (die KI kritisiert und weist hin) und Koproduktion (die KI erzeugt, die Person prüft und verantwortet das Ergebnis); die Farbe der Quest kennzeichnet den restriktivsten Modus.
• Acervo de Teorias Acionáveis (Sammlung umsetzbarer Theorien) – Managementtheorien in zwei Schichten: Lehrmaterial, das erklärt, und ein portabler Skill, der ausführt. Angegeben sind 3 Theorien, 3 fertige Skills und 368 Bücher in der Datenbasis; das umfangreichste offene Modul ist Running Lean mit sieben Modulen und der Datei .skill zum Herunterladen.
• Die Skills der Studierenden. In Tendências em Mídia e Interação (Trends in Medien und Interaktion) entwickelt jede Studierende und jeder Studierende einen eigenen Skill für die Recherche und Prospektion, mit vier per Skript überprüften Anforderungen, und gibt dazu das Protokoll ab, wo die KI Fehler gemacht hat und wie sie oder er das bemerkt hat.

Giordano Cabral entwickelt Software seit der Zeit vor der generativen KI. Im Jahr 2000 war das System seiner Masterarbeit am CIn der Ursprung der Daccord Music Software, die im Recife BEAT vorinkubiert wurde und deren Produkte auf dem internationalen Markt verkauft wurden. Der Lattes-Lebenslauf verzeichnet 93 Computerprogramme.

Die vollständige Liste findet sich unter www.cin.ufpe.br/publicacoes/, und die Systeme, die heute online sind, unter www.cin.ufpe.br/projetos/.