Der Einzug generativer KI und der breite Einsatz von ML-Algorithmen ändert unsere menschlichen Verhaltensweisen und organisatorischen Prozesse schon jetzt maßgeblich auf allen Ebenen der Gesellschaft – und das in rasender Geschwindigkeit.
In ebenso radikaler Weise ändert sich auch die Art und Weise, wie wir in Zukunft digitale Produkte entwickeln werden. Da große Sprachmodelle (LLMs) sich mit Syntax und Grammatik bestens auskennen, ist die Generierung von Computer-Quellcode bereits jetzt schon gelebte Praxis und die Produktivität der Unternehmen, die KI hier einsetzen, erfährt eine messbare Steigerung gegenüber denjenigen, die noch „von Hand zu Fuß“ unterwegs sind.
Wenn nun Quellcode aber gar nicht mehr von Menschen, sondern von KI-Agenten geschrieben wird, lohnt es sich dann überhaupt noch, den Beruf des Software Engineers zu lernen? Nvidia-CEO Jensen Huang meint, nein:
„Wir werden Computer intelligenter machen, damit Menschen keine Informatik lernen müssen, um einen Computer zu programmieren.“
Auch Mark Zuckerberg, der bekannt ist für seine technische Umsetzungsnähe, hat vor kurzem das Ende des menschlichen Mid-Level Engineers ausgerufen. Wenn aber sogar der Beruf des Software Engineers durch generative KI infrage steht, was bedeutet das generell für die digitale Produktentwicklung der Zukunft? Müssen nicht alle Prozesse, Frameworks und Methoden, die sich mit dem Design und der Realisierung von Software befassen, ebenfalls infrage gestellt werden?
Immerhin könnten aktuelle Ansätze grundlegende Nachteile in Bezug auf Geschwindigkeit und Effizienz bekommen, weil sie im Kern für das menschliche Miteinander entwickelt worden sind und eben nicht für das „agentische“ Miteinander. Wie also ändert sich die mensch-zentrierte digitale Produktentwicklung auf der nächsten Evolutionsstufe generativer KI – der Stufe autonomer KI-Agenten?
KI-Agenten – die nächste Evolutionsstufe generativer KI
Ein neuer Akteur betritt die Bühne
Auf den sozialen Medien wurde mit 2025 bereits intensiv das Jahr der KI-Agenten eingeleitet. Es handelt sich um eine Art „nächstes Level“ innerhalb des noch recht jungen KI-Hype-Zyklus. Statt dass Menschen Prompts schreiben, um ihr Anliegen zu realisieren, handeln KI-Agenten weitestgehend autonom. Sie planen, führen aus, reflektieren und verbessern. Manch ein KI-Agent kommt zu eigenen Schlüssen und manch anderer handelt im Verborgenen – als „Geheimagent“ gewissermaßen.
KI-Agenten arbeiten auch manchmal im Verborgenen und tun nicht immer, was sie sollen. Quelle: Continuous UX Fun
Offensichtlich macht es einen gewaltigen Unterschied, ob ein Software Engineer – wenn er gerade mal wieder nicht weiterkommt – sein Problem als Prompt in ChatGPT eingibt, dort entsprechenden Quellcode generieren lässt und diesen dann in Teilen oder am Stück in seinen Code integriert, oder ob ein KI-Agent autonom Quellcode generiert und diesen selbstständig committet, so als sei er ein „realer“ Software Engineer.
Der Hauptunterschied zwischen klassischer „prompt-basierter“ generativer KI und sogenannter „agentischer“ generativer KI besteht u. a. darin, ob der initiierende Akteur ein Mensch oder eine KI ist und inwiefern ein Mensch oder eine KI das Ergebnis produziert und weiterverarbeitet. Da KI-Agenten ein Gedächtnis besitzen, Ziele verfolgen, planen, reflektieren und antworten, können sie grundsätzlich an jeder Stelle einer Informationsverarbeitungskette aktiv werden und nicht nur mittendrin, wie folgende Tabelle veranschaulichen soll.
| Evolutionsstufe | Initiator | Produzent | Weiterverarbeiter |
|---|---|---|---|
| Ohne KI | Mensch | Mensch | Mensch |
| „Prompted AI“ | Mensch | AI | Mensch |
| „Assisting AI“ | AI | AI | Mensch |
| „Agentic AI“ | AI | AI | AI |
Gemeinsam stark: Multi-Agenten im Team
Doch KI-Agenten können weit mehr als nur Quellcode produzieren: Sie können untereinander kommunizieren, Werkzeuge bedienen und gemeinsame Entscheidungen treffen, was sie letztlich dazu befähigt, Teams und Schwarmintelligenzen zu bilden. Das von DeepWisdom.ai initiierte „Multi-Agenten“-Framework MetaGPT beispielsweise hat ein ganzes Produktentwicklungsteam aus KI-Agenten umgesetzt und lässt dieses KI-Team gemeinschaftlich Software entwickeln. Bei diesem Ansatz wird einmal mehr deutlich, dass sich die Entwicklung von Softwareprodukten nicht nur auf das Schreiben von Quellcode beschränken lässt. In ein Team von KI-Agenten gehört neben dem Software Engineer eben auch ein Product Manager, ein Software Architect, ein Project Manager und eine Qualitätssichernder. Sogar der obligatorische „Boss“ darf nicht fehlen.
Klassendiagramm mit den Rollen und Aufgaben eines Produktentwicklungsteams bestehend aus KI-Agenten bei MetaGPT
Möchten Sie weiterlesen? Laden Sie jetzt das vollständige Whitepaper herunter
Jetzt Whitepaper anfordern
