Werden Software-Entwickler überflüssig?

MMI: Für uns ist es vor allem die integrierbare Fachlichkeit. Früher mussten Architekten und Projektleiter immer wieder recherchieren, wo bestimmte Informationen zu einem System zu finden sind. Heute integrieren wir solche Dokumentation über MCP direkt in den Entwicklungsprozess: Der Entwickler kann seine Fragen unmittelbar in die technische Planung einbeziehen, und der Agent kennt gleichzeitig die relevanten fachlichen Zusammenhänge. Das beschleunigt nicht nur die Programmierung, sondern bereits die gesamte Planungsphase bis zur ersten Codezeile.

KI kann helfen, Wissen dauerhaft zu dokumentieren.

Können Sie ein konkretes Kundenbeispiel nennen, bei dem Agentic Coding spürbar Zeit eingespart hat?

MMI: Wir haben ein Digital Asset Management System mit einem sehr umfangreichen Anforderungskatalog implementiert und konnten dabei unsere bestehende DAM-Komponente aus REDNET wiederverwenden. Auf Basis der vom Product Owner definierten Anforderungen hat ein Entwickler gemeinsam mit dem Coding Agent einen Implementierungsplan erstellt – umgesetzt wurden unter anderem Kapitelspuren, Rollen und Rechte sowie das komplette Datenmodell.

Über MCP war der Agent an unseren GitLab-Server angebunden und hat dort mehr als 200 Tickets selbstständig angelegt und abgearbeitet. Der Entwickler übernahm das Code Review, der Product Owner die fachliche Abnahme. Das Ergebnis war Code in unserer vorgegebenen Technologie, mit durchgängiger Testabdeckung nach unseren definierten Kriterien, Selbstdokumentation und konsequenter Nutzung unserer Framework-Komponenten.

Wie stellt MMI sicher, dass Agenten keinen fehlerhaften oder unsicheren Code in produktive Systeme bringen?

MMI: Der wirksamste Hebel liegt vor der ersten Codezeile – in der Architektur des Workflows. Ein Agent bekommt bei uns nur die Rechte, die seine Aufgabe wirklich erfordert, arbeitet in einer isolierten Umgebung, hat klare Leitplanken, folgt definierten Arbeitsschritten und hat keinen direkten Zugriff auf produktive Systeme. Was ein Agent gar nicht erst tun kann, muss man später auch nicht abfangen.

Fachliche Tests sind auch in Zeiten von Agentic AI wichtig.

Darauf setzen die klassischen Kontrollen auf: verpflichtende Code Reviews über Merge Requests, fachliche Tests durch Product Owner oder Test-Engineers sowie automatisierte Quality- und Security-Gates – lokal wie im Repository, und geprüft wird nicht nur der Quellcode, sondern auch die gebaute Applikation beziehungsweise der Container.

Diese Reihenfolge ist bewusst gewählt. Klassische Prüfungen setzen am Ergebnis an, sie sehen sich den fertigen Code an. Ein Teil der Risiken agentischer Systeme entsteht aber gar nicht im Code, sondern im Zuschnitt des Workflows selbst – darin, welche Daten ein Agent liest und was er damit auslösen kann. Wer einem Agenten weitreichende Rechte gibt und erst am Merge Request kontrolliert, prüft zu spät.

Die Verantwortung für die Freigabe bleibt in jedem Fall beim Menschen – automatisierte Prüfungen schaffen zusätzliche Sicherheit, sie ersetzen die Entscheidung nicht.

Ein Teil der Risiken agentischer Systeme entsteht gar nicht im Code, sondern im Zuschnitt des Workflows selbst.

Welche Risiken sehen Sie durch die zunehmende Abhängigkeit von großen amerikanischen Tech-Konzernen – etwa mit Blick auf den US Cloud Act?

MMI: Wir sind große Unterstützer europäischer Alternativen und achten wo immer möglich sowohl beim Standort unserer Lösungen als auch bei der Anbieterauswahl auf europäische Unternehmen. Gerade beim Cloud-Hosting gibt es mittlerweile sehr gute europäische Anbieter, mit denen sich auch skalierbare Lösungen umsetzen lassen.

Es gibt immer noch viele Abhängigkeiten von US-Tech-Konzernen.

Im Bereich KI-Modelle bestehen weiterhin Leistungsunterschiede, allerdings differenzierter als noch vor einem Jahr: Offen verfügbare Modelle haben bei Programmieraufgaben deutlich aufgeholt und sind für klar umschriebene Aufgaben gut einsetzbar. Der Abstand zeigt sich vor allem bei langlaufenden, mehrstufigen Aufgaben. Für einen erheblichen Teil der täglichen Entwicklungsarbeit sind souverän betriebene Modelle damit bereits heute eine realistische Option.

Es geht also nicht darum, amerikanische Technologie grundsätzlich auszuschließen, sondern Abhängigkeiten bewusst zu reduzieren und für sensible Daten und Anwendungen souveräne europäische Strukturen zu schaffen.

Wie begegnet MMI diesen Risiken und ermöglicht gleichzeitig DSGVO-konforme und souveräne KI-Workflows?

MMI: Wir setzen auf eine möglichst souveräne Infrastruktur und kapseln KI-Workflows über self-hosted Plattformen wie Coder und LiteLLM. Coder hält Entwicklungsumgebungen und Coding Agents unter unserer Infrastruktur – LiteLLM ist als zentrales Gateway unser Kontrollpunkt für Nutzungsregeln, revisionssichere Protokollierung und die Modellauswahl nach Schutzbedarf – europäische beziehungsweise selbst betriebene Modelle im Regelfall, kontrollierter Zugriff auf führende Modelle dort, wo die Leistungsfähigkeit es erfordert.

Souveräne Infrastruktur als Kontrollpunkt.

Hinzu kommt der regulatorische Rahmen, der sich gerade spürbar verändert hat. Unsere Empfehlung an Medienhäuser: die Einführung agentischer Entwicklung von Anfang an mit der AI-Act-Bewertung der eigenen Produkte verbinden. Beides braucht dieselbe Grundlage – dokumentierte Prozesse, technische Nachvollziehbarkeit und klar definierte menschliche Verantwortung.

Seite 1: Methodisches Vorgehen, REDNET
Seite 2: Effizienz, Risiken, DSGVO & Souveränität
Seite 3: Perspektiven