Die Tech-Branche erlebt einen grundlegenden Wandel: Statt einzelnen KI-Programmierhelfern setzen Unternehmen nun auf autonome Agenten-Schwärme, die komplexe Entwicklungsprojekte von der ersten Idee bis zur Auslieferung steuern. Gleich mehrere Großkonzerne präsentierten am heutigen Montag neue Plattformen, die diesen Paradigmenwechsel vorantreiben.
GitHub und Microsoft: Vom Assistenten zum Agenten-Ökosystem
Auf der Microsoft Build 2026 Konferenz enthüllte GitHub die neue Copilot App für den Desktop. Die Umgebung ist für eine „agenten-native“ Entwicklung konzipiert – Entwickler können über ein „My Work“-Dashboard mehrere KI-Agenten gleichzeitig überwachen. Eine spezielle Worktree-Technologie verhindert Konflikte zwischen verschiedenen Agenten-Sitzungen. Mit „Canvases“ gibt es zudem einen visuellen Arbeitsbereich für die Mensch-Maschine-Zusammenarbeit an Plänen und Code.
Anzeige: Während die Produktivität pro Entwickler um 70 Prozent steigt, warnen 60 Prozent der Organisationen vor ungetestetem Code. Bevor Ihre Konkurrenz die Multi-Agent-Workflows skaliert, sollten Sie die Governance- und Integrationslücken schließen. Dieser Report liefert die entscheidenden Hebel. Jetzt kostenlosen Strategie-Report anfordern
Neu ist auch „Agent Merge“: Die Funktion automatisiert Pull-Request-Reviews und Continuous-Integration-Prüfungen. Für die Integration in bestehende Systeme veröffentlichte GitHub ein Copilot SDK – verfügbar für Node.js, Python, Go, .NET, Rust und Java.
Microsoft zog mit der öffentlichen Vorschau von Azure Logic Apps Automation nach. Der Dienst bietet Geschäftsteams eine verwaltete Umgebung für automatisierte Workflows. Herzstück ist „Knowledge as a Service“ (KBaaS) – eine vollständig verwaltete RAG-Pipeline (Retrieval-Augmented Generation), die Vektordatenbanken und KI-Modelle nutzt, ohne dass Teams die zugrundeliegende Infrastruktur selbst verwalten müssen.
LG CNS und Tech Mahindra: Spezifikationen als Steuerungsinstrument
Der südkoreanische Konzern LG CNS brachte seine DevOn Agentic AI Native Development (AIND) Plattform an den Start. Entwickelt in Zusammenarbeit mit dem US-Unternehmen Cline, setzt die Plattform auf spezialisierte KI-Agenten für verschiedene Phasen großer IT-Projekte – vom Systemdesign bis zur Legacy-Modernisierung. Besonders beeindruckend: Das System kann COBOL-basierten Legacy-Code innerhalb von Minuten nach Java migrieren.
Die Plattform ruht auf einer „Knowledge Foundation“ – einer ontologiebasierten Datenbank, die unternehmenseigene IT-Assets, Entwicklungsstandards und Sicherheitsregeln speichert. Dieser „spezifikationsgetriebene“ Ansatz soll in regulierten Branchen wie Finanzen, Fertigung und Verteidigung für gleichbleibende Qualität sorgen. LG CNS peilt mit der Technologie den US-Markt, Japan und Südostasien an.
Ebenfalls heute: Tech Mahindra benannte seine Anwendungsdienste in „Agentic Development & Modernization Services“ um. Das Unternehmen setzt auf sein „Vector Squad“-Liefermodell und interne Tools wie Swifter.io, um Plattformen und Abläufe durch einen agentenzentrierten Rahmen zu modernisieren.
Produktivitätsschub mit Schattenseiten
Die Umstellung auf Multi-Agent-Workflows zeigt bereits deutliche Effekte. Boris Cherny, Leiter von Claude Code bei Anthropic, berichtet von einem Produktivitätsanstieg von rund 70 Prozent pro Entwickler – und das bei gleichzeitiger Verdreifachung der Belegschaft. Cherny beschreibt eine Entwicklung von direkter Mensch-KI-Interaktion über autonome Schleifen bis hin zu tausenden von Sub-Agenten, die parallele Aufgaben ausführen.
Doch die rasant beschleunigte Codierung schafft Engpässe an anderer Stelle. Eine Studie von Tricentis zeigt: 60 Prozent der Organisationen setzen derzeit ungetesteten Code ein. Besonders alarmierend: die Vertrauenslücke zwischen Führung und Fachpersonal. Während 81 Prozent der CEOs KI-Systemen vertrauen, tun dies nur 56 Prozent der DevOps- und Qualitätssicherungsexperten.
Branchenbeobachter stellen fest: KI hat die Implementierungsphase zwar drastisch beschleunigt, doch die Lieferzeiten stagnieren oft, weil Test- und Integrationsprozesse nicht Schritt halten. In manchen Umgebungen stieg die Sprint-Leistung um über 30 Prozent – ohne dass sich die Gesamtlieferzeiten verbesserten.
Governance und Infrastruktur: Die nächste Herausforderung
Anzeige: 81 Prozent der CEOs vertrauen KI – aber nur 56 Prozent der QA-Experten. Diese Vertrauenslücke gefährdet Ihre Compliance und Liefertermine. Erfahren Sie, wie Sie mit einem hybriden Governance-Modell und spezifikationsgetriebener Entwicklung die Kontrolle behalten. Governance-Leitfaden jetzt sichern
Die Risiken schneller KI-Einführung verlangen nach robusteren Kontrollmechanismen. Die BNP Paribas gab bekannt, ein hybrides KI-Governance-Modell aufzubauen, um die Technologie über Geschäftsbereiche hinweg zu skalieren – bei gleichzeitiger Wahrung von Datensouveränität und Risikokontrollen.
Auf der Infrastrukturseite lieferte NVIDIA das Nemotron 3 Ultra aus. Das 550 Milliarden Parameter schwere Modell ist für komplexe Reasoning-Aufgaben konzipiert und wurde bereits von mehreren Unternehmenssoftware-Firmen in ihre Agenten-Toolchains integriert.
Augment Code veröffentlichte zudem einen Leitfaden, wie KI-Agenten die Arbeit in allen sechs Phasen des Softwareentwicklungslebenszyklus neu strukturieren. Die Kernbotschaft: Spezifikationen werden zur primären Steuerungsebene für die Software-Orchestrierung.
