Die verbreitete Annahme, dass KI-Agenten zunehmend Programmieraufgaben übernehmen und Entwickler somit überflüssig werden, greift laut einer Studie von Wissenschaftlern der Chalmers University of Technology und der Volvo Group zu kurz.
Die Forscher präsentieren eine abweichende Sichtweise: Agentenbasierte KI-Systeme erweitern das Software-Engineering um sogenannte „semi-executable artifacts“. Hierunter fallen Prompts, Workflows, Richtlinien, Eskalationsregeln und Entscheidungsprozesse. Diese Artefakte beeinflussen das Verhalten des Systems ebenso direkt wie der Code, sind jedoch von menschlicher oder probabilistischer Interpretation abhängig.
Sechs Ringe statt nur Code
Im Mittelpunkt der Untersuchung steht das Konzept des „Semi-Executable Stack“, ein Diagnosemodell, das aus sechs Ringen besteht. Im innersten Ring befindet sich der klassische Code (Ring 1). Darauf folgen Prompts und natürlichsprachliche Spezifikationen (Ring 2), gefolgt von orchestrierten Agent-Workflows (Ring 3). Ring 4 umfasst Kontrollsysteme wie Guardrails und Monitoring, während Ring 5 die operative Organisationslogik abbildet, einschließlich Entscheidungsroutinen. Der äußere Ring (Ring 6) beschreibt die gesellschaftliche und institutionelle Passung, beispielsweise den EU AI Act.
Der „Semi-Executable Stack“ zeigt, dass sich das Ingenieursobjekt im Software-Engineering von ausführbarem Code im Zentrum bis hin zur gesellschaftlichen Passung am Rand erstreckt. Je weiter außen, desto mehr hängt die Ausführung von menschlicher Interpretation ab, anstatt von deterministischer Maschinenlogik. Historisch gesehen lag der Fokus im Software-Engineering auf den Ringen 1 und 2, während die Ringe 2 bis 5 nun als zentrale Ingenieursobjekte gelten. Ring 6 wird zunehmend entscheidend dafür, was in der Praxis tatsächlich funktioniert. Diese Entwicklung wird auch in dem Artikel Warum KI-Agenten bestehende Software nutzen werden und nicht ersetzen thematisiert.
Zusätzlich zeigen neue Forschungen, wie Agenten durch das Stapeln von Netzwerkschichten komplexe Aufgaben erlernen können, wie in Vom Face-Plant zu Parkour: Virtuelle Agenten lernen Akrobatik, wenn Forscher immer mehr Netzwerkschichten stapeln beschrieben. Diese Fortschritte sind Teil eines größeren Trends, der auch die Entwicklung von Top 7 AI Agent Orchestration Frameworks umfasst.
„`
Bildquelle: Shutterstock
