Bloomberg

Bloomberg beschäftigt 9.000 Ingenieure für eine Codebasis, deren Fehlermodi Fehlermodi der Finanzmärkte sind, und dieser Rahmen prägt jede von Lei Zhang beschriebene KI-Entscheidung. In dem am 2025-11-23 veröffentlichten Beitrag trennt Zhang, der bei Bloomberg die Technologieinfrastruktur leitet, KI fürs Coden (das Schreiben neuer Funktionen) von KI fürs Software Engineering (Wartung und Betrieb) und legt das Gewicht der Organisation auf Letzteres.

Zwei Agentenfamilien tragen diese Wette. Uplift Agents übernehmen groß angelegte Migrationen und Sicherheitspatches und schlagen begründete Patches über die gesamte Codebasis hinweg vor. Incident Response Agents durchsuchen bei einem Ausfall Logs, Telemetriedaten und Konfigurationen; Zhangs Argument für sie lautet, dass sie schnell und unvoreingenommen sind, während Menschen mit Vorannahmen über die wahrscheinliche Ursache an die Sache herangehen.

Der Vermittlungsmechanismus ist der Paved Path: die richtige Methode leicht machen und die falsche schwer. Bloomberg hat eine zentrale Plattform mit einem «AI Gateway» aufgebaut, vereinfachtes PaaS-Deployment für interne Tools sowie einen «MCP Hub», damit Konnektoren geteilt statt team­weise neu gebaut werden. Zhang merkt außerdem an, dass Einzelbeitragende schneller einsteigen als Führungskräfte, was Bloomberg dazu bewegte, KI in das Onboarding-Training einzubinden und neue Mitarbeitende Senior-Kollegen herausfordern zu lassen.

Der andere Grund, warum Bloomberg immer wieder auftaucht, ist «BloombergGPT». Olivier Rafal führte es im Februar 2024 als die Ausnahme an, die seine Regel bestätigt: Ein Foundation Model von Grund auf zu bauen kostet Monate und Millionen und ergibt nur dann Sinn, wenn man über monetarisierbare proprietäre Daten verfügt. Zhangs Schlussfolgerung ist enger und schärfer: KI verändert die Kostenfunktion des Engineerings, weshalb die alten Abwägungen neu geschrieben werden müssen.