Max Kanat-Alexander, Executive Distinguished Engineer bei Capital One, schlägt einen pragmatischen Ansatz vor, um Organisationen auf die Ära der Coding-Agenten vorzubereiten. Anstatt auf eine spezifische Technologie zu setzen, die in sechs Monaten veraltet sein wird, identifiziert er „no regrets investments“: fundamentale Verbesserungen der Developer Experience (DevX), von denen Menschen und Agenten gleichermaßen profitieren. Sein Mantra: „Was gut für Menschen ist, ist gut für KI.“
Agenten benötigen, wie neue Entwickler, ein gesundes Umfeld, um produktiv zu sein. Kanat-Alexander listet mehrere Säulen auf: 1. Standardisierung: Agenten lernen aus standardisiertem Open-Source-Code. Die Verwendung proprietärer Build-Tools oder obskurer Sprachen macht sie ineffizient. Organisationen müssen sich an Industriestandards ausrichten. 2. Schnelle, klare Validierung: Agenten iterieren durch Versuch und Irrtum. Wenn Tests 20 Minuten dauern (langsame CI) oder kryptische Fehler zurückgeben, scheitert der Agent. Schnelle CLIs und explizite Fehlermeldungen sind erforderlich. 3. Struktur und Lesbarkeit: Bei unleserlichen „Legacy“-Codebasen, in denen die Logik verborgen ist, ist der Agent ebenso verloren wie ein Mensch. Refactoring für Klarheit und Testbarkeit ist eine Voraussetzung für den effektiven Einsatz von KI. 4. Dokumentation der Absicht: Der Agent kann den geschäftlichen Kontext oder in Meetings getroffene Entscheidungen nicht erraten. Die Dokumentation muss sich auf das „Warum“ und die externen Zwänge (z. B. das Format einer Drittanbieter-API) konzentrieren, die der Code allein nicht offenbart.
Anschließend geht er auf die zentrale Herausforderung ein: Code Review. Mit KI explodiert die Codeproduktion, wodurch jeder Entwickler zu einem Vollzeit-Reviewer wird. Das Risiko besteht darin, Reviewer zu überlasten und mittelmäßigen Code durchrutschen zu lassen („rubber stamping“), was einen Teufelskreis technischer Schulden erzeugt. Er betont die Notwendigkeit, eine hohe Qualitätsschwelle aufrechtzuerhalten, die Review-Last zu verteilen und Junioren im kritischen Lesen von Code zu schulen, da sich dort die zukünftige Softwarequalität entscheiden wird.