In diesem als Position Paper auf arXiv veröffentlichten Artikel (Kategorie Software Engineering) vertritt Martin Monperrus eine These, die einer Grundpraxis des SDLC frontal widerspricht: Coding-Agenten haben ein Fähigkeitsniveau erreicht, bei dem menschliches Code-Review keine notwendige Komponente einer Qualitätspipeline mehr ist. Die Argumentation stützt sich auf zwei Thesen. Erstens eine Parität — oder sogar eine Überlegenheit — der Fähigkeiten: autonome LLM-basierte Systeme erfüllen alle traditionellen Ziele des Reviews (Fehler finden, Qualität verbessern, Compliance sicherstellen, Wissen teilen) bei geringeren Kosten und höherem Durchsatz, ohne menschliche Ermüdung oder Inkonsistenz. Zweitens ein Skalierungsproblem: Das dominierende hybride Modell — der Agent schreibt den Code, der Mensch reviewt ihn — bietet weder eine echte Qualitätssicherung noch die Fähigkeit, mit der KI-gestützten Produktionsgeschwindigkeit Schritt zu halten; vor allem erzeugt es ein trügerisches Sicherheitsgefühl.
Monperrus verortet sein Ziel historisch und nimmt die inspection de Fagan (1976) ins Visier; er stützt sich zudem auf die Arbeiten von Bacchelli & Bird, die zeigen, dass Review in der Praxis weniger Bugs findet, als Entwickler annehmen. Benchmarks (SWE-bench, ca. 20-40% gelöste Issues je nach Modell, mit schnellen Fortschrittskurven) dienen als Fähigkeitsnachweis.
Anstelle des menschlichen Reviews schlägt er eine multi-agentenbasierte adversarial verification pipeline vor: Ein Agent generiert den Code; ein oder mehrere unabhängige Reviewer-Agenten prüfen ihn (Fehler, Sicherheit, Stil); eine Verifikationsschicht ergänzt automatisierte Tests und formale Methoden; ein Konsensmechanismus lässt mehrere Agenten über Annahme oder Ablehnung abstimmen. Der Flaschenhals eines einzelnen menschlichen Reviewers wird durch eine verteilte, ermüdungsfreie Prüfung ersetzt.
Der Mensch verschwindet nicht: Er konzentriert sich auf Spezifikation und übergeordnete Anforderungen, architektonische Trade-offs, die Aufsicht über kritische Domänen, von Agenten ungelöste Grenzfälle und bleibt das finale Freigabe-Gate für sensible Systeme. Der Autor geht explizit auf die Einwände ein — Halluzinationen und Prompt Injection, die Grenzen automatisierter Tests (daher property-based testing), Verlust von Domänenexpertise (ausgeglichen durch Fine-Tuning und RAG) — ohne ihnen auszuweichen.
Auf der SDLC-Seite verknüpft er Review mit DORA-Metriken: Eine Beschleunigung des Review-Durchsatzes beschleunigt das Deployment. Seine Empfehlungen sind pragmatisch: zunächst Pilotierung an risikoarmen Komponenten, Beibehaltung eines anfänglichen hybriden Workflows (Agenten markieren, Menschen genehmigen), Messung der Erkennungsraten Agent versus Mensch, explizite Ablehnungsentscheidungen sowie der Aufbau von Feedback-Schleifen. Ein bewusst provokanter Text, aber eine wertvolle Gegenthese zum Dogma des „unantastbaren menschlichen Review-Gates“.