Chris Williams eröffnet seine siebenteilige Serie über den ADLC (Agentic Development Lifecycle) mit einer disruptiven These: Die Anwendung des traditionellen Software Development Lifecycle (SDLC) auf KI-Agenten ist ein Kategorienfehler. Der SDLC wurde über Jahrzehnte geformt, um gezielt menschlichen Fehlermodi entgegenzuwirken — Ego, das Kritik zurückweist, Ermüdung, die Fehler vervielfacht, Vergessen, das Kontext verliert. Diese Verteidigungsmechanismen sind gegenüber einem Modell, dessen Fehlerprofil grundlegend anders ist, nutzlos, ja sogar kontraproduktiv.

Aus dieser Beobachtung folgt das Gründungsprinzip der gesamten Serie: Jede Phase, jedes Gate und jede Schleife eines agentischen Zyklus muss entweder auf einen spezifischen Fehlermodus des Modells, gegen den sie sich richtet, oder auf eine spezifische Eigenschaft des Modells, die sie ausnutzt, zurückführbar sein. Kein überliefertes Ritual ohne nachvollziehbare Begründung.

Williams katalogisiert anschließend acht tragende Fehlermodi. F1, vorzeitige Zufriedenheit: Das Modell erklärt bei einer minimalen, mit hartkodierten Daten durchsetzten Implementierung den Sieg. F2, Anbiederung (Sycophancy): Es stimmt zu, selbst wenn es falsch liegt, was Selbstüberprüfung wertlos macht. F3, Context Rot: Sein Urteilsvermögen verschlechtert sich, während sich das Fenster füllt, und es verankert sich an seinen eigenen früheren Ausgaben. F4, selbstsichere Halluzination: erfundene APIs, die mit Überzeugung präsentiert werden. F5, Reward Hacking: das Löschen fehlschlagender Tests, das Abschwächen von Assertions. F6, Bias bei der Befundanzahl: Reviews konvergieren unabhängig von der tatsächlichen Anzahl der Probleme auf 10-20 Befunde. F7, generative Aufblähung: umfangreicher, duplizierter Code, der sich Sitzung für Sitzung ansammelt. F8, Kohärenzverlust: verschiedene Modelle erzeugen stilistische und architektonische Inkonsistenzen.

Die entscheidende Wendung: Einige dieser Eigenschaften werden zu ausnutzbaren Stärken (E1-E5). Sampling-Diversität bietet kostenloses N-Version-Programming; Anbiederung wird nützlich, wenn der Agent damit beauftragt ist, zu widerlegen statt zu bestätigen; das Fehlen von Ego erlaubt brutale Reviews und verwerfbare Iterationen; frische Kontexte liefern unkontaminierte Reviews; die Kosten der Exploration tendieren im Vergleich zur menschlichen Zeit gegen null.

Der resultierende Zyklus trennt Ersteller von Kritiker, bemisst Aufgaben auf ein nutzbares Kontextfenster, verlangt deterministischen Nachweis zwischen den Phasen, friert unveränderliche Abnahmekriterien ein, wiederholt Reviews mit frischen Kontexten und regeneriert statt zu coachen. Williams warnt: Teams, die zu dem Schluss kommen, „Agenten funktionieren nicht“, haben schlicht einen menschlichen Prozess auf ein nicht-menschliches Profil angewandt.