🛑

Andrej Karpathy (ex-Tesla AI, ex-OpenAI) hat in einem neuen Beitrag mal wieder eine Grundsatzdiskussion ausgelöst. Die Essenz ist einfach: Programmieren hat sich bis zur Unkenntlichkeit verändert. Und das geschah nicht allmählich, sondern sprunghaft – buchstäblich in den letzten paar Monaten.

Seiner Meinung nach haben KI-Agenten zum Schreiben von Code bis Dezember im Grunde nicht funktioniert. Und jetzt funktionieren sie. Die Modelle haben eine Qualitätsschwelle durchbrochen, gelernt, langfristigen Kontext zu halten, Ausdauer zu zeigen und sich selbstständig durch komplexe, umfangreiche Aufgaben zu kämpfen.

👉🏻 Praktischer Fall von Andrej:
Am Wochenende brauchte er ein lokales Dashboard für die Videoanalyse seiner Heimkameras. Er öffnete keinen Editor, sondern schrieb dem Agenten einen einzigen Prompt auf Englisch:
Hier sind IP, Login und Passwort meines lokalen Servers. Geh rein, richte SSH-Keys ein, installiere vLLM, lade den Qwen3-VL-Benchmark herunter und führe ihn aus. Starte einen Server-Endpunkt für Video-Inferenz, bastle ein einfaches Web-UI, teste alles, verpacke die Dienste in systemd, speichere Notizen für dich und schreibe mir einen Markdown-Bericht.


Der Agent machte sich 30 Minuten lang an die Arbeit. Dabei stieß er selbst auf eine Menge Bugs, googelte Lösungen, schrieb Code, debuggte, startete Dienste und kam mit einem vollständig fertigen Ergebnis zurück. Karpathy hat den Code nicht einmal angefasst.
Was vor drei Monaten noch ein ganzes Wochenende dauerte, ist jetzt eine Hintergrundaufgabe von einer halben Stunde, die man startet und dann Kaffee trinken geht.

🤖 Agentic Engineering
Laut Karpathy verabschieden wir uns gerade vom Konzept „Mensch tippt Anweisungen in einen Texteditor“.

Jetzt bedeutet Entwicklung: Instanzen von KI-Agenten hochfahren, ihnen Aufgaben in natürlicher Sprache stellen und parallel ihre Arbeit managen und reviewen. Gewinnen wird derjenige, der lernt, immer höher in den Abstraktionsebenen aufzusteigen und langlebige Orchestratoren zu verwalten, die eine Schar paralleler KI-Coder kontrollieren und ihnen die nötigen Tools und Kontext geben.

⚖️ Wo bleibt der Mensch?
Das ist immer noch keine Magie à la „Mach mir den Geldknopf“. Die Agenten brauchen weiterhin kritisch:
🟢 High-Level-Direktion und architektonische Vision.
🟢 Ingenieurgeschmack und Bewertung (das besagte Urteilsvermögen).
🟢 Iterative Hinweise.

Am besten funktioniert das, wo die Aufgabe eine strenge Spezifikation hat und die Funktionalität leicht durch Tests verifiziert werden kann. Die Hauptfähigkeit ist jetzt die Intuition bei der Zerlegung. Man muss in der Lage sein, ein komplexes System in atomare Stücke zu zerlegen, die man sicher an einen Agenten delegieren kann, und deren Schnittstellen zu kontrollieren.

Eigentlich ist Syntax kaum noch etwas wert. Architektur, Zerlegung und die Fähigkeit, komplexe Abstraktionen zu managen – das ist alles wert.