01Opening Keynote · 01
Opening
Gene Kim
Konferenzorganisator · Autor "The Phoenix Project"Conference Organizer · Author "The Phoenix Project"
"Wir stehen vor der größten Leadership-Challenge der letzten 100 Jahre." DevOps war der Trailer — agentische KI wird mindestens 100× größer und disruptiver."The greatest leadership challenge of the last 100 years." DevOps was the trailer — agentic AI will be at least 100× more disruptive.
“Every engineer is a director of development — maybe we should call it 'no dev'. — Adrian Cockcroft”
Key Takeaways
- Jede bestehende Prozessannahme bricht weg — totale Neugestaltung aller Rollen, Abläufe und Strukturen nötigEvery existing process assumption collapses — total redesign of all roles, workflows, and structures required
- Fidelity-Beispiel: App die 8 Monate + 2 Frontend-Entwickler benötigte — in 5 Tagen per Vibe Coding gebaut, heute in ProduktionFidelity example: app requiring 8 months + 2 frontend devs — built in 5 days via Vibe Coding, now running in production
- DevOps hat den Tech-Wertschöpfungsstrom neu verdrahtet — agentische KI macht das mindestens 100× disruptiverDevOps rewired the entire tech value stream — agentic AI makes that at least 100× more disruptive
- Konferenz in nur 4 Wochen organisiert — das ist selbst ein Signal für die Dringlichkeit des ThemasConference organized in just 4 weeks — that itself is a signal of the urgency
- 700+ Organisationen auf DevOps Enterprise Summits über 12 Jahre — gleiches Community-Modell jetzt für KI700+ organizations at DevOps Enterprise Summits over 12 years — same community model now being built for AI
- Führung lernt nicht von Bühnen-Experten — sondern von Peers, die gleiche Probleme lösenLeaders don't learn from stage experts — they learn from peers solving the same problems
John Rauser
Senior Director of Engineering · Zero Trust / Cloud Security
Führungsdirektive als Katalysator: Jeder Teamleiter muss in 3 Monaten ein Agenten-Feature bauen. 85% zeigten messbare Verhaltensänderung.Leadership directive as catalyst: every team lead must build an agent feature in 3 months. 85% showed measurable behavioral change.
85%
Senior Directors mit VerhaltensänderungSenior Directors with behavioral change
3 Mo
Pflicht-Sprint für alle TeamleiterMandatory sprint for all team leads
10+
Jahre Coding-Erfahrung = größter WandelYears coding experience = biggest change
“Ideen sind die neue Währung im Agenten-Zeitalter. Kreativität und Ideenfindung werden zum primären Wettbewerbsvorteil.Ideas are the new currency in the age of agents. Creativity and idea generation become the primary competitive advantage.”
Key Takeaways
- Pflicht-Direktive: Jeder Teamleiter baut innerhalb von 3 Monaten ein Produktfeature mit Agenten — als Pflicht, nicht OptionMandatory directive: every team lead builds a product feature with agents within 3 months — non-optional
- 85% der Senior Directors berichten Verhaltensänderung Richtung Empowerment — ehemalige Entwickler ändern sich am stärksten85% of Senior Directors report behavioral shift toward empowerment — former developers with 10+ years show the biggest change
- AMOS (Agentic Management Operating System): automatisiert Wissensmanagement, One-on-Ones und Wochenberichte — messbar höhere Qualität als manuellAMOS (Agentic Management Operating System): automates knowledge management & reports for managers — measurably higher quality than manual
- DECAF Framework: Analysiert Produktbereiche automatisch, generiert alle nötigen Agenten-Komponenten inkl. tribal knowledgeDECAF Framework: automatically analyzes product areas, generates all necessary agent components incl. tribal knowledge
- AI Squads: Kleine temporäre Teams bauen agentische Features und lösen gezielt SDLC-EngpässeAI Squads: small temporary teams build agentic features and systematically eliminate SDLC bottlenecks
- Prädiktive Dashboards: Manager analysieren Meeting-Transkripte um Team-Risiken und Überlastung vorauszusagenPredictive dashboards: managers analyze meeting transcripts to forecast team risks and overload
03John Deere · 03
John Deere
Amy Willard
VP Technology · 70.000 Mitarbeiter, 18.000 TechnologenVP Technology · 70,000 employees, 18,000 technologists
Unternehmensweite KI-Transformation ohne vordefinierten Fahrplan. "Wir wurden alle gleichzeitig neugestartet." Kollektives Lernen als Kernstrategie.Enterprise-wide AI transformation at John Deere without a predefined roadmap. "We were all rebooted at the same time." Collective learning as core strategy.
90%
Wöchentliche Nutzung (Ziel)Weekly usage (target)
70%
Fast tägliche Nutzung (Ziel)Near-daily usage (target)
18 Mo
Abgestufte TrainingsprogrammeTiered training programs
90%
Code mit KI-UnterstützungCode with AI assistance
Key Takeaways
- Zielvorgabe: 90% wöchentliche, 70% fast tägliche KI-Nutzung — Metrik pro Coding-Tätigkeit, nicht nach NutzerzahlTarget: 90% weekly, 70% near-daily AI usage — metric per coding activity, not by user count
- 18-monatige abgestufte Trainingsprogramme — niemals statisch, werden ständig erneuert und erweitert18-month tiered training programs — never static, continuously renewed and expanded
- Peer-to-Peer Advocacy als Schlüsselstrategie: Kollegen genießen mehr Vertrauen als zentrale FührungPeer-to-peer advocacy as key strategy: colleagues have more trust than central leadership
- Bimodaler Ansatz: Early Adopters fördern und sichtbar machen — Skalierung erst nach sorgfältiger BewertungBimodal approach: make early adopters visible — scale only after careful evaluation
- Individuelle Nutzungstracker — nur für Mitarbeiter selbst sichtbar, Führungskräfte sehen nur Team-AdoptionIndividual usage trackers — only visible to employees themselves; leaders see team adoption only
- KI-Transformation ist kein linearer Prozess — fundamentale Basisprozesse (Tests, Deployment, Telemetrie) müssen zuerst stimmenAI transformation is not a linear process — foundational basics (tests, deployment, telemetry) must come first
04LaunchDarkly · 04
LaunchDarkly
Edith Zach
Gründerin · 5.000+ Kunden, 45 Billionen Features/TagCo-Founder · 5,000+ customers, 45 trillion features/day
Legacy-Code-Modernisierung mit KI: 66.000 Zeilen React überarbeitet. Die Autonomie-Falle und warum Bottlenecks sich verschieben aber nie verschwinden.Legacy code modernization with AI: 66,000 lines of React. The autonomy trap and why bottlenecks shift but never disappear.
66k
Zeilen React überarbeitetLines of React refactored
36k
Neue Zeilen in <2 WochenNew lines in <2 weeks
12J
Tech-Schulden in der CodebasisYears of tech debt in codebase
“KI liefert nur gute Ergebnisse wenn die Absicht klar und gut definiert ist. Die Denkarbeit vor der Umsetzung bleibt unverzichtbar.AI only delivers good results when intent is clear and well-defined. The thinking work before execution remains indispensable.”
Key Takeaways
- 66.000 Zeilen React-Code überarbeitet — 12 Jahre Tech-Schulden wie das Winchester Mystery House66,000 lines of React refactored — 12 years of tech debt like the Winchester Mystery House
- "Autonomie-Falle": Menschliche Steuerung ist aktuell Multiplikator für Agenten-Effektivität — nicht ersetzen"Autonomy trap": human steering is currently a multiplier for agent effectiveness — not a hindrance
- KI verstärkt menschliche Absicht — liefert nur gute Ergebnisse wenn die Absicht klar und gut definiert istAI amplifies human intent — only delivers good results when intent is clear and well-defined
- Bottlenecks verschwinden nicht, sie verschieben sich — z.B. von Coding in die Code-Review-SchleifeBottlenecks don't disappear, they shift — e.g., from coding into the code review loop
- Retrospektive: Mehr Vertrauen in bestehenden Legacy-Code als beste Spezifikation hätte mehr Effizienz gebrachtRetrospective: more trust in existing legacy code as the best specification would have been more efficient
- Tool-Tipp: Meticulous für visuelle Regressionstests bei KI-generierten ÄnderungenTool tip: Meticulous for visual regression testing on AI-generated changes
05Signal Defense · 05
Signal Defense
Matt Jones
CEO · Private Equity-gestützte VerteidigungsfirmaCEO · Private Equity-backed Defense Company
Skeptischer CEO hat einen Vibe-Coding-Moment und begreift: KI entfesselt Kreativität statt sie zu ersetzen. Die CEO-Rolle muss sich fundamental ändern.Skeptical CEO has a vibe-coding moment and realizes: AI unleashes creativity rather than replacing it. The CEO role must fundamentally change.
90min
App statt 6.000 EntwicklungsstundenApp instead of 6,000 dev hours
100×
Mehr Entwickler durch KI möglichMore developers possible through AI
2,8B
Potenzielle Entwickler weltweitPotential developers worldwide
“Die Frage ist nicht: wie senken wir Kosten? Sondern: haben wir genug Ideen für alles was wir jetzt tun können?The question is not: how do we cut costs? But: do we have enough ideas for everything we can now do?”
Key Takeaways
- Vibe-Coding-Wendepunkt: Pickleball-App in 90 Minuten — normalerweise 6.000 Stunden EntwicklungVibe-coding turning point: Pickleball app in 90 minutes — normally 6,000 hours of development
- Matt (Fotograf, kein Entwickler) erstellte vollständige GitHub Feature-Requests mit Mockups und Edge CasesMatt (photographer, not a developer) created complete GitHub feature requests with mockups and edge cases
- "28 Millionen Entwickler heute → potenziell 2,8 Milliarden durch KI" — 100× Multiplikator"28 million developers today → potentially 2.8 billion through AI" — 100× multiplier
- Kompressions-Effekt: Wenn Entwicklungszyklus schrumpft, wird Verwaltung und Integration zum neuen EngpassCompression effect: when dev cycle shrinks, administration and integration become the new bottleneck
- Zwei CEO-Philosophien: Kostenreduktion vs. "Haben wir genug Ideen für alles was wir jetzt tun können?"Two CEO philosophies: cost reduction vs. "do we have enough ideas for everything we can now do?"
- CEO-Rolle muss von extern (Investoren, Medien) zu intern (KI-Orchestrierung) wechseln — das ist nicht delegierbarCEO role must shift from external (investors, media) to internal (AI orchestration) — not delegatable
Steve Yegge
Vormals Google, Amazon · Agentische Plattform-EntwicklungFormerly Google, Amazon · Agentic Platform Development
Gas City als Agenten-Orchestrierungs-SDK in 17 Tagen. SaaS transformiert sich, nicht stirbt. Die nächsten 12–18 Monate werden sehr hart.Gas City as an agent orchestration SDK in 17 days. SaaS transforms, not dies. The next 12–18 months will be very hard.
17T
Gas City v1.0 entwickeltGas City v1.0 built
5–20%
Entwickler nutzen KI maximalDevelopers using AI maximally
1.000
IntelliJ-Lizenzen gekündigtIntelliJ licenses cancelled
“"Bestäuber": Ihr seid hier, um Erkenntnisse in eure Organisationen zu tragen — nicht nur um zuzuhören."Pollinators": you are here to carry insights back into your organizations — not just to listen.”
Key Takeaways
- Gas City v1.0 nach 17 Tagen — modulares SDK für Agenten-Orchestrierung, Vorgänger in einem Monat eingestelltGas City v1.0 in 17 days — modular SDK for agent orchestration, predecessor retired in one month
- Versionierte Datenbanken zwingend für Agentenbetrieb: DOLT, Tatomic — herkömmliche DBs ohne Versionskontrolle ungeeignetVersioned databases mandatory for agent operation: DOLT, Tatomic — conventional DBs without version control unsuitable
- Nur 5–20% der Entwickler nutzen KI maximal — viele bleiben bei Copilot/Chat, riesige Adoption-LückeOnly 5–20% of developers use AI maximally — many stuck with Copilot/chat, huge adoption gap
- SaaS stirbt nicht, transformiert sich: Agenten müssen SaaS bedienen können — Nischenlösungen mit ~30.000 USD/Jahr entstehenSaaS isn't dying, it's transforming: agents must be able to operate SaaS — niche solutions at ~$30k/year emerging
- Nächste 12–18 Monate sehr schwer — Geduld und Empathie als zentrale FührungsaufgabeNext 12–18 months very hard — patience and empathy as central leadership tasks
- Australisches Beispiel: 5× Produktivitätssteigerung durch KI — aber das Geschäft konnte das Tempo nicht haltenAustralian example: 5× productivity boost through AI — but the business couldn't keep up the pace
Angie Jones
Engineering · 3.500 IngenieureEngineering · 3,500 engineers
Von Experimentation zu Autonomy: 6-Stufen-Reifemodell, 50 AI Champions und was passiert wenn PRs explodieren — und die ethische Frage dahinter.From experimentation to autonomy: 6-level maturity model, 50 AI Champions, and what happens when PRs explode — and the ethical question behind it.
69%
KI-generierter CodeAI-generated code
37%
ZeitersparnisTime savings
21×
Mehr automatisierte PRsMore automated PRs
25k
Repositories im WeltmodellRepositories in world model
Key Takeaways
- 6-Stufen-Reifemodell: 1 Auto-complete → 2 Chat ohne PR → 3 PR mit Review → 4 Teilautonom → 5 Volldelegation (Ziel) → 6 System-level6-level maturity model: 1 Auto-complete → 2 Chat no PR → 3 PR + Review → 4 Semi-auto → 5 Full delegation (target) → 6 System-level
- 50 AI Champions: 30% ihrer Zeit für KI-Enablement — ausgewählt nach technischer Kompetenz und Teamvertrauen50 AI Champions: 30% of their time for AI enablement — selected by technical competence and team trust
- PR-Review-Stau ungelöst: PRs verdrei- bis vierfachten sich — Review-Kapazität ist nicht mitgewachsenPR review backlog unresolved: PRs tripled to quadrupled — review capacity hasn't kept up
- Cloud Workstations mit isolierten Umgebungen lösen CPU/RAM/Batterie-Engpässe bei parallelen AgentenCloud workstations with isolated environments solve CPU/RAM/battery bottlenecks for parallel agents
- Weltmodell-Datenbank: 25.000 Repositories kartiert — ermöglicht Cross-Repo-OrchestrierungWorld model database: 25,000 repositories mapped — enables cross-repo orchestration
- Ethisches Spannungsfeld: Produktivitätssteigerung durch KI führte zu Entlassungen — offene, reflektierte Frage ans PublikumEthical tension: AI productivity gains led to layoffs — open, reflective question to the audience
08Formale Verifikation · 08Formal Verification · 08
Formale VerifikationFormal Verification
Erik Meijer
Vormals Microsoft Research · Haskell, C#, HackFormerly Microsoft Research · Haskell, C#, Hack
Agenten sind gefährlich bis bewiesen sicher. "Schuldig bis unschuldig bewiesen." Formale Verifikation mit SMT-Solvern als einziger vertretbarer Ansatz.Agents are dangerous until proven safe. "Guilty until proven innocent." Formal verification with SMT solvers as the only defensible approach.
“Menschen behandeln wir nach "unschuldig bis bewiesen schuldig". Bei Agenten muss das Gegenteil gelten. Aktion ist blockiert bis Sicherheit bewiesen ist.We treat humans as "innocent until proven guilty". For agents it must be the reverse. Action is blocked until safety is proven.”
Key Takeaways
- Formale Verifikation: Agent generiert Programm → SMT-Solver prüft gegen Geschäftsregeln → erst dann AusführungFormal verification: agent generates program → SMT solver checks against business rules → then executes
- Horn-Klausel-Logik ähnlich SQL: einfach, transparent, automatisch beweisbar — keine komplexe Mathematik nötigHorn clause logic similar to SQL: simple, transparent, automatically provable — no complex math required
- Python abgelehnt: nicht-deterministisch, Import kann unbekannten Code ausführen — deterministische Sprachen nutzenPython rejected: non-deterministic, imports can execute unknown code — use deterministic languages
- Code ist wegwerfbar — schnelle Regeneration bei formaler Prüfung ermöglicht sichere ExperimenteCode is disposable — fast regeneration with formal verification enables safe experimentation
- Architektur-Analogie: Java Bytecode Verifier — Prüfen ist billig, Beweis erzeugen macht der Agent selbstArchitecture analogy: Java Bytecode Verifier — checking is cheap, proof generation is done by the agent itself
- Bekannter Vorfall — OpenClaw-Keylogger: Datendiebstahl bei Nutzern durch schädlichen Agenten-SkillKnown incident — OpenClaw keylogger: data theft from users via a malicious agent skill
- Bekannter Vorfall — OpenAI-Agent: Unautorisierte Käufe, finanzielle Schäden für NutzerKnown incident — OpenAI agent: unauthorized purchases, financial damage to users
- Bekannter Vorfall — Meta: Interne Datenlecks — private Informationen durch Agenten öffentlich gemachtKnown incident — Meta: internal data leaks — private information made public by agents
09Honeycomb · 09
Honeycomb
Charity Majors
Co-Founderin und CTOCo-Founder and CTO
Softwarewartung, Vertrauen durch Zeit und warum KI-Skepsis legitimen Raum braucht. Software vom heiligen Relikt zum Cache.Software maintenance, trust through time, and why AI skepticism needs legitimate space. Software from sacred relic to cache.
“Führungskräfte müssen KI selbst ausprobieren bevor sie es mandatieren. Fehlgeleitete Zwangsmaßnahmen demotivieren nachhaltig.Leaders must try AI themselves before mandating it. Misguided coercive measures sustainably demotivate.”
Key Takeaways
- Vertrauen entsteht durch Zeit: Code der 2 Jahre stabil in Produktion läuft genießt mehr Vertrauen als neuer CodeTrust comes from time: code that has run stably in production for 2 years earns more trust than new code
- Immutable Infrastructure als Best Practice: Honeycomb zerstört regelmäßig fehleranfällige Komponenten aktivImmutable infrastructure as best practice: Honeycomb actively destroys failure-prone components on a regular basis
- Testing in Production gleichwertig zu Pre-Production — Feature Flags und hochgranulare Observability ermöglichen sichere RolloutsTesting in production equally important as pre-production — feature flags and high-granularity observability enable safe rollouts
- Software vom "heiligen Relikt" zum "Cache": Erwartungen müssen explizit gemacht und von Implementierungen getrennt werdenSoftware from "sacred relic" to "cache": expectations must be made explicit and separated from implementations
- KI-Skepsis ist legitim und muss Raum bekommen — erzwungene Adoption demotiviert nachhaltig und erzeugt WiderstandAI skepticism is legitimate and needs space — forced adoption sustainably demotivates and creates resistance
- Wartungskosten = Gesamtkosten: versteckte Abhängigkeiten und historisches Entwicklerwissen sind der echte Preis von SoftwareMaintenance costs = total costs: hidden dependencies and historical developer knowledge are the real price of software
Jason Cox
Head of AI Research & Engineering
"Sam" — der Disney-KI-Agent. KI wie Elektrizität. Wie man die Disney-Magie schützt während man sie mit KI amplifiziert. 10× Mehrwert als Ziel."Sam" — Disney's AI agent. AI like electricity. How to protect Disney magic while amplifying it with AI. 10× value as the target.
10×
Mehrwert für Mitarbeiter & GästeValue for employees & guests
Sam
KI-Agent mit Kurz- & LangzeitgedächtnisAI agent with short- & long-term memory
“KI wie Elektrizität — wird irgendwann von allen genutzt ohne Überzeugungsarbeit. Das ist das Ziel, nicht das Mittel.AI like electricity — at some point everyone uses it without needing convincing. That's the goal, not the means.”
Key Takeaways
- "Sam" — Disney-KI-Agent mit Kurz- und Langzeitgedächtnis: Coding, Recherche, Präsentationen, Reisebuchung"Sam" — Disney AI agent with short- and long-term memory: coding, research, presentations, travel booking
- Zentrale KI-Plattform: Agenten-Marketplace, ERP/HR-Schnittstellen, Governance und Security als KernanforderungenCentral AI platform: agent marketplace, ERP/HR interfaces, governance and security as core requirements
- Dezentralisierung ist Pflicht: KI nicht zentralisiert, sondern als Teil aller Rollen — tiefes Geschäftsbereichsverständnis nötigDecentralization is mandatory: AI must be part of all roles — deep business unit understanding required
- "Disney-Magie schützen": KI-Erlebnisse 10× besser, sicherer, präziser — Marke stärken, nicht ersetzen"Protect Disney magic": AI experiences 10× better, safer, more precise — strengthen the brand, not replace it
- Empathie und Verständnis für Geschäftsbereiche als primärer Erfolgsfaktor — "mit hochgekrempelten Ärmeln reingehen"Empathy and understanding of business units as the primary success factor — "roll up your sleeves and dive in"
- Generative KI als natürliche Weiterentwicklung der Computertechnologie für besseres Storytelling und tiefere GästebindungGenerative AI as natural evolution of computing for better storytelling and deeper guest connection
11Workshop-Wirkungsstudie · 11Workshop Impact Study · 11
Workshop-StudieWorkshop Study
Ezra Savard
Interne AI Education InitiativeInternal AI Education Initiative
Was messbar passiert wenn man 200 Ingenieure in einen KI-Workshop steckt — mit echter Kontrollgruppe und Token-Metriken.What measurably happens when you put 200 engineers through an AI workshop — with a real control group and token metrics.
4–5M
Tokens/Tag Median nach WorkshopTokens/day median after workshop
96%
WeiterempfehlungsrateRecommendation rate
+50%
PR-Durchsatz firmenbreitPR throughput company-wide
200M
Tokens/Tag bei Power-UserinTokens/day from power user
Key Takeaways
- Median-Tokenverbrauch: 4–5 Mio. Tokens/Tag nach Workshop vs. 2 Mio. in der Kontrollgruppe (stable)Median token consumption: 4–5M tokens/day after workshop vs. 2M in the control group (stable)
- "Line Cook"-Definition: mind. 3 synchrone Agent-Coding-Tage/Woche = echter Nutzungsnachweis jenseits von Chat-Spielerei"Line cook" definition: at least 3 synchronous agent coding days/week = real usage proof beyond chat experiments
- 37% mehr Selbstvertrauen bei Workshop-Teilnehmern — aber hohe Belastung durch konstanten Zeitdruck37% more confidence among workshop participants — but high pressure from constant time stress
- Real-world problems statt Tool-Tutorials = entscheidender Faktor für nachhaltigen LernerfolgReal-world problems instead of tool tutorials = key factor for sustainable learning success
- Skalierungsherausforderung: 10 Lehrer organisch gewachsen — für unternehmensweite Schulung massiv mehr nötigScaling challenge: 10 teachers grew organically — massively more needed for company-wide training
- Großformate (200 Teilnehmer) wirken — aber ohne Power-User-Effekt; ROI trotzdem sehr gutLarge formats (200 participants) work — but without power-user effect; ROI still excellent
Ben-Tom
Beratungsunternehmen · ~40% Wachstum/JahrConsulting Firm · ~40% Annual Growth
Alle Mitarbeiter zum Pflicht-Hackathon. Ergebnis-basierte Verträge als Innovationstreiber. Und der drohende Inference Crunch als strategisches Risiko.All employees to mandatory hackathon. Outcome-based contracts as innovation driver. And the looming Inference Crunch as strategic risk.
2h
Supply-Chain-Tool gebautSupply chain tool built
25min
Replikation in zweiter CloudReplication in second cloud
40%
Jährliches WachstumAnnual growth
“Wir werden nicht für Stunden bezahlt — nur für erzielte Kundenergebnisse. Das verändert alles an unserer Innovationsdynamik.We don't get paid for hours — only for achieved customer outcomes. That changes everything about our innovation dynamic.”
Key Takeaways
- Alle Mitarbeiter bis Ende Juni Pflicht-Hackathon — CEO und Führungsteam stehen dahinter, kein Opt-inAll employees mandatory hackathon by end of June — CEO and leadership team committed, no opt-in
- Ergebnis-basiertes Vertragsmodell: nur bezahlt für erzielte Kundenergebnisse — fördert Effizienz und Innovation gleichzeitigOutcome-based contract model: only paid for achieved customer results — drives efficiency and innovation simultaneously
- Dev Container + GitHub Codespaces: One-Click-Umgebung für Nicht-Entwickler — kein Setup, vorinstallierte ToolsDev Container + GitHub Codespaces: one-click environment for non-developers — no setup, pre-installed tools
- Azure Batch + Container: Milliarden-Produkt-Simulation in 6 Stunden; in 25 Minuten in zweiter Cloud repliziertAzure Batch + containers: billion-product simulation in 6 hours; replicated in second cloud in 25 minutes
- "Inference Crunch" Risiko: Verfügbarkeit kritischer KI-Infrastruktur könnte zum Engpass werden — eigene Rechenzentren werden geprüft"Inference Crunch" risk: availability of critical AI infrastructure could become a bottleneck — own data centers being evaluated
- Pair Programming als Lernmethode: erfahrene Entwickler + Problemlöser ohne Programmierhintergrund kombinierenPair programming as learning method: combine experienced developers with problem-solvers without coding background
13Skypoint Health · 13
Skypoint Health
Tisson Matthew
CEO · KI-native Healthcare-PlattformCEO · AI-native Healthcare Platform
100 Legacy-SaaS-Systeme ersetzt, täglich deployen, Teams auf max. 3 Personen. Compliance als Wettbewerbsvorteil, nicht als Bremse.100 legacy SaaS systems replaced, daily deploys, teams capped at 3 people. Compliance as competitive advantage, not a brake.
100
Legacy-SaaS-Systeme ersetztLegacy SaaS systems replaced
1.100
Healthcare-StandorteHealthcare locations
5–12×
Entwickler-Output-SteigerungDeveloper output increase
“"Shift Compliance Left" — HIPAA und FedRAMP-R2 sind keine Bremse, sondern unser wichtigster Wettbewerbsvorteil in regulierten Märkten."Shift Compliance Left" — HIPAA and FedRAMP-R2 are not a brake, they're our most important competitive advantage in regulated markets.”
Key Takeaways
- 100 Legacy-SaaS-Systeme ersetzt durch KI-native Anwendungen — 1.100 Healthcare-Standorte, Kunden merken keinen Unterschied100 legacy SaaS systems replaced with AI-native applications — 1,100 healthcare locations, customers notice no difference
- Tägliche Releases (vorher 2-wöchentlich) — 3–4× mehr Code gelöscht als hinzugefügt (radikale Bereinigung)Daily releases (previously 2-weekly) — 3–4× more code deleted than added (radical cleanup)
- R&D-Kosten –50% bei gleichzeitig 20+ KI-Produkten (SkyAdvisor, SkySign etc.)R&D costs –50% while running 20+ AI products (SkyAdvisor, SkySign, etc.)
- Teams maximal 2–3 Personen — größere Teams verursachen Geschwindigkeits- und WertverlustTeams maximum 2–3 people — larger teams cause speed and value loss
- Prior Authorization Automation: vollautomatisch, Wartezeiten für Patienten drastisch reduziert, weniger AblehnungenPrior authorization automation: fully automated, patient wait times drastically reduced, fewer rejections
- HIPAA + FedRAMP-R2 konform als Wettbewerbsvorteil — "Shift Compliance Left": früh einbinden, nicht am EndeHIPAA + FedRAMP-R2 compliant as competitive advantage — "Shift Compliance Left": integrate early, not at the end