Enterprise AI Summit 2026 — Tag 2Day 2
Tag 2 — 10. April 2026Day 2 — April 10, 2026San Jose
← Alle Events← All eventsMidnightIT RevolutionXALT
TagesübersichtDay Overview
Tag 2Day 2
10. April 2026 · San Jose · 15 Experience ReportsApril 10, 2026 · San Jose · 15 Experience Reports
Von Token-Effizienz bis zur US Navy: Tag 2 vertieft, was Tag 1 aufgeworfen hat. Kritische Systeme, selbstwirksame Entwickler und die Kunst, mit Unsicherheit zu führen.From token efficiency to the US Navy: Day 2 deepens what Day 1 raised. Critical systems, self-efficacious developers, and the art of leading through uncertainty.
15
Experience Reports
2
Tage SummitDays of Summit
9W
In 9 Wochen geplantPlanned in just 9 weeks
99%
Max Token-Reduktion via DB-ArchitekturMax token reduction via DB architecture
Die 6 übergreifenden Muster des TagesThe 6 Cross-Cutting Patterns of the Day
1
Token-Effizienz ist strategischToken Efficiency Is Strategic
Top 10% verbrauchen 50% der Tokens. 92–99% Reduktion durch smarte Datenarchitektur möglich. (Brian & Dan)Top 10% consume 50% of tokens. 92–99% reduction possible through smart data architecture. (Brian & Dan)
2
Selbstwirksamkeit schlägt AdoptionSelf-Efficacy Beats Adoption
90% nutzen KI, aber nur 5% produktiv. Breite Erfahrung ist der eigentliche Hebel. (Annie Vella)90% use AI, but only 5% productively. Breadth of experience is the real lever. (Annie Vella)
3
Legacy-Modernisierung in WochenLegacy Modernization in Weeks
90 Tage für eine 18-Jahres-Plattform. KI verschiebt den Engpass von Entwicklung zu Validierung. (Warner, McConnell)90 days for an 18-year platform. AI shifts the bottleneck from development to validation. (Warner, McConnell)
4
"Nobody knows" als Führungsprinzip"Nobody Knows" as Leadership Principle
Unsicherheit offen benennen ist Stärke, nicht Schwäche. Exploratives Denken als Wettbewerbsvorteil. (Beck, Pal)Naming uncertainty openly is strength, not weakness. Exploratory thinking as competitive advantage. (Beck, Pal)
5
KI in kritischen Systemen angekommenAI Has Reached Critical Systems
Navy, Vanguard, OpenAI, Nubank: KI ist kein Experiment mehr, sondern produktiver Kern. (Fox, Beutler, McConnell)Navy, Vanguard, OpenAI, Nubank: AI is no longer an experiment — it's the productive core. (Fox, Beutler, McConnell)
6
Enablement entscheidetEnablement Decides
Werkzeuge allein reichen nicht. Schulung, Infrastruktur und Selbstwirksamkeit bestimmen den Erfolg. (Reele, Cochran)Tools alone are not enough. Training, infrastructure, and self-efficacy determine success. (Reele, Cochran)
Alle Speaker — direkt springenAll Speakers — Jump Directly
Gene Kim
Opening Keynote
Max Reele
VP Engineering
Tim Cochran
Amazon
Brian & Dan
Token-EffizienzToken Efficiency
Delvin McConnell
Vanguard
Dustin Warner
Platform Engineering
Ryan & Melissa
WachstumsstrategieGrowth Strategy
Joe Beutler
OpenAI
Collin Fox
US Navy
Annie Vella
Developer Research
Cat Swetel
Nubank
Adrian Cockcroft
Open-Source & Agents
Kent Beck
XP ErfinderXP Creator
Tapabrata Pal
Compliance & Engineering
Gene Kim
Closing
Opening · 01
Gene Kim
Konferenzorganisator · Autor "The Phoenix Project" / "Wiring the Winning Organization"Conference Organizer · Author "The Phoenix Project" / "Wiring the Winning Organization"
Hochleistungsteams übertreffen Wettbewerber um den Faktor 1.000. KI verändert nicht nur Code — sie verändert Kommunikationsstrukturen und macht den CEO zur entscheidenden Vernetzungsfigur.High-performance teams outperform competitors by a factor of 1,000. AI doesn't just change code — it changes communication structures and makes the CEO the critical connective tissue.
1.000×
Besser als Mitbewerber in MTTR/DurchlaufzeitBetter than competitors in MTTR/lead time
36.000
Teilnehmer in DORA-Studien über 6 JahreParticipants in DORA studies over 6 years
10–20%
Verbesserung = falsches Thema priorisiertImprovement = wrong topic prioritized
"Wenn dein Team nur zweistellige Verbesserungen sieht, arbeitest du wahrscheinlich am falschen Hebel.If your team only sees double-digit improvements, you're probably pulling the wrong lever."
Key Takeaways
  • DORA-Studien: Hochleistungsteams 1–3 Größenordnungen besser in Durchlaufzeit, Fehlerquote und MTTRDORA studies: high-performance teams 1–3 orders of magnitude better in lead time, error rate, and MTTR
  • KI-Berichte mit 10–20% Verbesserung sind ein Warnsignal — die wirklich großen Hebel werden noch nicht angesetztAI reports showing 10–20% improvement are a warning sign — the really big levers haven't been pulled yet
  • KI verändert Kommunikationsstrukturen: manche Team-Interfaces werden überflüssig, neue entstehen (z.B. Kunde ↔ Technik direkt)AI changes communication structures: some team interfaces become obsolete, new ones emerge (e.g., customer ↔ tech directly)
  • CEO-Rolle: nicht mehr primär nach außen (Investoren, Medien), sondern nach innen als Brückenbauer zwischen AbteilungenCEO role: no longer primarily external (investors, media), but internal as bridge-builder between departments
  • Historischer Vergleich: Quantenmechanik-Debatte dauerte Jahrzehnte — heute müssen Entscheidungen in Wochen fallenHistorical comparison: quantum mechanics debate took decades — today decisions must be made in weeks
  • Vernetzung als Kern: 50 Experten inkl. OpenAI-Mitarbeiter aktiv an gemeinsamen KI-Theorien arbeitendNetworking as core: 50 experts incl. OpenAI employees actively working on shared AI theories
SHIP Summit · 02
Max Reele
VP Engineering · KI-Enablement & PlattformarchitekturVP Engineering · AI Enablement & Platform Architecture
Der SHIP Summit — 200 Teilnehmer, 4 Schwierigkeitsgrade (Grün bis Doppel-Schwarz), 3.000 Produktions-Pushes, 102 Millionen Tokens. Wie man eine Organisation in 3 Tagen neu kalibriert.The SHIP Summit — 200 participants, 4 difficulty levels (Green to Double Black), 3,000 production pushes, 102 million tokens. How to recalibrate an organization in 3 days.
200
Teilnehmer im SHIP SummitParticipants at SHIP Summit
3.000
Produktions-Pushes in 3 TagenProduction pushes in 3 days
102 Mio.
Tokens verbrauchtTokens consumed
730k$
Lizenzkosten durch MVP eingespartLicense costs saved by MVP
"Wir wollten nicht nur experimentieren — KI sollte zur zentralen Fähigkeit aller Mitarbeiter werden.We didn't just want to experiment — AI should become a core capability for every employee."
Key Takeaways
  • SHIP Summit: 3 Tage, 4 Level (Grün bis Doppel-Schwarz), Park City Utah — 3.000 Produktions-Pushes als ErgebnisSHIP Summit: 3 days, 4 levels (Green to Double Black), Park City Utah — 3,000 production pushes as result
  • Infrastruktur: 198 gleichzeitige Workspaces, Auto-Scaling, GitLab-Integration — unter 30 Sekunden bis zum ersten StartInfrastructure: 198 concurrent workspaces, auto-scaling, GitLab integration — under 30 seconds to first start
  • Green-Circle-Teams: durchschnittlich 4 Stunden bis zum ersten Produktions-Push; Doppel-Schwarz: unter 30 MinutenGreen Circle teams: avg 4 hours to first production push; Double Black: under 30 minutes
  • Token-Hypothese: Unbegrenzte Tokens für Anfänger (Lernphase), begrenzte Tokens für Erfahrene — Kosten bewusst steuernToken hypothesis: unlimited tokens for beginners (learning phase), limited for experienced — consciously manage costs
  • MVP-Erfolg: Zweier-Team (Dev + UI-Designer) baute in 2 Wochen Ersatz für lizenziertes Tool — 730.000 USD Lizenzkosten gespartMVP success: 2-person team (dev + UI designer) built replacement for licensed tool in 2 weeks — $730k license costs saved
  • Warnung: Tokenverbrauch ≠ Produktivität — hohe Nutzung kann Lernphasen widerspiegeln, nicht OutputWarning: token consumption ≠ productivity — high usage may reflect learning phases, not output
Amazon · 03
Tim Cochran
Amazon · Developer Experience & KI-AdoptionAmazon · Developer Experience & AI Adoption
Wie Amazon KI als Entwicklerassistenten einführte — ohne Entwickler zu ersetzen. Vier Kern-Lektionen aus einer Adoption-Reise mit dem "AI Litmus Check" als zentralem Messwerkzeug.How Amazon introduced AI as a developer assistant — without replacing developers. Four core lessons from an adoption journey with the "AI Litmus Check" as the central measurement tool.
4
Kern-Lektionen für nachhaltige KI-AdoptionCore lessons for sustainable AI adoption
AI Litmus Check
Misst Entwickler-Interventionen pro TaskMeasures developer interventions per task
"Führungskräfte haben KI oft nicht wegen Unsicherheit oder fehlender Erlaubnis nicht genutzt — sie wussten schlicht nicht, dass sie durften.Leaders often didn't use AI due to uncertainty or lack of permission — they simply didn't know they were allowed to."
Key Takeaways
  • Modell: Entwickler dirigieren KI-Agenten statt selbst zu coden — Fokus auf Wartung & Betrieb, nicht nur NeuentwicklungModel: developers direct AI agents instead of coding themselves — focus on maintenance & ops, not just new development
  • AI Litmus Check: Misst wie viele Entwickler-Interventionen nötig sind — geringe Intervention = echte AutomatisierungsqualitätAI Litmus Check: measures how many developer interventions are needed — low intervention = real automation quality
  • Kulturelle Barriere: Manager wurden geschult, weil Entwickler KI aus Unsicherheit oder gefühltem Verbot nicht nutztenCultural barrier: managers were trained because developers didn't use AI due to uncertainty or perceived prohibition
  • Wertstrom-Analyse: Kleine organische Tools in Plattformfähigkeiten verwandeln — von Team-Helfer zu Organisations-FeatureValue stream analysis: turn small organic tools into platform capabilities — from team helper to org-wide feature
  • Vier Kern-Lektionen: Führung & Community-Building · Kontinuierliche Praxis · Reibungsanalyse · Engineering-Best-PracticesFour core lessons: Leadership & Community-Building · Continuous practice in team context · Friction analysis · Engineering best practices
  • Testautomatisierung als Pflicht: Komponenten-, Vertrags- und E2E-Tests senken Rollback-Rate bei KI-generierten ÄnderungenTest automation as mandatory: component, contract and E2E tests reduce rollback rate for AI-generated changes
Token-Architektur · 04Token Architecture · 04
Brian & Dan
Token-Effizienz & KI-KostenarchitekturToken Efficiency & AI Cost Architecture
Die obersten 10% der Nutzer verbrauchen 50% der Tokens. "Big T Notation" als dezentrales Framework für Token-Effizienz — und wie man 99% der Token durch smarte Datenbankarchitektur einspart.The top 10% of users consume 50% of tokens. "Big T Notation" as a decentralized framework for token efficiency — and how to save 99% of tokens through smart database architecture.
50%
Tokenverbrauch durch Top-10%-NutzerToken consumption by top-10% users
−99%
Token-Reduktion via statische DB-Views (MS Rego)Token reduction via static DB views (MS Rego case study)
60%
Effizienzgewinn JSON vs. CSVEfficiency gain JSON vs. CSV
"Langfristige Bindung an ein Modell über 6 Monate ist riskant — Modelle entwickeln sich schneller als Verträge.Long-term commitment to one model for over 6 months is risky — models evolve faster than contracts."
Key Takeaways
  • Top 10% der Nutzer = 50% des Tokenverbrauchs — Ziel: mehr Nutzer auf dieses Effizienzniveau bringenTop 10% of users = 50% of token consumption — goal: bring more users to this efficiency level
  • "Big T Notation": Teams steuern Token-Effizienz eigenverantwortlich — keine zentrale Kontrolle, aber gemeinsame Sprache"Big T Notation": teams manage token efficiency autonomously — no central control, but shared language
  • Fallstudien: FlexBob −92% Tokens, MS Rego −99% Tokens — durch statische Datenbankansichten statt dynamischer AbfragenCase studies: FlexBob −92% tokens, MS Rego −99% tokens — via static database views instead of dynamic queries
  • Caching als günstigster Hebel — aber Cache-Integrität und Transparenz müssen gewährleistet seinCaching as cheapest lever — but cache integrity and transparency must be guaranteed
  • JSON ist bis zu 60% effizienter als CSV bei Token-Verbrauch — Eingabeformat ist kritischer KostenhebelJSON is up to 60% more efficient than CSV for token consumption — input format is a critical cost lever
  • Open-Source-Modelle nähern sich Frontier-Modellen an — regelmäßige Re-Evaluation der Modellwahl zwingendOpen-source models are approaching frontier models — regular re-evaluation of model choice is mandatory
Vanguard · 05
Delvin McConnell
Vanguard · CTO-Team, KI-Forschung & ProduktoptimierungVanguard · CTO Team, AI Research & Product Optimization
Evolutionäre Algorithmen für automatisierte Prompt-Optimierung, 99% Produktziel-Erfüllung und warum KI-Forschung bei Vanguard direkt in geschäftskritischen Systemen landet.Evolutionary algorithms for automated prompt optimization, 99% product goal fulfillment, and why AI research at Vanguard lands directly in business-critical systems.
99%
Produktziel-Erfüllung durch evolutionäre KIProduct goal fulfillment via evolutionary AI optimization
24/7
Kontinuierlicher Betrieb des SystemsContinuous system operation
<6 Mon.
Halbwertszeit von KI-Ansätzen aktuellHalf-life of AI approaches currently
"Denke von heute aus rückwärts — nicht vorwärts in eine Zukunft, die du nicht kennst.Think backward from today — not forward into a future you don't know."
Key Takeaways
  • Evolutionärer Algorithmus: KI generiert Prompts → LLM bewertet gegen Markenvorgaben → Iteration über viele GenerationenEvolutionary algorithm: AI generates prompts → LLM evaluates against brand guidelines → iterates over many generations
  • 99% Produktzielerfüllung bei moderaten Token-Kosten — deutlich unter erwartetem mehrstelligen Millionenbereich99% product goal fulfillment at moderate token costs — far below the multi-million dollar range expected
  • System läuft 24/7 und ersetzt monatelange manuelle Abstimmungsprozesse in der ProduktentwicklungSystem runs 24/7 and replaces months of manual alignment processes in product development
  • Betrugsbekämpfung als Kernanwendung: Effizienzsteigerung durch KI-gestützte Prompt-Generierung und BewertungFraud prevention as core application: efficiency gains through AI-powered prompt generation and evaluation
  • Technische Agilität: monatliche Modellwechsel (Gemini, Mythos etc.) — hypothesenbasiertes Experimentieren als StandardTechnical agility: monthly model switches (Gemini, Mythos etc.) — hypothesis-based experimentation as standard
  • Governance-Pflicht: Datenschutz und ethische Kontrollen nicht nachgelagert, sondern als Teil des DesignsGovernance imperative: data protection and ethical controls not afterthoughts, but part of the design
Platform Rebuild · 06
Dustin Warner
Platform Engineering · 18-Jahres-Plattform modernisiertPlatform Engineering · 18-Year Platform Modernized
Eine 18 Jahre alte Umfrageplattform — 100.000 Zeilen Code, Excel-Workflows, Copy-Paste-Prozesse — in 90 Tagen mit 30 Ingenieuren neu gebaut. 30–40% des Umsatzes gesichert, $500k Vendor-Kosten eliminiert.An 18-year-old survey platform — 100,000 lines of code, Excel workflows, copy-paste processes — rebuilt in 90 days with 30 engineers. 30–40% of revenue secured, $500k vendor costs eliminated.
90
Tage bis zur ersten produktiven VersionDays to first productive version
30–40%
Gesicherter Umsatzanteil durch Inhouse-PlattformSecured revenue share via in-house platform
500k$
Jährliche Einsparung durch Vendor-UnabhängigkeitAnnual savings through vendor independence
"Warte nicht auf perfekte Tools oder Genehmigungen — starte. Vertrauen entsteht durch Ergebnisse, nicht durch Planung.Don't wait for perfect tools or approvals — start. Trust is built through results, not planning."
Key Takeaways
  • Mission: 18-Jahres-Plattform mit 100.000 Zeilen Code und Excel-Abhängigkeiten in 90 Tagen durch Inhouse-Lösung ersetzenMission: replace 18-year platform with 100k lines of code and Excel dependencies with in-house solution in 90 days
  • KI verschob den Engpass: nicht mehr Entwicklung, sondern Validierung ist der FlaschenhalsAI shifted the bottleneck: development is no longer the constraint — validation is
  • Tägliches Feedback via Slack & Videos — Deployment-Zyklen auf Stunden verkürztDaily feedback via Slack & videos — deployment cycles reduced to hours
  • Handverlesenes Team: 30 Ingenieure, bekannte Gesichter, hohe Eigenverantwortung, keine BürokratieHandpicked team: 30 engineers, familiar faces, high autonomy, no bureaucracy
  • GitHub-Repository mit 20 Jahren Historie als Wissens-Basis — Mermaid-Diagramme, Co-Design-Patterns dokumentiertGitHub repository with 20 years of history as knowledge base — Mermaid diagrams, co-design patterns documented
  • CEO-Rückendeckung schützt Team vor externen Störungen — direkter Zugang zu Business, Produkt, DesignCEO backing shields team from external disruptions — direct access to business, product, design
Wachstumsstrategie · 07Growth Strategy · 07
Ryan & Melissa
KI-Wachstumsstrategie & OrganisationstransformationAI Growth Strategy & Organizational Transformation
50-faches Wachstum in 18 Monaten als realistische Perspektive — wenn Unternehmen KI-Gewinne richtig reinvestieren. Das bidirektionale Lern-Flywheel und warum Parkinson's Gesetz die größte KI-Falle ist.50× growth in 18 months as a realistic prospect — if companies reinvest AI gains correctly. The bidirectional learning flywheel and why Parkinson's Law is the biggest AI trap.
50×
Wachstumspotenzial in 18 Monaten (Fallstudien)Growth potential in 18 months (case studies)
26
Quartale reinvestierte Amazon in Customer ExperienceAmazon reinvested consistently in customer experience
3
Handlungsfelder für KI-TransformationAction fields for AI transformation
"Effizienz ohne Messung ist nur Bewegung — nicht Fortschritt.Efficiency without measurement is just movement — not progress."
Key Takeaways
  • 50-faches Wachstum in 18 Monaten ist keine Übertreibung — Fallstudien aus 10 Jahren zeigen diese Skala50× growth in 18 months is no exaggeration — case studies from 10 years show this scale
  • Drei Wege mit KI-Gewinnen: Abschöpfen (kurzfristig) · Ignorieren (riskant) · Reinvestieren (nachhaltig)Three ways to handle AI gains: Harvest (short-term) · Ignore (risky) · Reinvest (sustainable)
  • Parkinson's Gesetz als Falle: Ohne klare Messung dehnt sich Arbeit aus — Zeitrahmen radikal kürzenParkinson's Law trap: without clear measurement, work expands to fill available time — radically shorten timeframes
  • Bidirektionales Lern-Flywheel: Frontline-Insights → KI bündelt & dokumentiert → AI Activation Hubs → zurück in TeamsBidirectional learning flywheel: Frontline insights → AI bundles & documents → AI Activation Hubs → back to teams
  • Drei Handlungsfelder: KI-reaktives Org-System aufbauen · Persönliche Verstärkung fördern · Beide parallel steuernThree action fields: Build AI-reactive org system · Foster personal amplification · Manage both in parallel
  • Hackathon-Erkenntnis: Gewinner kamen aus allen Berufen — Jurist, Kardiologe, Musiker, Ingenieur, EntwicklerHackathon insight: winners came from every profession — lawyer, cardiologist, musician, engineer, developer
OpenAI · 08
Joe Beutler
OpenAI · Enterprise KI-Adoption & AgentenarchitekturOpenAI · Enterprise AI Adoption & Agent Architecture
Wie OpenAI sich selbst transformiert: Finanzteam mit nur 20% der üblichen Größe, "Ask–Assist–Automate"-Framework, T-Mobile mit 60% automatisierten Kundeninteraktionen.How OpenAI transforms itself: finance team at only 20% of typical size, "Ask–Assist–Automate" framework, T-Mobile with 60% automated customer interactions, and why every agent needs a clear owner.
20%
OpenAIs Finanzteam vs. vergleichbare UnternehmenOpenAI finance team size vs. comparable companies
60%
T-Mobile Kundeninteraktionen automatisiertT-Mobile customer interactions automated
3
Rollen pro KI-Agenten-TeamRoles per AI agent team (Domain + AI + Dev)
"Governance und Transformation dürfen nicht von derselben Person gesteuert werden — das erzeugt Interessenskonflikte.Governance and transformation must not be steered by the same person — that creates conflicts of interest."
Key Takeaways
  • OpenAI intern: Finanzteam mit nur 20% normaler Größe dank KI-Automatisierung — PwC Benchmark bestätigtOpenAI internally: finance team at only 20% of normal size thanks to AI automation — PwC benchmark confirmed
  • "Ask–Assist–Automate": Read-only → Vorschläge mit Menschenfreigabe → vollständige Automatisierung von Standardfällen"Ask–Assist–Automate": read-only → suggestions with human approval → full automation of standard cases
  • T-Mobile: 60% der Kundeninteraktionen in 3-Milliarden-Dollar-Kontaktzentrum bereits automatisiertT-Mobile: 60% of customer interactions in $3B contact center already automated
  • Drei Rollen pro Agent: Domänenexperte (Prozesswissen & Qualität) + KI-Spezialist + SoftwareentwicklerThree roles per agent: domain expert (process knowledge & quality) + AI specialist + software developer
  • No-Code-Agenten-Plattform als strategisches Produkt: Governance, Tests, Sicherheit automatisch einhaltenNo-code agent platform as strategic product: governance, tests, security automatically maintained
  • Agenten-Manager als neuer Beruf: Agenten brauchen kontinuierliche Pflege, Qualitätskontrolle und AnpassungAgent manager as new profession: agents need continuous maintenance, quality control, and adaptation
US Navy · 09
Collin Fox
US Navy · Chief Strategy Officer, Task Force Hopper
KI auf Kriegsschiffen ohne Cloud-Verbindung: Task Force Hopper modernisiert 40 Jahre alte Radarsysteme mit generativer KI auf eigenständigen Laptops. Das Fleetworks-Programm macht Matrosen zu Entwicklern.AI on warships without cloud connection: Task Force Hopper modernizes 40-year-old radar systems with generative AI on standalone laptops. The Fleetworks program turns sailors into developers.
15
Fest zugewiesene Mitarbeiter in Task Force HopperDedicated members in Task Force Hopper
40 Jahre
Alter des Spy-Radars auf USS ChafeeAge of the Spy radar on USS Chafee
Air-Gap
Systeme ohne Cloud-Verbindung, am NetzwerkrandSystems without cloud connection, at network edge
"Technologie muss immer einem menschlichen Zweck dienen — und im Krieg bedeutet das: Einsatzbereitschaft sichern.Technology must always serve a human purpose — and in war that means: ensuring readiness."
Key Takeaways
  • Task Force Hopper: 15 Personen, Start-up-Modus mit staatlicher Finanzierung, initiiert von Drei-Sterne-AdmiralTask Force Hopper: 15 people, startup mode with government funding, initiated by three-star admiral
  • Spy-Radar-Wartung: Generative KI auf eigenständigem Laptop mit Open-Source-Modellen — kein Cloud-Zugang nötigSpy radar maintenance: generative AI on standalone laptop with open-source models — no cloud access needed
  • Bilddatenanalyse von Hubschraubern: KI kategorisiert & verarbeitet direkt an Bord, spart Bandbreite, verkürzt ReaktionszeitHelicopter image data analysis: AI categorizes & processes directly on board, saves bandwidth, shortens response time
  • Air-Gap-Systeme: Schiffe können keine Cloud-Technologien nutzen — robuste, autonome Lösungen sind PflichtAir-gap systems: ships cannot use cloud technologies — robust, autonomous solutions are mandatory
  • Fleetworks-Programm: Erfahrene Matrosen werden zu Softwareentwicklern ausgebildet — militärisches Fachwissen + Tech-KompetenzFleetworks program: experienced sailors trained as software developers — military expertise + tech competence
  • Ukraine-Lektion: Software-Updates können alte Plattformen (Flugzeugträger, Schiffe) signifikant aufwertenUkraine lesson: software updates can significantly upgrade old platforms (carriers, ships) — rapid adaptation is survival
Research · 10
Annie Vella
Developer Experience Research · Selbstwirksamkeit & KI-ProduktivitätDeveloper Experience Research · Self-Efficacy & AI Productivity
Eine longitudinale Studie mit 158 Entwicklern aus 28 Ländern: Selbstwirksamkeit macht Entwickler 10× wahrscheinlicher produktiv durch KI — aber 90% Adoption führt nur bei 5% zu echter Produktivitätssteigerung.A longitudinal study with 158 developers from 28 countries shows: self-efficacy makes developers 10× more likely to be productive with AI — but 90% adoption leads to real productivity gains for only 5%.
10×
Wahrscheinlicher produktiv bei hoher SelbstwirksamkeitMore likely productive with high self-efficacy
90% / 5%
KI-Adoption vs. fortgeschrittene NutzungAI adoption, but only 5% advanced usage
28 Länder
Longitudinale Studie, 158 TeilnehmerLongitudinal study with 158 participants
84% / 27%
Produktivitätssteigerung vs. schlechteres GefühlReport productivity gain but feel worse as developers
"84% berichten Produktivitätssteigerung — aber 27% fühlen sich gleichzeitig schlechter als Entwickler. Das ist kein Widerspruch, das ist ein Systemdesign-Problem.84% report productivity gains — but 27% simultaneously feel worse as developers. That's not a contradiction, that's a system design problem."
Key Takeaways
  • Selbstwirksamkeit (Bandura): Vertrauen, schwierige Aufgaben erneut bewältigen zu können — 10× ProduktivitätskorrelationSelf-efficacy (Bandura): confidence to master difficult tasks again — 10× productivity correlation
  • 1,4 Millionen Prompts von 2.500 Mitarbeitern analysiert: 90% Adoption, aber nur 5% fortgeschrittene Nutzung1.4 million prompts from 2,500 employees analyzed: 90% adoption, but only 5% advanced usage
  • Junior-Entwickler und private KI-Nutzer zeigen höhere Selbstwirksamkeit — Kontext entscheidet, nicht DemographieJunior developers and personal AI users show higher self-efficacy — context decides, not demographics
  • Spezialisierungsfalle: Zu enge Rollen lassen KI als Bedrohung erscheinen, nicht als VerstärkerSpecialization trap: overly narrow roles make AI appear as threat, not amplifier
  • Empfehlung: Entwickler in Support-Calls, Kunden-Meetings und On-Call einbinden — breite Erfahrung baut SelbstwirksamkeitRecommendation: include developers in support calls, customer meetings, and on-call — broad experience builds self-efficacy
  • Vier Quellen der Selbstwirksamkeit (Bandura): Eigene Erfolge · Beobachtung ähnlicher Personen · Verbale Ermutigung · Emotionale ZuständeBandura's four sources of self-efficacy: Personal achievements · Observing similar people · Verbal encouragement · Emotional states
Nubank · 11
Cat Swetel
Nubank · VP Engineering, 130 Mio. KundenNubank · VP Engineering, 130M Customers
Nubank mit 130 Millionen Kunden und "AI-first New Bank"-Strategie. "Blob"-Teams, automatisiertes AWS-Limit-Monitoring und die Vision, 500 Millionen Menschen in 4 Jahren Zugang zur digitalen Wirtschaft zu geben.Nubank with 130 million customers and "AI-first New Bank" strategy. "Blob" teams, automated AWS limit monitoring, and the vision to give 500 million people access to the digital economy in 4 years.
130 Mio.
Kunden (12 Jahre Wachstum)Customers (12 years of growth)
500 Mio.
Menschen in 4 Jahren mit digitalem Wirtschaftszugang (Ziel)People in 4 years with digital economic access (goal)
3–4
Engineers täglich entlastet durch automatisiertes MonitoringEngineers relieved daily by automated monitoring
"Nicht fragen, wie die Zukunft aussieht — fragen, wie wir heute optimal aufgestellt wären, wenn wir neu gründen würden.Don't ask what the future looks like — ask how we'd be optimally positioned today if we were starting fresh."
Key Takeaways
  • "Blob"-Teams: Flexible Teamstrukturen die Teile ausgliedern oder integrieren je nach Bedarf — keine starren Grenzen"Blob" teams: flexible team structures that spin off or integrate parts as needed — no rigid boundaries
  • AWS-Limit-Monitoring automatisiert: 3–4 Ingenieure täglich entlastet, Ressourcen für neue KI-Anforderungen freiAWS limit monitoring automated: 3–4 engineers relieved daily, resources freed for new AI requirements
  • KI-Journey 2022–2024: Begeisterung → Enttäuschung → Ernüchterung → "Mit der Welle reiten"AI journey 2022–2024: Enthusiasm → Disappointment → Disillusionment → "Riding the wave"
  • CEO-Direktive "AI-first New Bank" erzeugte Spannung — Führungsaufgabe ist Kontextualisierung, nicht Visionen predigenCEO directive "AI-first New Bank" created tension — leadership task is contextualization, not preaching visions
  • SQL-Migration: KI-gestützte Optimierung sparte Millionen bei Anbieterwechsel in 8 MonatenSQL migration: AI-powered optimization saved millions during vendor switch in 8 months
  • Vision: 500 Millionen Menschen in 4 Jahren Zugang zur digitalen Wirtschaft — KI als DemokratisierungswerkzeugVision: 500 million people accessing the digital economy in 4 years — AI as democratization tool
Open-Source · 12
Adrian Cockcroft
Vormals AWS, Netflix · Open-Source & AgentenarchitekturFormerly AWS, Netflix · Open-Source & Agent Architecture
150.000 Zeilen Python mit Agenten, "RICO Paperclip" für Zero-Manager-Unternehmen und "Retort" — ein statistisches Evaluationssystem für Technologie-Stacks. Kontinuierliches Experimentieren als Überlebensstrategie.150,000 lines of Python with agents, "RICO Paperclip" for zero-manager companies, and "Retort" — a statistical evaluation system for tech stacks. Continuous experimentation as survival strategy.
150k
Zeilen Python mit Agenten entwickeltLines of Python developed with agents
50.000
GitHub-Sterne für RICO Paperclip in 4 WochenGitHub stars for RICO Paperclip in 4 weeks
1 Tag
Retort-Prototyp mit Gas Tank + Claude gebautRetort prototype built with Gas Tank + Claude
"Wer zu lange wartet, implementiert veraltete Lösungen. Die Kosten des Nicht-Experimentierens sind höher als die Kosten des Scheiterns.Waiting too long means implementing outdated solutions. The cost of not experimenting exceeds the cost of failure."
Key Takeaways
  • Kontinuierliches Experimentieren als Strategie: Schlechte Ideen schnell und günstig verwerfen — Raum für gute schaffenContinuous experimentation as strategy: discard bad ideas quickly and cheaply — create space for good ones
  • "RICO Paperclip": Open-Source-Projekt für Zero-Employee-Unternehmen — 50.000 GitHub-Sterne in 4 Wochen"RICO Paperclip": open-source project for zero-employee companies — 50,000 GitHub stars in 4 weeks
  • "Retort": Statistisches Evaluationssystem (Design-of-Experiments) für Tech-Stacks — Prototyp in 1 Tag gebaut"Retort": statistical evaluation system (design-of-experiments) for tech stacks — prototype built in 1 day
  • Entwicklerrolle wandelt sich: Vom Coder zum Plattform-Builder der Produktmanager befähigt — APIs ersetzen Ticket-SystemeDeveloper role shifting: from coder to platform builder enabling product managers — APIs replace ticket systems
  • 150.000 Zeilen Python mit Agenten — Code als Lernbasis, nicht als fertiges Produkt; Iteration ist der Wert150,000 lines of Python with agents — code as learning base, not finished product; iteration is the value
  • One-Person-Company Vision: Gas Tank + Automatisierung = kompetitive Micro-Unternehmen ohne klassische StrukturenOne-person-company vision: Gas Tank + automation = competitive micro-companies without classic structures
XP · 13
Kent Beck
Erfinder von Extreme Programming (XP) · Software-PhilosophieInventor of Extreme Programming (XP) · Software Philosophy
"Nobody knows" als Grundprinzip. Optionalität als Messgröße für Systemgesundheit. Und warum jedes neue Feature die Zukunft des Systems einengt — wenn man nicht aktiv gegensteuert."Nobody knows" as fundamental principle. Optionality as measure of system health. And why every new feature narrows the system's future — unless you actively push back.
Optionalität
Kernmessgröße für nachhaltige SystementwicklungCore measure for sustainable system development
"Going Solid"
Zustand wenn keine Änderungen mehr möglich sindState when no more changes are possible
"Niemand weiß wirklich was er tut — und das ist kein Problem, das ist die Chance.Nobody really knows what they're doing — and that's not a problem, that's the opportunity."
Key Takeaways
  • "Nobody knows": Unsicherheit akzeptieren als Wettbewerbsvorteil — wer Neugier vertraut, verwirft schlechte Ideen schnell"Nobody knows": accepting uncertainty as competitive advantage — trust curiosity, discard bad ideas fast
  • Optionalitäts-Konzept: Jedes neue Feature reduziert zukünftige Änderungsoptionen — aktive Gegenmassnahmen nötigOptionality concept: every new feature reduces future change options — active countermeasures needed
  • "Going Solid": System-Zustand ohne Änderungsmöglichkeit — vermeidbar durch bewusste Investition zwischen Features"Going Solid": system state with no more changeability — preventable through deliberate investment between features
  • Zwischen Features: Zeit in Systemstruktur, Tests, Dokumentation und Deployment investieren — nicht nur CodeBetween features: invest time in system structure, tests, documentation and deployment — not just code
  • XP-Renaissance: Augmented Development braucht soziale Sicherheit für fachübergreifende Gespräche — Führung muss das schaffenXP renaissance: augmented development needs psychological safety for cross-functional conversations — leadership must create this
  • Führungskräfte müssen aktiv Kommunikations-Kultur schaffen — sonst bleiben Erfolge lokal und skalieren nichtLeaders must actively create communication culture — otherwise successes stay local and don't scale
Compliance · 14
Tapabrata Pal
Financial Services · Engineering Leadership & Compliance
Merge-Konflikte kosten Entwickler 2 Tage, Cognition AI wirft 90% des Codes wöchentlich weg, und die Halbwertszeit von KI-Ansätzen ist unter 6 Monate gesunken. Wie Compliance in dieser Welt noch funktioniert.Merge conflicts cost developers 2 days, Cognition AI discards 90% of code weekly, and the half-life of AI approaches has dropped below 6 months. How compliance still works in this world.
2 Tage
Entwickler mit Merge-Konflikten blockiertDevelopers blocked by merge conflicts
90%
Code-Verwerfrate bei Cognition AI wöchentlichCode discard rate at Cognition AI weekly
<6 Mon.
Halbwertszeit aktueller KI-TechnologieansätzeHalf-life of current AI technology approaches
"Als Führungskraft nicht alle Antworten zu haben ist kein Fehler — das ist der Ausgangspunkt für ehrliche Gespräche.Not having all the answers as a leader isn't a failure — it's the starting point for honest conversations."
Key Takeaways
  • Halbwertszeit von KI-Ansätzen unter 6 Monate — alte Prozesse für Code-Review, Scans, Release-Orchestrierung funktionieren nicht mehrHalf-life of AI approaches below 6 months — old processes for code review, scans, release orchestration no longer work
  • Merge-Konflikte als unterschätztes Problem: Entwickler verbringen bis zu 2 Tage damit, schreiben lieber neuMerge conflicts as underestimated problem: developers spend up to 2 days on them, prefer to rewrite from scratch
  • "Throwaway Code"-Modell: 90% wöchentlich weg wie bei Cognition AI — erfordert neue Compliance-Strukturen"Throwaway code" model: 90% discarded weekly like at Cognition AI — requires new compliance structures
  • Auditoren akzeptieren automatisierte Pull-Request-Kontrollen als gleichwertig zu manuellen KontrollenAuditors accept automated pull-request controls as equivalent to manual controls
  • Formale Methoden als Zukunftspotenzial — erste Tests zeigen gemischte Ergebnisse, Akzeptanz im Team noch aufzubauenFormal methods as future potential — first tests show mixed results, team acceptance still to be built
  • Führungsphilosophie: Unsicherheit als Doktorand-Modus — Suchen nach Problemen statt Antworten vorspiegelnLeadership philosophy: uncertainty as PhD mode — searching for problems instead of pretending to have answers
Closing · 15
Gene Kim
Konferenzorganisator · Abschluss Tag 2Conference Organizer · Day 2 Closing
In 9 Wochen geplant, ohne Agenda bei Anmeldung — und trotzdem volles Vertrauen der Community. Gene Kim reflektiert auf 2 Tage Summit und die Frage: was kommt als nächstes?Planned in 9 weeks, without an agenda at registration — and still full community trust. Gene Kim reflects on 2 days of Summit and the question: what comes next?
9 Wochen
Konferenz vollständig geplantConference fully planned
2 Tage
Enterprise AI Summit 2026Days of Enterprise AI Summit 2026
"Ihr habt uns vertraut ohne Agenda — das ist das stärkste Signal, das diese Community senden kann.You trusted us without an agenda — that's the strongest signal this community can send."
Key Takeaways
  • Veranstaltung in 9 Wochen geplant — ohne veröffentlichte Agenda bei der Anmeldung, trotzdem volle TeilnahmeEvent planned in 9 weeks — without a published agenda at registration, full participation nonetheless
  • Aufzeichnungen erscheinen zeitnah in der Video-BibliothekRecordings coming soon to the video library
  • Feedback-Umfrage geht nach Veranstaltung raus — Tempo und Format auf dem PrüfstandFeedback survey going out after event — pace and format under review
  • Vision für häufigere, kleinere Events (quartalsweise) basierend auf Community-FeedbackVision for more frequent, smaller events (quarterly) based on community feedback
  • Sponsoren gewürdigt: Fitlab, Coder, Kilo, Lucid Toast, Prep, ZolSponsors recognized: Fitlab, Coder, Kilo, Lucid Toast, Prep, Zol
  • Community als Multiplikator: Teilnehmer gebeten, Erfahrungen auf LinkedIn/Twitter zu teilenCommunity as multiplier: participants asked to share experiences on LinkedIn/Twitter