Tag 2Day 2

Gene Kim zeigt an seinem eigenen Wochenendprojekt, wie niedrig die Einstiegshürde für den Ersatz von SaaS-Werkzeugen mit KI geworden ist, und benennt die offenen Fragen, auf die noch niemand eine Antwort hat. Er argumentiert, dass Durchbrüche wie in der Physik der 1920er aus Gemeinschaften entstehen, in denen sich Wissen schnell verbreitet, und will die Hürde für Erfahrungsberichte senken.Gene Kim uses his own weekend project to show how low the barrier to replacing SaaS tools with AI has become, and lays out the open questions nobody can answer yet. He argues that breakthroughs, as in 1920s physics, come from communities where knowledge spreads fast, and wants to lower the barrier to sharing experience reports.

Wir wissen, dass es möglich ist, Kunden um zwei Größenordnungen schneller Wert zu liefern.We know that it's possible to get two orders of magnitude more speed to deliver value to customers.

Owen Parker und Kurtis Cochran zeigen, wie ein Nierenpathologie-Labor mit 250 Mitarbeitenden in unter zwei Jahren mit einem Engineering- und Datenteam von weniger als sechs Personen Abrechnung, Befund-App, Laborprozesse und eigene Modelle selbst gebaut hat. Sie argumentieren, dass Effizienz-KI nur Grundausstattung ist und der eigentliche Wert im Neubau von Kernprozessen und in Greenfield-Projekten liegt.Owen Parker and Kurtis Cochran show how a 250-person kidney pathology lab built billing, its physician app, lab workflows and its own models in-house in under two years, with an engineering and data team of fewer than six for most of it. They argue that efficiency AI is table stakes and the real value lies in rebuilding core processes and in greenfield work.

Habt keine Angst, eure Fachexperten unterwegs selbst Lösungen finden zu lassen.Don't be afraid to let your subject matter experts come up with solutions along the way.

JD Black argumentiert, dass agentische KI in missionskritischer Entwicklung mehr Rigorosität braucht, nicht weniger: Architektur als Code in SysML v2, explizite deterministische Workflows und menschliche Freigabe-Gates. Bei Northrop Grumman entsteht so Geschwindigkeit durch Rigorosität – ein Team von sieben Leuten baut Alternativen zu kommerzieller Standardsoftware in Wochen.JD Black argues that agentic AI in mission-critical engineering needs more rigor, not less: architecture as code in SysML v2, explicit deterministic workflows and human gates. At Northrop Grumman this turns rigor into speed, with a team of seven building alternatives to commercial off-the-shelf software in weeks.

Wir erreichen Geschwindigkeit durch Strenge.For us, we achieve speed through rigor.

Kevan Mordan und Kenny Slater zeigen, wie ein sechsköpfiges Rise8-Team mit KI in sechs Wochen ein TAK-Plugin gebaut hat, das für Personnel-Recovery-Einsätze Gebäude auf Luftbildern erkennt und beschriftet – komplett offline auf älteren Android-Phones und Windows-Laptops. Sie argumentieren, dass KI die Mechanik übernimmt, damit Menschen sich auf das Missionsproblem konzentrieren: Ein großes urbanes GRG dauert statt über acht Stunden nur noch wenige Minuten.Kevan Mordan and Kenny Slater show how a six-person Rise8 team used AI to build, in six weeks, a TAK plugin that detects and labels buildings on overhead imagery for personnel recovery – fully offline on older Android phones and Windows laptops. They argue that AI takes over the mechanics so people can focus on the mission problem, cutting a large urban GRG from more than eight hours to a couple of minutes.

Der Wert war nie die KI. Der Wert sind die Minuten, die der Operator für die Vorbereitung der Mission zurückbekommt.The value here was never the AI. The value is the minutes handed back to the operator preparing for the mission.

Topo Pal zeigt, dass GenAI bei M&T Bank breit genutzt wird und Arbeit von Wochen auf Tage verkürzt, Pipelines, Prozesse und Kunden aber noch nicht für 100-fachen Durchsatz bereit sind. Er argumentiert gegen verfrühte Standardisierung und Demo-Euphorie: Schneller Code ist noch keine schnelle Auslieferung, und Agenten ersetzen keine Erfahrung.Topo Pal shows that GenAI is widely used at M&T Bank and shrinks work from weeks to days, while pipelines, processes and customers are not yet ready for 100x throughput. He argues against premature standardization and demo euphoria: speed of code is not speed of delivery, and agents do not replace experience.

Der Agent hat mich bei den Dingen schneller gemacht, die ich schon verstand. Expertise für das, was ich nicht zu hinterfragen wusste, gab er mir nicht.The agent made me faster at the things I already understood. It did not grant me expertise in the things I did not know to question.

John Rauser zeigt AMOS, sein Agentic Management Operating System bei Cisco, in vier Stufen: von persönlicher Wissensbasis und Agenten-Toolkit über eigene Apps und Schreibtisch-Hardware bis zu gemeinsamen Diensten für Kundendaten, Change-Reviews und Prognosen. Er argumentiert, dass Führungskräfte solche Systeme selbst bauen müssen, denn Coder und Produkte haben ihr 10x schon bekommen, das Management noch nicht.John Rauser presents AMOS, his Agentic Management Operating System at Cisco, in four levels: from a personal knowledge base and agent toolkit to custom apps, desk hardware and shared services for customer records, change reviews and forecasts. He argues that leaders have to build such systems themselves, because coders and products already got their 10x and management has not.

Ich habe zehnmal mehr Zeit zum Nachdenken, weil ich nicht mehr durch dieses Meer aus Tabs suchen muss.I get to spend 10x more time thinking because I don't have to go searching through that sea of tabs.

Philipp Göllner und Gene Kim zeigen, wie ein kleines XALT-Team die Chief-of-Staff-App dieser Konferenz gebaut hat, indem es den gesamten Entwicklungsfluss einem Orchestrator mit parallelen Sub-Agents übergab – auf einem DevOps-Fundament mit Tausenden automatisierten Tests. Göllner argumentiert, dass sich der Engpass danach ins Review verlagert, und löst ihn, indem der Backlog nach Risiko getrennt wird und risikoarme Änderungen per 20-Sekunden-Film freigegeben werden.Philipp Göllner and Gene Kim show how a small XALT team built this conference's Chief of Staff app by handing the whole development flow to an orchestrator with parallel sub-agents, on top of a DevOps foundation with thousands of automated tests. Göllner argues that the bottleneck then moves to review, and addresses it by splitting the backlog by risk and approving low-risk changes via a 20-second film.

Niemand liest fünftausend Zeilen Code in einem PR und versteht, was er tut.Nobody reads five thousand lines of code in PR and figures out what it does.

Nicky Pike argumentiert, dass die Frage nach der Herkunft eines Modells („Nutzen wir chinesische KI?“) wenig über sein Risiko aussagt, und betrachtet ein Modell stattdessen wie ein Haus mit drei Schichten: Verkabelung (was in die Gewichte trainiert wurde), Bauunternehmer (was mit den Dateien mitkommt) und Türen (was rein- und rausdarf). Weil sich die Verkabelung nie vollständig prüfen lässt, empfiehlt er, das Modell als austauschbares Teil hinter einem zentralen Gateway zu betreiben.Nicky Pike argues that asking where a model comes from ("Are we using any Chinese AI?") says little about its risk, and instead inspects a model like a house with three layers: wiring (what was trained into the weights), contractor (what ships alongside the files) and doors (what can get in and out). Because the wiring can never be fully verified, he recommends running the model as a replaceable part behind a single gateway.

Lass das Modell das Teil sein, das du austauschst.Let the model be the part that you replace.

Justin McCarthy argumentiert, dass in einer Software Factory, in der Menschen keinen Code mehr schreiben oder lesen, die Validierung das eigentliche Produkt ist – wie die Spritzgussform, nicht das Kunststoffgranulat. Für den „Tag 2“ danach beschreibt er sieben Muster, die er bei Teams im Rollout beobachtet hat, und warnt vor einer Produktionsschwemme, solange niemand eine „Demand Factory“ baut.Justin McCarthy argues that in a software factory where humans no longer write or read code, validation is the real product – like the injection mold rather than the plastic pellets. For the "day 2" that follows, he lays out seven patterns he has seen in teams rolling this out and warns of a production glut unless someone builds a "demand factory".

Wenn du keine Validierung hast, hast du gar nichts.If you don't have validation, you don't have anything.

James Wickett argumentiert, dass AI Software Factories die klassische AppSec aushebeln: Die meisten Schwachstellen in KI-generiertem Code sind Logik- und Autorisierungsfehler, die Pattern-Matching-Tools nicht finden, und der Bedarf an Verifikation wächst proportional zur Generierung. Als Ausweg zeigt er adversariales Code-Review mit Security Context Graph als „Paved Road“, der auch Agenten folgen können, und stellt dazu ein Reifegradmodell vor.James Wickett argues that AI software factories have broken traditional AppSec: most flaws in AI-generated code are logic and authorization bugs that pattern-matching tools miss, and demand for verification grows in proportion to generation. As a way out he presents adversarial code review backed by a security context graph as a paved road that agents can follow too, along with a maturity model.

Die meisten Sicherheitslücken, die KI-Coding-Agenten erzeugen, sind mit herkömmlichen Mitteln nicht zu erkennen.Most of the security vulnerabilities that the AI coding agents are making are undetectable by traditional means.

Andrew Stellman zeigt, dass KI-Code Anforderungen und Tests erfüllen und trotzdem die eigentliche Absicht verfehlen kann, und greift dafür auf klassisches Qualitätsengineering von Deming, Juran und Crosby zurück. Sein Open-Source-Skill Quality Playbook rekonstruiert diese Absicht aus Doku, Diskussionen und Nutzer-Issues und hat damit jahrelang unentdeckte Fehler etwa in Gson und im Linux-Kernel gefunden.Andrew Stellman shows that AI-written code can satisfy its requirements and tests while still missing the actual intent, and turns to classic quality engineering from Deming, Juran and Crosby to close that gap. His open-source skill Quality Playbook reconstructs that intent from docs, discussions and user issues, and has found long-standing bugs in projects such as Gson and the Linux kernel.

Qualitätsengineering heißt, den Nutzern zuzuhören und sicherzustellen, dass es für den Zweck taugt.Quality engineering means listening to your users, making sure it's fit for purpose.

Jeff Gallimore und Topo Pal erklären, warum KI-Nutzung, Adoption und Produktivität steigen, sich aber kaum in Umsatz und Gewinn zeigen: Gemessen wird Fähigkeit statt Geschäftsergebnis. Ihr Paper argumentiert, dass der Wert von KI in den Optionen liegt, die frei gewordene Kapazität schafft, und dass Führung diese Kapazität bewusst verteilen, eng messen und die Durststrecke finanzieren muss.Jeff Gallimore and Topo Pal explain why AI usage, adoption and productivity are rising while barely showing up in revenue and profit: organizations measure capability instead of business outcomes. Their paper argues that AI's value lies in the options freed capacity creates, and that leaders must allocate that capacity deliberately, measure narrowly and fund the dip.

Fähigkeit zu messen ist sehr bequem. Zu messen, ob daraus tatsächlich ein Ergebnis entstanden ist, ist überhaupt nicht bequem.Measuring capability is really comfortable. Measuring whether it actually created an outcome is not comfortable at all.

Elisabeth Hendrickson nutzt Werkzeuge aus ihrem Buch „Signals & Levers“ (mit Joel Tosi), um zu erklären, warum nur wenige Organisationen mit KI schneller und verlässlicher liefern, während die meisten Schwankungen oder Verschlechterung erleben. Sie argumentiert, dass Softwareauslieferung ein adaptives soziotechnisches System ist, das zurückstößt, und dass es Guardrails, Experimente und Messung echter Ergebnisse statt Proxy-Metriken braucht.Elisabeth Hendrickson applies tools from her book Signals & Levers (with Joel Tosi) to explain why only a few organizations ship faster and more reliably with AI while most see volatility or degradation. She argues that software delivery is an adaptive sociotechnical system that pokes back, and that it takes guardrails, experiments and measuring real outcomes instead of proxy metrics.

Wer behauptet, es sicher zu wissen, ist entweder wahnhaft oder will einem wirklich etwas verkaufen.Anybody who tells you that they know for sure, they're either delusional or they're really trying to sell you something.

Joe Beutler leitet aus fünf Gesprächen mit Führungskräften im letzten Monat fünf typische Fehler bei KI im Unternehmen ab: die Strategie eines anderen kopieren, Nutzen ohne Plan versprechen, alles selbst bauen wollen, bei Engineering stehen bleiben und alle Teams auf eine Pflichtplattform warten lassen. Er argumentiert, dass 2026–27 das Fenster ist, in dem KI noch Marktanteile gewinnt, bevor sie ab 2028 nach seiner Prognose Pflicht wird.Joe Beutler draws five common enterprise AI mistakes from five executive conversations in the last month: copying a peer's strategy, promising value without a plan, insisting on building everything, stopping at engineering, and making every team wait for one mandatory platform. He argues that 2026–27 is the window in which AI can still win market share before, by his forecast, it becomes table stakes from 2028.

Man muss investieren, solange es einem noch Marktanteile bringen kann.You need to invest while it can still win you market share.

Gene Kim schließt den Summit mit einem Rückblick: Ziel der letzten zwei Jahre war es, die Menschen zusammenzubringen, die KI und Vibe Coding am konsequentesten für Unternehmensziele einsetzen, ICs ebenso wie Technologie-Führungskräfte. Mit Brian Enos Begriff „Scenius“ beschreibt er, was die zwei Tage in Charlotte ausgemacht hat: Durchbrüche entstehen in einer Szene, nicht beim einsamen Genie.Gene Kim closes the summit with a recap: the goal over the last two years was to assemble the most switched-on people using AI and vibe coding to advance enterprise goals, both ICs and technology leaders. Using Brian Eno's term "scenius", he describes what defined the two days in Charlotte: breakthroughs emerge from a scene, not from lone geniuses.