Kaum ein Thema wird in diesen Tagen so kontrovers diskutiert wie der "agentische Shift" beim Coding. Anstatt Zeile für Zeile zu schreiben, sollen Coder die Erstellung von Software über Agenten orchestrieren.
Salesforce liefert nun eigene Zahlen, die den Wandel belegen sollen. Laut einem Beitrag von Salesforce’ Engineering-Chef Srinivas Tallapragada hat die Firma ihre gesamte Entwicklungsorganisation auf agentische Arbeitsabläufe umgestellt.
Die zentrale Maßnahme: eine organisationsweite Standardisierung auf Anthropics Claude Code als primäres KI-Agenten-Tool, verbunden mit der Aufhebung sämtlicher Token-Limits für alle Entwickler.
Für den April 2026 berichtet Salesforce eine deutliche Effizienzsteigerung gegenüber dem Vorjahresmonat: Die Zahl der abgeschlossenen Arbeitspakete pro Entwickler sei um 50,8 Prozent gestiegen, die Zahl der zusammengeführten Pull-Requests pro Entwickler um 79 Prozent.
Ein ML-basierter "Effective Output Score", der den tatsächlichen Wert des gelieferten Codes messen soll, habe sich um 151,3 Prozent verbessert. Unabhängig überprüfbar sind diese Zahlen nicht.
Mehr Output bei weniger Fehlern
Die naheliegende Frage, ob bei so viel Geschwindigkeit die Qualität leidet, beantwortet Salesforce mit einem Verweis auf die eigene Monitoring-Plattform Engineering 360: Trotz der gestiegenen Zahl an Pull-Requests seien die Incidents um fünf Prozent gesunken. Sicherheits-Guardrails und Qualitätsstandards seien strukturell in den agentischen Workflow eingebettet. Externe Audits legt Salesforce nicht vor.
"Wenn agentische Werkzeuge richtig eingesetzt werden, leidet die Qualität nicht unter der Geschwindigkeit. Sie profitiert davon", schreibt Tallapragada. Laut Salesforce entwickeln die Ingenieure inzwischen eigene agentische Workflows, statt nur vorhandene Tools zu nutzen.
Sogenannte Claude-Code-Skills, also wiederverwendbare Fähigkeiten, die Teamkontext, Namenskonventionen und Workflow-Muster kodieren, seien zu einer neuen Art von Engineering-Artefakt geworden. Ergänzend habe Salesforce eine kuratierte Bibliothek namens "AI Expert Suite" und "Salesforce Foundation Plugins" aufgebaut, die allen Entwicklern als gemeinsame Grundlage diene.
Subagenten und Agenten-Teams, also spezialisierte KI-Agenten, die parallele Workstreams innerhalb einer größeren Aufgabe bearbeiten, veränderten die Art, wie komplexe Arbeit zerlegt werde. Ein Entwickler müsse nicht mehr zwischen fünf Systemen hin- und herspringen, sondern beschreibe das gewünschte Ergebnis, während koordinierte Agenten die einzelnen Schritte übernähmen.
API-Migration in 13 statt 231 Tagen
Als konkretes Beispiel führt Salesforce die Migration von 33 API-Endpoints auf eine neue Cloud-native-Architektur an. Auf herkömmlichem Weg hätte die Aufgabe laut Unternehmensschätzung rund 231 Personentage verschlungen. Mit einem regelbasierten Framework auf Basis von Claude, das Markdown-Dateien und Referenz-Implementierungen nutzte, sei die Migration in 13 Tagen abgeschlossen worden, also 18-mal schneller.
Das Verfahren funktionierte laut Salesforce so: Jede Runde PR-Feedback wurde in das Regelwerk zurückgespeist, sodass die Genauigkeit kontinuierlich stieg. Autonome LLM-Schleifen aus Bauen, Reparieren und Validieren liefen ohne manuelles Eingreifen. Migrationen wurden über isolierte Umgebungen parallelisiert. Das Ergebnis: fünf Pull-Requests, wobei der größte einzelne PR 21 Endpoints mit vollständiger Testabdeckung lieferte.
Die wichtigste Fähigkeit sei heute, "zu wissen, wie man Probleme für ein agentisches System strukturiert, wann man delegiert, wann man in der Schleife bleibt und wie man wiederholbare Muster aufbaut, auf denen das Team aufbauen kann", so Tallapragada.
Offene Baustellen: Sicherheit, Nachwuchs und Teamstruktur
Tallapragada spricht auch eine Reihe ungelöster Probleme offen an. Das Kontextmanagement in langen agentischen Sessions sei eine Fertigkeit, die Ingenieure erst noch erlernen müssten. Die Qualität der sogenannten CLAUDE.md-Dateien, also der persistenten Kontextkonfigurationen, die Claude auf eine Codebasis ausrichten, variiere stark zwischen Teams und beeinflusse die Ergebnisqualität erheblich.
Auch das Sicherheitsmodell müsse grundlegend neu gedacht werden: Wenn Agenten auf Systemen handeln statt nur Vorschläge zu machen, sei der potenzielle Schadensradius eines falsch konfigurierten Tools größer.
Und dann ist da die Nachwuchsfrage: "Wenn Agenten mehr von der Ausführungsebene übernehmen, wie wachsen Junior-Ingenieure zu Senior-Ingenieuren heran, wenn KI einen Großteil der Einstiegsarbeit absorbiert?", schreibt Tallapragada. Das Unternehmen experimentiere mit Ein-Personen- oder Drei-Personen-Einheiten statt klassischer Scrum-Teams, habe aber noch keine klaren Antworten.
Agentisches Coding: Produktivitätswunder oder technische Schulden auf Autopilot?
Eine bemerkenswert gegensätzliche Perspektive lieferte vor ein paar Tagen der bekannte Programmierer und Hacker George Hotz: Der Einsatz von KI-Agenten in der Softwareentwicklung werde einer der teuersten Fehler der Branche.
LLMs seien "hoch entwickelte statistische Modelle", die die "Verteilung von Programmierung nachahmen", aber nie wirklich programmieren könnten. Besonders große Organisationen seien gefährdet, da schwächere Entwickler fehlerhafte Ausgaben nicht erkennen. Zudem läuft eine breitere Debatte über die steigenden Kosten von KI im Verhältnis zum Nutzen, den die Modelle im Arbeitsalltag bringen.
Auch der KI-Forscher Andrej Karpathy, der inzwischen zu den Befürwortern agentischen Codings zählt, bestätigte Qualitätsbedenken: Der von Agenten erzeugte Code sei "nicht immer wirklich großartig, sondern sehr aufgebläht, mit vielen Copy-Paste-Stellen und merkwürdigen, brüchigen Abstraktionen". Er bekomme "manchmal einen kleinen Herzinfarkt" beim Betrachten des Codes. Anders als Hotz ist er aber trotz dieser Bedenken vom neuen Coding-Prinzip überzeugt und heuerte kürzlich bei Anthropic an.
KI-News ohne Hype – von Menschen kuratiert
Mit dem THE‑DECODER‑Abo liest du werbefrei und wirst Teil unserer Community: Diskutiere im Kommentarsystem, erhalte unseren wöchentlichen KI‑Newsletter, 6× im Jahr den "KI Radar"‑Frontier‑Newsletter mit den neuesten Entwicklungen aus der Spitze der KI‑Forschung, bis zu 25 % Rabatt auf KI Pro‑Events und Zugriff auf das komplette Archiv der letzten zehn Jahre.
