KI-Agenten verändern 2026 die Softwareteams in Unternehmen

Den größten Teil des vergangenen Jahrzehnts folgte die Entwicklung von Unternehmenssoftware einer berechenbaren Formel: Mehr Komplexität erforderte mehr Personal. Ein Backend aus Microservices bedeutete ein Plattformteam, ein Team für die Services, ein QA-Team, ein DevOps-Team. Eine mobile App bedeutete getrennte Ingenieure für iOS und Android. Lokalisierung bedeutete einen eigenen Sprint. Mit dem Umfang wuchs die Zahl der Mitarbeiter – und mit ihr die Laufzeit.

Diese Formel verliert ihre Gültigkeit.

Die ersten Zahlen liegen vor

Anfang 2026 baute ein einzelner Ingenieur in 12 Kalendertagen ein produktionsreifes Unternehmenssystem von Grund auf – 13 unabhängige Microservices, 55.293 Codezeilen, 320 automatisierte Tests, 12 CI/CD-Pipelines, 80 REST-Endpunkte. Das System bedient vier unterschiedliche Benutzerrollen, ist an eine Warenbörse angebunden und läuft auf Kubernetes. Jede Zahl lässt sich auf einen Git-Commit oder ein CI/CD-Ausführungsprotokoll zurückführen.

Derselbe Ingenieur lieferte mit derselben Methodik in einem separaten Projekt eine plattformübergreifende mobile App in 10 Tagen – für iOS und Android gleichzeitig, in mehr als 60 Sprachen, mit Hintergrundentfernung durch KI auf dem Gerät über native ML-Schnittstellen und ganz ohne Backend-Infrastruktur.

Das sind keine Prototypen. Es sind produktionsreife Systeme, gebaut nach denselben Standards, die ein klassisches Team aus 7–9 Ingenieuren erreichen würde – denn die Methodik, mit der sie entstanden, behandelt Qualität als feste Vorgabe, nicht als Variable.

Was sich geändert hat

Der Ingenieur schrieb in beiden Fällen nicht allein Code. Er agierte als Orchestrator von KI-Agenten, denen jeweils eine bestimmte Rolle zugewiesen war: Businessanalyst, Architekt, Entwickler, QA-Ingenieur, DevOps-Ingenieur, technischer Redakteur, Übersetzer. Jeder Agent erhielt eine strukturierte Vorgabe – Rollendefinition, Umfang, Rahmenbedingungen, Ausgabeformat, Qualitätskriterien. Jedes Ergebnis wurde vom Ingenieur geprüft, integriert und verantwortet.

Die entscheidende Erkenntnis liegt in der Arbeitsteilung. KI-Agenten sind außerordentlich gut darin, Code innerhalb eines klar abgegrenzten Umfangs zu generieren, Testgerüste anzulegen, Dokumentation zu erstellen und Standardcode zu eliminieren – also die Arbeit, die den Großteil der Zeit eines Ingenieurs mit mittlerer Erfahrung beansprucht, ohne das Urteil eines erfahrenen Ingenieurs zu erfordern. Der Orchestrator übernimmt, was die KI nicht leisten kann: Architekturentscheidungen, Domänenmodellierung, Zerlegung von Problemen, Konsistenz über Services hinweg und das letzte Wort bei jeder Abwägung.

Das Ergebnis ist kein durch KI ersetztes Team. Es ist ein erfahrener Ingenieur, dessen tatsächliche Leistung der eines Teams entspricht.

Zuerst verschiebt sich die Wirtschaftlichkeit

Die unmittelbare Folge ist kein Personalabbau, sondern eine Verdichtung von Kosten und Laufzeiten. Ein System, das früher drei bis vier Monate und ein Team von acht Personen erforderte, lässt sich heute von einem oder zwei Ingenieuren in wenigen Wochen liefern. Für Start-ups, die ein MVP prüfen, ist das der Unterschied zwischen einem Projekt, das finanziert wird, und einem, das in der Schublade landet. Für Unternehmen mit Beschaffungszyklen und festen Lieferfenstern verändert es, was in einem Quartal erreichbar ist.

Bei komplexen Projekten verstärkt sich der Effekt. Eine Handelsplattform für Getreide – Webportal, zwei plattformübergreifende mobile Apps, ML-gestützte Frachtpreisbildung, mit BPMN orchestrierte Geschäftsprozesse, mehrere Integrationen von Drittanbietern – wurde von einem Team aus drei Ingenieuren in drei Monaten geliefert. Eine klassische Schätzung für diesen Umfang läge bei neun bis zwölf Monaten und zwölf bis achtzehn Personen.

Die Teamstruktur folgt

Mit der veränderten Wirtschaftlichkeit beginnen sich auch die Teamstrukturen anzupassen. Das deutlichste frühe Muster: Entwicklerteams werden flacher. Der Anteil erfahrener Orchestratoren an der Gesamtzahl der Ingenieure steigt, während die Teamgröße für einen bestimmten Umfang sinkt.

Das erzeugt einen andersartigen Druck auf Entwicklungsorganisationen. Der Engpass ist nicht länger die Zahl der Mitarbeiter, sondern die Qualität der Orchestrierung. Ein KI-Agent liefert Ergebnisse, die der Qualität seiner Vorgabe entsprechen. Vage Zerlegung erzeugt vagen Code. Ungenaue Rahmenbedingungen erzeugen Systeme, die in der Vorführung funktionieren und im Produktivbetrieb versagen. Die Disziplin, mehrdeutige Geschäftsanforderungen in strukturierte, überprüfbare technische Aufgaben zu übersetzen – was erfahrene Ingenieure schon immer von solchen mit mittlerer Erfahrung unterschied –, bestimmt heute das Tempo ganzer Lieferketten.

CTOs und Leiter der Softwareentwicklung beginnen, dies als Frage der Personalgewinnung und Weiterbildung zu behandeln. Die Frage lautet nicht mehr: „Wie viele Ingenieure brauchen wir für diesen Umfang?“, sondern: „Wie viele Orchestratoren können wir heranbilden, und wie schnell?“

Was sich nicht ändert

Die Methodik macht technisches Fachwissen nicht überflüssig – sie bündelt es. Jede Zeile KI-generierten Codes, die in ein Produktivsystem gelangt, hat die kritische Prüfung eines Ingenieurs durchlaufen. Jede Architekturentscheidung traf ein Mensch, der die Abwägungen verstand. Jeder Test, der einen Fehler aufdeckte, wurde nach einer Spezifikation geschrieben, die der Orchestrator festgelegt hatte.