AMD hat mit Ross einen KI-Assistenten vorgestellt, der Entwicklerinnen und Entwickler in den Bereichen Hardware, Software und KI unterstützen soll. Das Besondere daran ist weniger der Assistent selbst als die Art, wie er arbeitet: Ross greift laut Hersteller auf AMD-eigene Werkzeuge, auf Dokumentation und auf hinterlegte Engineering-Workflows zu. Der Anwendungsfall liegt in der Entwicklung von Embedded-Systemen, also von Software, die fest in Geräte und Hardware integriert ist.

Damit steht Ross stellvertretend für eine Entwicklung, die derzeit viele Werkzeugketten erfasst — den Schritt vom Vorschlagsgenerator zum agentischen Assistenten.

Vom Autocomplete zum Agenten

Die erste Generation von KI-Hilfen in der Softwareentwicklung arbeitete im Wesentlichen als erweiterte Autovervollständigung: Sie schlug die nächste Zeile Code vor, ergänzte Funktionsrümpfe oder erklärte einen Abschnitt. Der Kontext blieb dabei meist auf die geöffnete Datei beschränkt.

Agentische Assistenten verfolgen einen anderen Ansatz. Als Agent bezeichnet man in diesem Zusammenhang ein System, das nicht nur einen Text ausgibt, sondern selbstständig Werkzeuge aufruft, Zwischenergebnisse prüft und mehrere Arbeitsschritte hintereinander ausführt. Statt einer Antwort entsteht ein Arbeitsergebnis — und damit verschiebt sich auch die Frage, was ein solches System eigentlich benötigt, um nützlich zu sein.

Der entscheidende Rohstoff heißt Kontext

Genau hier liegt der aufschlussreiche Punkt an der AMD-Ankündigung. Die drei genannten Zugriffspunkte — Tools, Dokumentation, hinterlegte Workflows — sind keine Modelleigenschaften. Sie sind Unternehmensbestände.

Ein Sprachmodell weiß von sich aus nichts über die internen Konventionen eines Projekts: nicht, welche Bibliotheksversion verbindlich ist, nicht, warum eine bestimmte Schnittstelle so und nicht anders aussieht, nicht, welche Freigabeschritte vor einem Deployment stehen. Dieses Wissen muss zugänglich gemacht werden, sonst produziert der Agent plausibel aussehende, aber projektfremde Ergebnisse.

Für Unternehmen folgt daraus eine unbequeme Einsicht: Der Nutzen eines KI-Agenten hängt weniger davon ab, welches Modell eingekauft wird, als davon, in welchem Zustand die eigene Dokumentation und die eigenen Prozesse sind.

Was das für die Praxis im Mittelstand heißt

Die wenigsten Organisationen entwickeln Embedded-Systeme. Die Struktur des Problems ist jedoch übertragbar. Wer darüber nachdenkt, agentische Assistenten in Entwicklungs- oder Redaktionsprozesse einzubinden, sollte vorab einige Punkte klären:

  • Ist Dokumentation vorhanden und aktuell? Veraltete Anleitungen sind für einen Agenten schlimmer als gar keine, weil er sie als verbindlich behandelt.
  • Sind Workflows explizit beschrieben? Vieles existiert nur als stillschweigende Teamkonvention. Was nicht aufgeschrieben ist, kann nicht hinterlegt werden.
  • Welche Werkzeuge darf der Agent aufrufen? Lesender Zugriff auf ein Repository ist etwas anderes als das Auslösen eines Deployments.
  • Wie wird geprüft? Automatisierte Tests und Reviews gewinnen an Gewicht, wenn mehr Arbeitsschritte maschinell entstehen.

Dokumentation wird zur Infrastruktur

In vielen Projekten gilt Dokumentation als Pflichtübung, die am Ende knapp kalkuliert wird. Diese Rechnung verändert sich, wenn Dokumentation nicht mehr nur von Menschen gelesen wird, sondern als Wissensgrundlage für Assistenzsysteme dient.

Praktisch bedeutet das: strukturierte, versionierte und maschinenlesbare Ablage statt verstreuter Notizen in E-Mails, Tickets und Präsentationen. Entscheidungen sollten nicht nur das Was, sondern auch das Warum festhalten — Begründungen sind für einen Agenten wertvoller als reine Konfigurationslisten, weil sie ihm erlauben, auf ähnliche, aber nicht identische Fälle zu übertragen.

Ähnliches gilt für Prozesse. Ein Workflow, der nur im Kopf einer erfahrenen Kollegin existiert, ist ein Risiko — mit oder ohne KI. Mit KI wird dieses Risiko sichtbarer, weil der Agent an genau dieser Stelle anfängt zu raten.

Realistische Erwartungen

Bei aller Dynamik lohnt Nüchternheit. Die Ankündigung beschreibt einen Assistenten zur Unterstützung von Entwicklungsteams, nicht deren Ersatz. Entscheidungen über Architektur, Sicherheitsanforderungen und Prioritäten bleiben Aufgabe von Menschen, die den geschäftlichen Kontext kennen.

Zudem gilt: Je mehr Arbeitsschritte ein System selbstständig ausführt, desto wichtiger werden Kontrollpunkte. Ein Agent, der eigenständig Code schreibt und Werkzeuge bedient, braucht klare Grenzen, nachvollziehbare Protokolle und einen Prüfschritt, bevor Ergebnisse in produktive Systeme gelangen. Wer diese Leitplanken nicht mitplant, tauscht Tippaufwand gegen Reviewaufwand — und gewinnt wenig.

Einordnung

Für Web- und Softwareprojekte verschiebt sich damit der Hebel: Nicht die Auswahl des Modells entscheidet über den Nutzen, sondern die Qualität des Kontexts, den eine Organisation bereitstellen kann. Saubere Dokumentation, explizit beschriebene Abläufe und kontrollierte Werkzeugzugriffe werden von der Fleißaufgabe zur technischen Voraussetzung. Wer heute in diese Grundlagen investiert, schafft die Basis dafür, agentische Assistenten später ohne Umbau produktiv einzusetzen — unabhängig davon, welches Werkzeug sich am Markt durchsetzt.

Quellen