Field Notes
KI-Ethik produziert immer mehr Leitlinien — und verändert trotzdem wenig. Die Kritische Theorie der Frankfurter Schule bietet ein Analysewerkzeug, das erklärt, warum. Vier Denkbewegungen, die fehlen.
Figma veröffentlicht Guidelines für AI-kompatible Design-System-Dokumentation. Die Prinzipien — atomare Dateien, imperativ statt deskriptiv, Struktur als Routing — verändern, was Dokumentation überhaupt ist: nicht mehr Nachschlagewerk, sondern Steuerungsschicht.
Andrej Karpathy beschreibt sein Setup für LLM-gestützte Wissensarbeit — und es klingt vertraut. Markdown, Git, Obsidian, ein LLM als Operator. Unabhängig voneinander entdecken Practitioner dieselbe Architektur. Das ist kein Zufall, sondern konvergente Evolution.
Anthropic hat versehentlich den kompletten Source Code von Claude Code veröffentlicht — 512.000 Zeilen TypeScript. Die interessantere Frage ist nicht das Sicherheitsproblem, sondern was die Architektur über die Zukunft der Mensch-Agent-Kollaboration zeigt: ein dreischichtiges Gedächtnissystem, das sich selbst misstraut, ein Autonomie-Daemon für Nachtarbeit und ein Undercover-Modus, der die eigene Existenz verschleiert.
AI-Agenten vergessen alles zwischen zwei Gesprächen. Der Artikel zeigt, warum größere Context Windows das Problem nicht lösen — und wie vier Gedächtnistypen aus der Kognitionswissenschaft die Grundlage für persistente Agent Memory bilden.
Anthropics Head of Product für Claude Code beschreibt, wie exponentiell besser werdende Modelle das klassische PM-Playbook auflösen — und welche vier Shifts Teams brauchen, um auf der Kurve zu bleiben statt hinter ihr.
Hunderte individuelle AI-Setups, aber kein geteilter Common Sense. Was fehlt: ein Playbook für agentische Zusammenarbeit in kleinen Teams.
Andrej Karpathy beschreibt den Übergang von Code zu Prompts als Programmierparadigma. Das klingt nach Backend-Thema — hat aber massive Konsequenzen für jeden, der Interfaces gestaltet. Autonomy Sliders, eine dritte Consumer-Klasse und der ehrlichste Reality Check zum Thema Vibe Coding.
Claude generiert jetzt interaktive Charts und Diagramme im Chat. Klingt nach Feature — ist ein Paradigmenwechsel. Nicht nur für Designer: Datengetriebene Kommunikation wird für jeden Wissensarbeiter zugänglich. Was das verändert, wen das überfordert und warum Design jetzt wichtiger wird, nicht weniger.
Was passiert, wenn man aufhört zu prompten und anfängt, Kontext zu architektieren. Ein Praxisbericht über den Aufbau eines git-versionierten Knowledge OS — und was ich dabei über die Arbeit mit LLMs gelernt habe.
Nicht bessere Prompts schreiben — sondern das Prompting selbst automatisieren. Systematische Übersicht über Meta-Prompting: von Chain-of-Thought bis DSPy, von Self-Critique bis Multi-Agent-Orchestrierung. Mit konkreten Benchmarks und Praxisempfehlungen.
Detailszenario von Ex-OpenAI-Researcher und Forecasting-Experten: Monat für Monat von 2025 bis Ende 2027, von zuverlässigen Coding-Agenten bis zur Superintelligenz. Alignment scheitert progressiv, Geopolitik eskaliert. Zwei Enden: Verlangsamung oder Wettrüsten.
OpenAI hat keine einzigartige Technologie, kein Moat und eine User-Basis mit flacher Engagement-Kurve. Benedict Evans stellt vier strategische Grundfragen — und zieht den Netscape-Vergleich: Der Early Mover bei Browsern hat verloren, weil der Wert woanders entstand.
AI-Agenten haben den klassischen SDLC nicht beschleunigt — sie haben ihn aufgelöst. Aus sequenziellen Phasen wird ein enger Loop: Intent + Context → Agent builds → Observe → Repeat. Was bleibt: Context Engineering und Observability.
AI-Agenten erledigen jetzt mehrstündige Expert:innen-Aufgaben autonom. Die Fähigkeitskurve verdoppelt sich alle 4–7 Monate. Shumer vergleicht den Moment mit der 'das klingt übertrieben'-Phase von Covid — nur mit größerer Tragweite.