Hören Sie auf, KI-Agenten Ihre Architektur entwerfen zu lassen

Drei Organisationen im letzten Monat. Gleiches Muster: Jemand öffnet Claude, ChatGPT oder Copilot, bittet um eine Architektur und erhält einen selbstbewussten, gut formulierten Vorschlag, der klingt, als käme er von einem sehr erfahrenen Ingenieur. Aber er hat gar nicht über das Problem nachgedacht – er gleicht nur Muster aus den Trainingsdaten ab.
Das Kernproblem: KI ist pathologisch zustimmend
- Fragen Sie Claude, ob Microservices für ein 3-Personen-Team sinnvoll sind – es erklärt begeistert, warum sie hervorragend sind.
- Fragen Sie, ob eine benutzerdefinierte ML-Pipeline besser ist als ein verwalteter Dienst – es entwirft ein Design.
- Echte Architekten sagen „Nein“ und wehren sich gegen Komplexität. Claude kann das nicht.
Das ist nicht Lügen oder Irren. Es ist die Unfähigkeit zu einer entscheidenden Fähigkeit: zu wissen, was man nicht bauen sollte, fünfmal „Warum“ zu fragen und dem CTO zu sagen, dass seine konferenzinspirierte Idee für das tatsächliche Team schrecklich ist.
Die Jenga-Turm-Architektur
Das KI-generierte Ergebnis besteht den Squint-Test: ereignisgesteuert hier, CQRS dort, Service Mesh. Aber es ist für den Durchschnitt von allem entworfen, was Claude gesehen hat – eine generische Best Practice für ein generisches Unternehmen. Echte Architektur erfordert Kontext:
- Postgres statt DynamoDB wählen, weil Ihr Team Postgres kennt und Sie lieber in zwei Wochen ausliefern als ein neues Datenmodell zu lernen.
- Auf das Service Mesh verzichten, weil Sie vier Dienste haben, nicht vierzig.
- Einen Monolithen verwenden, weil das Problem einfach ist und Microservices karrieregetriebene Entwicklung wären.
Ein KI-Agent hat keinen dieser Kontexte – und schlimmer noch: Er weiß nicht, dass er ihn nicht hat.
Die Jira-Ticket-Pipeline
Ist die Architektur erst einmal akzeptiert, bitten dieselben Leute die KI, sie herunterzubrechen. Sie produziert Epics, Stories, Abnahmekriterien – bereit zum Einfügen in Jira. Ingenieure, die jahrelang ihr Handwerk verfeinert haben, setzen nun Claudes Design um, ein Ticket nach dem anderen. Die Personen mit dem meisten Kontext werden zu Ticket-Bearbeitern; die Entität mit dem wenigsten Kontext trifft die Architekturentscheidungen.
„Aber ein erfahrener hat es geprüft“
Einem vielbeschäftigten Tech-Lead wird ein kohärenter Vorschlag mit korrekter Terminologie und Diagrammen vorgelegt. Wie viel Widerstand kann er leisten, wenn die Antwort auf „Ich glaube, das stimmt nicht“ lautet: „Claude hat zwanzig Minuten daran gearbeitet, und du willst es wegwerfen?“
📖 Lesen Sie die vollständige Quelle: HN AI Agents
👀 Siehe auch

Ubuntu Linux integriert im nächsten Jahr KI-Funktionen, beginnend mit lokalem Inferencing
Canonical kündigt einen mehrjährigen KI-Vorstoß für Ubuntu an, mit Fokus auf lokale Inferenz, agentische Workflows und kontextbewusste OS-Funktionen, die im Laufe des Jahres 2026 ausgerollt werden.

40M Tokens in einer Stunde: Nutzer berichtet von außer Kontrolle geratenen Subagenten mit OpenClaw
Ein OpenClaw-Nutzer berichtet von 40M Tokens in einer Stunde, nachdem Subagenten außer Kontrolle gerieten. Mit OpenRouter + DeepSeek Flash wurde das tägliche Budget aufgebraucht, bevor er eingreifen konnte. Er sucht nach Rate-Limitern und Schutzmaßnahmen.

Claude Sonnet 4.5 verzeichnet erhöhte Fehlerraten — Statusaktualisierung
Claude Sonnet 4.5 hat derzeit vermehrt Fehler, Stand 2026-04-28T13:29:56.000Z. Überprüfen Sie die Statusseite und den Reddit-Megathread für Updates.

Anthropic-Quellcode-Leaks enthüllen nicht angekündigte Claude-Funktionen und interne Modelle
Anthropic hat versehentlich 500.000 Zeilen Quellcode durchsickern lassen, die Details über unangekündigte Claude-Funktionen enthielten, darunter KAIROS-Hintergrundausführung, Traummodus, Undercover-Modus und ein internes Modell namens Capybara. Dies ist der zweite derartige Leak im Jahr 2025.