Engineering-Notizen
Jeder Beitrag beginnt mit einer praktischen Frage, erklärt die nötigen Fachbegriffe und verlinkt Primärquellen. Wir trennen externe Evidenz, eigene Projekterfahrung und Schlussfolgerungen — und benennen, was sich daraus nicht ableiten lässt.
Ein nächtlicher Aufnahmelauf überlappte mit dem Morgen, und der Assistent brauchte neun Sekunden statt zwei. Park untersucht, wie Infrastrukturfehler Autoscaler zu Fehlzuteilungen bringen. Unserer war nicht fehlerhaft, er war auf Durchschnittslast konfiguriert von einem Team, das nicht wusste, dass sich zwei Lasten einen Pool teilen.
Vier produktionsrelevante Fähigkeiten prägen Copilot Studio im Jahr 2026: Modellauswahl inklusive der Claude-Modelle von Anthropic, Computer-Use-Automatisierung in Preview, allgemein verfügbare MCP-Integration und Agent Evaluations. Wir prüfen, was ausgeliefert ist, was Preview bleibt und warum Low-Code-Agenten die Produktionsschwelle erreichen — mit Daten, Grenzen und offenen Fragen.
Ausschreibungen fragen ihn namentlich nach, mit Zielquote. Sinha leitet Grenzen dessen her, was Ähnlichkeit zwischen Antwort und Quelle belegen kann — deckungsgleich mit unserer Messung: Der Ähnlichkeitstest fängt die abgedriftete Wiedergabe und lässt die nicht folgende Schlussfolgerung durch. Was wir stattdessen bauen und welche drei Prüfungen je einen benennbaren Fehler fangen.
Das Microsoft Agent Framework vereint Semantic Kernel und AutoGen in einem Open-Source-Stack für .NET und Python. Beide Vorgänger sind im Wartungsmodus. Wir fassen Zeitplan und API-Änderungen zusammen und zeigen ein Migrationsplaybook samt Paritätstests, die Verhaltensdrift vor dem Umstieg aufdecken — Stand Januar 2026, mit erwarteter GA binnen Monaten.
Wir haben Quellen, Konfidenz, Abfrage und Begründung auf einen Prüfbildschirm gelegt, und die Prüfgenauigkeit sank. Margondai und Mouloua entwickeln eine Theorie dazu, wann Erklärungen Entscheidungen durch kognitive Last verschlechtern. Was wir entfernt haben, was standardmäßig bleibt, und warum unser eigenes Prinzip eine Grenze brauchte.
Agentische Systeme schließen ihre Journeys in fremdbetriebenen Systemen ab: Behörden, Banken, Partner-APIs. Wir definieren simulierte Gegensysteme hinter identischem Agentenvertrag, zeigen Ende-zu-Ende-Journey-Tests vor dem Go-live und begründen strikte Provenienz-Kennzeichnung: Ein simulierter Erfolg belegt Logik, nie Produktionsreife. Mit verifizierten Daten, klaren Grenzen und Beispielen aus MCP, A2A und PSD2.
A2A nähert sich seinem ersten produktionsreifen Release. Wir zeichnen den Weg von Googles Ankündigung im April 2025 zum v1.0 Release Candidate nach: signierte Agent Cards, Task-Lebenszyklus, Multi-Tenancy sowie JSON-RPC- und gRPC-Bindings. Dazu konkrete Hinweise, was Sie heute auf v0.3.0 bauen und welche Wire-Format-Änderungen Sie vor 1.0 kapseln sollten.
Ein Kunde fragte, warum unsere Schätzung einen veröffentlichten Produktivitätsgewinn nicht abbildet. Die Studie maß neuen Code ohne bestehende Randbedingungen; unsere Arbeit ist ein fünfzehn Jahre altes System mit undokumentierten Konventionen. Sharma benennt Brownfield als eigene Kategorie. Was sich dort tatsächlich beschleunigt, was nicht, und welche Zahl wir stattdessen nennen.
Dieser Rückblick untersucht, warum 2025 zum Protokolljahr wurde: MCP wurde zur anbieterübergreifenden Schnittstelle für Werkzeuge, Google übergab A2A an die Linux Foundation, DeepSeek-R1 und Apache-2.0-Releases machten Reasoning zur Commodity, und Coding-Agenten erreichten die Produktion. Wir dokumentieren die verifizierten Meilensteine und skizzieren, was 2026 lösen muss: Agentenidentität, Evaluationsinfrastruktur und Simulation.
Subagenten- und Peer-Agenten-Muster beschreiben zwei verschiedene Architekturen, nicht zwei Namen für dieselbe. Wir leiten die Unterscheidung aus ersten Prinzipien ab — wem gehört der Kontext, wem der Lebenszyklus — und zeigen, wie Vertrauensgrenzen, Token-Kosten und Testbarkeit daraus folgen. Mit gemessenen Zahlen aus Anthropics Multi-Agenten-Research-System und dem A2A-Protokoll, Stand Dezember 2025.
Die Linux Foundation gab am 9. Dezember 2025 die Agentic AI Foundation bekannt, mitgegründet von Anthropic, Block und OpenAI. Anthropic spendete das Model Context Protocol, Block steuerte goose bei, OpenAI AGENTS.md. Wir analysieren, was neutrale Governance für den agentischen Stack ändert, was sie bewusst offenlässt und was Engineering-Teams jetzt tun sollten.
Microsoft Agent Framework startete am 1. Oktober 2025 in die Public Preview und führt Semantic Kernel und AutoGen in einem SDK zusammen. Beide Vorgänger sind im Maintenance Mode. Wir legen die belegten Fakten dar, zeigen die Änderungen am .NET-Programmiermodell und skizzieren eine Migrationsreihenfolge, die Maintenance-Mode-Schulden vor der General Availability 2026 vermeidet.