LLMs versprechen „Agentic Coding“, aber wer sichert die Qualität? Macht KI die QA überflüssig oder stellen wir einem Coding-Agenten einfach einen Test- und einen Review-Agenten zur Seite? Oder bleibt alles beim Alten und ein „Human in the Loop“ muss einfach eine immer größere Menge an KI-geschriebenem Code absichern?

Dieser Vortrag beleuchtet, was sich ändert, wenn „Agentic Coding“ gut funktioniert und wie KI dabei helfen kann, auch in der Qualitätssicherung die Oberhand zu behalten.

Zielpublikum: Architekten, Entwickler, Projektleiter
Voraussetzungen:Interesse an Software-Qualität und KI
Level: Introductory

Künstliche Intelligenz verändert unsere Arbeit – schneller Code, schlauere Systeme, neue Tools. Doch hinter der glänzenden Oberfläche stehen Menschen, Organisationen – und oft auch unsichtbare Arbeitskräfte in der globalen Gig-Economy. In dieser Session beleuchten wir, wer wirklich profitiert, wer Risiken trägt – und wie verantwortungsvolle KI-Entwicklung aussehen kann, die sowohl Entwickler:innen als auch Menschen im Hintergrund respektiert.

Zielpublikum: Architects, Developers, Product Owners
Voraussetzungen:Grundverständnis von KI und Softwareentwicklung
Level: Practicing

Extended Abstract:
Künstliche Intelligenz transformiert nicht nur Technologien – sie verändert Machtverhältnisse, Arbeitsweisen und globale Wertschöpfungsketten. In dieser Session werfen wir einen offenen, interaktiven Blick auf die Systemfolgen der KI-Revolution – entlang dreier Ebenen:

(1) Entwickler:innen

• Was passiert, wenn Code durch KI generiert wird?
• Welche Kompetenzen werden überflüssig, welche gewinnen an Bedeutung?
• Wie wirkt sich die Entlastung durch KI auf Motivation, Identität und Verantwortung aus?

(2) Entwickelnde Unternehmen

• Steigert KI wirklich Effizienz oder führt sie zu wachsender Abhängigkeit von externen Systemen und Modellen?
• Welche Rolle spielen KI-Systeme in Produktentscheidungen und -verantwortung?
• Wie verändert sich Organisation, Führung und Governance?

(3) Unsichtbare Helfer: Die Clickworker der KI-Wertschöpfung

• Milliarden Datenpunkte für KI-Modelle stammen aus menschlicher Vorarbeit: Datenannotator:innen in Afrika, Osteuropa, Südamerika.
• Welche ethischen Dilemmata entstehen, wenn KI durch unterbezahlte, oft ungeschützte Arbeitskräfte möglich wird?
• Wie können Unternehmen Verantwortung übernehmen – über Zertifizierung, Audits oder Fairwork-Prinzipien?

Formatelemente:

• Fallbeispiele (Entwicklungsalltag vs. Labeling-Fabriken)
• Mini-Umfragen im Raum (Was wissen wir über unsere KI-Toolchain?)
• Gruppendiskussion: Was wäre ein fairer SDLC im Zeitalter von KI?
• Impulse für Developer, Architekten und PO: Welche Verantwortung habe ich – realistisch?

Ziel ist es, ein realistisches, kritisches, aber lösungsorientiertes Verständnis von KI-Wertschöpfung zu vermitteln – nicht als Mahnung, sondern als Einladung zu bewusstem Handeln in Architektur, Projektleitung und Produktentwicklung.