LLMs und agentische Systeme
Dieses Kapitel betrachtet Large Language Models (LLMs) und agentische Systeme aus der Perspektive von Softwarearchitektur, Systemverständnis und Organisationsdynamik.
Ziel ist eine nüchterne Einordnung: Welche Aufgaben unterstützen diese Werkzeuge heute gut, wo entstehen neue Risiken und welche Auswirkungen ergeben sich für Systeme und Teams?
Kapitelübersicht
📄️ Einordnung
Large Language Models und agentische Systeme verändern bereits heute, wie Software entsteht. Sie beschleunigen Recherche, unterstützen bei der Codeerzeugung, helfen beim Verstehen bestehender Systeme und senken die Einstiegshürden in technische Randbereiche wie CI/CD, Deployment, Docker oder Infrastruktur. Gerade deshalb ist eine nüchterne Einordnung wichtig.
📄️ Begriffe
Diese Seite schafft ein gemeinsames Vokabular für die Diskussion über LLMs und agentische Systeme.
📄️ Hype und Erwartung
Neue Technologien erzeugen fast immer starke Erwartungen. Das gilt auch für LLMs und agentische Systeme.
📄️ Studien und Evidenz
Die Diskussion über LLMs und agentische Systeme ist stark von Einzelfällen, Demonstrationen und selektiven Erfolgszahlen geprägt. Empirische Studien können helfen, diese Eindrücke zu relativieren – vorausgesetzt, ihre Ergebnisse werden präzise interpretiert.
📄️ Reale Stärken
LLMs und agentische Systeme werden häufig entweder überschätzt oder unterschätzt.
📄️ Grenzen und Risiken
LLMs und agentische Systeme sind leistungsfähige Werkzeuge, bringen jedoch auch neue Risiken mit sich.
📄️ Auswirkungen auf Systeme und Organisationen
Der Einsatz von LLMs verändert nicht nur einzelne Arbeitsschritte, sondern wirkt sich auch auf Softwaresysteme, Rollenmodelle und organisatorische Steuerung aus.
📄️ Zukunftsperspektive
Der Einsatz von LLMs und agentischen Systemen entwickelt sich weiterhin schnell. Neue Modelle, bessere Werkzeuge und zunehmende Integration in Entwicklungsumgebungen verändern bereits heute Arbeitsweisen in vielen Teams.