Leseliste
Arbeiten von anderen, die wir Teams für den Einstieg in Agentic Engineering empfehlen. Jeder Eintrag war zuerst ein Spotlight-Post auf LinkedIn.
-
Leon van Zyl (öffnet in einem neuen Tab)
Schritt für Schritt zeigt Leon van Zyl, wie man Agenten baut, mit Code und mit No-Code-Tools, mal mit Agent-Frameworks, mal mit Claude Code oder Cursor. Seine Build-along-Tutorials beginnen mit einem leeren Projekt: Er bringt die einfachste Version zum Laufen, sieht zu, wo sie bricht, und repariert diese Stelle. Teams, die beim Entwurf der ganzen Orchestrierung stecken bleiben, können sich die Reihenfolge abschauen. Zuerst geht der dünne Happy Path raus, gehärtet wird erst, wo der Harness einen echten Fehler zeigt.
Auf LinkedIn empfohlen am 14. September 2026 (öffnet in einem neuen Tab)
-
Tidy First? (öffnet in einem neuen Tab)
Kent Beck schreibt seinen Newsletter in kleinen, häufigen Ausgaben: mal ein technischer Deep Dive, mal eine kurze Reflexion über das Handwerk. Der Titel stellt die Frage, ob man chaotischen Code vor einer Änderung erst aufräumt. Beck macht daraus eine ökonomische Entscheidung: Aufräumen kostet heute etwas und zahlt sich bei jeder weiteren Änderung an derselben Stelle wieder aus. Produzieren Agenten Code im Eiltempo und trifft ein Team diese Abwägung nie gezielt, bekommt es eine Codebase, die schnell wächst und sich schwer ändern lässt.
Auf LinkedIn empfohlen am 7. September 2026 (öffnet in einem neuen Tab)
-
DevOps & AI Toolkit (öffnet in einem neuen Tab)
Auf Viktor Farcics Kanal geht es um echte DevOps-, Kubernetes- und CI/CD-Produkte, mit offenen Worten zu ihren Tradeoffs und dazu, wann sich etwas nicht lohnt. Durch seine Folgen zu internen Developer-Plattformen zieht sich ein Mechanismus: Ein Experte schreibt sein Wissen in einen Service, und keiner muss mehr auf ihn warten. Für eine solche Plattform ist ein Agent einfach ein weiterer Nutzer. Wo ein Ablauf noch einen Senior Engineer braucht, der ihn entblockt, steht auch der Agent.
Auf LinkedIn empfohlen am 31. August 2026 (öffnet in einem neuen Tab)
-
Maggie Appleton (öffnet in einem neuen Tab)
Maggie Appleton ist Designerin und Anthropologin. Sie schreibt illustrierte Essays über Programmierung, Wissen und darüber, wie Menschen mit dem denken, was sie bauen. Gesammelt sind sie in einem digitalen Garten, den sie seit Jahren pflegt. Im Essay zum Ethos dieses Gartens trägt jede Notiz ihr Stadium, Seedling, Budding oder Evergreen, dazu das Datum der Pflanzung und der letzten Pflege. Kontextdateien für Agenten verraten selten, wie ausgereift sie sind. Mit solchen Stadien erkennt ein Agent, ob eine Regel validiert ist oder unter Deadline-Druck geraten wurde.
Auf LinkedIn empfohlen am 24. August 2026 (öffnet in einem neuen Tab)
-
IndyDevDan (öffnet in einem neuen Tab)
Hier zeigt ein Praktiker jede Woche ein funktionierendes Pattern für das Bauen mit Coding-Agenten, komplett durchgespielt und mit den Überlegungen dahinter. Startet mit The Library: ein Skill, der alle anderen Skills eines Teams als Referenzen in einem Katalog führt. Per Befehl lassen sie sich hinzufügen, pullen und synchronisieren. Liegen Skills, Agenten und Prompts verstreut über Repositories und Köpfe, ist ihr Teilen ein Distributionsproblem. The Library löst es wie ein Package Manager für Code.
Auf LinkedIn empfohlen am 17. August 2026 (öffnet in einem neuen Tab)
-
Team Topologies (öffnet in einem neuen Tab)
Matthew Skelton und Manuel Pais liefern Engineering-Führungskräften ein Vokabular, mit dem sie Teams so schneiden, dass Wert zwischen ihnen fließt. Nachzulesen im Buch, inzwischen in zweiter Auflage, und in Patterns, Templates und Assessments auf ihrer Website. Zum Einstieg taugt die Thinnest Viable Platform, also die kleinste Plattform, die den Teams darauf echte Reibung nimmt. Sie wächst nur, wenn ein konkreter Bedarf das verlangt. Harness und Automatisierung rund um die Agenten eines Teams sind ebenfalls eine Plattform. Wer ihnen dieselbe Frage stellt, verhindert, dass sie zum Bottleneck werden, den sie auflösen sollten.
Auf LinkedIn empfohlen am 10. August 2026 (öffnet in einem neuen Tab)
-
A Philosophy of Software Design (öffnet in einem neuen Tab)
Aus einem Stanford-Kurs ist John Ousterhouts schmales Buch entstanden, und es kennt nur ein Thema: Komplexität in Software und wie man gegen sie ankämpft. Lesenswert ist vor allem das Kapitel über tiefe und flache Module. Tiefe verbergen viel hinter einem kleinen Interface, bei flachen ist das Interface fast so kompliziert wie das, was dahinter liegt. Ein Agent schreibt Code, der die Tests besteht, und merkt diesen Unterschied nicht. Reviewer brauchen diese Begriffe, um Tiefe einzufordern und zu überprüfen.
Auf LinkedIn empfohlen am 3. August 2026 (öffnet in einem neuen Tab)
-
Simon Willison (öffnet in einem neuen Tab)
Simon Willison hält die praktischen Grenzen dieser Modelle öffentlich fest, Post für Post und unabhängig von jedem Anbieter. Mit der Lethal Trifecta, dem tödlichen Dreigespann, benennt er, was Prompt Injection gefährlich macht. Ein Agent greift auf private Daten zu, bekommt nicht vertrauenswürdige Inhalte zu sehen und kann Daten nach außen schicken. Zählt diese drei Punkte bei jedem eurer Agenten. Designt die volle Kombination weg, bevor etwas in die Nähe der Produktion kommt.
Auf LinkedIn empfohlen am 27. Juli 2026 (öffnet in einem neuen Tab)
-
Building effective agents (öffnet in einem neuen Tab)
In diesem Essay fasst Anthropic zusammen, was die Arbeit mit Dutzenden Teams an Agenten gezeigt hat: Was funktionierte, setzte auf einfache, kombinierbare Patterns statt auf schwere Frameworks. Im Mittelteil stehen fünf Patterns mit je einem Diagramm und einer Notiz zum passenden Einsatz: Prompt Chaining, Routing, Parallelization, Orchestrator-Workers und Evaluator-Optimizer. Der Essay unterscheidet auch Abläufe, die festgeschriebenen Pfaden folgen, von Agenten, die ihren Weg selbst wählen. So weiß ein Team, wo ein Gate hingehört.
Auf LinkedIn empfohlen am 20. Juli 2026 (öffnet in einem neuen Tab)
-
DX Research (öffnet in einem neuen Tab)
Über 16 Monate stellte DX mehr als 400 Engineering-Organisationen dieselben Fragen, während KI-Tools Einzug hielten. Die Tool-Nutzung wuchs um 65 Prozent, der Median-Durchsatz an PRs um knapp 8 Prozent, und das bei Organisationen, die KI schon weit einsetzen. Den Großteil der Lücke verortet DX außerhalb des Editors, etwa in Review und Integration. Wie man sie schließt, deuten seine Texte zu KI-nativen Engineering-Organisationen an.
Auf LinkedIn empfohlen am 13. Juli 2026 (öffnet in einem neuen Tab)
-
Tessl (öffnet in einem neuen Tab)
Tessl entwickelt Software, in deren Mitte die Spezifikation steht. Auf dem Kanal laufen der AI Native Dev Podcast mit Guy Podjarny und Simon Maple, Konferenzvorträge und Panels mit Praktikern. Unter den Folgen liegt eine Frage: Kann ein Agent Code aus einer klaren Beschreibung der Absicht neu generieren, wird die Spec das, was ein Team schützt. Steht die Absicht nur in Tickets und Chat-Threads, rät ein Agent, sobald er ein Modul umschreibt.
Auf LinkedIn empfohlen am 6. Juli 2026 (öffnet in einem neuen Tab)
-
Spec Kit (öffnet in einem neuen Tab)
Mit GitHubs Spec Kit schreibt ein Team erst Spec, Plan und Task-Breakdown, dann baut der Agent. Das klappt mit den meisten Coding-Agenten. Das Tool steht zwischen dem direkten Prompten, das bei Spikes, kleinen Fixes und Exploration vorn liegt, und schwereren Frameworks wie BMAD. Schaut es euch für die Spec als Vertrag an. Wenn das Problem verstanden ist und viel auf dem Spiel steht, klärt sie einmal, was Done bedeutet, noch bevor der Agent eine Zeile schreibt.
Auf LinkedIn empfohlen am 29. Juni 2026 (öffnet in einem neuen Tab)
-
Ona (öffnet in einem neuen Tab)
Auf der Agent-Plattform Ona laufen Agenten in isolierten Cloud-Umgebungen und öffnen eigenständig Pull Requests. Der Kanal zeigt kurze Demos, Walkthroughs für den Einstieg und Mitschnitte virtueller Events. Startet mit dem Background Agents Virtual Summit. Ein Gedanke zieht sich durch die Vorträge: Die Umgebung ist so wichtig wie der Agent selbst. Kann ein Agent keine Pakete installieren, keine Tests laufen lassen und das Projekt nicht bauen, kann er seine eigene Arbeit nicht prüfen. Das gilt auch bei einem starken Modell.
Auf LinkedIn empfohlen am 22. Juni 2026 (öffnet in einem neuen Tab)
-
Hooks reference (öffnet in einem neuen Tab)
In der Hooks-Referenz beschreibt Claude Code Shell-Befehle, die der Harness an festen Stellen im Agent-Loop startet. Zum Beispiel vor einem Tool-Call oder wenn der Agent fertig sein will. Fangt beim Stop-Hook an: Er kann die Tests ausführen und den Agenten bei Fehlern zurückschicken, bevor dieser übergeben darf. Damit sitzt ein deterministisches Gate an der Stelle, an der ein Prompt nur darum bitten könnte. Die Doku zeigt außerdem, wie ein falsch beendeter Hook den Agenten stillschweigend aufhören lässt.
Auf LinkedIn empfohlen am 15. Juni 2026 (öffnet in einem neuen Tab)
-
Software Engineering Productivity Research Group (öffnet in einem neuen Tab)
Die Stanford-Gruppe erforscht, wie KI die Produktivität im Software Engineering verändert, und stützt sich dabei auf Telemetrie aus vielen Unternehmen, nicht auf Umfragen. Methodisch hält sie Nutzung und Ergebnis auseinander. Nutzung heißt aktivierte Seats, abgeschickte Prompts, übernommene Zeilen. Ergebnis heißt funktionierende Software, die bei Nutzern ankommt. Lest das vor dem nächsten internen KI-Report: Login-Zahlen und Akzeptanzquoten verraten nicht, ob ein Team schneller ausliefert.
Auf LinkedIn empfohlen am 8. Juni 2026 (öffnet in einem neuen Tab)
-
Patrick Debois (öffnet in einem neuen Tab)
Patrick Debois hat den Begriff DevOps geprägt. In seinem persönlichen Blog geht es jetzt um die agentische Version des Problems, auf das DevOps die Antwort war. Startet mit seinem Essay über Self-Tuning Context. Darin schreiben Agenten ihre eigenen Instruktionen um, und das wirft Fragen für den Betrieb auf: Review, Drift, Rollback. In Teams läuft heute Code, den ein Agent geschrieben und kaum jemand genau gelesen hat. Was Debois über Ownership, Observability und schnelles Feedback schreibt, lässt sich direkt übertragen.
Auf LinkedIn empfohlen am 1. Juni 2026 (öffnet in einem neuen Tab)
-
Drew Breunig (öffnet in einem neuen Tab)
In langen, gründlichen Essays untersucht Drew Breunig, wie Sprachmodelle sich verhalten, mit Blick auf Daten, Kontext und die Mechanik hinter der Demo. How Long Contexts Fail unterscheidet vier Arten, wie lange Kontexte scheitern: Poisoning, Distraction, Confusion und Clash. Mit diesen Begriffen diagnostiziert ein Team präzise, was mit einem Agenten nicht stimmt, und korrigiert seinen Kontext gezielt.
Auf LinkedIn empfohlen am 25. Mai 2026 (öffnet in einem neuen Tab)
-
Anthropic Engineering (öffnet in einem neuen Tab)
Im Engineering-Blog von Anthropic steht, technisch detailliert, wie ein Model Lab den Harness rund um seine Modelle baut. Ein Beitrag zum Harness-Design für lang laufende Aufgaben verteilt Planen, Bauen und Bewerten auf drei Agenten, sodass der Builder seinen Output nie selbst benotet. Dort steht auch: Jede Harness-Komponente kodiert eine Annahme darüber, was das Modell allein noch nicht schafft. Werden die Modelle besser, haben Teams damit einen Grund, ihren Harness zu prüfen und zurückzuschneiden.
Auf LinkedIn empfohlen am 18. Mai 2026 (öffnet in einem neuen Tab)