KI Software, Coding & Entwicklung

Am 25. August 2026 kündigte Tobi Lütke, CEO von Shopify, in einem Tweet an, Claude Code möglicherweise von der Plattform zu verbannen. Der Grund dafür ist, dass Anthropic sich weigert, den Standard AGENTS.md zu lesen und stattdessen nur ihr eigenes Format CLAUDE.md akzeptiert. Dies hat eine intensive technische Debatte über die Herausforderungen bei der Integration verschiedener KI-Entwicklungswerkzeuge in einem großen Monorepo ausgelöst. Das Hauptproblem liegt nicht in der Funktionalität von Claude Code, sondern in der Komplexität, die entsteht, wenn nicht alle Agenten die gleichen Standards einhalten, was ineffiziente Arbeitsabläufe zur Folge hat. Entwickler fordern seit Monaten die native Unterstützung von AGENTS.md durch Claude Code, doch Anthropic hat bisher keine Pläne dafür angekündigt. Nach Lütkes Tweet versprach ein Mitglied des Claude Code-Teams, dass die Unterstützung für AGENTS.md kommen werde, was jedoch nicht alle Entwickler beruhigte, da viele die Haltung von Anthropic als problematisch ansehen.

Iberia Cards hat das Programm Sara AI Pentesting eingeführt, um die Sicherheit von Kunden- und Bankinformationen zu verbessern. Angesichts der dynamischen Bedrohungslandschaft sind herkömmliche Penetrationstests nicht mehr ausreichend, weshalb ein kontinuierlicher Ansatz zur Risikobewertung erforderlich ist. Das Programm verwendet einen Grey-Box-Ansatz, der über oberflächliche Scans hinausgeht und gezielt die Geschäftslogik in Zahlungsdiensten sowie die zugehörigen Webanwendungen und APIs analysiert. Sara AI Pentesting wurde an denselben Assets getestet, die zuvor von menschlichen Forschern untersucht wurden, um die Ergebnisse zu vergleichen. Selbst ohne Authentifizierung lieferte das Tool wertvolle Erkenntnisse, und zukünftige Tests mit Anmeldedaten sollen ein umfassenderes Sicherheitsbild ermöglichen. Durch die Einführung von Sara AI Pentesting wird eine Lücke im Jahrestestprogramm geschlossen, was einen regelmäßigen Testrhythmus ermöglicht, ohne signifikante Kosten oder operativen Aufwand zu verursachen.

Penguin Ai hat intelligente Lösungen für medizinische Kodierung und das Management des Einnahmenzyklus im AWS Marketplace eingeführt. Diese autonomen KI-Technologien helfen Gesundheitsdienstleistern, Probleme wie Unterkodierung und Verzögerungen bei Rückerstattungen zu lösen, indem sie über 72.000 ICD-10-Codes identifizieren und validieren. Die Automatisierung des gesamten Einnahmenzyklus, einschließlich der Überprüfung von Ansprüchen und der Bearbeitung von Ablehnungen, steigert die Effizienz der Anbieter erheblich. Die Lösungen bieten transparente Entscheidungsfindung durch Glassbox-Rationalisierung und ermöglichen eine konfigurierbare menschliche Überprüfung. Anbieter können die Technologien schnell über den AWS Marketplace beziehen und profitieren von einer 90-tägigen ROI-Garantie sowie einer hohen Erfolgsquote bei der Anfechtung von Ablehnungen. CEO Fawad Butt hebt hervor, dass die Automatisierung administrativer Aufgaben es den Anbietern ermöglicht, sich stärker auf die Patientenversorgung zu konzentrieren und finanzielle Verluste zu vermeiden.

Im Vorfeld der Wahlen im Oktober hat die israelische Regierung, insbesondere rechtsextreme Minister, ihre anti-palästinensische Rhetorik verstärkt und nutzt dabei KI-generierte Werbung. Finanzminister Bezalel Smotrich droht in einem Werbespot mit Maßnahmen in palästinensisch geprägten Gebieten, ähnlich denen im Westjordanland. Nationaler Sicherheitsminister Itamar Ben-Gvir veröffentlicht Videos zur Behandlung palästinensischer Gefangener. Diese Kampagne spiegelt sich in aktuellen politischen Maßnahmen wider, wie der Besetzung von UN-Einrichtungen und einer Zunahme von Gewalt gegen Palästinenser. In Gaza verschärfen israelische Luftangriffe die humanitäre Krise, da zunehmend Zivilisten betroffen sind. Im Westjordanland setzen Siedler ihre Gewalt gegen Palästinenser fort, während israelische Streitkräfte oft nicht eingreifen. Zudem beschleunigt Israel Landenteignungen und den Bau illegaler Siedlungen, was die Spannungen weiter anheizt und zur Eskalation des Konflikts beiträgt. Zwangsräumungen und Hauszerstörungen verstärken die Gewalt und vertiefen die Krise.

Der Artikel "Operationalizing Genie Ontology in Your Data Stack" erläutert, wie Unternehmen die Genie Ontology nutzen können, um ihre Datenmodelle und den Kontext für KI-Agenten effektiv zu operationalisieren. Um KI-Agenten mit dem erforderlichen Geschäftswissen auszustatten, ist es wichtig, dass sie nicht nur auf Daten zugreifen, sondern auch die spezifischen Definitionen, Beziehungen und Regeln des Unternehmens verstehen. Die Genie Ontology integriert modellierte Geschäftsemantik mit Kontext aus bestehenden Datenressourcen, was den Agenten ermöglicht, relevante Informationen zu priorisieren. Der Prozess umfasst mehrere Schritte: Zunächst wird eine solide Datenbasis geschaffen, gefolgt von der Anreicherung von Metadaten und dem Aufbau einer semantischen Schicht, die logische Beziehungen und Geschäftslogik definiert. Eine effektive Governance ist entscheidend, um die Sicherheit und Vertrauenswürdigkeit der Antworten der KI-Agenten zu gewährleisten. Der Artikel empfiehlt, die Implementierung schrittweise zu gestalten, beginnend mit einem hochpriorisierten Geschäftsbereich, um Vertrauen in die Antworten zu schaffen und die Datenqualität kontinuierlich zu verbessern.

Der Artikel "LLM-as-a-Judge: How to Build Reliable AI Evaluation Systems" beleuchtet die Herausforderungen und Risiken bei der Verwendung von KI-Modellen, insbesondere von Large Language Models (LLMs), als Bewertungsinstrumente. Viele Nutzer vertrauen den Bewertungen dieser Modelle blind, ohne sie auf Bias oder Genauigkeit zu überprüfen. Ein Beispiel zeigt, dass ein Team eine hohe Durchschnittsbewertung von 4,4/5 erhielt, obwohl die Bewertung aufgrund fehlender Anker im System nicht aussagekräftig war. Der Autor hebt hervor, dass es unerlässlich ist, das Bewertungsmodell vor der Nutzung zu validieren. Um ein zuverlässiges LLM als Richter zu entwickeln, müssen klare Bewertungsstandards festgelegt, das Modell kalibriert und kontinuierlich überwacht werden. Dies stellt sicher, dass die Bewertungen tatsächlich aussagekräftig sind und nicht nur Durchschnittswerte widerspiegeln.

Im zweiten Teil des Artikels wird erläutert, wie das Modell unsloth/Qwen3.8–27B-GGUF in Claude Code über Ollama effizient eingesetzt werden kann, ohne auf technische Schwierigkeiten zu stoßen. Der Autor betont, dass es keine universelle Konfiguration gibt und Nutzer ihre Hardware anpassen müssen, um die 27 Milliarden Parameter und den erforderlichen Kontext in 24 GB VRAM unterzubringen. Ein zentraler Schritt ist die Erstellung einer Modelfile, die spezifische Parameter wie Kontextlänge und Sampling-Parameter definiert, wobei die Standardkontextlänge von Ollama überschrieben werden muss. Zudem wird die Notwendigkeit eines Projektors für die Bildverarbeitung hervorgehoben, da dessen Fehlen zu sofortigen Fehlern bei Bildanfragen führt. Der Artikel hebt die Bedeutung einer optimalen Serverkonfiguration hervor, um Speicherprobleme zu vermeiden und die Leistung zu maximieren, wobei die Wahl des KV-Cache-Typs entscheidend ist. Schließlich wird darauf hingewiesen, dass die Kontextlänge und die Vermeidung von Überlastungen für die Effizienz des Modells entscheidend sind und Nutzer ihre spezifischen Grenzen experimentell ermitteln sollten, um die besten Ergebnisse zu erzielen.

Am 1. September 2026 entwickelten der Autor und Natalie ein Tool zur Anzeige von GeoJSON-Dateien, um die politischen Grenzen des Granada Community Services District und des Midcoast Community Council darzustellen. Der Entwicklungsprozess begann mit einer Anfrage an GPT-5. 6-Sol, das ein entsprechendes Werkzeug entwarf. Durch mehrere Iterationen mit Claude Code und Fable 5. 1 wurde das finale Tool realisiert, das GeoJSON-Daten visualisieren und als PNG exportieren kann. Die benötigten GeoJSON-Dateien wurden durch Anfragen an ChatGPT Work generiert, das Daten aus verschiedenen Regierungsquellen extrahiert und kombiniert. So erhielt der Autor spezifische Polygondaten für die Grenzen der beiden Gemeinschaften. Das neu entwickelte Tool ermöglicht die gleichzeitige Anzeige beider Grenzen und verbessert somit die Visualisierung und den Zugang zu wichtigen geografischen Informationen.

OpenAI hat angekündigt, dass die neue Chain-of-Thought-Überwachung etwa 20 Prozent der Rechenkosten für KI-Modelle ausmacht, was die Betriebskosten erheblich erhöht. Diese Überwachung ermöglicht Echtzeit-Analysen der Denkprozesse der Modelle, um verdächtige Aktivitäten zu identifizieren und gegebenenfalls menschliche Sicherheitsteams zu alarmieren. Obwohl OpenAI die Kosten vorerst selbst trägt, wird erwartet, dass sie bald an die Kunden weitergegeben werden, insbesondere angesichts steigender regulatorischer Anforderungen. Unternehmen, die diese zusätzlichen Kosten nicht einplanen, könnten mit unerwarteten finanziellen Belastungen konfrontiert werden. Um sich auf diese Veränderungen vorzubereiten, sollten Teams ihre Architekturen anpassen, eigene Überwachungsmechanismen implementieren und die Kosten für KI-Überwachung in ihre Finanzmodelle integrieren. Zudem wird empfohlen, die Überwachungskosten transparent zu machen und Arbeitslasten nach Überwachungsintensität zu segmentieren, um unnötige Ausgaben zu vermeiden. Die kommenden Monate bieten Unternehmen die Möglichkeit, sich proaktiv auf diese Herausforderungen einzustellen.

Die britischen Verbraucher sehen sich im August mit den schnellsten Preiserhöhungen seit zwei Jahren konfrontiert, da die Inflation im Einzelhandel auf 1,5 Prozent gestiegen ist, verglichen mit 0,9 Prozent im Juli. Diese Entwicklung wird durch steigende Lebensmittelpreise und Engpässe bei Chips und Speicher, die mit dem Boom der Künstlichen Intelligenz zusammenhängen, verstärkt. Die Inflation für frische Lebensmittel liegt bei 3,0 Prozent, während die allgemeinen Verbraucherpreise bei 2,9 Prozent liegen und voraussichtlich weiter steigen werden. Experten führen die Preiserhöhungen auf höhere Energiekosten und das Ende von Sommeraktionen zurück, was die Budgets der Verbraucher zusätzlich belastet. Helen Dickinson, Geschäftsführerin des British Retail Consortium, hebt hervor, dass die höheren Kosten für Energie und Rohstoffe die Preise, insbesondere bei importierten Lebensmitteln, stark beeinflussen. Mike Watkins von NIQ betont, dass Einzelhändler trotz der Preiserhöhungen versuchen, die Preise niedrig zu halten, um den Verbrauchern in Zeiten steigender Lebenshaltungskosten zu helfen. Dennoch wird ein zunehmender Preisdruck in den Lieferketten erwartet, was zu intensiverem Preiswettbewerb im Herbst führen könnte.

Anthropic hat die neuen KI-Modelle Claude Fable 5.1 und Mythos 5.1 vorgestellt, die eine verbesserte Codierungsleistung und höhere Textqualität bieten. Dank optimierter Cache-Lesevorgänge können die Kosten um bis zu 45 Prozent gesenkt werden, insbesondere bei komplexen Aufgaben. Allerdings gibt es widersprüchliche Berichte über die tatsächlichen Einsparungen, da Fable 5.1 bei maximaler Nutzung teurer ist als sein Vorgänger. In Benchmark-Tests zeigen die neuen Modelle signifikante Fortschritte, wobei Fable 5.1 in verschiedenen Kategorien besser abschneidet als frühere Versionen und Wettbewerber. Zudem wurden die Sicherheitsfilter für Cybersecurity- und biomedizinische Anfragen verbessert, was zu weniger Fehlalarmen führt. Insgesamt verspricht Fable 5.1 eine leistungsstarke Lösung für Entwickler und Forscher.

Laut einer aktuellen Umfrage von Achilles, die 2.805 Organisationen weltweit befragte, liegt die AI-Adoption im Bereich Lieferantenrisiko und Nachhaltigkeit bei 37%. Trotz der Nutzung von AI zur Verbesserung von Beschaffung und Risikomanagement berichten nur 2% der Befragten von einer umfassenden Implementierung. Die Umfrage zeigt, dass Unternehmen AI zunehmend als Werkzeug zur Effizienzsteigerung und Entscheidungsfindung betrachten, jedoch mit Herausforderungen wie Datenqualität und internen Fähigkeiten kämpfen. Die häufigsten Anwendungsfälle sind Prozessautomatisierung und Risikominderung, wobei die Vorteile vor allem in der Effizienzsteigerung liegen. Obwohl 45% der Organisationen eine positive Einstellung zu AI haben, bleibt die vollständige Integration eine Herausforderung, da viele AI nicht als strategische Priorität behandeln. Adam Whitfield von Achilles betont die Bedeutung vertrauenswürdiger Daten für die Effektivität von AI. Zudem haben nur 6% der Organisationen vollständige Sichtbarkeit über ihre Tier-1-Lieferanten hinaus, was die Notwendigkeit unterstreicht, Risiken in der gesamten Lieferkette besser zu verstehen. Um AI erfolgreich zu skalieren, ist die Zuverlässigkeit der Lieferantendaten entscheidend.

Der Artikel "14 Claude Code Commands That Actually Save Time" beschreibt, wie der Autor seine Effizienz mit Claude Code durch die Entdeckung spezifischer Befehle erheblich gesteigert hat. Zuvor nutzte er die Software hauptsächlich als Chatbox, was zu ineffizienten Arbeitsabläufen führte, insbesondere bei der Projektbeschreibung. Ein Gespräch mit einem Kollegen, der ihn auf die existierenden Befehle hinwies, motivierte ihn, sich intensiver mit den Funktionen von Claude Code auseinanderzusetzen. Der Autor identifizierte 14 Befehle, die er nach Anwendungsbereichen sortierte, um die Übersichtlichkeit zu verbessern. Zudem überprüfte er die Befehle gegen die aktuelle Dokumentation von Anthropic, um sicherzustellen, dass er aktuelle Informationen verwendete. Diese neuen Erkenntnisse ermöglichten es ihm, Projekte schneller zu starten und die Zeit für grundlegende Erklärungen signifikant zu reduzieren.