Lesehinweis vom 10. September: Verwaltete Copilot-Berechtigungen: das Update.
Die Frage: Ihr Team nutzt bereits KI-Coding-Agents. Die schwierigere Frage ist, ob Sie sehen können, was sie tun, kontrollieren können, wo sie laufen, und die Kosten erklären können. Im Jahr 2026 trennt Governance — nicht die Modellqualität — einen brauchbaren Agent-Rollout von einem unkontrollierbaren.
Drei produktive Änderungen, die man lesen sollte — und ein Vergleich, den wir entfernt haben
Drei Signale aus August und Anfang September sind relevant dafür, wie Sie den nächsten Agent-Kauf bewerten. Wir verlinken jede Aussage auf ihre Quelle und markieren, was unbestätigt bleibt.
AWS hat Kiro Crew veröffentlicht, eine Open-Source-Orchestrierungsschicht für mehrere Agents für sein Kiro-Coding-Tool. Die offizielle Ankündigung beschreibt die Orchestrierung von Agents über das offene Agent Client Protocol (ACP), wobei jeder Schritt von Planung und Ausführung live beobachtbar ist. Das ist der überprüfbare Teil. Marketingaussagen, Crew biete automatisch Enterprise-Datengovernance, stehen nicht in der offiziellen Beschreibung — wiederholen sie daher nicht.
OpenClaw 2.0 (Version 2026.8.1) hat die browserbasierte Control UI des Projekts um Gespräche herum neu gebaut: Dateien, Freigaben, Einstellungen und laufende Agent-Arbeit liegen an einem Ort. Das Release ist real und dokumentiert. Was wir nicht verifizieren konnten: die Behauptung, solche Releases würden eine breite Enterprise-Migration weg von Managed Services antreiben. Dafür gibt es keine unabhängigen Nutzungsdaten — wir haben sie deshalb aus früheren Entwürfen dieses Artikels entfernt.
Die Claude-Code-Limits haben sich im September geändert. Sekundärberichte sind sich einig: Anthropic kündigte eine „dauerhafte Erhöhung der Standard-Wochenlimits um 25 %“ an, die in Kraft trat, als ein temporärer Promotionsbonus von 50 % ablief — Schwer Nutzer erlebten das als Netto-Reduktion von rund 17 % gegenüber den bisherigen Levels. Wir konnten die Rechnung vor Veröffentlichung nicht gegen Anthromics eigene Ankündigung verifizieren; behandeln Sie den Prozentsatz daher als „laut Berichten“, nicht als bestätigt — und als Erinnerung daran, dass Promotionskontingente ablaufen.
Was wir entfernt haben: Frühere Entwürfe zitierten konkrete SWE-bench-Prozentsätze für Claude Opus 5 und Cursors Composer 2.5. Die beiden Werte stammen aus unterschiedlichen Benchmark-Konfigurationen, die „offiziellen“ Leaderboard-Zahlen passten nicht zu unabhängigen Läufen, und Cursor selbst hat über Benchmark-Inflation geschrieben. Ein herstellerübergreifender Vergleich, den wir nicht auf eine Methodik festlegen können, ist schlimmer als keiner — die Zahlen sind deshalb raus.
Unser Urteil: Governance ist die Evaluation, kein Feature
Hersteller werden weiter Orchestrierung, Beobachtbarkeit und Berechtigungsfunktionen ausliefern — Kiro Crew und OpenClaws Freigabe-UI sind Belege dafür. Unsere Ansicht (eine Einschätzung, kein gemessener Trend): Diese Funktionen nutzen nur, wenn Ihr Team für die konkret laufende Konfiguration die Fragen der Checkliste unten beantworten kann. Eine Plattform, die nicht zeigen kann, wo eine Aufgabe lief, was sie berührt hat und was sie gekostet hat, lässt sich unabhängig von Benchmark-Scores nicht governen.
Eine Governance-Checkliste, die einen Herstellerwechsel übersteht
Nutzen Sie diese Liste, um jede KI-Coding-Plattform zu bewerten — gehostet, Open Source oder Hybrid. Ziel ist es nicht, Entwickler zu verlangsamen, sondern Arbeit auditierbar zu machen, ohne das Tempo zu töten.
1. Umgebungskontrolle. Laufen Aufgaben in einer verwalteten, prüfbaren Umgebung, die Sie migrieren und zurückrollen können? rein lokale Agents sind praktisch — bis ein Credential leakt oder ein Build nur auf einem Rechner bricht. Eine Plattform, die pro Aufgabe eine isolierte Entwicklungsumgebung startet, gibt Ihnen eine durchsetzbare Grenze.
2. Berechtigungsgrenzen. Können Sie festlegen, welche Repositories, Secrets und Modell-Endpunkte ein Agent berühren darf — und kann der Agent diese Regeln selbst ändern? Der gefährlichste Fehlermodus ist kein schlechter Diff, sondern ein Agent, der seine eigene Zugriffspolitik umschreibt. Suchen Sie Gates auf Infrastrukturebene, nicht nur Anweisungen auf Prompt-Ebene.
3. Review- und Audit-Trail. Wird jede Aufgabe, jede Dateiänderung, jeder Befehl und jeder Modellaufruf so aufgezeichnet, dass ein Mensch vor dem Merge prüfen kann? Ein lesbares Log ist Vergangenheitswissen; eine Review-Queue ist Voraussicht. Diff, Testausgabe und Modellbegründung sollten für das Team sichtbar sein — nicht nur für die Person, die die Aufgabe gestartet hat.
4. Kosten pro akzeptierter Aufgabe. Hören Sie auf, Tokens pro Dollar zu messen. Messen Sie, was es kostet, eine geprüfte, getestete, akzeptierte Änderung zu bekommen. Ein Modell, das pro Token billiger ist, aber drei zusätzliche Review-Runden braucht, ist teurer. Die Plattform sollte aufgabenbezogene Kosten, Parallelität und Modellwahl an einem Ort zeigen — und offenlegen, wann ein Promotionskontingent endet.
5. Deployment und Datenpfad. Können Sie die Plattform im eigenen Netz betreiben — und was bringt das genau? Self-Hosting kann die eigenen Plattformdienste, Ihre Repositories und Task-Aufzeichnungen innerhalb Ihrer Grenze halten. Das ist eine Einsatzbedingung, keine Datengarantie: Modell-Endpunkte, Telemetrie-Pfade, Credentials, Logs und Backups müssen weiterhin geprüft werden, denn eine selbst gehostete Control Plane kann weiterhin externe Modellprovider aufrufen. Behandeln Sie jede Aussage „Ihr Code verlässt niemals Ihr Netzwerk“ als Prüfobjekt, nicht als Annahme.
Benchmarks beantworten eine Frage; Governance beantwortet fünf
Unabhängige Benchmark-Scores ändern sich monatlich, und ein Single-Agent-Score misst einen Agent beim Lösen eines Issues in einem festen Harness. Er misst nicht, wie Ihr Team diese Arbeit reviewt, absichert und bezahlt. MonkeyCode, die Plattform hinter dieser Website, legt aus genau diesem Grund seine eigene Evidenz offen: Open Source unter AGPL-3.0, Aufgaben laufen in verwalteten serverseitigen Entwicklungsumgebungen, und für Teams, die die Plattform im eigenen Netz brauchen, gibt es einen Private-Deployment-Pfad. Verifizieren Sie alle drei Punkte gegen das Repository und die aktuellen Hosting-Bedingungen — ein kostenloser Tier und die Modell-Liste können sich ändern, und auch beim Self-Hosting bleiben die Datenpfad-Prüfungen oben nötig.
Der nützliche Wandel liegt in den Fragen: nicht mehr „Welcher Agent ist diesen Monat am schlauesten?“, sondern „Welche Plattform lässt uns den Workflow besitzen?”
So führen Sie die Evaluation durch
Wählen Sie drei abgegrenzte Aufgaben aus Ihrem eigenen Backlog. Führen Sie sie auf der Kandidatenplattform und in Ihrem aktuellen Setup aus. Erfassen Sie die Zeit bis zu einer reviewbaren Änderung, den Review-Aufwand, die Kosten und alle Security- oder Compliance-Auffälligkeiten. Stellen Sie dann die Governance-Fragen: Wer kann die Aufgabe sehen? Wo ist der Code gelaufen? Welche Daten haben das Netzwerk verlassen? Können Sie das Ergebnis morgen reproduzieren?
Wenn die Plattform diese Fragen mit Belegen nicht beantworten kann, ist der Benchmark-Score egal. Die KI-Coding-Plattform, die 2026 eine Einführung wert ist, behandelt Governance als Feature — nicht als Compliance-Nachrüstung.
Als konkreten Einstieg: Vergleichen Sie das Managed-Platform-Modell mit den Betriebsmodellen etablierter Tools und nutzen Sie die Self-Hosting-Checkliste, um Ihre Umgebung zu kartieren, bevor die nächste Preisänderung Sie zwingt.