Die heutigen Geschichten kreisen um eine Frage: Wenn KI-Agenten bei Ingenieursarbeit wirklich gut werden, welche Ihrer alten Technologieentscheidungen halten dann noch stand? Shopify hat soeben eine fünfjährige Wette rückgängig gemacht, weil sich die Antwort geändert hat. Ein Coding-Startup unterbietet die Spitzenlabore beim Preis. OpenAI vermietet die Maschinerie hinter seinen eigenen Agenten. Rust hat sich still den Erstklass-Status im Unternehmen erarbeitet, das Windows definiert. Und zwei Infrastruktur-Geschichten, ein 13-Milliarden-Euro-Energie-und-Rechenzentrums-Deal und ein neuer Weg, Postgres zu skalieren, erinnern daran, dass die unspektakulären Fundamente noch immer entscheiden, was möglich ist. Hier ist, was geschah, und was zu tun ist.
1. Shopify macht kehrt: von React Native zurück zu Swift und Kotlin
Shopify gab bekannt, seine mobilen Apps von React Native zurück zu nativem Swift und Kotlin zu migrieren, und kehrt damit eine Wette von 2020 um, die noch im Januar 2025 bekräftigt wurde. Der Grund ist nicht, dass React Native versagt hätte, Shopify betont, es habe gut funktioniert, sondern dass KI-Coding-Agenten eine Kernannahme verändert haben. Das ursprüngliche Argument für React Native war, nicht jede Funktion zweimal zu bauen; nun können Agenten eine Android-Funktion aus der iOS-Version als Referenz umsetzen (und umgekehrt), Übersetzung, Tests und Review übernehmen und die Kosten der Plattform-Parität drastisch senken. Die Shop-App wurde nativ neu gebaut und in nur 12 Wochen ausgeliefert; die Flaggschiff-App Shopify mit über 300 Bildschirmen ist in Arbeit.
"Wir halten nicht an einer Entscheidung fest, nur weil sie damals erfolgreich war. Wenn sich eine Kernannahme ändert, sind wir bereit, zurückzugehen und zu fragen, ob es noch die richtige Wahl ist. LLMs haben eine der Kernannahmen unserer Entscheidung von 2020 verändert." — Shopify Engineering
Bemerkenswert: Shopify gestaltet seine Architektur so um, dass die Geschäftslogik kopflos («headless») läuft und von Agenten über eine CLI in Millisekunden steuerbar ist, statt Agenten langsame Simulatoren babysitten zu lassen. Anders gesagt: Sie schreiben nicht bloss Apps neu, sondern bauen Software, die Menschen wie Agenten schnell verstehen, testen und ändern können.
Bedeutung für Ihr Unternehmen: Die Lehre ist nicht «werdet nativ», sondern «prüft eure Architekturannahmen erneut». Entscheidungen, die Sie trafen, um knappe Ingenieursleistung zu sparen, sind vielleicht nicht mehr optimal, nun da Agenten viel vom Umsetzungs- und Übersetzungsaufwand abnehmen. Prüfen Sie die Umgehungen und Abstraktionsschichten, die Sie nur zum Sparen von Entwicklerzeit eingeführt haben, und fragen Sie, ob sie sich noch lohnen. Und nehmen Sie Shopifys tieferen Schritt ernst: Systeme so zu gestalten, dass Agenten in Millisekunden testen und iterieren können (kopflose Logik, eine CLI, starke Tests), wird zum echten Wettbewerbsvorteil.
Quellen: Back to Native (Shopify Engineering) · Hacker-News-Diskussion
2. Cognition liefert SWE-2, ebenbürtig zum Viertel des Preises
Cognition, das Unternehmen hinter dem Coding-Agenten Devin, veröffentlichte SWE-2, ein Coding-Modell, das im hauseigenen Benchmark FrontierCode 1.1 50,0% erreicht, praktisch gleichauf mit Anthropics Fable 5.1 (50,9%) und wenige Punkte hinter OpenAIs GPT-6 Astra (53,3%), bei bis zu 64% geringeren Kosten als Fable und rund einem Viertel von Astra. Es ist aus Moonshot AIs Basismodell Kimi K3 nachtrainiert, über drei «Effort»-Stufen in einem einzigen Trainingslauf, und erreicht seine erste echte Code-Änderung nach median 18 Schritten, gegenüber 48 beim Vorgänger.
"Die mittlere Einstellung von SWE-2 schlug SWE-1.7 bei 58% weniger Zügen und durchschnittlich 81% geringeren Kosten." — Cognition
Der ehrliche Vorbehalt steht in derselben Mitteilung: Im härteren agentischen Benchmark Terminal-Bench 4 erreichte SWE-2 nur 27,3%, weit hinter Fable 5.1 (55,8%) und Astra (57,9%). Der Kostenvorteil ist also am stärksten bei sauberer Software-Engineering-Arbeit und schrumpft bei unübersichtlicheren, offeneren agentischen Aufgaben deutlich. Am schweren Ende rechtfertigen die Spitzenlabore ihren Preis weiterhin.
Bedeutung für Ihr Unternehmen: Kosten pro Aufgabe, nicht bloss die reine Leistungsfähigkeit, werden zur entscheidenden Kennzahl für KI-Werkzeuge. Wenn Ihre Teams täglich Coding-Agenten einsetzen, kann ein Modell, das nahe an der Spitze liegt und einen Bruchteil kostet, Ihre Budgetrechnung verändern, aber nur für die richtige Arbeit. Passen Sie das Modell zur Aufgabe an: günstigere Modelle für klar umrissene, überprüfbare Arbeit, das Spitzenmodell (und seinen Preis) für offene Probleme. Vor allem: benchmarken Sie an Ihren eigenen Repositories, nicht am Leaderboard des Anbieters, und verlangen Sie menschliche Prüfung vor dem Merge.
Quellen: Introducing SWE-2 (Cognition) · Analyse (Startup Fortune) · Hacker-News-Diskussion
3. OpenAI öffnet seine Agents API
OpenAI veröffentlichte die Agents API, die den «Codex-Harness», die Orchestrierungsmaschinerie hinter den eigenen Agenten, als verwalteten Dienst zugänglich macht. OpenAI übernimmt Sessions, Orchestrierung, Kontext-Kompaktierung und Wiederherstellung, während Ihre Anwendung Werkzeuge bereitstellt, MCP-Server anbindet und wählt, ob der Agent in einer OpenAI-gehosteten Sandbox oder Ihrer eigenen, selbst gehosteten Umgebung läuft. Agenten können Code ausführen, Dateien bearbeiten, Artefakte erzeugen, Arbeit in Teilaufgaben zerlegen, an Subagenten delegieren und dort weitermachen, wo sie aufgehört haben.
"OpenAI verwaltet Sessions, Orchestrierung, Kontext-Kompaktierung und Wiederherstellung, während Ihre Anwendung Werkzeuge bereitstellt und ihre Ausführungsumgebung wählt." — OpenAI-Agents-API-Dokumentation
Ein Detail verdient für europäische Leser besondere Beachtung: Laut Dokumentation unterstützt die Agents API derzeit die Datenhaltung nur in den USA und kein Zero Data Retention, und die Wahl einer selbst gehosteten Sandbox ändert daran nichts. Für regulierte Organisationen ist das eine harte Einschränkung, keine Fussnote.
Bedeutung für Ihr Unternehmen: Verwaltete Agenten-Orchestrierung senkt den Aufwand, autonome Abläufe zu bauen, konzentriert aber auch die Abhängigkeit auf den Harness und die Datenbedingungen eines einzigen Anbieters. Für jede Schweizer oder EU-Organisation, die an Datenhaltungsregeln gebunden ist, dürften die reine US-Datenhaltung und das fehlende Zero Data Retention dies für sensible Arbeitslasten ausschliessen, unabhängig vom Standort der Sandbox, gerade mit Blick auf DSGVO und revidiertes Schweizer DSG. Genau deshalb lohnt es sich, selbst hostbare, EU-basierte Agenten-Frameworks parallel weiter zu evaluieren. Lesen Sie das Kleingedruckte zur Datenkontrolle vor dem Prototyp, nicht danach.
Quellen: Agents API Overview (OpenAI) · Hacker-News-Diskussion
4. Rust wird Tier-1-Sprache bei Microsoft
Die Rust Foundation veröffentlichte einen Gastbeitrag von Microsoft, der bestätigt, dass Rust nun neben C++, C# und TypeScript als Tier-1-Engineering-Sprache intern gilt, mit einem «befestigten Weg» von der lokalen Entwicklung bis zur Produktion: sichere Toolchain-Builds, Werkzeuge, Qualitätsabläufe und Konformität mit Microsofts Security Development Lifecycle. Das Herzstück ist rustc_codegen_utc, ein neues Compiler-Backend, das Rust an Microsofts eigenes MSVC-Backend anbindet und Rust und C++ eine einheitliche Code-Generierungsplattform unter Windows gibt, mit gemeinsamer Sicherheitshärtung, Debugging und Servicing.
"Mehr als 100 Microsoft-Projekt-Repositories bauen heute damit. Diese Einführung setzt sich Woche für Woche fort, während weitere Repositories sie übernehmen." — Microsoft, über die Rust Foundation
Rusts Einsatz bei Microsoft erstreckt sich nun über Firmware, Treiber, Kernel und Hypervisoren, Microservices und Apps. Das Backend ist seit Anfang 2026 produktionsreif und seit Rust 1.90 selbsthostend. Dies ist ein dauerhaftes Bekenntnis auf Infrastrukturebene, kein Pilotprojekt, und es stärkt Rusts Anspruch, der Standard für neuen systemnahen und sicherheitskritischen Code zu sein.
Bedeutung für Ihr Unternehmen: Für speichersicherheitskritische Arbeit, Sicherheitsagenten, Parser, kryptografische Werkzeuge, hochdurchsatzstarke Dienste, ist Rusts Ökosystem nun von einem grossen Plattformanbieter gestützt, was das langfristige Risiko der Einführung senkt. Wenn Sie einstellen oder neue Systemsoftware auf der grünen Wiese planen, ist Rust eine zunehmend sichere strategische Wette. Es ist kein Auftrag zum Neuschreiben; der praktische Schritt ist, Rust dort zu pilotieren, wo Speichersicherheitsfehler am teuersten wären, und die Ergebnisse die breitere Entscheidung leiten zu lassen.
Quellen: Rust Is Tier-1 Language at Microsoft (Rust Foundation) · Hacker-News-Diskussion
5. Google steckt 13 Mrd. Euro, und ein halbes Kernkraftwerk, in KI in Finnland
Google kündigte eine Rekordinvestition von 13 Milliarden Euro (rund 12 Mrd. CHF) in Finnland an, seine grösste Einzelinvestition in Europa, um drei neue Rechenzentren zu finanzieren, einen bestehenden Standort auszubauen und Energie für seine KI-Dienste zu sichern. Das Herzstück ist ein 22-Jahres-Vertrag über den Bezug von bis zu 50% der Leistung des Kernkraftwerks Loviisa, das derzeit rund 10% des finnischen Stroms erzeugt. Finnlands kühles Klima, kohlenstoffarmes Netz und wenig überlastete Stromversorgung haben das Land zum Magneten für KI-Infrastruktur gemacht; TikTok kündigte in derselben Woche ein Rechenzentrum für 1 Milliarde Dollar an.
"Dies ist Googles grösste Einzelinvestition in Europa und ein Beleg für Finnlands Führungsrolle beim verantwortungsvollen Aufbau von KI-Infrastruktur." — Google
Der Deal unterstreicht, dass Energie, nicht Chips, zum begrenzenden Faktor der KI wird. Alphabet erhöhte seine globalen Investitionspläne für 2026 auf bis zu 205 Milliarden Dollar, und Techkonzerne unterzeichnen nun mehrere Jahrzehnte lange Stromverträge, um Versorgung zu garantieren. Das verändert Volkswirtschaften: Google schätzt, dass das Projekt 37'000 Bauarbeitsplätze stützt und dem finnischen BIP jährlich 3,6 Milliarden Euro hinzufügt.
Bedeutung für Ihr Unternehmen: Die KI, die Sie nutzen, ist zunehmend an physische Energie- und Standortentscheidungen gebunden, was Kosten, CO2-Fussabdruck und Datenhaltung zugleich betrifft. Wenn Sie einen KI- oder Cloud-Anbieter wählen, fragen Sie, wo die Rechenleistung physisch läuft und mit welcher Energie, für Schweizer und EU-Firmen ist das eine Nachhaltigkeits- wie auch eine Souveränitätsfrage. Europäische, kohlenstoffarme Infrastruktur wird zum echten Unterscheidungsmerkmal, nicht bloss zum Compliance-Häkchen. Beziehen Sie die Energiebeschaffung neben Preis und Leistung in die Anbieterprüfung ein.
Quellen: Google picks Finland for largest single investment in Europe (BBC) · Hacker-News-Diskussion
6. PlanetScale liefert Neki: echtes gesharded Postgres
PlanetScale stellte Neki vor, gesharded Postgres, das eine Datenbank über viele Maschinen skaliert und dabei auf jedem Shard echtes, unverändertes Postgres behält. Ihre Anwendung verbindet sich mit einem Neki-Router über das Standard-Postgres-Wire-Protokoll, sodass bestehende Treiber, ORMs und Verbindungszeichenfolgen weiter funktionieren, während jeder Shard ein vollständiges Postgres-Cluster mit einem Primary und mindestens zwei Replikas über drei Verfügbarkeitszonen betreibt. Schemaänderungen, Upgrades, Failover, Importe und Resharding laufen alle als eingebaute, vollständig online ausgeführte Workflows, und Sie können ungesharded starten und später per Workflow gegen das bestehende Cluster resharden.
"Bleib bei Postgres, arbeite nicht darum herum, täusche es nicht vor und wende dich nicht davon ab." — PlanetScale
Das Design vermeidet bewusst die üblichen Kompromisse: Sharding auf Anwendungsebene verlagert das Routing in Ihren Code, und Postgres-«kompatible» verteilte Datenbanken verbergen den Shard-Key und verwerfen Ihre Erweiterungen. Neki behält den Shard-Key in Ihrer Kontrolle und bewahrt Erweiterungen und SQL-Verhalten. Es befindet sich derzeit in der Plattform-Vorschau und ist noch nicht für Produktions-Arbeitslasten empfohlen.
Bedeutung für Ihr Unternehmen: Wenn Ihre Postgres-Datenbank an die Grenze einer einzelnen Maschine stösst, kommt horizontale Skalierung, ohne das Ökosystem, die Erweiterungen und das SQL-Verhalten aufzugeben, das Ihr Team bereits kennt. Der strategische Wert liegt darin, eine schmerzhafte spätere Migration zu einer eigenwilligen «Postgres-kompatiblen» Engine zu vermeiden. Wenn Sie jetzt ein datenintensives Produkt entwerfen, planen Sie mit einem plausiblen Shard-Key im Kopf, auch wenn Sie am ersten Tag nicht sharden, und beobachten Sie die Entwicklung, während sie über die Vorschau hinaus reift. Setzen Sie Vorschau-Software noch nicht unter Produktionslast.
Quellen: Introducing Neki (PlanetScale) · Hacker-News-Diskussion
Praktische Erkenntnisse
| Thema | Umsetzbare Erkenntnis |
|---|---|
| Shopify zurück zu Native | Architekturentscheidungen zum Sparen knapper Ingenieurszeit erneut prüfen; Agenten verändern die Rechnung. Systeme so bauen, dass Agenten in Millisekunden testen und iterieren. |
| Cognition SWE-2 | Auf Kosten pro Aufgabe optimieren: günstige Modelle für klar umrissene Arbeit, Spitzenmodelle für offene Probleme. An eigenen Repos benchmarken, menschliche Prüfung behalten. |
| OpenAI Agents API | Verwaltete Orchestrierung beschleunigt die Entwicklung, konzentriert aber die Abhängigkeit; reine US-Datenhaltung und kein ZDR schliessen sie für sensible Schweizer/EU-Lasten wohl aus. |
| Rust Tier-1 bei Microsoft | Für speichersicherheitskritischen Code ist Rust nun eine sicherere Langzeitwette; dort pilotieren, wo Sicherheitsfehler am teuersten wären. |
| Googles 13-Mrd.-Deal in Finnland | Fragen, wo Ihre KI-Rechenleistung physisch läuft und mit welcher Energie; Energiebeschaffung als Nachhaltigkeits- und Souveränitätsfaktor in die Anbieterwahl einbeziehen. |
| PlanetScale Neki | Wenn Postgres an Einzelmaschinen-Grenzen stösst, horizontale Skalierung planen; jetzt einen plausiblen Shard-Key entwerfen, aber Vorschau-Software aus der Produktion halten. |
Fazit
Der rote Faden heute: Reifende KI-Agenten setzen still die Kosten von Ingenieursarbeit neu, und das erzwingt eine Neubewertung von Entscheidungen, die einst geklärt schienen: welcher Stack, welches Modell, welche Sprache, welche Infrastruktur. Shopifys Bereitschaft, eine erfolgreiche fünfjährige Wette umzukehren, ist das deutlichste Signal. Die Gewinner werden nicht jene sein, die jeder Kehrtwende hinterherjagen, sondern jene, die regelmässig fragen, welche ihrer Annahmen still abgelaufen sind. Welche Entscheidung in Ihrem eigenen Stack war richtig, als Sie sie trafen, ist aber heute vielleicht nicht mehr die richtige Wahl?