Die Autovervollständigung, die ein autonomer Agent wurde

Im Frühling 2021 veröffentlichte Microsoft stillschweigend GitHub Copilot — 18 Monate bevor die meisten Menschen von ChatGPT gehört hatten, und ein volles Jahr bevor «LLM» in den Alltag eintrat. Über eine Million Entwickler meldeten sich für diese begrenzte Vorschau an. Was sie bekamen, war glorifizierte Autovervollständigung. Was ihnen gezeigt wurde, war eine Bahn.

Wie David Pierce am 12. April 2026 in The Verge berichtete, ist diese Bahn nun an ihrem logischen Ziel angekommen: KI-Tools, die ein paar Sätze Umgangssprache nehmen und einen funktionierenden Prototyp zurückgeben. Anthropic’s Claude Code — aufgebaut auf dem Opus-4.5-Modell, das Ende 2025 veröffentlicht wurde — wurde unter Entwicklern in einer Weise viral, wie es kein Entwickler-Tool zuvor getan hatte. Boris Cherny, der Schöpfer von Claude Code, sagte The Verge, dass er bereits KI 100 Prozent seines Codes schreiben lässt. OpenAI’s Codex folgte innerhalb von Monaten. Google schickte eine Kommandozeilen-Schnittstelle für Gemini ab und beschleunigte Coding-Features in AI Studio. Drei der am höchsten kapitalisierten Firmen des Planeten haben entschieden, dass das Schreiben von Code ihr primärer Kampfplatz ist.

←HEUTE: Im April 2026 sind Claude Code, Codex und Gemini Code Assist in aktiver Produktionsnutzung; Anthropic und OpenAI planen Berichten zufolge beide IPOs gestützt auf KI-Coding-Einnahmen.
→3012: Im Zürich-3012-Horizont ist die Unterscheidung zwischen «parametric designer» und «software author» zusammengebrochen — jeder Architekt, der Berechnung gestaltet, besitzt den vollständigen Stack.
Fulcrum: Das Fenster, in dem Sie noch die zugrunde liegende Logik lernen können, bevor der Agent sie abstrahiert, ist jetzt offen — und es schliesst sich.

Warum Code schon immer die Killer-App war

Drei strukturelle Eigenschaften machten Code zum idealen LLM-Substrat, und sie helfen zu verstehen, warum AEC als Nächstes kommt. Erstens ist Code selbstverifizierend — Sie führen ihn aus und er funktioniert entweder oder nicht, anders als ein juristisches Gutachten oder ein Projektnarrativ. Zweitens sind Programmiersprachen erschöpfend dokumentiert; das Trainingssignal ist sauber. Drittens das Volumen: Repositories wie GitHub gaben frühen Modellen ein Meer von Beispielen. Die meisten anderen professionellen Domänen — Strukturberechnungspakete, BIM-Autorenumgebungen, IFC-Schema-Logik — teilen mindestens zwei dieser drei Eigenschaften. Das ist das lohnenswerte Signal.

Die Low-Code-/No-Code-Bewegung (Zapier, Airtable, Notion) verbrachte ein Jahrzehnt damit, die Softwareerstellung zu demokratisieren, und produzierte Tools, die flexibel, aber kognitiv teuer waren. KI-Code-Agenten liefern das gleiche Versprechen mit einem anderen Mechanismus: natürliche Sprache rein, ausführbare Logik raus. Für einen parametrischen Designer, der sich mit Dynamo herumgeschlagen hat oder Python-Hooks in Revit schreibt, ist dies keine Abstraktion — es ist eine direkte Workflow-Änderung, die heute verfügbar ist.

Was diese Woche auf Ihrem Schreibtisch landet

Die AEC-spezifische Oberfläche ist bereits erheblich. Grasshopper-Skripte, Dynamo-Graphen, Python-Routinen für IFC-Export, GH-Python-Brücken zu Strukturlösern — alles dies ist Code, und alles dies sind Ziele für Claude Code oder Copilot-ähnliche Agenten. Ein Computational Designer bei einer mittleren Schweizer Firma, der zwei Tage damit verbringt, eine Mengenermittlungsautomation zu skripten, kann heute einen funktionierenden ersten Entwurf in weniger als einer Stunde mit Prompts generieren und die verbleibende Zeit auf Verifikation und Grenzfälle verwenden. Das ist keine zukünftige, sondern eine gegenwärtige Fähigkeit.

Das Risiko sitzt am gleichen Ort: Verifikationsschuld. Der Verge-Artikel bemerkt, dass frühe Copilot-Ausgabe immer Überprüfung brauchte — und die gleiche Warnung gilt für Opus 4.5. Schnellere Erzeugung komprimiert die Feedback-Schleife, eliminiert aber nicht die Notwendigkeit für Fachurteil. Ein Agent, der selbstbewusst eine strukturell plausible, aber geometrisch degenerierte Mesh-Routine produziert, wird seinen eigenen Fehler nicht ankündigen. Der Ingenieur genehmigt weiterhin.

Es gibt auch ein Datenherkunftsproblem, das es wert ist, deutlich zu benennen. Wie Pierce’s Artikel anerkennt, wurden viele der Trainingsdaten für diese Modelle über «teilweise fragwürdige Mittel» beschafft — und proprietäre BIM-Dateien, benutzerdefinierte Grasshopper-Definitionen und firmeneigene Berechnungsvorlagen sind genau die Art strukturierter, gut dokumentierter Daten, die zukünftige Modellgenerationen wollen. Die nDSG (die überarbeitete Datenschutzgesetzgebung der Schweiz) und der EU-AI-Act schaffen zusammen eine Compliance-Oberfläche, die kein Schweizer Ingenieurbüro ohne eine schriftliche Richtlinie navigieren sollte, welche Daten in das Kontextfenster eines Cloud-basierten Code-Agenten gelangen.

Atelier: In PAZ’s Computational Design Track stellen wir KI-Code-Tools nicht als Ersatz für Skriptingkompetenz dar, sondern als Beschleuniger, die diese belohnen — der Praktiker, der versteht, was eine Grasshopper-Komponente tut, wird Fehler des Agenten schneller erkennen als einer, der die Ausgabe als Black Box behandelt. Das System zu kennen macht Sie zu einem besseren Prompt-Autor und schärferen Reviewer.

Der Schritt

Führen Sie diese Woche eine echte Aufgabe durch Claude Code oder GitHub Copilot aus — nicht ein Spielzeugbeispiel, sondern ein Skript, das Sie tatsächlich verwenden würden: ein Rhino Python, das benannte Layer im Batch zu DXF exportiert, oder einen Dynamo-Graphen, der einen Parameterzeitplan liest und Konflikte gegen eine Namenskonvention kennzeichnet. Messen Sie die Zeit. Überprüfen Sie die Ausgabe Zeile für Zeile. Der Vergleich zwischen dem, was Sie erwartet haben, und dem, was Sie bekommen, wird Ihnen mehr über den aktuellen Zustand von KI-Code-Agenten sagen als jeder Benchmark.

Die Code-Kriege zwischen OpenAI, Anthropic und Google sind letztendlich eine Rechen- und Kapitalgeschichte. Für Sie, den Praktiker, ist die relevante Frage einfacher: Welche Teile Ihres Skript-Backlogs können Sie heute an einen Agenten auslagern, und wie sieht Ihr Überprüfungsprozess aus, wenn Sie das tun?

Quelle: The Verge