Latest DE articles from the Provenance Manifesto blog. https://provenancemanifesto.org/de/blog de Wed, 20 May 2026 00:00:00 GMT KI-Agenten erfordern grundlegend andere Testansätze als traditionelle Software. Anders als deterministische Systeme können Agenten für denselben Input mehrere gültige Ergebnisse produzieren. Tests müssen von der Validierung der Ausgabe allein zu einer Untersuchung des gesamten Reasoning-Prozesses übergehen – einschließlich Evidenzdisziplin, Speicherwiederverwendung, Governance-Grenzen und Entscheidbarkeit – um sicherzustellen, dass Entscheidungen vertrauenswürdig bleiben, auch wenn das Reasoning teilweise automatisiert ist. https://provenancemanifesto.org/de/blog/testing-ai-agents-is-not-testing-software https://provenancemanifesto.org/de/blog/testing-ai-agents-is-not-testing-software Wed, 20 May 2026 00:00:00 GMT Delivery Provenance Workspace kann verstreute Delivery-Entscheidungen in wiederverwendbares Management-Gedächtnis verwandeln, indem Evidenz, Begründungen, Risiken und Validierungsstatus in einem Decision Provenance Assistant erfasst werden. https://provenancemanifesto.org/de/blog/delivery-provenance-workspace https://provenancemanifesto.org/de/blog/delivery-provenance-workspace Wed, 13 May 2026 00:00:00 GMT Softwarefabriken ohne bewahrtes Urteilsvermögen sind kein Senior Engineering im Maßstab. Sie sind Junior Engineering im Maßstab. Schnelles Junior Engineering. https://provenancemanifesto.org/de/blog/we-are-building-ai-software-factories-without-teaching-them-judgment https://provenancemanifesto.org/de/blog/we-are-building-ai-software-factories-without-teaching-them-judgment Wed, 13 May 2026 00:00:00 GMT Ein praxisnaher Leitfaden für GitHub-Copilot-Agent-Workflows, der agentische Vererbung über geschichtete Anweisungen erklärt und sequenzielle, parallele sowie hierarchische Orchestrierungsmuster vergleicht. https://provenancemanifesto.org/de/blog/agentic-flow-how-to-guide https://provenancemanifesto.org/de/blog/agentic-flow-how-to-guide Sun, 22 Mar 2026 00:00:00 GMT Dieser Beitrag zeigt, dass fluente KI-Ausgaben subtile Grenz- und Constraint-Verletzungen verbergen können: Ergebnisse wirken korrekt, sind aber nicht vollständig verlässlich. Um solche Abweichungen erkennbar und erklärbar zu machen, brauchen wir Provenance – also nachvollziehbare Entscheidungs- und Kontextspeicher – statt reiner Output-Prüfung. https://provenancemanifesto.org/de/blog/the-fluency-paradox-when-ai-sounds-right-but-stops-being-reliable https://provenancemanifesto.org/de/blog/the-fluency-paradox-when-ai-sounds-right-but-stops-being-reliable Sat, 21 Mar 2026 00:00:00 GMT Dieser Leitfaden erklärt, wie man einen Markdown-Blog mit GitHub Copilot Agents zu einer mehrsprachigen Publishing-Pipeline automatisiert, bei der ein Orchestrator Sprach-Subagents koordiniert, README-Zusammenfassungen aktualisiert, Hooks und Skills als Guardrails einsetzt und reproduzierbare, skalierbare Ergebnisse erzeugt. https://provenancemanifesto.org/de/blog/building-an-automated-translation-pipeline-for-a-markdown-blog-with-github-copilot https://provenancemanifesto.org/de/blog/building-an-automated-translation-pipeline-for-a-markdown-blog-with-github-copilot Fri, 20 Mar 2026 00:00:00 GMT Wissen verliert seine Vertrauenswürdigkeit, sobald seine Herkunft verschwindet – KI beschleunigt diesen Verfall, indem sie überzeugende Ausgaben ohne nachvollziehbare Begründungskette erzeugt. Provenienz ist keine Formatierungsfrage, sondern eine Integritätsschicht: Ohne sie werden selbst korrekte Ergebnisse fragil, weil ihr Reasoning nicht rekonstruierbar ist. https://provenancemanifesto.org/de/blog/where-provenance-ends-knowledge-decays-reflections https://provenancemanifesto.org/de/blog/where-provenance-ends-knowledge-decays-reflections Tue, 17 Mar 2026 00:00:00 GMT Menschen widersetzen sich von Natur aus dagegen, die Begründungen hinter ihren Entscheidungen zu teilen, weil Kontext und Erinnerung historisch eine Quelle von Einfluss und beruflichem Vorteil waren. Infolgedessen bleiben viele kritische Entscheidungen undokumentiert und existieren nur in Gesprächen oder im individuellen Gedächtnis. Im KI-augmentierten Zeitalter wird dies zu einem ernsthaften Governance-Problem, weil sich Systeme schneller entwickeln und die Begründungen hinter Veränderungen noch schneller verschwinden. Ohne bewahrten Entscheidungskontext verlieren Organisationen die Fähigkeit, ihre Systeme zu erklären, zu prüfen oder sicher weiterzuentwickeln. Der KI-Wandel macht Entscheidungs-Provenienz daher von einer kulturellen Präferenz zu einer strukturellen Voraussetzung für organisatorische Governance. https://provenancemanifesto.org/de/blog/provenance-is-not-about-tools-it-is-about-mindset https://provenancemanifesto.org/de/blog/provenance-is-not-about-tools-it-is-about-mindset Sun, 15 Mar 2026 00:00:00 GMT Sobald Entscheidungen zu erstklassigen Artefakten werden, verändert sich etwas Grundlegendes. Wenn sich die Umgebung weiterentwickelt, sind wir nicht länger gezwungen, die Begründungen hinter einem System durch Archäologie und Spekulation erneut zu entdecken. Stattdessen können wir die ursprüngliche Entscheidung erneut betrachten, die Annahmen aktualisieren, die nicht mehr gültig sind, und die Implementierung so neu erzeugen, dass sie den neuen Kontext widerspiegelt. https://provenancemanifesto.org/de/blog/why_decisions_must_become_a_first_class_artifact https://provenancemanifesto.org/de/blog/why_decisions_must_become_a_first_class_artifact Sat, 14 Mar 2026 00:00:00 GMT Stellen wir uns ein „Provenance-natives Unternehmen“ im Jahr 2030 vor – eine Organisation, die von Anfang an um Entscheidungs-Lineage, SDLC-Gedächtnis und Nachvollziehbarkeit von KI-Ausführungen herum aufgebaut wurde, anstatt zu versuchen, dies später nachzurüsten. https://provenancemanifesto.org/de/blog/2030_a_provenance_native_company https://provenancemanifesto.org/de/blog/2030_a_provenance_native_company Fri, 13 Mar 2026 00:00:00 GMT Nach der Veröffentlichung der ersten Version des Provenance Manifesto begann ich zu untersuchen, ob bestehende Marktlösungen mit den dort beschriebenen Prinzipien übereinstimmen. https://provenancemanifesto.org/de/blog/why-organizational-memory-is-not-just-an-ai-knowledge-system https://provenancemanifesto.org/de/blog/why-organizational-memory-is-not-just-an-ai-knowledge-system Wed, 11 Mar 2026 00:00:00 GMT Der Artikel untersucht ein einfaches, aber übersehenes Problem: Softwareorganisationen bewahren selten die Begründungen hinter ihren Entscheidungen auf, obwohl genau diese Entscheidungen alles prägen, was sie bauen. Er argumentiert, dass KI-Retrieval und Dokumentation allein dieses Problem nicht lösen können, weil das fehlt, was wirklich benötigt wird: ein strukturiertes System, das die Beziehungen zwischen Entscheidungen, Annahmen und Ergebnissen festhält. Das Provenance Manifesto schlägt vor, Entscheidungen als erstklassige Artefakte zu behandeln, damit Organisationen Absicht, Verantwortlichkeit und Entscheidungs-Lineage bewahren können, während KI die Softwareentwicklung beschleunigt. https://provenancemanifesto.org/de/blog/the_day_the_provenance_manifesto_was_born https://provenancemanifesto.org/de/blog/the_day_the_provenance_manifesto_was_born Sun, 08 Mar 2026 00:00:00 GMT Beim Aufbau von SDLC Memory stieß ich auf ein unerwartetes architektonisches Dilemma. Sollte das System wie ein autonomer Agent schlussfolgern, sich wie ein deterministischer Datentransformator verhalten oder irgendwo dazwischen liegen? Ich entscheide noch, welche Richtung für das MVP die richtige ist. https://provenancemanifesto.org/de/blog/git-for-decisions-needs-a-brain-but-what-kind https://provenancemanifesto.org/de/blog/git-for-decisions-needs-a-brain-but-what-kind Wed, 04 Mar 2026 00:00:00 GMT In „Part 1 – From RAG to Provenance: How We Realized Vector Alone Is Not Memory“ haben wir uns von RAG zu Provenance bewegt, von Ähnlichkeit zu Lineage. Doch wenn KI-Agenten künftig 50–80 % der Arbeit erzeugen, stellt sich die eigentliche Frage: Wie wird Gedächtnis sicher aktualisiert? Wie werden neue Entscheidungen validiert, verknüpft und gesteuert, anstatt einfach nur eingebettet zu werden? Dieser Artikel zeigt Schritt für Schritt den inkrementellen Graph-Update-Prozess hinter dem Entscheidungs-Gedächtnis anhand eines realen Beispiels. Denn im KI-Zeitalter muss sich Gedächtnis weiterentwickeln, nicht nur Informationen abrufen. https://provenancemanifesto.org/de/blog/from-rag-to-provenance-part-2-how-Incremental-graph-memory-actually-learns https://provenancemanifesto.org/de/blog/from-rag-to-provenance-part-2-how-Incremental-graph-memory-actually-learns Sat, 28 Feb 2026 00:00:00 GMT Was wäre, wenn Ihr SDLC sich eigentlich an nichts erinnert und nur Fragmente abruft? Wir haben leistungsstarke RAG-Systeme gebaut, die in Millisekunden „relevanten“ Text finden können. Doch Relevanz ist keine Kausalität. Und wenn in der Produktion etwas schiefgeht, wird Ähnlichkeit Ihnen nicht sagen, warum es passiert ist oder welche Entscheidung, welches Risiko oder welche Abhängigkeit dazu geführt hat. In diesem Artikel erkläre ich, warum Vektorsuche allein kein Gedächtnis ist, wie eine Graphstruktur das Spiel verändert und wie die Kombination aus Vektor-Suche und einem strikten Provenance-Modell verstreute Dokumentation in etwas verwandelt, das organisatorischer Kognition näherkommt. Wenn Sie sich für Erklärbarkeit, Entscheidungs-Lineage und echte Delivery-Intelligenz interessieren – dieser Artikel ist für Sie. https://provenancemanifesto.org/de/blog/from-rag-to-provenance-how-we-realized-vector-alone-is-not-memory https://provenancemanifesto.org/de/blog/from-rag-to-provenance-how-we-realized-vector-alone-is-not-memory Sun, 22 Feb 2026 00:00:00 GMT Nächstes Kapitel: SDLC Memory & Provenance. In den vorherigen Kapiteln haben wir untersucht, warum SDLC kein echtes Gedächtnis hat und warum Provenance strukturell werden muss, nicht optional. Im nächsten Schritt gehen wir einer unangenehmeren Frage nach. Was wäre, wenn der eigentliche Engpass in der Delivery nicht Geschwindigkeit, Tooling oder sogar KI-Fähigkeiten ist … sondern die biologischen Grenzen menschlichen Kontextverständnisses? Menschen können gleichzeitig etwa vier bedeutungsvolle Einschränkungen aktiv im Kopf behalten. Moderne Agenten können Hunderttausende Tokens verarbeiten. Und dennoch kann keiner von beiden ein lebendes Produkt über die Zeit hinweg ohne Struktur erinnern. Dieses Kapitel verbindet Kognitionswissenschaft, KI-Kontextfenster und eine praktische Hot/Warm/Cold-Memory-Architektur, um zu zeigen, warum dauerhaftes SDLC-Gedächtnis kein Dokumentations-Overhead ist, sondern ein Wettbewerbsvorteil. Wenn Ausführung günstiger wird, wird Gedächtnis zum Differenzierungsfaktor. Lassen Sie uns darüber sprechen, wie man es aufbaut. https://provenancemanifesto.org/de/blog/why-humans-think-they-remember-everything-and-why-sdlc-memory-proves-they-dont https://provenancemanifesto.org/de/blog/why-humans-think-they-remember-everything-and-why-sdlc-memory-proves-they-dont Sun, 22 Feb 2026 00:00:00 GMT In den vorherigen Kapiteln haben wir über SDLC Memory und Provenance als Wege gesprochen, Chaos zu reduzieren, Delivery-Integrität zu schützen und Entscheidungen innerhalb von Engineering-Organisationen nachvollziehbar zu machen. Jetzt möchte ich den Blick erweitern. Denn wenn KI verändert, wie Software gebaut wird, verändert sie auch etwas viel Größeres – wie Intellectual Capital selbst bewertet wird. Dieser Artikel ist keine Abweichung von der Provenance-Diskussion. Er ist der nächste logische Schritt. Wenn Ausführung im Überfluss vorhanden wird, werden Gedächtnis, Governance und Entscheidungsarchitektur zu den eigentlichen Vermögenswerten. Lassen Sie uns darüber sprechen, was mit Intellectual Capital passiert, wenn KI menschliche Positionen materiell ersetzt – und was das für Unternehmen bedeutet, die überleben wollen: https://provenancemanifesto.org/de/blog/how-should-intellectual-capital-be-assessed-in-the-context-of-artificial-intelligence-increasingly-replacing-human-roles https://provenancemanifesto.org/de/blog/how-should-intellectual-capital-be-assessed-in-the-context-of-artificial-intelligence-increasingly-replacing-human-roles Mon, 16 Feb 2026 00:00:00 GMT KI übernimmt zunehmend die „Was“-Ebene der Softwareentwicklung – sie erzeugt Architekturen, Code, Optimierungen und alternative Lösungen schneller, als Menschen es je könnten. Dadurch werden Implementierung und Lösungsfindung billig, skalierbar und zunehmend automatisiert. Doch die eigentliche strategische Ebene des Engineerings war nie das „Was“. Die entscheidenden Fragen betreffen das „Warum“ – warum eine Lösung existiert, warum ein Trade-off akzeptiert wurde, warum ein Risiko tolerierbar ist und warum ein bestimmtes Ergebnis für das Unternehmen relevant ist. Diese Fragen definieren Absicht, nicht Implementierung. https://provenancemanifesto.org/de/blog/ai-will-take-the-what-but-humans-must-own-the-why https://provenancemanifesto.org/de/blog/ai-will-take-the-what-but-humans-must-own-the-why Tue, 10 Feb 2026 00:00:00 GMT Während KI zunehmend in der Lage ist, Architekturen vorzuschlagen, Code zu schreiben und Systeme zu optimieren, besteht die eigentliche Gefahr nicht in bösartiger KI, sondern darin, den menschlichen Zweck hinter den Systemen zu verlieren, die wir bauen. Organisationen haben bereits Schwierigkeiten, sich daran zu erinnern, warum Entscheidungen getroffen wurden; in einer KI-augmentierten Umgebung wird dieses Problem viel ernster, weil Maschinen Lösungen schneller optimieren können, als Menschen sie verstehen können. Um zu vermeiden, Systeme zu bauen, die die falschen Ziele perfekt optimieren, brauchen wir eine neue Infrastrukturebene namens Provenance – eine strukturierte Aufzeichnung von Entscheidungen, Einschränkungen, Trade-offs und Absichten, die das Verhalten von Systemen mit dem menschlichen Zweck verknüpft. Ohne eine solche Gedächtnisschicht riskieren Organisationen, hoch effizient, aber strategisch fehlaligned zu werden und allmählich die Fähigkeit zu verlieren, die Systeme zu erklären oder zu kontrollieren, die sie erschaffen. https://provenancemanifesto.org/de/blog/we-are-teaching-ai-to-decide-but-we-are-forgetting-how-to-remember https://provenancemanifesto.org/de/blog/we-are-teaching-ai-to-decide-but-we-are-forgetting-how-to-remember Sat, 03 Jan 2026 00:00:00 GMT Software-Delivery-Organisationen verlieren immer wieder den Kontext hinter ihren Entscheidungen. Monate nach der Implementierung können Teams oft nicht mehr erklären, warum etwas gebaut wurde, welche Trade-offs gemacht wurden oder was ursprünglich versprochen wurde. Das geschieht, weil SDLC-Tools Artefakte wie Tickets, Commits, Stunden und Kosten verfolgen – aber nicht die Absicht, Verpflichtungen und Begründungen dahinter. Das Ergebnis ist „Context Amnesia“: Teams bauen Lösungen erneut, wiederholen Entscheidungen, streiten über Scope und verursachen Nacharbeit, Margenverluste und Burnout. Das Kernproblem sind nicht nachlässige Teams, sondern eine systemische Lücke – SDLC hat kein eingebautes Gedächtnis für Entscheidungsbegründungen. Die unbequeme Frage, die der Artikel aufwirft, lautet: Warum verfolgen wir in der modernen Softwareentwicklung die Ausführung so rigoros, aber nicht die Begründungen, die sie geformt haben? https://provenancemanifesto.org/de/blog/why-sdlc-has-no-memory-and-why-delivery-teams-keep-paying-for-it https://provenancemanifesto.org/de/blog/why-sdlc-has-no-memory-and-why-delivery-teams-keep-paying-for-it Thu, 01 Jan 2026 00:00:00 GMT