Enterprise AI Summit 2026
Tag 1 — 9. April 2026 San Jose
Tagesübersicht
Tag 1
9. April 2026 · San Jose · 13 Experience Reports
Die größte Leadership-Challenge der letzten 100 Jahre. Agentische KI wird DevOps um den Faktor 100 übertreffen — in Disruption wie in Chance.
13
Experience Reports
700+
Orgs im DevOps-Netzwerk
4W
Konferenz in 4 Wochen organisiert
100×
Größerer Impact als DevOps
Die 6 übergreifenden Muster des Tages
1
Leadership muss vorangehen
Führungskräfte brauchen eigene Agenten-Erfahrung. Verhaltensänderung kommt nicht durch Direktiven allein. (Rauser, Willard, Majors)
Bottlenecks verschieben sich
2
Schnellere Code-Generierung schafft neue Engpässe in Review, Deployment, Testing und Verwaltung. (Zach, Majors, Jones)
3
Kleine Teams, große Wirkung
2–3 Personen schlagen große Teams. Jeder Engineer wird zum Director of Development. (Matthew, A. Jones, M. Jones)
4
Messen was wirklich zählt
Token-Verbrauch, PR-Metriken, Reifegrade — ohne Metriken keine Steuerung. (Savard, Willard, A. Jones)
5
KI-Agenten brauchen Governance
Formale Verifikation, versionierte DBs, Audit-Logs sind keine Nice-to-Haves sondern Pflicht. (Meijer, Yegge)
6
Kulturwandel ist langsamer
Die Technologie ist bereit. Menschen, Prozesse und Strukturen sind der limitierende Faktor. (Alle)
Alle Speaker — direkt springen
Gene Kim
Opening Keynote
John Rauser
Cisco
Amy Willard
John Deere
Edith Zach
LaunchDarkly
Matt Jones
Signal Defense
Steve Yegge
Gas City
Angie Jones
Block
Erik Meijer
Formale Verifikation
Charity Majors
Honeycomb
Jason Cox
Disney
Ezra Savard
Workshop-Studie
Ben-Tom
Union
Tisson Matthew
Skypoint Health
Opening Keynote · 01
Gene Kim
Konferenzorganisator · Autor "The Phoenix Project"
"Wir stehen vor der größten Leadership-Challenge der letzten 100 Jahre." DevOps war der Trailer — agentische KI wird mindestens 100× größer und disruptiver.
Every engineer is a director of development — maybe we should call it 'no dev'. — Aiden Cockroft
Key Takeaways
  • Jede bestehende Prozessannahme bricht weg — totale Neugestaltung aller Rollen, Abläufe und Strukturen nötig
  • Fidelity-Beispiel: App die 8 Monate + 2 Frontend-Entwickler benötigte — in 5 Tagen per Vibe Coding gebaut, heute in Produktion
  • DevOps hat den Tech-Wertschöpfungsstrom neu verdrahtet — agentische KI macht das mindestens 100× disruptiver
  • Konferenz in nur 4 Wochen organisiert — das ist selbst ein Signal für die Dringlichkeit des Themas
  • 700+ Organisationen auf DevOps Enterprise Summits über 12 Jahre — gleiches Community-Modell jetzt für KI
  • Führung lernt nicht von Bühnen-Experten — sondern von Peers, die gleiche Probleme lösen
Cisco · 02
John Rauser
Senior Director of Engineering · Zero Trust / Cloud Security
Führungsdirektive als Katalysator: Jeder Teamleiter muss in 3 Monaten ein Agenten-Feature bauen. 85% zeigten messbare Verhaltensänderung.
85%
Senior Directors mit Verhaltensänderung
3 Mo
Pflicht-Sprint für alle Teamleiter
10+
Jahre Coding-Erfahrung = größter Wandel
Ideen sind die neue Währung im Agenten-Zeitalter. Kreativität und Ideenfindung werden zum primären Wettbewerbsvorteil.
Key Takeaways
  • Pflicht-Direktive: Jeder Teamleiter baut innerhalb von 3 Monaten ein Produktfeature mit Agenten — als Pflicht, nicht Option
  • 85% der Senior Directors berichten Verhaltensänderung Richtung Empowerment — ehemalige Entwickler ändern sich am stärksten
  • AMOS (Agentic Management Operating System): automatisiert Wissensmanagement, One-on-Ones und Wochenberichte — messbar höhere Qualität als manuell
  • DECAF Framework: Analysiert Produktbereiche automatisch, generiert alle nötigen Agenten-Komponenten inkl. tribal knowledge
  • AI Squads: Kleine temporäre Teams bauen agentische Features und lösen gezielt SDLC-Engpässe
  • Prädiktive Dashboards: Manager analysieren Meeting-Transkripte um Team-Risiken und Überlastung vorauszusagen
John Deere · 03
Amy Willard
VP Technology · 70.000 Mitarbeiter, 18.000 Technologen
Unternehmensweite KI-Transformation ohne vordefinierten Fahrplan. "Wir wurden alle gleichzeitig neugestartet." Kollektives Lernen als Kernstrategie.
90%
Wöchentliche Nutzung (Ziel)
70%
Fast tägliche Nutzung (Ziel)
18 Mo
Abgestufte Trainingsprogramme
90%
Code mit KI-Unterstützung
Key Takeaways
  • Zielvorgabe: 90% wöchentliche, 70% fast tägliche KI-Nutzung — Metrik pro Coding-Tätigkeit, nicht nach Nutzerzahl
  • 18-monatige abgestufte Trainingsprogramme — niemals statisch, werden ständig erneuert und erweitert
  • Peer-to-Peer Advocacy als Schlüsselstrategie: Kollegen genießen mehr Vertrauen als zentrale Führung
  • Bimodaler Ansatz: Early Adopters fördern und sichtbar machen — Skalierung erst nach sorgfältiger Bewertung
  • Individuelle Nutzungstracker — nur für Mitarbeiter selbst sichtbar, Führungskräfte sehen nur Team-Adoption
  • KI-Transformation ist kein linearer Prozess — fundamentale Basisprozesse (Tests, Deployment, Telemetrie) müssen zuerst stimmen
LaunchDarkly · 04
Edith Zach
Gründerin · 5.000+ Kunden, 45 Billionen Features/Tag
Legacy-Code-Modernisierung mit KI: 66.000 Zeilen React überarbeitet. Die Autonomie-Falle und warum Bottlenecks sich verschieben aber nie verschwinden.
66k
Zeilen React überarbeitet
36k
Neue Zeilen in <2 Wochen
12J
Tech-Schulden in der Codebasis
KI liefert nur gute Ergebnisse wenn die Absicht klar und gut definiert ist. Die Denkarbeit vor der Umsetzung bleibt unverzichtbar.
Key Takeaways
  • 66.000 Zeilen React-Code überarbeitet — 12 Jahre Tech-Schulden wie das Winchester Mystery House
  • "Autonomie-Falle": Menschliche Steuerung ist aktuell Multiplikator für Agenten-Effektivität — nicht ersetzen
  • KI verstärkt menschliche Absicht — liefert nur gute Ergebnisse wenn die Absicht klar und gut definiert ist
  • Bottlenecks verschwinden nicht, sie verschieben sich — z.B. von Coding in die Code-Review-Schleife
  • Retrospektive: Mehr Vertrauen in bestehenden Legacy-Code als beste Spezifikation hätte mehr Effizienz gebracht
  • Tool-Tipp: Meticulous für visuelle Regressionstests bei KI-generierten Änderungen
Signal Defense · 05
Matt Jones
CEO · Private Equity-gestützte Verteidigungsfirma
Skeptischer CEO hat einen Vibe-Coding-Moment und begreift: KI entfesselt Kreativität statt sie zu ersetzen. Die CEO-Rolle muss sich fundamental ändern.
90min
App statt 6.000 Entwicklungsstunden
100×
Mehr Entwickler durch KI möglich
2,8B
Potenzielle Entwickler weltweit
Die Frage ist nicht: wie senken wir Kosten? Sondern: haben wir genug Ideen für alles was wir jetzt tun können?
Key Takeaways
  • Vibe-Coding-Wendepunkt: Pickleball-App in 90 Minuten — normalerweise 6.000 Stunden Entwicklung
  • Matt (Fotograf, kein Entwickler) erstellte vollständige GitHub Feature-Requests mit Mockups und Edge Cases
  • "28 Millionen Entwickler heute → potenziell 2,8 Milliarden durch KI" — 100× Multiplikator
  • Kompressions-Effekt: Wenn Entwicklungszyklus schrumpft, wird Verwaltung und Integration zum neuen Engpass
  • Zwei CEO-Philosophien: Kostenreduktion vs. "Haben wir genug Ideen für alles was wir jetzt tun können?"
  • CEO-Rolle muss von extern (Investoren, Medien) zu intern (KI-Orchestrierung) wechseln — das ist nicht delegierbar
Gas City · 06
Steve Yegge
Vormals Google, Amazon · Agentische Plattform-Entwicklung
Gas City als Agenten-Orchestrierungs-SDK in 17 Tagen. SaaS transformiert sich, nicht stirbt. Die nächsten 12–18 Monate werden sehr hart.
17T
Gas City v1.0 entwickelt
5–20%
Entwickler nutzen KI maximal
1.000
IntelliJ-Lizenzen gekündigt
"Bestäuber": Ihr seid hier, um Erkenntnisse in eure Organisationen zu tragen — nicht nur um zuzuhören.
Key Takeaways
  • Gas City v1.0 nach 17 Tagen — modulares SDK für Agenten-Orchestrierung, Vorgänger in einem Monat eingestellt
  • Versionierte Datenbanken zwingend für Agentenbetrieb: DOLT, Tatomic — herkömmliche DBs ohne Versionskontrolle ungeeignet
  • Nur 5–20% der Entwickler nutzen KI maximal — viele bleiben bei Copilot/Chat, riesige Adoption-Lücke
  • SaaS stirbt nicht, transformiert sich: Agenten müssen SaaS bedienen können — Nischenlösungen mit ~30.000 USD/Jahr entstehen
  • Nächste 12–18 Monate sehr schwer — Geduld und Empathie als zentrale Führungsaufgabe
  • Australisches Beispiel: 5× Produktivitätssteigerung durch KI — aber das Geschäft konnte das Tempo nicht halten
Ziel
Block · 07
Angie Jones
Engineering · 3.500 Ingenieure
Von Experimentation zu Autonomy: 6-Stufen-Reifemodell, 50 AI Champions und was passiert wenn PRs explodieren — und die ethische Frage dahinter.
69%
KI-generierter Code
37%
Zeitersparnis
21×
Mehr automatisierte PRs
25k
Repositories im Weltmodell
6-Stufen-Reifemodell
1Auto-complete
2Chat ohne PR
3PR mit Review
4Teilauto-nom
5Volldelega-tion ← Ziel
6System-level
Key Takeaways
  • 50 AI Champions: 30% ihrer Zeit für KI-Enablement — ausgewählt nach technischer Kompetenz und Teamvertrauen
  • PR-Review-Stau ungelöst: PRs verdrei- bis vierfachten sich — Review-Kapazität ist nicht mitgewachsen
  • Cloud Workstations mit isolierten Umgebungen lösen CPU/RAM/Batterie-Engpässe bei parallelen Agenten
  • Weltmodell-Datenbank: 25.000 Repositories kartiert — ermöglicht Cross-Repo-Orchestrierung
  • Ethisches Spannungsfeld: Produktivitätssteigerung durch KI führte zu Entlassungen — offene, reflektierte Frage ans Publikum
Formale Verifikation · 08
Erik Meijer
Vormals Microsoft Research · Haskell, C#, Hack
Agenten sind gefährlich bis bewiesen sicher. "Schuldig bis unschuldig bewiesen." Formale Verifikation mit SMT-Solvern als einziger vertretbarer Ansatz.
Menschen behandeln wir nach "unschuldig bis bewiesen schuldig". Bei Agenten muss das Gegenteil gelten. Aktion ist blockiert bis Sicherheit bewiesen ist.
Bekannte Vorfälle
  • OpenClaw-Keylogger: Datendiebstahl bei Nutzern durch schädlichen Agenten-Skill
  • OpenAI-Agent: Unautorisierte Käufe, finanzielle Schäden für Nutzer
  • Meta: Interne Datenlecks — private Informationen durch Agenten öffentlich gemacht
Key Takeaways
  • Formale Verifikation: Agent generiert Programm → SMT-Solver prüft gegen Geschäftsregeln → erst dann Ausführung
  • Horn-Klausel-Logik ähnlich SQL: einfach, transparent, automatisch beweisbar — keine komplexe Mathematik nötig
  • Python abgelehnt: nicht-deterministisch, Import kann unbekannten Code ausführen — deterministische Sprachen nutzen
  • Code ist wegwerfbar — schnelle Regeneration bei formaler Prüfung ermöglicht sichere Experimente
  • Architektur-Analogie: Java Bytecode Verifier — Prüfen ist billig, Beweis erzeugen macht der Agent selbst
Honeycomb · 09
Charity Majors
Co-Founderin und CTO
Softwarewartung, Vertrauen durch Zeit und warum KI-Skepsis legitimen Raum braucht. Software vom heiligen Relikt zum Cache.
Führungskräfte müssen KI selbst ausprobieren bevor sie es mandatieren. Fehlgeleitete Zwangsmaßnahmen demotivieren nachhaltig.
Key Takeaways
  • Vertrauen entsteht durch Zeit: Code der 2 Jahre stabil in Produktion läuft genießt mehr Vertrauen als neuer Code
  • Immutable Infrastructure als Best Practice: Honeycomb zerstört regelmäßig fehleranfällige Komponenten aktiv
  • Testing in Production gleichwertig zu Pre-Production — Feature Flags und hochgranulare Observability ermöglichen sichere Rollouts
  • Software vom "heiligen Relikt" zum "Cache": Erwartungen müssen explizit gemacht und von Implementierungen getrennt werden
  • KI-Skepsis ist legitim und muss Raum bekommen — erzwungene Adoption demotiviert nachhaltig und erzeugt Widerstand
  • Wartungskosten = Gesamtkosten: versteckte Abhängigkeiten und historisches Entwicklerwissen sind der echte Preis von Software
Disney · 10
Jason Cox
Head of AI Research & Engineering
"Sam" — der Disney-KI-Agent. KI wie Elektrizität. Wie man die Disney-Magie schützt während man sie mit KI amplifiziert. 10× Mehrwert als Ziel.
10×
Mehrwert für Mitarbeiter & Gäste
Sam
KI-Agent mit Kurz- & Langzeitgedächtnis
KI wie Elektrizität — wird irgendwann von allen genutzt ohne Überzeugungsarbeit. Das ist das Ziel, nicht das Mittel.
Key Takeaways
  • "Sam" — Disney-KI-Agent mit Kurz- und Langzeitgedächtnis: Coding, Recherche, Präsentationen, Reisebuchung
  • Zentrale KI-Plattform: Agenten-Marketplace, ERP/HR-Schnittstellen, Governance und Security als Kernanforderungen
  • Dezentralisierung ist Pflicht: KI nicht zentralisiert, sondern als Teil aller Rollen — tiefes Geschäftsbereichsverständnis nötig
  • "Disney-Magie schützen": KI-Erlebnisse 10× besser, sicherer, präziser — Marke stärken, nicht ersetzen
  • Empathie und Verständnis für Geschäftsbereiche als primärer Erfolgsfaktor — "mit hochgekrempelten Ärmeln reingehen"
  • Generative KI als natürliche Weiterentwicklung der Computertechnologie für besseres Storytelling und tiefere Gästebindung
Workshop-Wirkungsstudie · 11
Ezra Savard
Interne AI Education Initiative
Was messbar passiert wenn man 200 Ingenieure in einen KI-Workshop steckt — mit echter Kontrollgruppe und Token-Metriken.
4–5M
Tokens/Tag Median nach Workshop
96%
Weiterempfehlungsrate
+50%
PR-Durchsatz firmenbreit
200M
Tokens/Tag bei Power-Userin
Key Takeaways
  • Median-Tokenverbrauch: 4–5 Mio. Tokens/Tag nach Workshop vs. 2 Mio. in der Kontrollgruppe (stable)
  • "Line Cook"-Definition: mind. 3 synchrone Agent-Coding-Tage/Woche = echter Nutzungsnachweis jenseits von Chat-Spielerei
  • 37% mehr Selbstvertrauen bei Workshop-Teilnehmern — aber hohe Belastung durch konstanten Zeitdruck
  • Real-world problems statt Tool-Tutorials = entscheidender Faktor für nachhaltigen Lernerfolg
  • Skalierungsherausforderung: 10 Lehrer organisch gewachsen — für unternehmensweite Schulung massiv mehr nötig
  • Großformate (200 Teilnehmer) wirken — aber ohne Power-User-Effekt; ROI trotzdem sehr gut
Union · 12
Ben-Tom
Beratungsunternehmen · ~40% Wachstum/Jahr
Alle Mitarbeiter zum Pflicht-Hackathon. Ergebnis-basierte Verträge als Innovationstreiber. Und der drohende Inference Crunch als strategisches Risiko.
2h
Supply-Chain-Tool gebaut
25min
Replikation in zweiter Cloud
40%
Jährliches Wachstum
Wir werden nicht für Stunden bezahlt — nur für erzielte Kundenergebnisse. Das verändert alles an unserer Innovationsdynamik.
Key Takeaways
  • Alle Mitarbeiter bis Ende Juni Pflicht-Hackathon — CEO und Führungsteam stehen dahinter, kein Opt-in
  • Ergebnis-basiertes Vertragsmodell: nur bezahlt für erzielte Kundenergebnisse — fördert Effizienz und Innovation gleichzeitig
  • Dev Container + GitHub Codespaces: One-Click-Umgebung für Nicht-Entwickler — kein Setup, vorinstallierte Tools
  • Azure Batch + Container: Milliarden-Produkt-Simulation in 6 Stunden; in 25 Minuten in zweiter Cloud repliziert
  • "Inference Crunch" Risiko: Verfügbarkeit kritischer KI-Infrastruktur könnte zum Engpass werden — eigene Rechenzentren werden geprüft
  • Pair Programming als Lernmethode: erfahrene Entwickler + Problemlöser ohne Programmierhintergrund kombinieren
Skypoint Health · 13
Tisson Matthew
CEO · KI-native Healthcare-Plattform
100 Legacy-SaaS-Systeme ersetzt, täglich deployen, Teams auf max. 3 Personen. Compliance als Wettbewerbsvorteil, nicht als Bremse.
100
Legacy-SaaS-Systeme ersetzt
1.100
Healthcare-Standorte
–50%
R&D-Kosten
5–12×
Entwickler-Output-Steigerung
"Shift Compliance Left" — HIPAA und FedRAMP-R2 sind keine Bremse, sondern unser wichtigster Wettbewerbsvorteil in regulierten Märkten.
Key Takeaways
  • 100 Legacy-SaaS-Systeme ersetzt durch KI-native Anwendungen — 1.100 Healthcare-Standorte, Kunden merken keinen Unterschied
  • Tägliche Releases (vorher 2-wöchentlich) — 3–4× mehr Code gelöscht als hinzugefügt (radikale Bereinigung)
  • R&D-Kosten –50% bei gleichzeitig 20+ KI-Produkten (SkyAdvisor, SkySign etc.)
  • Teams maximal 2–3 Personen — größere Teams verursachen Geschwindigkeits- und Wertverlust
  • Prior Authorization Automation: vollautomatisch, Wartezeiten für Patienten drastisch reduziert, weniger Ablehnungen
  • HIPAA + FedRAMP-R2 konform als Wettbewerbsvorteil — "Shift Compliance Left": früh einbinden, nicht am Ende