# Was ist eine AI Factory?

> Eine AI Factory ist eine Arbeitsweise, in der Software-Agenten die Arbeit zwischen einer von Menschen geschriebenen Anfrage und einem von Menschen geprüften Resultat erledigen. Definition, die sechs Stufen vom Autocomplete zur Dark Factory und was es braucht, um aufzusteigen.

Von: Severin Lindenmann (https://severin.io/) · Veröffentlicht: 2026-10-07 · Aktualisiert: 2026-10-07 · URL: https://severin.io/posts/ai-factory/

**Eine AI Factory ist eine Arbeitsweise, in der Software-Agenten die Arbeit zwischen einer von Menschen geschriebenen Anfrage und einem von Menschen geprüften Resultat erledigen, in einem gemeinsamen, geregelten Setup statt auf dem Laptop einer einzelnen Person.**

- Menschen besitzen die beiden Enden: was hineingeht (Anforderungen) und was herauskommt (Abnahme). Agenten erledigen die Mitte.
- Die meisten Teams sind noch nicht so weit. Sie nutzen AI als Assistenten, jede Person mit eigenem Setup.
- Der nächste Schritt hängt weniger an besseren Modellen als an Struktur: Tickets, Freigaben und Belege.

![L0 bis L5 als Aufstieg auf einen Berg: Basislager auf L2, wo die meisten Teams stehen, Ziel auf L3 bis L4, Gipfel L5 heute schon möglich.](/assets/img/levels-mountain-landscape-severin-de.png)
## Was unterscheidet eine AI Factory von einem Chatbot?

Ein Chatbot beantwortet eine Frage einer Person. Man kopiert etwas hinein, kopiert etwas heraus und prüft es selbst. Eine AI Factory startet mit einer schriftlichen Anfrage, plant, baut und testet selbständig und kommt mit Belegen zurück. Ein Team teilt sie, für alle gelten dieselben Regeln, und sie hält an festgelegten Punkten an, an denen ein Mensch entscheidet.

## Welche Stufen liegen zwischen Autocomplete und Dark Factory?

Dan Shapiro hat im Januar 2026 sechs Stufen der AI-gestützten Softwareentwicklung beschrieben, angelehnt an die Stufen des autonomen Fahrens:

| Stufe | Name | Wer macht was |
|---|---|---|
| L0 | Spicy Autocomplete | AI ist eine bessere Suche. Den Code schreibt der Mensch. |
| L1 | Coding Intern | AI schreibt Boilerplate. Der Mensch prüft jede Zeile sofort. |
| L2 | Junior Developer | Pair Programming. Mensch und AI wechseln sich ab, der Mensch liest mit. |
| L3 | Developer | AI schreibt den Grossteil. Der Mensch prüft alles und ist der Engpass. |
| L4 | Engineering Team | AI arbeitet lange allein. Der Mensch prüft Resultate, nicht jeden Schritt. |
| L5 | Dark Software Factory | Der Mensch steuert Ziele und System. Die AI baut, testet, korrigiert und liefert. |

Shapiro schätzt, dass 90 % der AI-nativen Entwickler auf L2 arbeiten und fast alle bei L3 an eine Grenze stossen. Das ist seine Einschätzung aus Dutzenden Firmen, keine Umfrage. Sie deckt sich mit dem, was ich bei Kunden sehe. In der Schweiz erkunden in einer Umfrage 69 % der Organisationen Agentic AI, aber 90 % halten die Autonomie der Agenten bei null oder Human in the Loop.

L5 gibt es bereits. Seit Juli 2025 betreibt StrongDM eine Software Factory mit zwei Regeln: Code wird nicht von Menschen geschrieben und nicht von Menschen reviewt.

## Wo stehen die meisten Firmen heute?

Fast neun von zehn Firmen nutzen AI regelmässig, aber nur 44 % sagen, dass sie im ganzen Unternehmen skaliert (McKinsey, 2026). In der Schweiz skalieren 14 % der Firmen AI systematisch über mehrere Bereiche (EY, 2026). Die Werkzeuge sind angekommen, die Arbeitsweise noch nicht.

![Fünf Stationen an einem Förderband: Werkbank mit Chat-Assistent, eigene Maschinen, gleiche Maschinen in Reihe, Team-Halle, Werk mit mehreren Linien.](/assets/img/maturity-factory-landscape-severin-de.png)
Nach meiner Erfahrung hat der Weg fünf Stufen: eine Person mit Chat-Assistent; eine private Mini-Factory auf einem Laptop; ein Team, das mit gemeinsamen Regeln, Skills und Tickets gleich arbeitet; eine zentrale Factory für das ganze Team; und schliesslich eine Factory über eine Abteilung oder Firma hinweg. Die letzte Stufe ist in grossen Konzernen firmenweit unwahrscheinlich, für kleine Firmen und Start-ups aber realistisch.

## Was braucht es von L3 zu L4?

Auf L3 prüft der Mensch alles und wird zum Engpass. Weiter kommt man, wenn man den Prüfungen des Systems vertraut, ohne seinen Behauptungen zu glauben. Drei Dinge machen das möglich:

1. **Tickets statt Chat.** Anforderungen, Abnahmekriterien und Plan stehen in einem Ticket, nicht in einem Gesprächsverlauf.
2. **Freigaben.** Ein Mensch gibt die Anforderungen frei, gibt den Plan frei und fällt das abschliessende Urteil. Agenten fragen nur, wenn eine Entscheidung kritisch ist.
3. **Belege.** Agenten holen sich bei jedem Schritt Belege aus der Umgebung, wie es Anthropic empfiehlt: Testausgaben, Zeilenzahlen, Diffs, Screenshots. Ein Mensch macht eine Stichprobe im echten System, bevor etwas live geht.

Wie das im Detail aussieht, beschreibe ich auf der [Seite zu orch](/posts/orch-core/).

## Warum «Factory»? Die Analogie zur Industrialisierung

Vor den Fabriken kannte ein Weber jeden Schritt der Stoffherstellung. In der Fabrik verstand man, was hineinging und was herauskam; die Mitte machte die Maschine. 1832 in Uster zündeten Heimweber eine mechanische Weberei an, nachdem ihre Bitte um ein Verbot der Webmaschinen ignoriert worden war. Es ist der bedeutendste Fall von Maschinensturm in der Schweiz.

![Zeitleiste von 1776 bis 2026: Arbeitsteilung, Usterbrand, Fliessband, erste NC-Fräse und Dark Software Factory, jeweils mit der Rolle des Menschen.](/assets/img/industrial-timeline-landscape-severin-de.png)
Wissensarbeit erlebt gerade dieselbe Verschiebung. Früher schrieben Engineers jede Zeile selbst. In einer AI Factory spezifizieren sie, was gebaut werden soll, und prüfen, was herauskommt. Einige Expertinnen und Experten werden die Mitte weiterhin im Detail verstehen; alle anderen müssen sehr gut darin werden, zu spezifizieren und zu prüfen.

![Wo die Arbeit des Menschen liegt, in Handwerk, Fabrik und AI Factory: vom Machen in der Mitte hin zu Spezifizieren und Prüfen an den Enden. Illustration, keine Messung.](/assets/img/industrial-attention-landscape-severin-de.png)
Die zweite Lehre wiegt schwerer. Als Fabriken um 1900 elektrifiziert wurden, tauschten viele nur die Dampfmaschine gegen einen Elektromotor, und die Produktivität bewegte sich kaum. Sie stieg erst in den 1920er-Jahren, rund vier Jahrzehnte nach dem ersten Kraftwerk, als jede Maschine einen eigenen Motor bekam und die Fabriken neu gebaut wurden (Paul David, 1990). Ein Chatbot am alten Prozess ist der Elektromotor an der alten Transmissionswelle. Der Gewinn kommt, wenn man den Ablauf neu baut.

## Was kann schiefgehen?

Gartner erwartet, dass über 40 % der Agentic-AI-Projekte bis Ende 2027 eingestellt werden, wegen Kosten, unklarem Nutzen oder fehlender Risikokontrollen. Die Fähigkeiten der Agenten wachsen schnell (die Länge der Aufgaben, die sie schaffen, verdoppelt sich laut METR etwa alle sieben Monate), aber Fähigkeit ohne Kontrolle erzeugt selbstsichere Fehler. Freigaben und Belege machen das Tempo erst nutzbar.

## Quellen

1. Dan Shapiro's Blog (danshapiro.com): [The Five Levels: from Spicy Autocomplete to the Dark Factory](https://www.danshapiro.com/blog/2026/01/the-five-levels-from-spicy-autocomplete-to-the-software-factory/) (2026-01-23)
2. Dan Shapiro's Blog: [The Five Levels: from Spicy Autocomplete to the Dark Factory](https://www.danshapiro.com/blog/2026/01/the-five-levels-from-spicy-autocomplete-to-the-software-factory/) (2026-01-23)
3. StrongDM: [StrongDM AI Software Factory](https://factory.strongdm.ai/) (2025-07-14)
4. EY Schweiz: [EY AI Survey 2026 (press release)](https://www.ey.com/de_ch/newsroom/2026/05/artificial-intelligence-widely-established-in-swiss-companies-but-many-are-still-in-the-early-stages-of-scaling) (2026-05-27)
5. McKinsey & Company (QuantumBlack): [The state of AI in 2026: On the road to ROI](https://www.mckinsey.com/~/media/mckinsey/business%20functions/quantumblack/our%20insights/the%20state%20of%20ai/the-state-of-ai-in-2026-on-the-road-to-roi.pdf) (2026-08)
6. Colombus Consulting, Oracle, HEG Genève: [Data & AI Observatory in Switzerland – 2026](https://en.colombus-consulting.com/data-ai-observatory-in-switzerland-2026/) (2026)
7. METR: [Measuring AI Ability to Complete Long Tasks](https://metr.org/blog/2025-03-19-measuring-ai-ability-to-complete-long-tasks/) (2025-03-19)
8. American Economic Review, Papers and Proceedings 80(2): [The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox (Paul A. David)](https://www.gwern.net/doc/economics/automation/1990-david.pdf) (1990-05)
9. American Economic Review, Papers and Proceedings 80(2): [The Dynamo and the Computer (Paul A. David)](https://www.gwern.net/doc/economics/automation/1990-david.pdf) (1990-05)
10. Historisches Lexikon der Schweiz (HLS): [Usterbrand (Markus Bürgi, Bruno Schmid)](https://hls-dhs-dss.ch/de/articles/016530) (2013-02)
11. Gartner: [Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027](https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027) (2025-06-25)
12. Anthropic: [Building effective agents](https://www.anthropic.com/research/building-effective-agents) (2024-12-19)