Lazar Nikolov / Birgitta Böckeler / Martin Fowler

Diese Zusammenfassung behandelt die einflussreichsten Veröffentlichungen und Kernargumente von Martin Fowler, Birgitta Böckeler und Lazar Nikolov, basierend auf ihrer Arbeit bei Thoughtworks und dem Portal martinfowler.com (Stand: Mai 2026).

Zusammenfassung: Wichtige Publikationen und Argumente

1. Martin Fowler (Softwarearchitektur & Engineering)

Fowler ist einer der prägenden Denker moderner Softwareentwicklung, besonders in den Bereichen Refactoring, Agile und Architektur. [1]

• Wichtigste Werke: Refactoring: Improving the Design of Existing Code (2nd ed. 2018), Patterns of Enterprise Application Architecture, NoSQL Distilled, martinfowler.com (Bliki). [1]
• Kernargumente:
  • Refactoring & Evolutionäres Design: Softwaredesign muss sich kontinuierlich anpassen. Refactoring ist kein optionaler Schritt, sondern eine essenzielle Technik, um Code durch kleine, verhaltensbewahrende Änderungen sauber und wartbar zu halten.
  • Architecture: The Important Stuff: Architektur ist das, was "schwer zu ändern" ist. Sie besteht aus den entscheidenden, gemeinsamen Entwürfen der besten Entwickler im Team. Dokumentation sollte agil und leichtgewichtig sein (z.B. Architecture Decision Records).
  • Microservices & Dezentralisierung: Komplexe Systeme sollten als Reihe kleiner, eigenständiger Dienste entwickelt werden, die über APIs kommunizieren.
  • Continuous Delivery: Die Häufigkeit von Releases erhöht die Qualität und senkt das Risiko, sofern technische Exzellenz (Testing, CI) gewährleistet ist.
  • GenAI & Abstraktion: Große Sprachmodelle (LLMs) sind der größte Abstraktionssprung seit den Hochsprachen, bringen aber auch Nicht-Determinisumus. Die Kernaufgabe verschiebt sich von "Code schreiben" zu "Harness Engineering" (Absicherung der Ergebnisse). [1, 2, 3, 4, 5, 6, 7]

2. Birgitta Böckeler (AI-Assisted Delivery & Architektur)

Böckeler ist eine führende Expertin für KI-gestützte Softwareentwicklung und kognitive Prozesse in der Architektur.

• Wichtigste Werke: Exploring GenAI Memos (martinfowler.com), Harness engineering for coding agent users (2026), Cognitive Biases in Software Architecting.
• Kernargumente:
  • AI-Assisted Software Delivery: Der Fokus liegt darauf, KI nicht nur als "Fancy Auto-complete" (Copilot) zu nutzen, sondern als agentische Systeme, die ganze Aufgaben übernehmen. Dies erfordert neue Ansätze im Engineering.
  • Harness Engineering: Da LLMs nicht-deterministisch sind, müssen Entwickler "Harnesses" bauen – Umgebungen, Spezifikationen und automatisierte Prüfungen, um die Qualität KI-generierten Codes zu sichern.
  • Kognitive Verzerrungen in der Architektur: Architekten müssen sich ihrer kognitiven Verzerrungen (z.B. Ankereffekt, Bestätigungsfehler) bewusst sein, da diese die Entscheidungsfindung negativ beeinflussen. Vertrauen in Architektur sollte auf Daten basieren, nicht auf Intuition.
  • Pair Programming & Mentoring: Die Zusammenarbeit (Pairing) ist ein entscheidender Faktor für Wissensverbreitung und Qualität, besonders im Zeitalter der KI, um "Vibe Coding" (unreflektiertes KI-Coding) zu verhindern. [1, 2, 3, 4]

3. Lazar Nikolov (AI Product Development & Patterns)

Nikolov arbeitet eng mit der Thoughtworks-Community an der Implementierung von KI-Systemen in der Praxis.

• Wichtigste Werke: Emerging Patterns in Building GenAI Products (2025), Mitarbeit an Thoughtworks Tech Podcasts. [1]
• Kernargumente:
  • RAG (Retrieval-Augmented Generation): Der Standardansatz, um LLMs verlässlich zu machen. RAG liefert Kontext aus unternehmenseigenen Quellen, anstatt sich auf das statische Training des Modells zu verlassen.
  • Evals & Monitoring: Die Bewertung der Ausgaben von LLMs ("Evals") ist das Herzstück produktiver KI-Anwendungen. Da GenAI nicht-deterministisch ist, müssen Systeme überwacht werden, um "Halluzinationen" zu erkennen.
  • Vom Prototyp zur Produktion: Viele GenAI-Projekte scheitern am Übergang zum produktiven Einsatz, weil sie nicht als komplexe, softwaretechnische Systeme (mit Testing, Monitoring) behandelt werden. [1, 2]