Zusammenfassung der Kerninhalte
Rod Johnson, der Gründer des Spring-Frameworks, ist nach mehr als 20 Jahren wieder in die erste Linie zurückgekehrt und hat das open-source-basierte AI-Framework Embabel entwickelt, das speziell darauf abzielt, die Probleme bezüglich „Steuerbarkeit, Explizierbarkeit und Audibilität“ von Unternehmens-AI-Agenten zu lösen. Er äußert eine schockierende Ansicht: Dies könnte die letzte Generation von Frameworks sein, die von Menschen selbst ausgewählt wird – in Zukunft werden AI-Tools allmählich die technische Auswahl für Entwickler übernehmen, und Menschen müssen nicht mehr selbst Frameworks aussuchen oder Technologiestacks zusammenstellen. Gleichzeitig hat er viele „gegenintuitive“ Meinungen zu Unternehmens-AI-Anwendungen: Er lehnt es ab, Java blind in Python umzuwandeln, warnt davor, dass AI-Coding-Agenten Codebibliotheken zerstören könnten, und schlägt vor, AI-Agenten mithilfe von Planungsalgorithmen aus Spielen „zur Disziplin zu bringen“.
I. Der Vater von Spring kehrt zurück: Warum jetzt ein AI-Framework entwickeln?
Rod Johnson hat nicht plötzlich den Bereich gewechselt – er ist schließlich ein „Schrägling“, der von einem Musikdoktor zum Programmierer wurde und vor 20 Jahren mit Spring die Unternehmensentwicklung in Java neu definierte. Sein Rückkehrgrund ist, dass Technologien wie GPT-3/ChatGPT AI aus dem Labor in die Praxis gebracht haben, doch Unternehmen stoßen bei der Nutzung von AI auf große Probleme:
- Die Führung rufen nach „AI“, aber die Teams starten Projekte blind ohne klare Geschäftsziele;
- AI wird in bestehende Systeme gedrängt, was zu Isolation führt;
- LLMs werden willkürlich eingesetzt, wodurch die Ergebnisse unkontrollierbar und nicht audibel sind.
In den letzten zwei Jahren hat er bereits mit TensorFlow gearbeitet und festgestellt, dass Unternehmen ein „Verbindungsstück“ benötigen – ein Framework, das LLMs nahtlos in bestehende Systeme (z. B. Java) integrieren kann und das Verhalten der AI reguliert. So entstand Embabel.
II. Unternehmens-AI: Versucht nicht blind, Python zu verwenden! Java ist die bessere Wahl
Viele Firmenchefs fordern ihre Java-Teams auf, für AI-Projekte Python zu nutzen – Rod Johnson sieht das als Fehler an:
- Machen Sie einen klaren Unterschied: Für Datenwissenschaft (Modelltraining, Feinabstimmung) ist Python geeignet, aber für Unternehmens-AI-Anwendungen (Einsatz von LLMs in Geschäftsprozessen) nicht notwendig – LLMs sind im Grunde HTTP-Aufrufe, und die Ausführung mit Java ist genauso einfach wie mit Python;
- Verwandtschaft ist entscheidend: 90 % der bestehenden Unternehmenssysteme sind in Java programmiert (Datenbanken, Dienste, Codebibliotheken); die Nutzung von Java für AI-Anwendungen ermöglicht eine direkte Integration ohne Neuentwicklung;
Kompromisse bei Embabel: Der Kern des Frameworks ist in Kotlin geschrieben (moderner), aber es ist für Java-Nutzer völlig nahtlos – Sie können Java-Code schreiben und Em babel nutzen, ohne dass Sie etwas Ungewöhnliches bemerken.
Beispiel: Ein australisches Unternehmen nutzte Java, um eine kleine Funktion zu entwickeln, die 95 % der Formularüberprüfungen automatisierte – ohne auf Python umzusteigen, mit sehr guten Ergebnissen.
III. Ist es einfach, mit AI Code zu schreiben? Seien Sie vorsichtig: Es könnte Ihre Codebibliothek ruinieren
Rod Johnson verwendet selbst 95 % seines Codes durch AI, aber er warnt davor, dass AI vollständig außer Kontrolle geraten kann:
- AI ist gut darin, „einmaligen Code“ zu schreiben (z. B. UI-Prototypen), aber bei der Erstellung ernsthafter Geschäftsanwendungen fügt es oft unnötige Funktionen hinzu – jede zusätzliche Funktion führt zur Verschlechterung des Designs und zum Vergrößern des Codes;
Sein Trick: Behalten Sie die Kontrolle über die Architektur bei und lassen Sie AI nur die „Ausführungsdetails“ schreiben, um anschließend die Änderungen zu überprüfen – z. B. wenn AI einen Wert festlegt, korrigieren Sie: „Hier sollte der Strategiemuster-Designansatz angewendet werden!“
Häufige Fehler in Unternehmen: Die Führung drängt die Teams, AI zu verwenden, ohne dass sie klar verstehen, warum; das führt oft zum Scheitern der Projekte.
IV. Die „Black Technology“ von Embabel: Nutzen Sie Algorithmen aus Spielen, um AI-Agenten diszipliniert zu steuern
Andere AI-Frameworks (z. B. LangChain) lassen LLMs selbst entscheiden, was als Nächstes geschehen soll – mit unkontrollierbaren Ergebnissen. Embabel verwendet den GOAP-Algorithmus aus Spielen (zielorientierte Handlungsplanung):
- Wie NPCs planen: Wenn Sie beispielsweise Formulare überprüfen möchten, prüft GOAP zunächst den aktuellen Zustand und sucht anschließend die notwendigen Schritte (Überprüfung von Pflichtfeldern → Formatüberprüfung → Aufruf eines LLMs), wobei jeder Schritt klar definiert ist (z. B. „Ohne vollständige Erfüllung der Pflichtfelder kann der nächste Schritt nicht erfolgen“);
Bestimmtheit und Explizierbarkeit: GOAP basiert auf dynamischer Planung, aber jeder Schritt ist nachvollziehbar – Sie können sehen, warum AI diese Entscheidungen trifft, und es werden Audit-Protokolle erstellt;
Kostenoptimierung: Jeder Schritt kann mit Kosten versehen werden (z. B. teure LLM-Aufrufe); GOAP wählt automatisch den kostengünstigsten Weg aus.
Im Vergleich zu LangChain sind die AI-Agenten von Embabel kontrollierbarer und somit für Unternehmen vertrauenswürdiger.
V. Werden zukünftige Frameworks nicht mehr von Menschen ausgewählt? Vielleicht ist dies die letzte Generation, die von Menschen selbst ausgewählt wird
Rod Johnson ist überzeugt: Entwickler werden nicht verschwinden, aber die Macht, Frameworks auszuwählen, wird auf AI-Tools übergehen:
- Modelle werden immer leistungsfähiger, und Tools werden automatisch das beste Framework und den passenden Technologiestack für Sie auswählen;
Warum ist er so sicher? Weil er selbst miterlebt hat, wie Spring von einem Framework zu einer Infrastruktur wurde – heute tun AI-Tools ähnliches: Sie treffen Entscheidungen für Menschen;
Aber brauchen Unternehmen immer noch Frameworke wie Embabel? Ja! Denn Unternehmen benötigen Sicherheit und Explizierbarkeit – auch die von AI ausgewählten Frameworks müssen diese Anforderungen erfüllen, allerdings müssen Menschen nicht mehr selbst wählen.
Er scherzt sogar: „Wird man in fünf Jahren noch Anwendungen manuell entwickeln? Wahrscheinlich nicht – aber Embabel wird zumindest die letzte Generation von Frameworks sein, die von Menschen ausgewählt wurde.“
Fazit
Rod Johnsons Rückkehr bedeutet nicht nur die Entwicklung eines neuen AI-Frameworks, sondern auch eine Neubewertung der Rolle von Entwicklern in der AI-Ära: In Zukunft müssen Entwickler keinen umfangreichen Code mehr schreiben oder Frameworks auswählen, aber sie müssen die Kontrolle über die Architektur sowie ein tiefes Verständnis für die Geschäftsprozesse beherrschen. Seine Ansichten sind vielleicht nicht immer richtig, aber als Schöpfer von Spring verdienen sie die Aufmerksamkeit aller Unternehmen und Entwickler. Schließlich hat er bereits die Entwicklungsumgebung in Java verändert – vielleicht wird er nun auch die Regeln der AI-Entwicklung neu definieren.