Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
frank-andrade.medium.com20. März 2024 · Q009972

Is AI Officially Taking Our Jobs? Meet Devin, The First AI Software Engineer

frank-andrade.medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Artikel beschreibt Devin als leistungsfähigen Programmieragenten mit integrierter Arbeitsumgebung, warnt aber, dass Vorführungen und Leistungsvergleiche nur eingeschränkt aussagekräftig seien. Vollständig selbstständige Softwareentwicklung sei laut Autor noch fern; er sieht Devin als Teil eines größeren, bislang ungewissen Vorhabens, KI zu besserem Schlussfolgern zu befähigen.

Mittel

Der Artikel fragt, ob Devin Programmierer ersetzen könnte, und erklärt die Aufmerksamkeit mit Cognitions Finanzierung, dem Wettbewerbserfolg des Teams und der Bezeichnung „erster KI-Softwareingenieur“. Der Autor weist darauf hin, dass es bereits ähnliche Projekte gebe. Devin falle vor allem durch eine integrierte Umgebung mit Shell, Code-Editor, Browser und Chat auf. Vorgeführte Anwendungen reichen laut Beitrag vom Erlernen neuer Technologien bis zum Beheben von Fehlern und Erstellen von Apps. Ihre Aussagekraft sei jedoch begrenzt: Das System sei noch nicht allgemein verfügbar gewesen, die Videos könnten ausgewählte Erfolge zeigen, und Devin sei nicht quelloffen.

Auch den dargestellten Leistungsvorsprung hält der Autor für fraglich, weil ein Agent mit mehreren Arbeitsschritten nicht ohne Weiteres mit einzelnen Modellen vergleichbar sei. Die genannte SWE-bench-Leistung von 13,86 Prozent zeige nach seiner Einschätzung, dass unbeaufsichtigte Softwareentwicklung noch nicht erreicht sei. Der Beitrag sieht Devin als Teil eines größeren Vorhabens, KI-Schlussfolgern zu verbessern, und verweist dafür auf Robotik und mögliche Engpässe bei Trainingsdaten. Der Autor bleibt optimistisch, lässt den Erfolg des Vorhabens aber offen.

Ausführlich lesen

Der Bericht fragt, ob Devin menschliche Programmierer überflüssig machen könnte, und ordnet den großen öffentlichen Zuspruch für das von Cognition AI vorgestellte System ein. Der Autor nennt drei Gründe für den schnellen Start: Cognition habe laut seinem Text knapp 21 Millionen US-Dollar in einer Series-A-Finanzierungsrunde erhalten; Gründer Scott Wu und sein Team hätten durch Erfolge bei Programmierwettbewerben Aufmerksamkeit gewonnen; außerdem habe Cognition Devin im Vorstellungsvideo als „ersten KI-Softwareingenieur“ bezeichnet. Der Autor hält diese Bezeichnung für umstritten, da es bereits andere KI-Projekte für Programmieraufgaben gebe, darunter GPT Pilot und Meta GPT.

Als besonderen Vorzug Devins beschreibt der Artikel die integrierte Arbeitsumgebung: Sie verbinde eine Shell, einen Code-Editor, einen Browser in einer isolierten Umgebung und einen Chat. Das könne den Wechsel zwischen verschiedenen Werkzeugen verringern. Der Beitrag führt Vorführungen an, in denen Devin unbekannte Technologien erlernt, Anwendungen erstellt und bereitstellt, Fehler behebt, Modelle trainiert oder an Aufgaben in Open-Source- und Produktionsprojekten arbeitet. Der Autor findet diese Beispiele beeindruckend, schränkt ihre Aussagekraft aber ein: Devin sei damals nicht allgemein verfügbar gewesen, und die Videos könnten ausgewählte Erfolgsfälle zeigen. Außerdem sei das System nicht quelloffen. Als weitere Fähigkeit hebt der Text den Zugriff auf GitHub-Repositorien hervor, wo Devin Code analysieren, ändern und erweitern könne.

Die im Artikel gezeigte Leistungsdarstellung lege nahe, Devin sei anderen KI-Systemen deutlich überlegen. Der Autor bezweifelt jedoch, dass der Vergleich fair ist: Devin sei ein Agent, der mehrere Schritte oder möglicherweise mehrere Agenten für eine Aufgabe nutzen könne. Wiederholte Versuche könnten in der Auswertung als eine Aufgabe beziehungsweise als Erfolg beim ersten Versuch gezählt werden. Ein Vergleich mit anderen Agentensystemen wie GPT Pilot, Pythagora, Meta GPT oder Super AGI wäre nach Ansicht des Autors überzeugender gewesen.

Der Beitrag deutet Devin als mehr als einen Programmierassistenten: Cognitions weiterreichendes Ziel sei, KI zu besserem Schlussfolgern zu befähigen. Zugleich verweist der Autor auf eine im Text genannte SWE-bench-Leistung von 13,86 Prozent und folgert, dass vollständig selbstständige Softwareentwicklung ohne menschliche Hilfe noch weit entfernt sei. Er verbindet weitere Fortschritte beim Schlussfolgern mit der Fähigkeit, in der physischen Welt zu handeln, und betont daher die mögliche Rolle von Robotik. Zudem behauptet er, frei verfügbare, von Menschen erzeugte Trainingsdaten könnten künftig knapper werden. Der Artikel schließt optimistisch: Übermenschliches KI-Schlussfolgern könne langfristig der Menschheit nützen; ob Cognition dieses Ziel mit Devin erreicht, müsse sich erst zeigen. Die Aussagen beruhen auf dem Stand und den Beispielen des Beitrags; die Vorführungen und der angeführte Leistungsvergleich werden darin nicht unabhängig geprüft.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Bewertet wurde die mittlere Zusammenfassung von Luna; die kurze Fassung ist ebenfalls treu, lässt aber Finanzierung, Benchmark-Details und die Einordnung der Bezeichnung weg. Die Einordnung betrifft nur die drei Sammelfragen, da keine Teilfragen angegeben sind.

Im Bericht, aber nicht in der Zusammenfassung

  • Der Autor bestreitet, dass Devin technisch der erste KI-Softwareingenieur ist, obwohl Cognition es so vorstellte; die Zusammenfassung nennt die Bezeichnung nur ohne diese Einordnung.
  • Der Zugriff Devins auf GitHub-Repositories wird als seltene Stärke hervorgehoben.
  • Die Finanzierung (knapp 21 Mio. Dollar Series-A, Founders Fund) und die Entwicklungszeit von fünf Monaten fehlen.
  • Der Autor fordert einen Vergleich mit anderen Agenten wie Pythagora, GPT Pilot oder Meta GPT statt mit Einzelmodellen.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
  1. SF-F1 Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
    • clef 28 %gleiches Oberthema, hilft nicht
    • Luna 35 %Hintergrund, keine Belege
    • JEV 28 %gleiches Oberthema, hilft nicht
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 58 %gleiches Oberthema, hilft nicht
    • drex 58 %gleiches Oberthema, hilft nicht
    • d3-ultra 55 %gleiches Oberthema, hilft nicht
  2. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 38 %einzelne zitierbare Belege
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 62 %gleiches Oberthema, hilft nicht
    • drex 65 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 29 %gleiches Oberthema, hilft nicht
    • Luna 100 %kein Bezug
    • JEV 47 %einzelne zitierbare Belege
    • amos 32 %nur am Rande erwähnt
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra 50 %gleiches Oberthema, hilft nicht
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 26 %gleiches Oberthema, hilft nicht
    • Luna 48 %Hintergrund, keine Belege
    • JEV 40 %einzelne zitierbare Belege
    • amos 31 %nur am Rande erwähnt
    • SubQ 54 %gleiches Oberthema, hilft nicht
    • drex 33 %nur am Rande erwähnt
    • d3-ultra 51 %gleiches Oberthema, hilft nicht
Vertrauen in Modelle
  1. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 32 %gleiches Oberthema, hilft nicht
    • Luna 47 %einzelne zitierbare Belege
    • JEV 45 %einzelne zitierbare Belege
    • amos 33 %nur am Rande erwähnt
    • SubQ 54 %gleiches Oberthema, hilft nicht
    • drex 29 %gleiches Oberthema, hilft nicht
    • d3-ultra 66 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt
  2. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 32 %gleiches Oberthema, hilft nicht
    • Luna 67 %Hintergrund, keine Belege
    • JEV 27 %Hintergrund, keine Belege
    • amos 29 %nur am Rande erwähnt
    • SubQ 60 %gleiches Oberthema, hilft nicht
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra 73 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 26 %gleiches Oberthema, hilft nicht
    • Luna 55 %Hintergrund, keine Belege
    • JEV 69 %einzelne zitierbare Belege
    • amos 26 %einzelne zitierbare Belege
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 38 %gleiches Oberthema, hilft nicht
    • d3-ultra 53 %gleiches Oberthema, hilft nicht
  2. SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
    • clef 40 %gleiches Oberthema, hilft nicht
    • Luna 33 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 34 %nur am Rande erwähnt
    • SubQ 59 %gleiches Oberthema, hilft nicht
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra 61 %gleiches Oberthema, hilft nicht
Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 39 %Hintergrund, keine Belege
    • JEV 35 %nur am Rande erwähnt
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra 57 %gleiches Oberthema, hilft nicht
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 28 %gleiches Oberthema, hilft nicht
    • Luna 70 %Hintergrund, keine Belege
    • JEV 42 %einzelne zitierbare Belege
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 62 %gleiches Oberthema, hilft nicht
    • drex 60 %gleiches Oberthema, hilft nicht
    • d3-ultra 63 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt
  2. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 40 %Hintergrund, keine Belege
    • JEV 34 %Hintergrund, keine Belege
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 71 %gleiches Oberthema, hilft nicht
    • drex 65 %gleiches Oberthema, hilft nicht
    • d3-ultra 70 %gleiches Oberthema, hilft nicht
Wirtschaft und Haftung
Information und Öffentlichkeit

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →