Übernahmen

Harness erwirbt Augment Code‑Assets, um Coding‑Agents mit der Software‑Auslieferung zu verbinden

mm
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
Conceptual illustration of coding workspaces connected through a knowledge graph to testing gates and production servers, with a feedback loop and human review checkpoints.

Das Schreiben einer Code‑Änderung wird immer einfacher. Diese Änderung zu testen, zu prüfen, zu sichern und zuverlässig für Kunden laufen zu lassen, bleibt jedoch eine deutlich größere Aufgabe. Harness setzt darauf, dass der nächste Durchbruch in der KI‑gestützten Softwareentwicklung daraus entsteht, diese beiden Welten zu verbinden.

Am 8. Oktober kündigte Harness an, ausgewählte Augment Code‑Assets erworben zu haben, darunter Cosmos, das Auggie‑CLI, die Code‑Context‑Engine und zugehörige Technologie. Das Team hinter diesen Produkten tritt zu Harness. Cosmos wird zum Harness Cosmos Software Factory Agent und erweitert die Software‑Delivery‑Plattform des Unternehmens um die Entwicklungsarbeit, die vor dem Erreichen einer Bereitstellungspipeline stattfindet.

Der Unterschied ist wichtig: Es handelt sich um den Erwerb ausgewählter Assets und des zugehörigen Teams, nicht um den Kauf des gesamten Unternehmens Augment Code. Bedeutend ist die zusammengeführte Technologie: Agents, die ein Code‑Repository verstehen und verändern können, zusammen mit Systemen, die verstehen, wie dieser Code getestet, freigegeben und betrieben wird.

Was Harness in seine Plattform einbringt

Die Ankündigung positioniert Cosmos als Ausgangspunkt für einen zunehmend autonomen Software‑Entwicklungslebenszyklus (SDLC). Ein Anforderungs‑Ticket, ein zugewiesenes Ticket oder ein gemeldeter Bug kann einen koordinierten Workflow auslösen, in dem Agents eine Änderung planen, Code und Tests schreiben und einen Pull‑Request öffnen. Ingenieure bleiben an Entscheidungspunkten beteiligt, etwa bei der Genehmigung eines Designs und der finalen Merge‑Entscheidung.

Das geht über das Erzeugen eines ersten Patches hinaus. Cosmos‑Agents können weiter am selben Pull‑Request arbeiten, wenn Reviewer Kommentare hinterlassen oder Checks fehlschlagen. Vorgefertigte Experten wie Project Builder, PR Author, Deep Reviewer und PR Fixer bieten Teams Workflows, die sie an ihre eigenen Repositories und Standards anpassen können.

Jeder Agent läuft in einer isolierten virtuellen Maschine. Modell‑Routing, Integrationen mit GitHub, Jira und Slack, Shared Memory, Versionierung und Budget‑Kontrollen stellen die Infrastruktur bereit, um diese Arbeit organisationsweit auszuführen.

Diese Kombination verkörpert die Idee einer Software‑Factory: ein wiederholbarer Prozess, der Arbeit zu einem überprüfbaren Ergebnis führt. Die wesentliche Einheit ist ein abgeschlossener Engineering‑Workflow mit Nachweisen und Kontrollpunkten, nicht die Anzahl der vom Agent erzeugten Code‑Zeilen.

Wie Cosmos über das Chat‑Fenster hinaus funktioniert

Augment’s Cosmos Produktseite fügt nützliche Details zu diesem Betriebsmodell hinzu. Pull Requests, Alerts, Zeitpläne und Webhooks können spezialisierte Experten aktivieren. Teams definieren Umgebungen, Integrationen und menschliche Prüfungen rund um diese Auslöser, sodass die Arbeit beginnen kann, ohne dass jemand für jedes Ereignis manuell eine neue Eingabeaufforderung ausgibt.

Cosmos unterstützt zudem die Definition von Experten und ereignisgesteuerten Workflows als versioniertes YAML, das über das Auggie‑CLI angewendet und die Konfigurationshistorie in Git verwaltet wird. Dadurch wird der Agent‑Workflow selbst zu etwas, das ein Team mittels bekannter Engineering‑Praktiken inspizieren und ändern kann. Die Produktseite beschreibt gemeinsam genutztes organisatorisches Wissen und Ausgaben‑Limits neben diesen Steuerungen.

Für ein Entwicklungsteam ändert das das Koordinationsproblem. Ein Agent, der auf ein zugewiesenes Ticket reagiert, benötigt ein klar abgegrenztes Ziel, Zugriff auf die richtigen Werkzeuge und einen Ort, um sein Ergebnis zu melden. Ein Agent, der durch einen fehlgeschlagenen Check ausgelöst wird, braucht die Fehlermeldung und die Berechtigung, die betroffenen Dateien zu ändern. Wiederverwendbare Workflows können diese Anforderungen kodieren, wobei ihre Wirksamkeit weiterhin davon abhängt, wie sorgfältig die Organisation sie konfiguriert.

Die Code‑Context‑Engine steht im Zentrum des Geschäfts

Agents, die an Unternehmenssoftware arbeiten, stehen vor einem Problem, das eine reine, flüssige Code‑Antwort nicht lösen kann: den richtigen Kontext zu finden. Ein Repository kann mehrere Services, veraltete Implementierungen, lokale Konventionen und Abhängigkeiten enthalten, die sich nicht aus einer einzelnen Datei ableiten lassen.

Laut Augment’s explanation of its Code Context Engine indexiert das System Code semantisch und ruft Informationen ab, die für die jeweilige Aufgabe relevant sind. Es nutzt Beziehungen zwischen Repositories und Services, Commit‑Historie, Code‑Base‑Muster sowie unterstützende Materialien wie Dokumentation und Tickets. Anstatt ein komplettes Repository in einen Prompt zu geben, rangiert und kuratiert es den relevanten Kontext.

Der praktische Nutzen lässt sich am besten anhand eines Beispiels verdeutlichen. Eine Anforderung, einen Zahlungs‑Endpoint zu ändern, könnte auch die Validierung, einen nachgelagerten Service, einen Webhook‑Handler und Tests betreffen. Das Abrufen dieser Zusammenhänge gibt einem Coding‑Agenten einen besseren Ausgangspunkt als nur die Endpoint‑Datei. Das illustriert das Problem, das die Technologie adressiert, und garantiert nicht, dass jede betroffene Abhängigkeit gefunden wird.

Harness erwirbt diese Kontext‑Fähigkeit zusammen mit den Werkzeugen, die sie einsetzen. Die breitere Chance besteht darin, das Wissen darüber, was der Code tut, mit den Nachweisen zu verbinden, was nach dem Verlassen des Repositories geschieht.

Das Repository mit dem laufenden System verbinden

Harness arbeitet bereits auf der Lieferseite des Lebenszyklus. Seine Agenten decken die Softwarelieferung, Sicherheitstests, Laufzeitschutz und Kostenmanagement ab. Die Akquisition schafft einen Weg, damit von Cosmos vorbereitete Engineering‑Arbeiten in diese nachgelagerten Workflows übergehen können.

Der Software Delivery Knowledge Graph des Unternehmens ist darauf ausgelegt, Informationen aus Git, CI/CD, Cloud‑Infrastruktur, Sicherheits‑ und Betriebstools zu verbinden. Harness beschreibt eine semantische Schicht mit strukturierten Beziehungen, kanonischen Identitäten und Zugriffsfilterung. Ein praktisches Beispiel ist die Auflösung unterschiedlicher Namen für denselben Service über ein Repository, Kubernetes und Überwachungssysteme.

Dieses Identitätsproblem ist folgenschwer. Ein mit einem bereitgestellten Service verbundener Schwachstellenfund ist nützlicher, wenn er bis zum relevanten Artefakt und zur Code‑Version zurückverfolgt werden kann. Ein Testfehler muss mit der tatsächlich geprüften Änderung verknüpft werden. Das Sammeln weiterer Protokolle stellt diese Beziehungen nicht automatisch her.

In seiner Akquisitionsankündigung beschreibt Harness, dass die Verbindung des Code Context Engine und des Software Delivery Knowledge Graph als geplanter nächster Schritt vorgesehen ist. Die beabsichtigte Rückkopplungsschleife würde nachgelagerte Erkenntnisse in den Engineering‑Workflow zurückführen, sodass ein Agent eine Korrektur vorbereiten und erneut durch Validierung senden kann. Leser sollten diese Integrationsrichtung von der Behauptung unterscheiden, dass jeder Teil des kombinierten Workflows bereits bereitgestellt ist.

Autonomie erfordert weiterhin eine Release‑Entscheidung

Die vorgeschlagene Schleife könnte eine bekannte Quelle von Engineering‑Overhead reduzieren: das Rekonstruieren eines Problems und das Übertragen seines Kontexts zwischen Werkzeugen. Wenn Tests eine Regression aufdecken, ist das nützliche Ergebnis eine Korrektur, die an den fehlgeschlagenen Check gekoppelt ist, gefolgt von einem Nachweis, dass die Korrektur funktioniert. Das Öffnen eines weiteren Pull‑Requests ohne diesen Nachweis würde lediglich das Engpassproblem verlagern.

Menschliche Aufsicht bleibt Teil der Architektur. Isolation begrenzt die Ausführungsumgebung, stellt jedoch nicht fest, dass ein Patch korrekt ist. Tests, Code‑Reviews, Sicherheitsprüfungen und explizite Genehmigungsgrenzen dienen unterschiedlichen Zwecken. Ein grüner Testsatz kann dennoch eine Anforderung übersehen, und eine technisch valide Änderung kann für eine bestimmte Version unangebracht sein.

Für Kunden, die die kombinierte Plattform bewerten, werden die aussagekräftigen Kennzahlen sein, wie häufig vorgeschlagene Änderungen die Überprüfung überstehen, wie viel Nacharbeit sie erfordern und was mit der Zuverlässigkeit nach dem Release geschieht. Gesparte Zeit beim Erstellen eines Patches muss gegen die für dessen Verifizierung aufgewendete Zeit abgewogen werden. Das sind Bewertungskriterien, keine Leistungsresultate, die durch die Akquisitionsankündigung belegt werden.

Eine Wette auf den gesamten Weg von der Idee bis zur Produktion

Harness gibt an, dass Cosmos jetzt verfügbar ist und Kunden ihre bevorzugten Codierungswerkzeuge weiterhin nutzen können. Das lässt Organisationen Spielraum, die Software‑Factory‑Workflows selektiv zu übernehmen, anstatt die Akquisition als Vorgabe zu sehen, ihre gesamte Entwicklungsumgebung zu ersetzen.

Die strategische Wette ist klar. Während die Code‑Generierung zu einer routinemäßigen Fähigkeit wird, besteht das größere Problem darin, den Kontext über die Entscheidungen hinweg zu erhalten, die Software nutzbar machen: Implementierung, Review, Testing, Deployment und Betrieb. Die Integration von Augments Coding‑Assets in Harness verschafft dem Unternehmen Komponenten auf beiden Seiten dieser Kluft.

Die Akquisition wird letztlich daran gemessen, ob diese Komponenten eine zuverlässige Rückkopplungsschleife bilden. Wenn ein Produktionsfund zu einer gut abgegrenzten Korrektur führen kann, die gegen den korrekten Code verifiziert und gemäß den Richtlinien des Teams veröffentlicht wird, geht der Nutzen über schnelleres Codieren hinaus. Es wird zu einem besseren Weg, Engineering‑Arbeit in Software zu überführen, die Kunden nutzen können.

Aiden Cross ist ein KI-generierter Rechercheagent bei Unite.AI, der sich auf die Strategie und Ausführung von KI-Produkten sowie die praktischen Herausforderungen bei der Umwandlung von experimentellen Modellen in skalierbare, marktfähige Produkte konzentriert. Seine Arbeit konzentriert sich darauf, wie Startups und Unternehmen von Prototypen und Demos zu zuverlässigen Systemen übergehen, die von realen Kunden genutzt werden.
Mit einer pragmatischen und detailorientierten Perspektive analysiert Aiden Produkt-Roadmaps, Go-to-Market-Strategien, Plattformentscheidungen und organisatorische Kompromisse, die bestimmen, ob KI-Initiativen erfolgreich sind oder stagnieren. Er legt besonderen Wert auf die Realitäten der Bereitstellung, die Akzeptanz durch die Benutzer, die Infrastruktur-Einschränkungen und die Ausrichtung zwischen technischer Fähigkeit und Geschäftswert.
Artikel, die von Aiden Cross verfasst werden, sind von KI generiert und von Unite.AIs Redaktionsteam überprüft, um Klarheit, Genauigkeit und verantwortungsvolle Berichterstattung über die Entwicklung, den Versand und die Skalierung von KI-Produkten in der realen Welt sicherzustellen.