Das Wichtigste in Kürze
- Lesen ist langsam: rund 252 Millisekunden pro Wort. Ein Bild erkennt das Gehirn in 13 Millisekunden.
- Code von AI Agents lässt sich nicht mehr vollständig Zeile für Zeile reviewen, ohne dass das Review zum Engpass wird.
- Higher Order Reviews bilden Code verlustfrei als Struktur ab, prüfen die Form und lesen nur an Auffälligkeiten.
- Agenten erklären Änderungen in Sichten statt in Prosa: Call-Stack, Komponentenbaum, Zustandsdiagramm, Diff.
Das Problem: Lesen skaliert nicht
Wenn AI Agents die Implementierung übernehmen, wandert der Engpass ins Review (siehe Theory of Constraints im Agentic SDLC). Der Agent erzeugt Code schneller, als Menschen ihn prüfen können. Die Review-Queue wächst, und unter Druck werden Reviews flacher.
Das liegt nicht an mangelnder Sorgfalt, sondern an der menschlichen Wahrnehmung. Wer still liest, schafft im Schnitt etwa 238 Wörter pro Minute – rund 252 Millisekunden pro Wort (Brysbaert, 2019). Code ist dichter als Prosa und wird eher langsamer gelesen.
Die Augen sind die Breitband-Verbindung
Sehen funktioniert ganz anders als Lesen. Bilder werden schon nach 13 Millisekunden Darbietung erkannt (Potter et al., 2014), und die Netzhaut überträgt rund 10 Mbit/s ans Gehirn (Koch et al., 2006). David Kriesel hat es in seinem Vortrag „SpiegelMining“ auf dem 33C3 so zusammengefasst: „Es gibt ja nur eine Breitband-Verbindung ins Gehirn: die Augen.“
Beim Lesen nutzen wir diese Leitung Wort für Wort und lassen den größten Teil ihrer Kapazität ungenutzt. Higher Order Reviews setzen genau hier an: Sie übersetzen Code in etwas, das man sehen kann.
So funktioniert ein Higher Order Review
Ein Higher Order Review prüft nicht zuerst die Zeilen, sondern die Form einer Änderung. Der Ablauf hat vier Schritte:
- Der Agent schreibt: Die Implementierung entsteht wie gewohnt durch den Agenten.
- Verlustfrei abbilden: Jeder Code-Block wird zu genau einem Knoten in einer Struktursicht, etwa einem Graphen mit den Schichten UI, Service und Daten. Nichts wird weggelassen.
- Die Form prüfen: Wer reviewt, sieht die Struktur auf einen Blick. Verletzt eine Abhängigkeit die Architektur, fällt sie als Kante auf, die eine Schicht überspringt.
- Nur hier lesen: Gelesen wird gezielt der Code hinter der Auffälligkeit – zum Beispiel eine UI-Komponente, die direkt auf die Datenbank zugreift.
Zeigen statt erzählen
Dasselbe Prinzip gilt für die Erklärungen eines Agenten. Ohne Vorgabe antwortet er auf die Frage „Was hast du geändert?“ mit einer Textwand. Die muss man wieder Wort für Wort lesen.
Der Skill /show-me von Dex Horthy (HumanLayer) bringt den Agenten dazu, stattdessen kompakte Sichten zu erzeugen: einen Call-Stack mit hinzugefügten und entfernten Aufrufen, einen Komponentenbaum, ein Zustandsdiagramm und den Diff. Die Änderung ist in Sekunden erfasst, und das Gespräch dreht sich um die richtigen Stellen.
Was das für Engineering-Teams bedeutet
Higher Order Reviews ersetzen das gründliche Review nicht, sie richten es neu aus. Menschliche Aufmerksamkeit fließt dorthin, wo Entscheidungen fallen: Architekturgrenzen, Abhängigkeiten, Zustandsübergänge, Sicherheitsrelevantes.
Dafür braucht es Werkzeuge, die Code verlustfrei als Struktur darstellen, klare Architekturregeln, an denen Auffälligkeiten sichtbar werden, und Agenten, die ihre Arbeit zeigen statt beschreiben. Das ist einer der wirksamsten Hebel, um den Review-Engpass im Agentic SDLC zu entschärfen.
