Live Coding, Software Studies und die Zukunft transparenter KI-Prototypen

Live Coding: A User’s Manual ist kein klassisches Software-Engineering-Buch. Dem Auszug zufolge steht es in der Tradition der Software Studies und untersucht Code als kulturelle, künstlerische, performative und technische Praxis. Für eine Technologieberatung liegt der Wert darin, Software neu zu rahmen: nicht nur als Artefakt, sondern als Prozess, der sichtbar gemacht werden kann.

Das Inhaltsverzeichnis verweist auf Geschichten des Live Coding, Praktikerperspektiven, Notation, Liveness, Zeitkritikalität, Wissen und Begehren. Die Danksagungen verbinden das Buch mit der Live-Coding-Community, TOPLAP, Algorave, internationalen Konferenzen, Forschungsnetzwerken und interdisziplinären Feldern wie Informatik, Critical Design, Software Studies, Computermusik, Performance Writing, Cultural Studies, zeitgenössischer Kunst und künstlerischer Forschung.

Warum sollten KI- und Produktteams sich dafür interessieren? Weil moderne KI-Entwicklung oft unter Intransparenz leidet. Modelle werden als Black Boxes behandelt. Pipelines verschwinden in Infrastruktur. Prompt-Ketten, Evaluationslogik und Datentransformationen sind für Nicht-Spezialisten schwer nachvollziehbar. Live Coding bietet eine Gegenpraxis: das Konstruieren und Verändern von computergestütztem Verhalten sichtbar machen.

Das hat Folgen für Prototyping. In Consulting-Workshops können Live-Demonstrationen die Distanz zwischen Business-Stakeholdern und Engineering-Teams verringern. Statt statischer Folien können Teams zeigen, wie sich ein Workflow verändert, wenn eine Datentransformation angepasst wird, wie ein Modelloutput auf einen Prompt reagiert oder wie eine Visualisierung unterschiedliche Annahmen abbildet. Das bedeutet nicht, Produktionssysteme zu improvisieren. Es bedeutet, live computational practice als Kommunikationsmedium zu nutzen.

Live Coding fördert auch eine andere Haltung zu Notation. Code ist nicht nur Anweisung an Maschinen; er ist eine menschenlesbare Repräsentation von Denken. In der KI-Produktisierung ist gute Notation wichtig: Prompt-Templates, Evaluationskriterien, Workflow-Definitionen, Model Cards, Data Contracts und Konfigurationsdateien kommunizieren Absicht. Wenn diese Artefakte undurchsichtig sind, leidet Zusammenarbeit.

Ein weiterer hilfreicher Begriff ist Liveness. In KI-Systemen erscheint Liveness in Echtzeit-Dashboards, interaktiver Modellabstimmung, Agent-Workflows, Feedback-Schleifen und Continuous Deployment. Produktteams sollten fragen: Welche Teile des Systems müssen live sein, welche stabil, und wie verstehen Nutzer Veränderungen, während sie passieren? Live Coding als künstlerische Praxis beantwortet das nicht direkt, schärft aber die Sensibilität für Zeit, Interaktion und Sichtbarkeit.

Für die technische Perspektive von ozycore.de lautet die praktische Lehre: Transparenz kann in den Entwicklungsprozess hinein gestaltet werden, nicht nur nachträglich als Dokumentation. Live-Prototyping-Sessions, erklärbare Pipeline-Walkthroughs, Prompt-Debugging-Workshops und gemeinsame Evaluationsdemos helfen Stakeholdern, KI-Verhalten vor dem Deployment zu verstehen.

Das Buch erinnert außerdem daran, dass Softwareinnovation kulturell ist. Communities wie TOPLAP und Algorave haben Live Coding durch gemeinsame Normen, Events und Praktiken geprägt. KI-Teams können daraus lernen: Tools sind wichtig, aber Communities of Practice bestimmen, wie Tools genutzt, kritisiert und verbessert werden.

Live Coding ist deshalb indirekt, aber kraftvoll relevant für KI-Produktisierung. Es fordert uns auf, Berechnung sichtbar, kollaborativ und reflektiert zu machen. In einer Zeit zunehmend opaker KI-Systeme kann das zu einer strategischen Fähigkeit werden.