Erinnerung an Margaret Hamilton

Schwarz-Weiß-Portrait von Margaret Hamilton von 1995.
Margaret Hamilton, 1995 (* 17. August 1936 in Paoli, Indiana; † 30. September 2026 in Cambridge, Massachusetts[4])  • Foto: Daphne Weld Nichols • CC BY-SA 3.0

Gestern gab das MIT bekannt, dass die große amerikanische Informatikerin (dabei hatte sie Mathematik studiert, aber number cruncher waren zu ihrer Zeit noch sehr rar) mit 90 Jahren verstorben ist.

Anfang Juli [2016] tauchte dieser Code plötzlich im Internet auf: Ein ehemaliger Nasa-Praktikant veröffentlichte ihn im Programmierer-Forum Github. Bislang war diese Software nur Eingeweihten bekannt, nun steht sie im Rampenlicht der Netzöffentlichkeit. Programmierkundige lesen zwischen den Codezeilen und überbieten sich in feinsinnigen Interpretationen, als ginge es um Sonette von Shakespeare. Im Silicon Valley heißen die Helden der Mondlandung seitdem: Neil Armstrong, Buzz Aldrin und Margaret Hamilton.

SPON

Das legendäre Bild, das Hamilton neben einen Stapel von Programmlistings des Apollo-Programms zeigt.

Schwarz-Weiß-Bild von 1969 mit Hamilton stehend neben einem Listingstapel, der so hoch ist wie sie.

Margaret Hamilton neben den Ausdrucken der von ihr und ihrem Team für das Apollo-Projekt entwickelten Flugsoftware. • Foto: Draper Laboratory; restored by Adam Cuerden – This is a retouched picture, which means that it has been digitally altered from its original version. Modifications: dust and scratches removed; curves tweaked to bring out shadows, approximately 3 pixels cropped from bottom in order to remove a border. See upload history of the PNG for version without colour tweaks. The original can be viewed here: Margaret Hamilton.gif: . • Public Domain 

»Zu sagen, Margaret Hamilton sei eine Pionierin gewesen – zu sagen, sie sei ihrer Zeit voraus gewesen –, wäre eine dramatische Untertreibung«, sagte der Leiter des Fachbereichs für Luft- und Raumfahrttechnik am MIT, Olivier de Weck.

 

Sie setzte sich auch dafür ein, dass die Entwicklung von Software den gebührenden Respekt erhielt. »Deshalb begann ich, den Begriff ›Software-Engineering‹ zu verwenden, um es von Hardware und anderen Ingenieursdisziplinen abzugrenzen«, sagte sie im Jahr 2018. »Als ich diesen Begriff zum ersten Mal verwendete, wurde er als ziemlich amüsant angesehen. Lange Zeit war er Gegenstand von Witzen. Man neckte mich gern wegen meiner radikalen Ideen.«

 

Als Hamilton im Jahr 2003 mit dem »Exceptional Space Act Award« der Nasa ausgezeichnet wurde, war ihr Laudator überrascht: »Ich habe mich gewundert, dass sie nie in aller Form für ihre bahnbrechende Arbeit geehrt worden ist.«

SPON

Oder auch wie es auch in diesem Blog steht:

Dennoch leitet sie eine sehr wichtige Abteilung, denn keine On-Board-Flugsoftware für das Apollo-Raumfahrtprogramm, dann auch keine Landung. Dass sie und ihr Team den Arsch in der Hose hatten und die fehlerhaften (Fehler-)meldungen ignorierten, die vom für die Landung nicht erforderlichen Rendezvous-Radar-System erzeugt wurden, weil ein Zähler aktualisiert wurde, was unnötig Rechenzeit verbrauchten, gehört zu den wenigen Meilensteinen vom klugen und überlegten Handeln in der Geschichte.

blog.softwing.de

Das MIT Instrumentation Laboratory suchte Menschen, die Software entwickeln sollten, um Astronauten zum Mond zu bringen. Hamilton bewarb sich und wurde 1965 als erste Programmiererin für die Apollo-Software am MIT eingestellt, zugleich als erste Frau unter den Programmierern im Projekt. 1968 war sie als stellvertretende Direktorin für den Bereich des Kommando- und Servicemoduls zuständig. Zu diesem Zeitpunkt arbeiteten mehr als 400 Menschen an der Apollo-Software. Die Teams entwickelten Software für das Kommandomodul und die Mondlandefähre und spielten mögliche Missionsabläufe und Bedienhandlungen durch.

 

Hamilton drängte darauf, auch unwahrscheinliche Bedienfehler ernst zu nehmen. Ihre damals vierjährige Tochter Lauren hatte bei einem Besuch im Labor am Simulator des Kommandomoduls mitten im simulierten Flug unabsichtlich das Startvorbereitungsprogramm P01 aufgerufen und den Simulator zum Absturz gebracht. Hamilton wollte verhindern, dass ein solcher Fehler auf einer echten Mission möglich wurde.

 

Kurz vor der Mondlandung im Juli 1969 zeigte der Computer der Landefähre die Alarme 1202 und 1201 an: Zusätzliche Aufgaben überlasteten ihn. Die prioritätengesteuerte Software konnte weniger wichtige Arbeiten zurückstellen und die für die Landung nötigen Berechnungen fortsetzen. Diese Architektur war eine Teamleistung, an der auch andere Entwickler maßgeblich beteiligt waren, allen voran J. Halcombe Laning, der das prioritätengesteuerte Konzept erdacht hatte. Hamiltons Verdienst lag nicht in einem einzelnen rettenden Tastendruck, sondern darin, die Entwicklung robuster Bordsoftware mit voranzutreiben und zu leiten.

 

Einem breiten Publikum wurde Hamilton auch durch ein Foto aus der Apollo-Zeit bekannt, auf dem sie neben einem hohen Stapel ausgedruckten Programmcodes steht. Eine Darstellung von ihr mit den Codeausdrucken erschien auch im Lego-Set „Women of NASA“. Sie zählt zu den Frauen, die die Technikgeschichte entscheidend mitprägten. Ein weiterer Rückblick ordnet Hamilton neben Pionierinnen wie Ada Lovelace und Grace Hopper ein. Ihr Vermächtnis reicht über Apollo hinaus: Sie half zu zeigen, dass Software für kritische Systeme nicht nur für den erwarteten Ablauf geschrieben werden muss, sondern gerade auch für das Unerwartete.

Heise

Die Alarme 1201 und 1202 haben es augenscheinlich nicht ins kollektive Neardbewußsein geschafft, wie vielleicht das Layer-8-Problem, aber Margaret Hamilton wird als echte Größe in der IT in Erinnerung bleiben, die zu einer Zeit Bahnbrechendes schaffte, als lediglich Reinigungsfachfrauen in ihrem Umfeld waren, aber keine weiteren Informatikerinnen.

Software muss auch das Unerwartete erwarten. Margaret Hamilton ist genau die Persönlichkeit, die die Think different Kampagne als Motiv hätte nehmen können, denn das „Denke das Andersartige“ ist genau das „enwickele Software, die das Unbekannte = Andersartige kennt und darauf sinnvoll reagiert“.
Ukrainische Flagge

KI-Forscherin Timnit Gebru erhält Right-Livelihood-Auszeichnung

Zitat von KI-Forscherin Timnit Gebru zu Unweltkosten von KI.
Wikipedia

„Weil sie die bestehende Machtkonzentration im Bereich Künstlicher Intelligenz herausfordert und eine digitale Technologie vorantreibt, die auf Gerechtigkeit, gelebter Erfahrung und menschlicher Selbstbestimmung beruht.“

SPON

“For challenging concentrated power in artificial intelligence and pioneering digital technology rooted in justice, lived experience and human agency.”

RightLivehood

Unter anderem wurde Timnit Gebru aus den USA für ihren Einsatz gegen die Machtkonzentration im Bereich künstlicher Intelligenz mit dem alternativen Nobelpreis ausgezeichnet.
Ukrainische Flagge

Prompt – Token – Antwort

Wie genau wird ein Prompt bei einem Chat AI Bot auseinander genommen und die Antwort erzeugt? Also Tokenizen der Anfrage, einen Binärbaum aufbauen mit den Wahrscheinlichkeiten für die entsprechenden Äste auf Grundlage der Daten des LLM.

Ein Prompt bei einem Chat AI Bot wird in mehreren Schritten verarbeitet, die auf den Prinzipien der natürlichen Sprachverarbeitung (NLP) und maschinellen Lernens basieren. Zunächst wird die Anfrage tokenisiert und anschließend von einem großen Sprachmodell (LLM) analysiert, das auf Wahrscheinlichkeiten für mögliche Antwort-Token basiert. Ein expliziter Binärbaum wird dabei jedoch nicht gebaut, sondern die Wahrscheinlichkeitsverteilung für die nächsten Token fortlaufend berechnet und meist als „Logits“ vorliegen.

Tokenisierung des Prompts

Nach Eingang des Prompts zerlegt das Modell den Text in sogenannte Token, was Wortteile, ganze Wörter oder auch Satzzeichen umfassen kann. Die Tokenisierung ist abhängig vom verwendeten Modell und dessen Vokabular. Moderne LLMs nutzen meist das Byte Pair Encoding (BPE) oder ähnliche Verfahren, um den Text möglichst effizient in Token abzubilden.

Wahrscheinlichkeitsberechnung der nächsten Token

Das Modell verarbeitet die Token sequenziell und berechnet für jedes mögliche nächste Token die Wahrscheinlichkeit, basierend auf den trainierten Daten und Kontextinformationen. Das Ergebnis ist eine Verteilung aller möglichen nächsten Token (die sogenannten „Logits“).

Entscheidungsprozess und Baummetapher

Statt eines ausdrücklich konstruierten Binärbaums entsteht eher ein „Pfad“ durch den Tokenraum:
– Für jeden Schritt (Token) entscheidet das Modell anhand seiner Wahrscheinlichkeitsverteilung, welches Token als nächstes gewählt wird.
– Der Prozess kann als „Baumerzeugung“ interpretiert werden, da aus jedem Zustand (Token) verschiedene mögliche Fortsetzungen („Äste“) mit jeweils einer Wahrscheinlichkeit entstehen.
– In der Praxis bleiben viele Äste unberücksichtigt, da Algorithmen wie Greedy Search oder Sampling nur die wahrscheinlichsten Varianten verfolgen.

Aufbau der Antwort

Die Antwort entsteht durch wiederholte Auswahl des wahrscheinlichsten oder eines mittels Sampling gewählten nächsten Tokens, bis ein Stoppkriterium erreicht ist (z.B. ein End-Token oder eine max. Länge).
Im Hintergrund liegt mathematisch für jeden Schritt die Berechnung:
Wahrscheinlichkeitsformel für Berechnung der Tokenwahrscheinlichkeit.
Diese Konditionalwahrscheinlichkeit wird für jedes Token berechnet und steuert die Antworterzeugung.

Fazit

Im Kern besteht der Ablauf aus:
– Tokenisierung,
– sequenzieller Wahrscheinlichkeitsberechnung,
– Auswahl des nächsten Tokens (als würde man einen Pfad im Baum entlanggehen),
– Wiederholung bis zur fertigen Antwort – aber der Baum wird nicht als vollständige Struktur aufgebaut, sondern Schritt für Schritt erzeugt.

Jeder dieser Schritte ist darauf optimiert, mit dem trainierten Modell schnelle und plausible Antworten zu generieren.

Quellen
– [Funktionsweise von ChatGPT und Tokenisierung](https://www.faz.net/aktuell/wissen/technik/die-kerntechnologie-von-chatgpt-wie-sprachmodelle-arbeiten-18594303.html)
– [Tokenisierung in modernen LLMs (BPE-Verfahren)](https://towardsdatascience.com/tokenization-in-nlp-29e410f8a502)
– [Textgenerierung und Entscheidungsprozesse in Sprachmodellen](https://ai.stackexchange.com/questions/36487/how-do-language-models-generate-text)

 

Zu beachten:

Ki ist mein Namenskurzzeichen und steht nicht für künstliche Intelligenz.

Wie immer gilt es zu beachten: KI-Systeme irren und fabulieren gerne. Einschalten des gesunden Menschenverstandes ist keine Option, sondern wird streng erwartet!

Hier wurde Perplexity genutzt.
Ukrainische Flagge

AWS Gamesday

Großdisplay mit AWS Ganedays Startfolie.
Werner Vogels, CTO Anazon: We allow teams to just do a lot of things themselves, even if that duplicates some functionality. We're willing to exchange that for moving fast.
The tipical developer spends 4h 21min coding...per week. That is 52 min per day.
A true unicorn success story - mit den fiktiven Geschäftszahlen des Unternehmens.
Das Großdisplay mit einigen Hinweisen zum Spiel.
Da hat doch meine Company einen AWS Gamesday diese Woche im KCH veranstaltet. Der mit den weißen Esquinzo-Shirt auf der Bühne, bin ich. Ich dachte mir mit „Zeit für Gefühle“ etwas Esprit in die MINTi-Riege der Anwendungsentwicklung zu bringen. 😉

Es waren zwei sehr gelungen Tage, die viel Spaß machten, wenn auch das Lernen bei mir auch anstrengend war. Das soll aber eben auch aus didaktischen Gründen so sein. Dafür hatte ich Mitstreiter, die meine Schwächen ausglichen zu vollem Teamerfolg.
Ukrainische Flagge

Das Scrum Guide Expansion Pack

Englische Webseite des Scrum Guide Expansion Pack mit den drei Autoren als Comic-Portrait.
© ScrumExpansion.org

Der aktuelle Scrum Guide kam 2020 heraus. Es lag in der Luft, dass ein neuer Scrum Guide – nach 5 Jahren – das Licht der Welt erblicken könnte.

Es kam das Expansion Pack, das durchaus realitätsnahe Erweiterungen beschreibt. Auf den 50 Seiten werden diese Modelle, Impulse und vertiefenden Gedanken dargeboten. 

Da es seit gut einem Monat durch die kleine agile Gemeinde wandert, kam es auch zu mir. Ich hörte mir dazu Marc Löfflers Einschätzung in seiner Agile Transformation Toolbox an. Angehört, das Service Pack Expansion Pack wurde abgewatscht. Fall erledigt, bedarf keiner weiteren Betrachtung. So dachte ich, ohne mir überhaupt die Mühe gemacht zu haben, das Dokument wirklich einmal anzuschauen, geschweige denn, es zu lesen. 

Logo von DasScrumTeam Cafe
© DasScrumTeam

Nachdem ich im mal wieder im DasScrumTeam Café war und das Thema auf das Expansion Pack legte mit dem Verweis auf den ordentlich Verriß von Marc Löffler, sagte Andy etwas dazu. In seiner ganz eigenen Art sprach er unaufgeregt und sachlich. Erwähnte kurz, dass er – mal wieder – zur deutschen Übersetzung beisteuerte und ging dann exemplarisch durch das Expansion Pack. Detailliert und auf den Punkt gebracht sprach der darüber und mir war es ehrlicher Weise etwas unangenehm, dass ich so in Yellow Press Manier darüber hergezogen hatte, was er mit keiner Silbe quittierte, sondern einfach nur den Inhalt besprach. Dabei erwähne er kurz das KI-Kapitel von Jeff und meinte nur trocken, dass das gerne übersprungen werden kann. Es ist eine halbe Seite und kommt direkt nach Supporter/Unterstützer. Zusammengepresst in einen Satz: Viel möglich, viele Gefahren. Meine Erfahrungen u.a. bei „The scientific background of Scrum and how to leverage AI in Scrum“ mit Jeff und seinen KI-Ideen geht auch in diese Richtung von Andy. 

Den eigentlich Schatz, den Andy ansprach, sind weniger die 50 Seiten des Dokuments. Sie teasern eher Themen an und hier ist Marc Löfflers Einwand auch korrekt, dass das mehr ein Andeuten von Themen ist ohne den Tiefgang. Allerdings beklagt er die 50 Seiten des Dokumentes. Mehr Tiefgang bedeutet dann zwangsläufig auch mehr Seiten, so dass  die Erweiterung dann schon ein volles Buch ausfüllten (was es natürlich auch gab und gibt). Ein echter Schatz des Dokumentes sind die 149 Referenzen (6 Seiten) zu weiterführenden Quellen im Anhang. Das ist ein geballter digitaler Hub ins Wissen. Solche potenten Hubs sind selten.

Ich habe nun begonnen, das Scrum Guide Expansion Pack zu lesen. Dabei nutze ich die Online-Version in der deutschen Übersetzung (noch im Preview-Statium) als auch das englische PDF und Webseite. Ganz klar machen die drei Autoren eingangs deutlich, dass dieses Erweiterungspaket den Scrum Guide mitnichten ersetzt. Keine weiteren Scrum Regeln hinzuzufügt, sondern das Ganze ein klein wenig „runder“ und vielleicht auch „geländegängiger“ machen möchte. 

Diese realitätsnahen Erweiterungen sind etwa:

  • die neuen Rollen Stakeholder und Supporter (Unterstützer).
    Hier ist beim Supporter die Abgrenzung zum Stakeholder durchaus unscharf, denn der Supporter ist eine Teilmenge des Stakeholders. Er stößt Veränderungen für das Team an, ist also quasi Change Agent. Die Frage nach der Unterscheidung von Supporten und Stakeholder stellt sich, denn gerade Scrum hat sich – was Rollenvielfalt angeht – immer sehr zurückgehalten. Der Stakeholder ist im Sinne einer Betrachtung auch außerhalb des Scrum-Teams sinnvoll, denn Stakeholdermanagement gehörte nicht wirklich zu Scrum dazu.
    „Unterstützer sind eine bestimmte Art von Stakeholdern. Unterstützer sind Stakeholder und Change Agents.“
    Scrum Guide Expansion Pack, Kapitel Unterstützer – deutsche Übersetzung • © 2025 Ralph Jocham, John Coleman, and Jeff Sutherland. • CC BY-SA 4.0
  • klar gesagt, dass das Scrum-Team für die Product Discovery verantwortlich ist
    „Bei der Entdeckung geht es darum, durch Priorisierung, Umsetzung, Vermeidung oder ständige Verbesserung von Ideen, die auf Benutzerbeobachtungen, Feedback oder anderen Erkenntnissen basieren, zu einem gewünschten Ergebnis zu gelangen. Die Entdeckung betont Zusammenarbeit, Kreativität und die Bereitschaft, Fehler zu machen und es erneut zu versuchen. Die Entdeckung fasst die Arbeit als Probleme oder Chancen zusammen und hilft dem Scrum Team, Lösungsoptionen zu entwickeln, zu priorisieren und zu testen, die die Wünsche der Menschen, die technischen Möglichkeiten und die geschäftliche Sinnhaftigkeit in Einklang bringen – und das alles mit Spaß.“
    Scrum Guide Expansion Pack, Kapitel Entdeckung (Discovery) – deutsche Übersetzung • © 2025 Ralph Jocham, John Coleman, and Jeff Sutherland. • CC BY-SA 4.0
  • deutlicher Fokus auf Outcome (was kommt raus und nützt dem Business – also Qualität) anstelle nur Output (was kommt raus – also Quantität)

Mich hat das dieses Erweitungspaket neugierig gemacht. Klar, es erklärt nicht in einer epochalen Tiefgangart all das, was viele meinen, Scrum ausmachen sollte. Es wird eher im leichten Telegrammstil angerissen, aufgezeigt und immer in Hinterkopf: Der wirklich beachtliche digitale Hub mit den Absprunglinks zu viel geballtem Wissen.

Eine lohnende Betrachtung des Expansion Pack kann man bei den Produktwerkern hören.

Der Scrum Guide Expansion Pack ist unter einer CC-BY-SA 4.0 Lizenz veröffentlicht.

Ich habe meine eingangs erwähnte Einstellung deutlich geändert. Vom Spötter mit Sekundärwissen, aber ohne die Primärquelle auch nur besehen zu haben, bin hin immerhin schon zu einem Stadium gekommen, dass ich dieses Thema partiell deutlich, aber in gänze noch nicht vollständig gelesen habe. Hierzu bedurfte es nicht einer Berichtigung oder gar Belehrung durch Andreas Schliep, sondern lediglich des Einsatzes eines alten, aber sehr nützlichen Patterns. Hier zeigt sich für mich, dass ich auch nach Jahren noch sehr viele von ihm lernen kann.

„Wenn Du ein Schiff bauen willst, dann trommle nicht Männer zusammen, um Holz zu beschaffen, Aufgaben zu vergeben und die Arbeit einzuteilen. Sondern lehre sie die Sehnsucht nach dem weiten, endlosen Meer.“

– Antoine de Saint-Exupéry

Zu den Autoren:

  • Jeff Sutherland ist Mitbegründer von Scrum und arbeitet als Berater für dieses Vorgehensmodell mit seiner Firma Scrum Inc.
  • John Coleman kommt aus dem Kaban-Bereich und ist Mitgründer von Kanplexity ein innovativer Ansatz, der Elemente des Kanban-Systems mit dem Cynefin-Framework kombiniert.
  • Ralph Jocham ist einer der frühen Scrum-Trainer in Europa und Gründer von effective agile.

Ukrainische Flagge

New Dark Pattern: Dust Bin Coding with AI

Wer es vielleicht schon immer geahnt hat oder selbst erlebte:

Die Studie „Coding on Copilot“ von GitClear legt nahe, dass die Code-Qualität bei Verwendung von GitHub Copilot oder ChatGPT sinkt, da Entwicklerinnen und Entwickler mit den KI-Assistenten schnelle, aber nicht unbedingt gute und nachhaltige Lösungen beim Coden vorgeschlagen bekommen.

Schlechte Code-Qualität durch die KI-Assistenten GitHub Copilot und ChatGPT | heise online

Dass ChatGPT sich mir als Schwätzer, Lügner und Schlechtcoder vorstellte, ist hier oder hier bereits verewigt.
Ukrainische Flagge