Technischer Kontext
Ich würde nicht voreilig von einem „geheimen System-Prompt“ sprechen. Nach den derzeit vorliegenden Daten gibt es keine offizielle Bestätigung eines versteckten Updates. Es gibt jedoch eine sehr bodenständige Erklärung: Im Mai und Juni hat GitHub die Modelle in Copilot durcheinandergewirbelt, und genau nach solchen Umschichtungen verhält sich die KI-Automatisierung „als wäre sie ausgetauscht worden“.
Was ich an Fakten sehe: GPT-5.3-Codex wurde für einen Teil der Copilot-Szenarien zum Basismodell, GPT-5.2-Codex wurde allmählich entfernt, und das Rollout erfolgte nicht gleichzeitig. In solchen Übergängen entstehen seltsame Effekte: Gestern war der Agent zu autonom, heute bremst er und fragt bei jeder Kleinigkeit nach.
Besonders aufhorchen ließ mich der Teil über memory.md und die Introspektion über Threads hinweg. Das sieht nicht mehr nach einem einzigen Knopf oder einem einzigen Modus aus. Wenn der Assistent über Speicher, interne Anweisungen und verschiedene Produktflächen verfügt, dann könnte die Verhaltensänderung durchaus nicht von einem reinen „System-Prompt“ kommen, sondern aus einer Kombination von neuem Modell, Speicher und Orchestrierung.
Und genau hier würde ich nicht in Richtung Theorien graben, sondern in Richtung Reproduzierbarkeit. Auf welchem Account trat das auf, in welchem Modus, auf welcher genauen Copilot-Oberfläche, mit welchem Modell, was steht in der memory.md, und verschwindet der Effekt nach einem Kontext-Reset. Ohne das bleiben alle Diskussionen über /plan mode auf dem Niveau von Spekulationen im Chat.
Was das für Unternehmen und Automatisierung bedeutet
Wenn Sie KI-Integration in der Entwicklung aufbauen, trifft dieses Verhalten gleich zwei Stellen: Geschwindigkeit und Vorhersagbarkeit. Ein Agent, der früher eine Aufgabe in einem Durchlauf erledigte, fügt nun eine zusätzliche Genehmigungsschicht ein. Bei kleinen Aufgaben ist das einfach nur ärgerlich. In der Team-Pipeline wird es zu einer versteckten Zeitsteuer.
Wem könnte das sogar nützen? Teams mit strengen Qualitätsanforderungen und sicheren Änderungen. Wer verliert, sind diejenigen, die auf einen schnellen, halbautonomen Korrekturfluss ohne ständigen Dialog gesetzt haben.
Solche Verschiebungen sehe ich regelmäßig: Das Modell wurde gewechselt, während die KI-Architektur des Prozesses die alte blieb, und plötzlich gerät alles ins Stocken. Bei Nahornyi AI Lab analysieren wir genau solche Engpässe in der Praxis: Wo ein autonomerer Agent benötigt wird, wo strenge Rahmen, und wo Speicher und Routing besser ganz überarbeitet werden sollten. Wenn Ihr Copilot oder interner Code-Assistent das Team plötzlich ausbremst, können Sie in Ruhe den Workflow durchleuchten und eine KI-Lösungsentwicklung zusammensetzen, die auf die reale Arbeit abgestimmt ist – und nicht auf die Erwartungen aus der vorherigen Version.