Cisco und OpenAI definieren Enterprise Engineering mit Codex neu

Seit Jahrzehnten hat Cisco einige der komplexesten und missionskritischen Softwaresysteme der Welt entwickelt und betrieben. Als generative KI von der Experimentierphase zur echten operativen Leistungsfähigkeit heranreifte, setzte Cisco auf das, was es am besten kann: fortschrittliche Technologie in anspruchsvollen, realen Umgebungen zu skalieren.

Dieser Ansatz prägt bereits, wie Cisco neue Produkte entwickelt, darunter AI Defense, wobei Codex dazu beitrug, kritische Engineering-Arbeit von mehreren Quartalen auf wenige Wochen zu verkürzen.

Anstatt Codex als eigenständiges Entwickler:innen-Tool zu behandeln, begann Cisco, es direkt in produktive Engineering-Workflows zu integrieren und es mit riesigen Multi-Repository-Systemen, C/C++-lastigen Codebasen sowie den Sicherheits-, Compliance- und Governance-Anforderungen eines globalen Unternehmens zu konfrontieren.

Dabei half Cisco, Codex zu etwas grundlegend anderem als einem Tool für Entwickler:innenproduktivität zu formen: einem KI-Engineering-Teammitglied, das auf Enterprise-Niveau arbeiten kann.

Ciscos Arbeit an AI Defense zeigt, wie dieses Modell in der Praxis aussehen kann. AI Defense ist Ciscos End-to-End-KI-Sicherheitslösung, die vor Safety- und Security-Risiken schützt, die durch KI entstehen.

Codex wurde vom Cisco-Team genutzt, um den Großteil von AI Defense und nahezu jedes neue Feature zu schreiben, das Cisco entwickelt.

Diese Arbeit spiegelt auch Ciscos umfassendere Rolle bei der Weiterentwicklung von KI-Sicherheit wider. Cisco gehört zu den führenden Sicherheitsorganisationen, die mit OpenAIs Daybreak-Initiative zusammenarbeiten. Sie bringt OpenAI-Modelle, Codex und Sicherheitspartner zusammen, um Cyberabwehr zu beschleunigen und Software kontinuierlich abzusichern. Im Rahmen dieses Programms steuert Cisco den Zugriff auf GPT‑5.5‑Cyber, ein Modell für Cyberverteidiger:innen.

Cisco nutzte Codex außerdem, um seine Defense Squad mitzuentwickeln, ein Open-Source-Tool, das in weniger als einer Woche von der Idee in die Entwickler:innen-Community gelangte.

Cisco betreibt bereits eine ausgereifte Engineering-Organisation mit mehreren laufenden KI-Initiativen. Was Codex überzeugend machte, war nicht die Code-Vervollständigung oder oberflächliche Automatisierung, sondern Eigenständigkeit. Codex demonstrierte die Fähigkeit zum:

• Große, vernetzte Repositories zu verstehen und über sie hinweg zu schlussfolgern
• Souverän in komplexen Sprachen zu arbeiten
• Reale Workflows durch CLI-basierte, autonome Compile-Test-Fix-Schleifen auszuführen
• Innerhalb bestehender Review-, Sicherheits- und Governance-Frameworks zu arbeiten

Durch die direkte Zusammenarbeit mit OpenAI konnten Cisco-Ingenieur:innen Feedback dazu geben, wie sich diese Fähigkeiten in realen Umgebungen verhielten, und Bereiche wie Workflow-Orchestrierung, Sicherheitskontrollen und Unterstützung für lang laufende Engineering-Aufgaben mitgestalten – allesamt entscheidend für den Enterprise-Einsatz.

Sobald Codex in die tägliche Engineering-Arbeit eingebettet war, begannen Teams, es auf einige ihrer anspruchsvollsten und zeitaufwendigsten Workflows anzuwenden:

Repository-übergreifende Build-Optimierung: Codex hat Build-Protokolle und Abhängigkeitsgraphen über mehr als 15 miteinander verbundene Repositorys hinweg analysiert und Ineffizienzen identifiziert. Das Ergebnis: eine Reduzierung der Build-Zeiten um ca. 20 % und mehr als 1.500 eingesparte Ingenieurstunden pro Monat in globalen Umgebungen.

Fehlerbehebung in großem Maßstab (CodeWatch): Mit Codex-CLI hat Cisco die Fehlerbehebung durch iterative und agentenbasierte Ausführung in groß angelegten C/C++-Codebasen automatisiert. Was früher Wochen manueller Arbeit erforderte, wird jetzt in Stunden abgeschlossen und liefert einen 10- bis 15-fachen Anstieg im Durchsatz der Fehlerbehebung, wodurch Ingenieure die Freiheit haben, sich auf Design und Validierung zu konzentrieren.

Framework-Migrationen in Tagen statt Wochen: Als Splunk-Teams mehrere UIs von React 18 auf 19 migrieren mussten, erledigte Codex den Großteil der repetitiven Änderungen autonom, verkürzte Wochen an Arbeit auf Tage und ermöglichte es Entwickler:innen, sich auf entscheidungsintensive Fragen zu konzentrieren.

Cisco lieferte kontinuierlich Feedback aus dem realen Produktionseinsatz, das OpenAI half, die Einsatzbereitschaft von Codex für große Unternehmen zu beschleunigen – insbesondere in Bereichen wie Compliance, Management lang laufender Aufgaben und Integration in bestehende Entwicklungspipelines.

Für Cisco etablierte die Zusammenarbeit ein wiederholbares Modell für die Einführung von KI der nächsten Generation: enge technische Partnerschaft, reale Workloads und Leadership-Alignment vom ersten Tag an.

Heute wird Codex in mehreren Geschäftsbereichen von Cisco eingesetzt und verbessert Produktivität, Codequalität und Time-to-Resolution. Statt Arbeit nur nach traditionellen Aufwandsmaßen zu bemessen, fragen Teams immer häufiger: „Wie lange wird dieser Codex-Lauf dauern?“