KI in der Softwareentwicklung: Hype oder Game Changer?

Wir schreiben das Jahr 2028, 6 Jahre sind seit dem Boom der generativen KI mit dem Erscheinen von ChatGPT vergangen und seit dem, was eine Welle der Einfuehrung generativer KI in die Softwareentwicklung war. Doch nach dem Hype, der in den Jahren 2023 und 2024 entstand, nahm die Nutzung der KI-basierten Copilots und Code-Assistenten allmaehlich ab. Man stellte fest, dass sie im Grunde nicht viel Wert boten, da der Grossteil des produzierten Codes fehlerhaft und von mittlerer Qualitaet war und die Entwickler mehr Zeit damit verbrachten, die von der KI eingefuehrten Fehler zu korrigieren, als sie einsparten. Dies fuehrte dazu, dass die Adoptionsinitiativen allmaehlich an Kraft verloren, bis sie aus der technologischen Debatte verschwanden, was an das kurzlebige Schicksal des Metaverse erinnert.

Wenn Sie der vorherige Absatz ueberrascht hat, liegt das wahrscheinlich daran, dass Sie nicht glauben, dass er eine wahrscheinliche Zukunft beschreibt. Es beginnt naemlich ein mehr oder weniger verbreitetes Gefuehl zu entstehen, dass die generative KI die Welt der Softwareentwicklung fuer immer veraendert hat. Ich wuerde sagen, dass neben der Informationssuche (was wir frueher mit Google und jetzt mit ChatGPT machten) die Codegenerierung mit generativer KI der Vorzeige-Anwendungsfall dieser Technologie ist. Dennoch gibt es Softwareunternehmen, die diese Technologie noch nicht als Beschleuniger ihrer Produktivitaet uebernommen haben. Und bei den niedrigen Kosten dieser Technologie und der geringen Lernkurve scheint es nicht viele Gruende zu geben, dies zu rechtfertigen.

In Unternehmen wie Google werden bereits 25% des generierten Codes von generativer KI vorgeschlagen. Laut einer Studie von StackOverflow wird geschaetzt, dass 62% der Softwareentwickler bereits 2024 generative KI nutzten und weitere 13% planten, sie bald zu nutzen. Meta gibt an, die Code-Debugging-Zeit dank des Einsatzes von KI um 30% reduziert zu haben. Und der beliebte Code-Editor Cursor, der fuer die Entwicklung mit generativer KI konzipiert wurde, war das erste Unternehmen, das in nur 12 Monaten 100 Millionen Dollar jaehrlich wiederkehrenden Umsatz erreichte. Und obwohl die Technologie natuerlich nicht perfekt ist, Einschraenkungen hat und Fehler macht, beginnt der Wert, den sie bietet, fuer viele offensichtlich zu werden.

Deshalb haben viele Unternehmen die Technologie bereits in ihre Softwareentwicklungsprozesse integriert und nutzen sie in den verschiedenen Phasen des Prozesses wie: Project Planning, Architekturdesign, Codierung, Debugging, Testing, Automatisierung, Deployment und Betrieb. Es besteht kein Zweifel mehr, dass sie Wert liefert, dennoch haben viele Unternehmen sie noch nicht uebernommen und einige fragen sich, ob sie es tun sollen oder nicht, und wann. Ich glaube, das ist ein Fehler, da die Technologie ausgereift genug ist, um die Produktivitaet zu sehr geringen Kosten zu verbessern. Die Frage ist nicht, ob man sie einfuehren soll und wann, sondern wie man es macht.

Da es sich um eine so leistungsstarke Technologie handelt, bin ich der Meinung, dass die Einfuehrung unter Neugestaltung der Technologiestrategie erfolgen sollte, um die besten Ergebnisse zu erzielen und die Risiken zu minimieren. Aus meiner Erfahrung als Fractional CTO, der Unternehmen bei der Integration von KI in ihre Technologiestrategie unterstuetzt, ist es wichtig, die folgenden Aspekte fuer eine angemessene Einfuehrung zu beruecksichtigen:

Die Menschen bleiben grundlegend

Obwohl die KI Aufgaben automatisiert, die zuvor von Menschen erledigt wurden, braucht sie immer noch einen Menschen, der identifiziert, was zu tun ist, welches Problem geloest werden muss und warum.

Aufgrund der Natur der aktuellen generativen KI ist es ueblich, dass die KI-Ergebnisse Fehler enthalten oder an unseren spezifischen Kontext angepasst werden muessen. Die Ueberpruefung, Korrektur und Anpassung muss weiterhin von einem Menschen mit Domaenwissen und kritischem Denken durchgefuehrt werden. Ausserdem gibt es komplexe Aufgaben, wie das Design einer optimalen Architektur oder bestimmte Funktionalitaeten, bei denen die KI noch nicht mit einem guten Entwickler vergleichbar ist.

Jede neue Technologie erfordert eine Veraenderung der Arbeitsweise und eine Offenheit seitens der Menschen, den Wandel anzunehmen und optimal umzusetzen. Die Einfuehrung von KI in einem Unternehmen kann aus zwei Richtungen kommen: gesteuert von Fuehrungskraeften, die die Technologie evangelisieren und alle notwendigen Mittel fuer ihre Einfuehrung bereitstellen (top-down). Oder von den Mitarbeitern selbst, deren Neugier sie dazu bringt, generative KI-Tools zu nutzen, auch wenn das Unternehmen sie nicht offiziell eingefuehrt hat (bottom-up). Beide Alternativen sind gueltig, jedoch besteht bei einer Einfuehrung von unten ein hoeheres Risiko, dass sie nicht alle erreicht oder ungleichmaessig erfolgt, jeder ein anderes Tool nutzt, es an Sichtbarkeit ueber die Auswirkungen der Veraenderung mangelt und es Probleme mit Datenschutz und Datensicherheit geben kann.

KI verstaerkt, verlangt aber auch eine solide Methodik

Die Einfuehrung von KI in der Softwareentwicklung koennte als Eingliederung einer Gruppe von Junior-Entwicklern betrachtet werden, die unter der Aufsicht der aktuellen Entwickler arbeiten, als wuerden wir die Engineering-Teams skalieren. Eine angemessene Softwareentwicklungsmethodik, in der wir agil arbeiten, in kleinen Iterationen, den Prozess untersuchen, mit Shift-Left der Qualitaet und kontinuierlicher Verbesserung, wird es ermoeglichen, die Auswirkungen der KI-Einfuehrung schnell zu beobachten, zu messen und die Praktiken anzupassen, um optimale Ergebnisse zu erzielen. Gleichzeitig ermoeglicht es uns, potenzielle von der KI eingefuehrte Fehler zu erkennen und sie in der Entwicklungsphase zu korrigieren, bevor sie in die Produktion gelangen.

Wenn uns eine ausgereifte Methodik fehlt und wir KI fuer die Entwicklung einfuehren, laufen wir Gefahr, die Anzahl der Bugs und die technische Schuld unserer Software mit hoeherer Geschwindigkeit zu erhoehen. Und dass die Einfuehrung einen negativen Nettoeffekt hat. Fuer diese Faelle liegt der Schluessel darin, die zusaetzliche Kapazitaet, die uns die KI gibt, zur Verbesserung der Methodik zu nutzen. Zum Beispiel durch die Einfuehrung automatischer Tests, die mit KI einfach und schnell zu generieren sind. Man kann auch einen Teil der eingesparten menschlichen Zeit fuer Aufgaben nutzen, die die KI noch nicht optimal erledigen kann, wie Code Reviews.

Generative KI kann als Verstaerker der Faehigkeiten der Ingenieure betrachtet werden, und der Schluessel liegt darin, das Gleichgewicht zwischen schnellerem Arbeiten und besserer Qualitaet zu finden, was wir durch die Methodik erreichen.

Codegenerierung ist nicht der einzige Anwendungsfall

Obwohl der Vorzeige-Anwendungsfall der generativen KI die Codegenerierung ist, ist dies bei weitem nicht der einzige Anwendungsfall, der in der Softwareentwicklung Wert liefert. Ideal ist es, eine Einfuehrung zu planen, die alle Faehigkeiten nutzt, bei denen die Technologie Wert liefern kann, und sich nicht mit weniger zufriedenzugeben. Die wichtigsten Anwendungsfaelle in der Softwareentwicklung sind heute:

• Codegenerierung

• Informationssuche und Klaerung von Fragen (was frueher mit Google und Stackoverflow gemacht wurde)

• Erstellung automatischer Tests: Unit Tests, Integrationstests, End-to-End-Tests

• Code-Debugging

• Dokumentationserstellung (aus dem Code)

• Erklaerung von bestehendem Code

• Migration zu anderen Technologien und Sprachen

• Deployment- und Integrationsautomatisierung (CI/CD-Pipelines)

• Analyse von Logs und grossen Datenmengen

• Erlernen neuer Sprachen und Technologien

Werkzeuge und Schulung: Schluessel zur Maximierung des ROI

Wir haben das Glueck, dass die besten Werkzeuge fuer die Softwareentwicklung mit generativer KI sehr guenstig sind, mit Lizenzen zwischen 10 und 40$/Monat pro Entwickler fuer die beliebtesten Tools wie Cursor oder Github Copilot. Der ROI ist sehr gut, da diese Kosten bereits gedeckt sind, wenn wir einem Programmierer weniger als 1 Stunde pro Monat einsparen. Was voraussichtlich weit uebertroffen wird.

Die Konversationsschnittstelle der generativen KI ist truegerisch, denn es scheint, als waere es egal, wie wir sie um Dinge bitten, weil sie immer eine Antwort gibt. Die Realitaet ist, dass wie wir die KI fragen (was gemeinhin als Prompt bekannt ist) sehr wichtig ist. Der Nachteil der generativen KI ist, dass sie Ihnen erlaubt, so faul zu sein, wie Sie moechten, aber die Qualitaet ihrer Antwort wird durch die Qualitaet des Prompts bestimmt, den Sie schreiben.

Heute gibt es zahlreiche Schulungen, die erklaeren, wie generative KI funktioniert, die Technologie dahinter und wie wir gute Prompts schreiben koennen, um die besten Ergebnisse zu erzielen. Wenn wir uns entscheiden, keine Schulung anzubieten und darauf vertrauen, dass jeder Entwickler selbst lernt, die KI zu nutzen, sind die langfristigen Kosten wahrscheinlich hoeher, aufgrund der Lernkurve und der Produktivitaetsverluste durch Entwickler, die keine guten Prompts schreiben. Es gibt bereits viele Online-Schulungen von Entwicklern, die seit langem mit KI arbeiten und wissen, wie man sie optimal nutzt.

Risiken: Proaktiv identifizieren und mindern

Wie jede neue leistungsstarke Technologie bringt KI einige Risiken mit sich, einige davon sind bekannt und wir wissen, wie wir sie mindern koennen, aber andere kennen wir noch nicht gut genug, und es braucht Zeit, sie besser zu verstehen. Wir sehen jedoch, dass heute die Vorteile die Nachteile bei weitem ueberwiegen und die Unternehmen auf die Einfuehrung der Technologie setzen. Eine gute Strategie muss die Risiken beruecksichtigen und Mechanismen zu ihrer Minderung und Verfolgung einrichten. Einige der bedeutendsten Risiken sind:

• Halluzinationen und falsche Antworten. Aufgrund der Eigenschaften der Technologie koennen Halluzinationen auftreten, und wenn wir sie nicht erkennen, koennen sie Fehler in unserer Software verursachen. Minderung:

  • Die Antworten und der von der KI generierte Code MUESSEN IMMER von einem menschlichen Experten ueberprueft werden.
  • Ueber eine Methodik mit Shift-Left der Qualitaet verfuegen: mit Automatismen und fruehen Qualitaetskontrollen, die es ermoeglichen, Fehler so frueh wie moeglich zu finden.

• Zunahme der technischen Schuld. Die aktuelle KI ist darauf optimiert, funktionierenden Code zu generieren, jedoch kann funktionierender Code unnoetig lang sein, das Rad neu erfinden, Corner Cases nicht angemessen behandeln oder einen anderen Stil als unser Projekt enthalten. All dies bedeutet eine Zunahme der technischen Schuld. Minderung: Eine ausgereifte Methodik haben, die Stilrichtlinien, Code Reviews, statische Code-Analysatoren umfasst und andere Best Practices unter den Entwicklern foerdert, um die technische Schuld zu reduzieren.

• Verschlechterung der Faehigkeiten der Ingenieure. Wenn ein Teil der Programmierung an die KI delegiert wird, muss der Ingenieur seine Faehigkeiten nicht mehr praktisch anwenden, was langfristig zu einem Verlust oder einer Verschlechterung der Programmierfaehigkeiten fuehren kann. Obwohl dies noch nicht gut erforscht ist, werden wir es in den naechsten Jahren besser verstehen. Minderung: Tage des Programmierens ohne KI oder andere Initiativen foerdern. Die Entwicklung der Technologie verfolgen, denn wenn diese die menschlichen Faehigkeiten in einem Bereich uebertrifft, zum Beispiel in der Programmierung, verliert es an Sinn, dass Menschen diese Aufgabe weniger optimal und teurer ausfuehren. In diesem Fall ist es moeglich, dass sich die Verantwortlichkeiten der Ingenieure wahrscheinlich in funktionalere und architektonische Bereiche verschieben.

• Lecks sensibler Informationen. Die KI ist auf Ihren Kontext angewiesen, um personalisierte Antworten geben zu koennen, daher werden die Ingenieure der KI Kontext liefern, was sensible Informationen an Drittunternehmen weitergeben kann, wie den Quellcode Ihrer Anwendung. Dieses Risiko wird minimiert, wenn wir Werkzeuge mit kommerziellen Lizenzen wie Github Copilot oder Cursor verwenden, bei denen der Code und die Prompts weder vom Anbieter eingesehen noch gespeichert werden.

Fazit

KI definiert neu, wie Unternehmen Software entwickeln, und steigert die Produktivitaet erheblich, wenn sie korrekt eingefuehrt wird, was einen echten Game Changer darstellt. Und obwohl es eine revolutionaere Technologie ist, haengt sie grundlegend von traditionellen Elementen ab wie: den Menschen, der Fuehrung, der Methodik, den Werkzeugen und der Schulung. Wenn wir daher alle potenziellen Vorteile der KI nutzen wollen, ist es empfehlenswert, die Technologiestrategie zu ueberdenken, um diese Technologie in die verschiedenen Phasen der Softwareentwicklung zu integrieren. Und es ist moeglich, dass wir in diesem Prozess Defizite und Beduerfnisse finden, zum Beispiel in Bezug auf Methodik, die wir als Teil des KI-Einfuehrungsplans angehen koennen.

Derzeit arbeite ich mit Softwareunternehmen zusammen, die generative KI als Technologie in ihren Softwareentwicklungsprozess einfuehren moechten. Ich integriere mich in ihre Teams und arbeite Hand in Hand mit dem CTO und anderen technischen Fuehrungskraeften, um zu verstehen, wie sie Software entwickeln und wie eine gute Strategie definiert werden kann, um KI optimal und risikoreduziert einzufuehren.

Wenn Sie das Gefuehl haben, dass Ihr Unternehmen nicht alles ausschoepft, was KI bieten kann, und Sie jemanden suchen, der anderen bereits geholfen hat, diesen Weg zu gehen, lassen Sie uns sprechen.