Innovation war schon immer eine treibende Kraft in der Technologiebranche, aber die jüngste Entwicklung wird wohl den gesamten IT-Sektor verändern. Die Rede ist natürlich vom Aufstieg der generativen KI.
Während das Potenzial dieser Technologie grenzenlos erscheint, sind viele Beschäftigte in der Branche zwischen Aufregung und Angst gefangen. Vor allem Softwareentwickler:innen sind begeistert davon, dass generative KI ihre Arbeit zum Besseren verändern wird; andererseits befürchten sie, dass die Technologie eines Tages so weit fortgeschritten sein könnte, dass sie sie ersetzt.
Laut Gartner wird bis 2027 jede zweite Softwareentwickler:in im Unternehmensumfeld generative KI-Tools zum Entwickeln, Testen und Betreiben von Software einsetzen – im Vergleich zu nur 5 %, die heute solche Tools verwenden. Dieser Anstieg wird erhebliche Auswirkungen auf Geschäftsmodelle von Unternehmen haben.
Während wir uns bereits mit den Risiken generativer KI für Unternehmen befasst haben (und Strategien zu deren Minimierung aufgezeigt haben), konzentrieren wir uns in diesem Blogbeitrag darauf, wie generative KI als wertvolles Werkzeug für Softwareentwickler:innen dienen kann, ohne sie zu ersetzen.
Dieser Blog behandelt folgende Themen:
Vorteile von generativer KI für Softwareentwickler:innen
Generative KI verändert die Art und Weise, wie Software erstellt wird, indem sie fortschrittliche Algorithmen und Machine Learning-Modelle nutzt. Aber ist es das leistungsfähige Werkzeug, das sich Entwickler:innen erhoffen?
Hier ist ein Überblick über die wichtigsten Vorteile.
Automatisierung von repetitiven Aufgaben
Einer der Hauptvorteile der generativen KI für Softwareentwickler:innen liegt in ihrer Fähigkeit, sich wiederholende Aufgaben zu automatisieren, wodurch ihre Arbeit schneller und effizienter wird.
Durch die Automatisierung sich wiederholender Aufgaben wie die Erstellung von Benutzeroberflächen, Tests und Anleitungen bleibt den Entwickler:innen mehr Zeit für die komplexeren und kreativeren Aspekte der Softwareentwicklung.
Laut KPMG kann diese Technologie die für die Erstellung von einfachem Code benötigte Zeit um bis zu 90 % reduzieren, so dass Produkte schneller verfügbar sind und Unternehmen ihre Ressourcen besser nutzen können, ohne dabei auf großartige Ergebnisse verzichten zu müssen.
Softwareentwickler:innen können GenAI auch auf andere Weise nutzen, um ihre Produktivität zu steigern:
- Code-Funktionalität erläutern: Wenn von anderen erstellter Code überarbeitet oder verbessert werden muss, kann GenAI den Softwareentwickler:innen helfen zu verstehen, was er tut.
- Code vereinfachen: Die Pflege von Code in der Zukunft wird einfacher, da GenAI simplere Optionen empfehlen kann, um den Code leichter verständlich zu machen.
- Automatisierte Dokumentation von User Stories.
- Beschleunigte Debugging-Prozesse durch automatisierte Tests.
Verbesserte Genauigkeit
Generative KI könnte Softwareentwicklung erheblich verbessern, indem sie Fehler reduziert und die Genauigkeit erhöht.
Sie kann beispielsweise umfassende Architekturdiagramme aus einem gegebenen Satz von Eingaben oder Spezifikationen erstellen und so die nahtlose Integration aller Systemkomponenten gewährleisten.
Die Modelle können auch die Konsistenz von Code durch automatisches Refactoring oder Stiländerungen verbessern.
Darüber hinaus können generative KI-Tools den Code überprüfen, Fehler hervorheben und den Entwickler:innen helfen, sauberer und effizienter zu programmieren, was für die Aufrechterhaltung qualitativ hochwertiger Standards entscheidend ist.
Durch die Automatisierung dieser Prozesse verringert die generative KI das Risiko von Fehlern, wodurch teure Ausfallzeiten verringert und Datenverluste verhindert werden.
Personalisiertere Erlebnisse
Es gibt viele geschäftliche Anwendungsfälle für generative KI, aber einer, der häufig genannt wird, sind personalisierte Kundenerlebnisse. Dies lässt sich auch auf die Softwareentwicklung übertragen, da sie es den Teams ermöglicht, Produkte und Dienstleistungen zu entwickeln, die sich an die Vorlieben und Bedürfnisse der Nutzer anpassen können. Mit anderen Worten: Diese Produkte und Dienstleistungen können vom Nutzer lernen und sich mit der Zeit verbessern.
Dies zeigt sich auch an der steigenden Zahl von Chatbots, die zunehmend auf Unternehmenswebsites zu finden sind. Auch wenn diese Chatbots derzeit noch anfällig für Fehler und falsche Ausgaben sind, gehen wir davon aus, dass die technologische Entwicklung und der weitere Fortschritt in der Branche zu erheblichen Verbesserungen in diesem Bereich führen werden. Diese Entwicklung spart den Unternehmen – und den Entwickler:innen – viel Zeit und Ressourcen, die sonst für die Einrichtung von Kundensupport-Teams aufgewendet werden müssten.
Die Antwort lautet also: Ja, generative KI kann ein leistungsstarkes Werkzeug für Softwareentwickler:innen sein. Wir müssen uns jedoch darüber im Klaren sein, dass diese Verbesserungen zwar theoretisch möglich sind, aber in der Praxis noch nicht vollständig umgesetzt werden können.
Nehmen wir das Beispiel des CoPilot von GitHub. Eine von GitHub durchgeführte Studie zeigt, dass Entwickler:innen, die dieses Tool verwenden, softwarebezogene Aufgaben 55 % schneller abschließen als diejenigen, die dies nicht tun. Eine aktuelle Studie von GitClear berichtet jedoch, dass sich die Verwendung von CoPilot negativ auf die Codequalität auswirkt.
Die Untersuchung ergab einen „signifikanten Anstieg des Code Churns und einen besorgniserregenden Rückgang der Wiederverwendung von Code“. Dies führt zu der Schlussfolgerung, dass Code viel schneller als früher produziert werden kann, dass aber das Tool selbst nicht ausreicht, um die Aufgaben einer Softwareentwickler:in zu erfüllen.
Fachleute müssen den von der KI erzeugten Code prüfen und bereinigen, bevor er verwendet werden kann – so entsteht eine neue Verbindung zwischen KI-Tools und menschlichen Arbeitskräften.
Source: Coude Code Churn by year, GitClear
Eine andere von McKinsey durchgeführte Studie hat gezeigt, dass generative KI zwar die Entwicklungsgeschwindigkeit erhöhen kann, die Bearbeitungszeit jedoch mit der Komplexität der Aufgaben steigt. Tatsächlich sank die Zeitersparnis auf weniger als 10 Prozent bei Aufgaben, die von den Entwickler:innen als hochkomplex eingestuft wurden, weil sie zum Beispiel mit einem notwendigen Programmiergerüst nicht vertraut waren.
Source: Task Completion Time using Generative AI in %, McKinsey & Company
Diese Erkenntnisse werfen die folgende Frage auf:
Kann GenAI Softwareentwickler:innen wirklich ersetzen?
Obwohl die Fähigkeiten generativer KI-Tools noch nicht umfassend erforscht sind, befürchten viele in der Branche, dass ihre Arbeitsplätze in naher Zukunft gefährdet sein werden. Denn wenn KI in der Lage sein wird, Daten zu analysieren, Code zu generieren, und den Kundensupport zu verwalten, was wird dann aus den menschlichen Arbeitskräften?
Forrester, ein IT-Forschungsunternehmen, hat in seiner Prognose zu den Auswirkungen der generativen KI auf die Arbeitsplätze im Jahr 2023 die zunehmende Nutzung von KI und Automatisierung in den USA hervorgehoben. Die Ausbreitung der KI ist jedoch nicht gleichbedeutend mit einem direkten Verlust von Arbeitsplätzen, und alle Formen der Automatisierung werden die Zukunft der Arbeit noch weiter beeinflussen.
„Wir haben die zukünftigen Auswirkungen der generativen KI prognostiziert und einen signifikanten Einfluss festgestellt – das heißt, generative KI wird die Art und Weise, wie viele Arbeitsplätze funktionieren und wie Arbeit erledigt wird, verändern. Der Verlust von Arbeitsplätzen wird jedoch geringer ausfallen, als viele erwarten, und der Einfluss wird die Kannibalisierung von Arbeitsplätzen bei weitem überwiegen“, so ein Sprecher von Forrester.
Es stimmt zwar, dass bestimmte Aspekte der Arbeit von Softwareentwickler:innen automatisiert werden könnten, aber es ist wichtig zu bedenken, dass künstliche Intelligenz die Nuancen von Kontext und kreativer Arbeit nicht erfassen kann.
Lareina Yee, Vorsitzende des McKinsey Technology Council, geht davon aus, dass der Mangel an Softwareentwickler:innen bis weit in die Zukunft anhalten wird, dass aber generative KI dazu beitragen wird, einige der Auswirkungen dieses Mangels auf die Unternehmen zu verringern.
Die Ergebnisse der im vorigen Kapitel erwähnten McKinsey-Umfrage machen deutlich, dass die Technologie am besten zur Unterstützung von Entwickler:innen eingesetzt werden kann, da diese mehrmals mit den Tools iterieren müssen, um qualitativ hochwertige Ergebnisse zu erzielen.
Ausgehend von den Forschungsergebnissen und den Rückmeldungen der Teilnehmer:innen ergaben sich drei Bereiche, in denen die menschliche Beteiligung und Kontrolle nach wie vor entscheidend sind:
- Prüfung des Codes auf Bugs und Fehler: Bei der Überprüfung des Codes auf Bugs und Fehler gaben generative KI-basierte Tools gelegentlich falsche Empfehlungen und führten Fehler in den Code ein.
- Einbringen des organisatorischen Kontexts: Generative KI-basierte Tools können zwar Code generieren, kennen aber nicht die spezifischen Anforderungen eines Projekts und einer Organisation. Dieses Wissen ist entscheidend, um sicherzustellen, dass sich das Softwareprodukt nahtlos in andere Anwendungen integrieren lässt, die Leistungs- und Sicherheitsanforderungen erfüllt und letztlich den Bedürfnissen der Endbenutzer entspricht.
- Navigieren durch anspruchsvolle Code-Anforderungen: Generative KI-Tools sind effektiver bei der Bewältigung einfacher Aufgaben, wie der Optimierung eines Code-Snippets, als bei komplexen Aufgaben, die die Kombination mehrerer Frameworks mit unterschiedlicher Logik erfordern.
NETCONOMY’S Sicht auf generative KI: Ergänzung, nicht Ersatz
Mit einem Team von 500 Mitarbeiter:innen, von denen die Mehrheit in der Softwareentwicklung tätig sind, war es für uns wichtig, die Vorhersagen rund um KI in der Branche selbst zu untersuchen. Wir möchten die potenziellen Auswirkungen auf unser Unternehmen verstehen und wissen, wie sich die Rollen und Aufgaben unserer Mitarbeiter:innen dadurch verändern werden.
Daher führte unser internes Technical Enablement Team (TET) eine umfassende Marktforschung zu den in den vergangenen Monaten auf den Markt gebrachten GenAI-Tools durch. Alle diese Tools versprachen viel – unter anderem, dass sie Softwareentwickler:innen ersetzen und Unternehmen viele Ressourcen und Geld sparen würden – und wir wollten sehen, ob sie diese Versprechen auch einhalten.
Das erste Tool, das unser TET-Team untersuchte, war der bereits erwähnte Github CoPilot. Insbesondere wollten sie sehen, wie es bei der Unterstützung beim Schreiben von Code funktioniert. Obwohl die Testphase noch läuft, decken sich unsere ersten Bewertungen mit den Ergebnissen der Studie von GitClear: Das Tool ist großartig für die Unterstützung von Softwareentwicklern:innen, aber es ist weit davon entfernt, das Fachwissen und die Erfahrung von Fachleuten in diesem Bereich zu ersetzen.
Max, Leiter unseres Technical Enablement Teams, zieht folgendes Fazit aus der Analyse:
Bei einem anderen Projekt geht es um den Aufbau eines Bots auf der Grundlage von VERTEX AI, einer von Google entwickelten Plattform. Ziel dieses Bots ist es, unseren Entwickler:innen Hinweise zu geben, worauf sie sich bei der Überprüfung von Code konzentrieren sollen.
Auch hier soll er nur als Hilfsmittel für unsere Mitarbeiter:innen dienen und nicht als eigenständiger Dienst, der Softwareentwicklung übernehmen kann, und unser Team wird das Ergebnis nach Abschluss der Testphase überprüfen.
Bei den meisten dieser Pilotprojekte wurden unsere Mitarbeiter:innen mit den üblichen Risiken konfrontiert, die KI für Unternehmen mit sich bringt, wie z. B. Halluzinationen, Voreingenommenheit oder Datensicherheitsbedenken (in diesem Artikel geben unsere GenAI-Expert:innen Ratschläge und Erfahrungen aus erster Hand, wie diese Risiken bewältigt werden können). Das war für uns ein weiterer Beweis dafür, dass Menschen immer einbezogen werden müssen, um einen sicheren und produktiven Einsatz von generativer KI zu gewährleisten.
Wissensaufbau rund um generative KI bei NETCONOMY
Im Rahmen unserer Marktanalyse zu GenAI-Entwicklungstools evaluiert unsere interne Trainingsabteilung, die NETCADEMY, derzeit Schulungen und Zertifikate externer Anbieter, um diese in unseren Standard-Schulungskatalog aufzunehmen.
Eine Schulung, die allen Mitarbeiter:innen angeboten wird, ist der Machine-Learning-Spezialisierungskurs von Andrew NG, der weitere Spezialisierungsmöglichkeiten beinhaltet. Um Sicherheitsbedenken zu begegnen, bietet unsere Abteilung für Informationssicherheit ein umfassendes KI-Compliance-Training an, das unsere Mitarbeiter:innen im verantwortungsvollen Umgang mit KI-Tools schult und ihre Kompetenz in diesem Bereich sicherstellt.
Der Schwerpunkt unserer technischen Trainer:innen liegt jedoch derzeit auf der Schaffung und dem Aufbau einer dynamischen Wissensdatenbank rund um generative KI, die von allen Mitarbeiter:innen genutzt und erweitert werden kann.
Die Wissensdatenbank umfasst:
- einen öffentlichen Slack-Channel für alle Mitarbeiter:innen, um interessante Artikel und Blogbeiträge, Trainings und andere nützliche Links zu teilen
- einen Confluence Space, in dem alle Ressourcen, einschließlich Bücher, Vorträge, Kurse, Videos und Podcasts, dokumentiert werden
- regelmäßige, dokumentierte Diskussionsgruppen, die meist von Mitarbeiter:innen angeregt werden, die interessante Anwendungsfälle recherchiert haben und diese in einer breiteren Runde diskutieren möchten.
Mario ist einer unserer technischen Trainer und kümmert sich um das Thema Wissensaufbau rund um generative KI:
Abschließende Gedanken zu generativen KI für Softwareentwickler:innen
Wir glauben, dass das Aufkommen der generativen KI die Art und Weise verändern wird, wie Softwareentwickler:innen arbeiten, wie Produkte und Software hergestellt werden und wie wir mit ihnen interagieren. Obwohl dieser Wandel viele Chancen für Entwickler:innen bringen wird, müssen Unternehmen sicherstellen, dass ihre Mitarbeiter nicht aus der Gleichung verschwinden.
Wenn du dir eine starke Position auf dem Arbeitsmarkt im Bereich der KI sichern willst, kannst du in unserem Machine-Learning-Team eine entscheidende Rolle dabei spielen, Innovationen voranzutreiben und modernste Machine-Learning-Modelle für bekannte Marken zu implementieren. Unsere offenen Stellen findest du hier.
