Durch die Integration von künstlicher Intelligenz (KI) in den Programmierungsprozess können Softwareentwickler(innen) mehr Zeit für strategische Aufgaben investieren, die kognitive Belastung reduzieren und wertschöpfender arbeiten.
Unternehmen investieren bereits in erheblichem Maße in KI. Laut dem Globalen DevSecOps-Bericht 2024 von GitLab gaben 78 % der Befragten an, dass sie derzeit KI in der Softwareentwicklung einsetzen oder dies in den nächsten zwei Jahren planen, gegenüber 64 % im Jahr 2023. Unternehmen, die KI einsetzen, haben bereits Vorteile festgestellt, darunter eine verbesserte Produktivität der Entwickler(innen), eine bessere Codequalität und sichereren Code. Der Einsatz von KI (Artikel nur in englischer Sprache verfügbar) ermöglicht Entwicklungsteams, mehr Zeit für eine kreative Problemlösung und Innovationen zu nutzen, als für zeitaufwändige und sich wiederholende Aufgaben wie das manuelle Schreiben von Boilerplate-Code.
Ungeachtet der klaren Vorteile von KI haben Teams möglicherweise Schwierigkeiten, KI-Tools erfolgreich in ihre täglichen Prozesse zu integrieren. Diese Herausforderung kann auf verschiedene Faktoren zurückgeführt werden, unter anderem auf fehlende Kenntnisse oder Ressourcen, Schwierigkeiten bei der Anpassung bestehender Workflows und Tools und die Angst vor dem Verlust von Arbeitsplätzen im Zuge der Automatisierung. Fast die Hälfte (49 %) unserer Umfrageteilnehmer(innen) äußerte Bedenken, dass die KI ihre Positionen in den nächsten fünf Jahren ersetzen wird.
Ein gewisses Verständnis darüber, wo das eigene Team heute steht, ist nötig, um es bei der Integration von KI auf Erfolgskurs zu bringen. Unsere Recherche zeigt, dass sich die Mehrheit (56 %) der Unternehmen momentan in der Evaluierungs- und Erkundungsphase befindet. Das bedeutet wiederum, dass die meisten Teams bereits damit begonnen haben, erreichbare Ziele für die Einführung von KI festzulegen, sie jedoch noch nicht in ihrem Software-Entwicklungsprozess eingesetzt haben.
Egal, ob du Erstanwender(in) bist oder dich noch näher mit dem Thema KI beschäftigst, wir haben sechs Strategien für dich, mit denen du dein Team auf Erfolgskurs bringen kannst:
1. Kläre die Ziele und Vorgaben der KI-Einführung
Zunächst solltest du ein KI-Governance-Modell für dein Unternehmen erstellen. Was sind die Ziele und Vorgaben der KI-Einführung? Wie passt sie in deine bestehenden Prozesse und Workflows?
Die Bestimmung einer Führungskraft, die die Strategie und Implementierung der KI überwacht, ist von entscheidender Bedeutung. Einige Unternehmen beginnen bereits damit, Chief AI Officer (CAIO) einzustellen. Dabei muss die Position keine direkte Ergänzung des Führungspersonals sein. Es kann sich um eine vorübergehende Position handeln, die ein VP übernimmt, um die KI-Nutzung teamübergreifend zu koordinieren.
Das primäre Ziel ist die Identifikation und Priorisierung von wirkungsvollen KI-Anwendungsfällen, die die Geschäftsergebnisse direkt unterstützen. Dabei sollte man sich auf jene Bereiche konzentrieren, in denen KI einen erheblichen Wert schaffen kann, wie z. B. Automatisierung, Personalisierung oder datengesteuerte Entscheidungsfindung. Du solltest auch beachten, dass Erfolg im Bereich KI nur möglich ist, wenn du dich vorab mit den potenziellen Datenschutz-, Sicherheits- und rechtlichen Anforderungen deines Unternehmens und mit der Frage befasst hast, wie KI unter kontinuierlicher Compliance eingeführt werden kann.
2. Festlegung von KI-Leitlinien und KI-Workflows
Bevor du KI in deine Entwicklungsumgebung integrieren kannst, musst du Richtlinien festlegen, um sicherzustellen, dass sie verantwortungsbewusst und effektiv genutzt wird. Richte automatisierte Tests ein, einschließlich der Verwendung eines Sicherheitsanalysators, um einen Gating-Mechanismus zu erstellen, der gewährleistet, dass der gesamte KI-generierte Code überprüft wird, bevor er in die Produktion übergeht. Und Vorsicht vor Shadow AI – der neuesten Variante der Schatten-IT. Dabei setzen Beschäftigte ihre eigenen KI-Assistenten ein, während sie an der Codebase arbeiten. Dies kann dazu führen, dass sensible oder vertrauliche Informationen und geistiges Eigentum offengelegt werden.
Du solltest auch darüber nachdenken, wie deine Teams verschiedene Modelle im Bereich Machine Learning (ML) für verschiedene Arten von Aufgaben nutzen werden. Allerdings gibt es hier kein allgemeingültiges Patentrezept. Große Sprachmodelle (LLMs) sind oft auf bestimmte Aufgaben abgestimmt. Daher erhalten Teams, die dieselben KI-Modelle in mehreren Anwendungsfällen nutzen, möglicherweise keine optimalen Ergebnisse. Achte bei der Suche nach KI-Tools auf Anbieter, die dir ermöglichen, eine Vielzahl von Modellen für bestimmte Anwendungsfälle zu nutzen. So musst du später nicht wieder den Anbieter wechseln.
3. Entwicklung einer datengesteuerten KI-Struktur
Die Ergebnisse, die Unternehmen von der Nutzung von KI erwarten können, sind immer nur so gut wie die Daten, auf die KI-Systeme Zugriff haben. Wenn du Daten in deine KI-Systeme einspeist, sind die Ergebnisse an die Bedürfnisse deines Unternehmens angepasst. Dadurch verbesserst du die Effizienz und Produktivität über den gesamten Software-Entwicklungsprozess hinweg. Um langfristig erfolgreich zu sein, brauchst du jedoch eine datengesteuerte KI-Struktur, mit der Daten unternehmensweit genutzt werden können, um Prompts zu erstellen und den Output der generativen KI zu verbessern.
Zu diesem Zweck müssen Unternehmen:
- für stabile Mechanismen zur Erfassung, Speicherung, Bereinigung und Verarbeitung von Daten sorgen.
- eine klare Governance für den Zugriff, die Nutzung, die Sicherheit und den Schutz der Daten festlegen, insbesondere um die Compliance mit Verordnungen wie der DSGVO oder dem CCPA zu gewährleisten.
- Datensilos aufbrechen, um die abteilungsübergreifende Zusammenarbeit zu erleichtern und Daten in verschiedenen Teilen des Unternehmens zu nutzen. Es ist Zeit, dass Entwickler(innen) und Data Scientists bei der Nutzung von Data Warehouses und Data Lakes zusammenarbeiten, um den Zugriff auf Trainingsmodelle und die Anwendungsnutzung zu erleichtern.
4. Fokus auf Talente und Kulturtransformation
Kontinuierliche Weiterbildung ist entscheidend, wenn du das Potenzial von KI sicher, geschützt und verantwortungsbewusst realisieren möchtest. Bilde ein Team aus Data Scientists, KI-Ingenieur(inn)en und anderen Profis, die KI-Lösungen entwerfen, entwickeln und implementieren. Entscheidend ist, dass die Beschäftigten entsprechend weitergebildet werden, um zu gewährleisten, dass sie KI-Systeme effektiv nutzen und pflegen können. Letzten Endes ist die Einführung von KI ein längerer Weg, der einige kulturelle Veränderungen (Artikel nur in englischer Sprache verfügbar) erfordert. Für den Erfolg ist es unerlässlich, eine Kultur zu fördern, in der KI und eine datengesteuerte Entscheidungsfindung aktiv angenommen werden. Experimente und Innovationen sollten gefördert werden, wobei auch die Ängste in Bezug auf die Automatisierung und Arbeitsplatzverlagerungen angesprochen werden sollten.
5. Die Nutzung von Iteration
Die Implementierung von KI ist ein kontinuierlicher Prozess. Nutze einen kontinuierlichen Lernansatz, bei dem KI-Lösungen auf der Grundlage von Feedback, neuen Daten und technologischen Fortschritten ständig weiterentwickelt und verbessert werden. Entwickler(innen) sollten Raum und Zeit zum Experimentieren haben, damit sie beurteilen können, wie die KI in ihre individuellen Workflows passt. Du solltest auch beachten, dass die Produktivität kurzfristig zurückgehen kann, bevor das Unternehmen von langfristigen Vorteilen profitiert. Führungskräfte müssen dies einkalkulieren, indem sie während der gesamten Implementierungs- und Iterationszyklen für Transparenz und Verantwortlichkeit sorgen.
6. Erfolgsmessung nicht nur anhand der Anzahl von Codezeilen
Es stimmt, dass Metriken wie die Anzahl der erledigten Aufgaben oder geschriebenen Codezeilen sinnvoll sein können, wenn du jene Bereiche identifizieren möchtest, in denen die KI die größte Wirkung für dein Team hat. Entscheidend ist allerdings, wie die KI die Metriken vorantreibt, die für das Unternehmen wichtig sind, z. B. wie schnell Teams in der Lage sind, Kund(inn)en einen Mehrwert zu bieten, oder wie hoch die Codequalität des Endprodukts ist.
Alleine das Wissen, wie viele Codezeilen ein Team produziert hat, bietet kein ganzheitliches Bild. Um den Erfolg bei der Einführung von KI zu messen, muss man über die traditionellen Produktivitätsmetriken hinausgehen (Artikel nur in englischer Sprache verfügbar) und den Schwerpunkt auf KPIs legen, die einen messbaren geschäftlichen Wert zeigen, wie z. B. eine schnellere Softwarebereitstellung, zufriedenere Entwickler(innen) und höhere Werte bei der Kundenzufriedenheit.
Fazit: Es geht darum, Entwickler(innen) durch die KI-Einführung zu stärken
Auch wenn dein Unternehmen KI noch nicht vollständig übernommen hat – jetzt ist der richtige Zeitpunkt, um damit zu beginnen. Laut Gartner® werden bis 2028 75 % der Softwareentwickler(innen) in Unternehmen KI-Programmierassistenten nutzen. Anfang 2023 waren es noch weniger als 10 % [1].
Die Einführungskurve verläuft steil, aber wir befinden uns noch an einem relativ frühen Punkt des KI-Hypes. Wenn dein Team gerade erst damit beginnt, sich mit der Einführung eines KI-Programmierassistenten zu befassen, liegt es in deinem eigenen Interesse, einige der Anfangsschwierigkeiten zu vermeiden, mit denen Erstanwender(innen) häufig zu kämpfen haben.
Neben den bereits genannten Strategien kann die Einführung einer KI-Lösung, die in eine End-to-End-DevSecOps-Plattform integriert ist, schnell zum Erfolg führen, indem sie Entwickler(innen) in jeder Phase ihres Workflows unterstützt.
Während die KI den Arbeitsplatz transformiert, sollte sich jeder von uns die Frage stellen, wie Unternehmen die Leistungsfähigkeit von KI über den gesamten Software-Entwicklungsprozess hinweg nutzen können, um Innovationen zu beschleunigen und eine greifbare geschäftliche Wirkung für Kund(inn)en zu erzielen.
[1] Quelle: Gartner, Top 5 Strategic Technology Trends in Software Engineering for 2024, Joachim Herschmann, Manjunath Bhat, Frank O’Connor, Arun Batchu, Bill Blosen, Mai 2024. GARTNER ist eine eingetragene Marke und Dienstleistungsmarke von Gartner, Inc. und/oder seinen verbundenen Unternehmen in den USA sowie international und wird hierin mit Genehmigung verwendet. Alle Rechte vorbehalten.
Wie man im Zeitalter der KI über die Produktivität von Entwickler(inne)n denken sollte
Erfahre von den Fachleuten von Google und GitLab, wie du die Auswirkungen von KI messen kannst und deinen Softwareentwicklungsteams mit den richtigen Resultaten zum Erfolg verhelfen kannst (nur in englischer Sprache).
Webcast ansehen