Welche Trends setzen sich durch und welche verpuffen? KI bringt Chaos in die Entwicklerwelt

Anbieter zum Thema

Kubermatic

Fsas Technologies GmbH

Kentix GmbH

DeRZ - Deutsche Rechenzentren GmbH

Wenn die Woche wie eine Mischung aus YAML-Debugging und mysteriösen Bereitschaftswarnungen ist und der Chef, stetig Artikel über KI weiterleitet ... das ist keine Seltenheit. Die Infrastrukturwelt ist derzeit chaotisch, und es kann schwierig sein zu sagen, was real ist und was nur Hype. Das Unternehmen Kubermatic fasst zusammen und interpretiert, was Gartner-Analysten tatsächlich als real ansehen.

1: Container-VM-Konvergenz: Man muss nicht alles neu schreiben

Welches Anwenderunternehmen kennt nicht die Aussagen zu geschäftskritischen Legacy-VMs, von denen alle sagen, dass sie eine mehrjährige, zermürbende Überarbeitung benötigten, um 'Cloud-nativ' zu sein? Der neue Trend besteht jedoch darin, sie einfach mit Kubernetes laufen zu lassen.

Der Gartner-Hype-Cycle zum Thema (siehe Abbildung) sieht die Container-VM-Konvergenz sogar auf dem „Höhepunkt der überhöhten Erwartungen“ angelangt. Das bedeutet, dass Tools wie „Kubevirt“ verwendet werden können, um VMs mit derselben deklarativen Kubernetes-API zu verwalten, die ich für Container verwenden lassen.

Im diesjährigen Bericht hebt Gartner die Container-VM-Konvergenz (CVMC) als eine Innovation mit hohem Nutzen hervor, die in modernen Infrastrukturstrategien an Dynamik gewinnt. Kubermatic ist als als 'Sample Vendor' im „Gartner Hype Cycle für Infrastrukturstrategien“ genannt. Die Plattform des Unternehmens unterstützt Kunden bei der Orchestrierung von Containern und VMs, zum Beispiel durch „Kubevirt“, und gibt ihnen die Flexibilität, in ihrem eigenen Tempo zu modernisieren.

2: Die Devise: 'Wo die Daten leben'

Warum scheinen nur alle von 'Geopatriation' besessen? Aufgrund komplexer internationaler Gesetze, wie dem US Cloud Act, werden Unternehmensverantwortliche nervös, wenn sie darüber dachdenken, wo sich ihre Daten wirklich befinden, wenn sie sich auf bei den Diensten von in den USA ansässigen Hyperscaler bedienen. Sovereignty kommt auf den Plan. Bei 'Souveränität' geht es nur darum, die Kontrolle zurückzugewinnen.

Am Steuer der Wertschöpfung

Repatriation = aus allen Wolken gefallen!

Das ist nicht nur Gerede. Gartner prognostiziert, dass über 50 Prozent der regulierten Unternehmen bis 2028 in 'Cloud-Exit-Planungsprogramme' investieren werden, um die gesetzlichen Anforderungen zu erfüllen. In dem Gartner-Bericht heißt es: „Die Geopatriierung nimmt zu, da geopolitische Spannungen Unternehmen dazu veranlassen, Arbeitslasten von einer Hosting-Umgebung - in der Regel eine Hyperscale Public Cloud - in eine alternative Hosting-Umgebung zu verlagern, die mehr Souveränität bietet.“ Für DevOps- und Plattform-Teams bedeutet dies, dass Hybrid- und Private-Cloud-Fähigkeiten wertvoller denn je werden.

3. Agentic AI

Agentische KI als bedeutender Disruptor: Der Bericht stellt die kühne Behauptung auf, dass Agenten-KI der größte Disruptor für Infrastructure and Operations (I&O) seit der Einführung der Cloud und von Smartphones sein wird. Nach Einschätzung aus dem Hause Kubermatic nach unterstreicht dies das transformative Potenzial von KI bei der Verwaltung von Infrastrukturen.

4: Entwickler ertrinken in KI-Tools.

Anwender spüren das Chaos des KI-Goldrauschs. Zugleich zeigt ein neuer Gartner-Bericht, dass rund 77 Prozent der Führungskräfte in der Software-Entwicklung den Einbau von KI-Funktionen in Anwendungen als ein großes Problem ansehen. Um einen KI-Wildwuchs zu bremsen, empfiehlt Gartner den Einsatz von Platform Engineering, um 'gepflasterte Wege' zu schaffen; das sollen sichere Self-Service-Workflows sein, die von der Komplexität von Integration, Sicherheit und Governance abstrahieren.

Letztlich mündet alles darin, eine eine Plattform bereitzustellen, die die schwierigen Teile für die Anwender beziehungsweise Entwickler erledigt. Dieser Ansatz ermögliche es Entwicklern, laut Kubermatic, mit KI innerhalb von Tagen, nicht Monaten, sicher zu innovieren,

Klarheit statt Chaos

KI in der Software-Entwicklung lassen Unternehmen darauf hoffen, eine schnellere und effizientere Gestaltung der Entwicklungsprozesse zu erzielen und somit eine höhere Wirtschaftlichkeit. Unternehmen erhoffen sich von KI-Tools mehr Effizienz und schnellere sowie bessere Ergebnisse. Um dieses Ziel zu erreichen, ist es jedoch zwingend erforderlich, die Prozesse erst einmal gezielt zu prüfen und die Strukturen zu verbessern. Chaotische Abläufe gehen mit einigen nachteiligen Effekten einher, die sich mit KI nicht übertünchen lassen.

Deswegen bedarf es zunächst einmal schlanker Prozesse, eindeutig geregelter und transparenter Strukturen sowie effizienter Abläufe, um die Vorteile der künstlichen Intelligenz voll auszuschöpfen. Gelingt es, den SoftwareEntwicklungsprozess zu verschlanken und Fehler zu beseitigen, lässt sich auch das gesamte Potenzial der KI nutzen.

Typische Probleme, die gerade in Betrieben des Mittelstands auftauchen, betreffen zeitaufwändige Release-Zyklen, langwierige Abstimmungs- und Kommunikationsprozesse, unklare Anforderungen und eine unzureichende externe Validierung. Auch das manuelle Testing ist immer noch sehr verbreitet, obwohl es extrem fehleranfällig ist. All dies führt am Ende zu einer steigenden Unzufriedenheit bei den Kunden – und das bei immer höheren Entwicklungskosten.

Erst Prozesse optimieren und dann KI-Lösungen implementieren

Nur wer bestehenden Strukturen und Abläufe genau analysiert kann erreichen, dass sie am Ende verbessert und verschlankt sind. Zuerst muss klar sin, an welchen Stellen eine Automatisierung hilfreich und sinnvoll ist und wo die KI genutzt werden sollte. Sind die Prozesse klar geregelt und transparent, sind sie auch nachvollziehbar. Dadurch ist es möglich, Trainingsdaten richtig zuzuordnen und zu interpretieren. Der richtige Ansatz besteht darin, Prozesse zu verschlanken.

Für die Verschlankung der Abläufe eignen sich evidenzbasierte Methoden am besten. Sie lassen sich einsetzen, um etwa Kundenprobleme zu priorisieren, unwichtige oder unnötige Features zu beseitigen, Fehlerquellen zu identifizieren und Anforderungen in Hypothesen zu übersetzen.

Ist der Prozess klar definiert, bildet die Automatisierung den nächsten Schritt. Ein automatisiertes Testing mit einer hohen Fehlerabdeckung, die Automatisierung von Tasks beim Monitoring und bei DevOps sowie CI/CD-Pipelines für den schnelleren Release erhöhen die Effizienz, da die Prozesse wiederhol- und standardisierbar sind.

Erst wenn all dies erfolgreich umgesetzt wurde, empfiehlt es sich, die KI einzusetzen. Die Einsatzbereiche umfassen etwa KI-gestützte Fehlerprognosen, die auf Basis historischer Commits erfolgen. Auch beim Pair Programming oder Code Review wirkt die künstliche Intelligenz unterstützend. Ebenso ist sie im Natural Language Processing für die Anforderungsanalyse oder die Kategorisierung von Tickets nutzbar. Der Schlüssel zum Erfolg ist ein KI-Tool, das mit dem Prozess statt dagegen arbeitet.

(ID:50489913)