KI in der Softwareentwicklung Intelligente Automatisierung von DevOps-Workflows

Anbieter zum Thema

CloudBees, Inc.

Schneider Electric GmbH

Fsas Technologies GmbH

DeRZ - Deutsche Rechenzentren GmbH

KI hilft mittlerweile beim Schreiben, Vervollständigen, Verständnis und Testing von Code. Letztlich sollte damit auch eine intelligente Automatisierung von DevOps-Workflows einhergehen. Denn der gesteigerte Code-Output darf die Systeme nicht an ihre Grenzen bringen.

Der Einsatz verschiedener Arten künstlicher Intelligenz (KI) in der Automatisierung von DevOps-Workflows beschleunigt das Tempo, mit dem qualitativ hochwertigere Anwendungen erstellt als auch bereitgestellt werden – in einem Ausmaß, das früher als unvorstellbar galt.

Die meisten der jüngsten KI-Fortschritte konzentrierten sich auf die Verwendung von Large Language Models (LLMs), um die Produktivität von Entwicklern zu verbessern. So wertvoll diese Anwendung von KI auch sein mag, die Menge an Code, die eine Plattform für kontinuierliche Integration/kontinuierliche Bereitstellung (CI/CD) bewältigen muss, wird mit zunehmender Produktivität der Entwickler enorm ansteigen.

Die meisten Unternehmen werden nicht in der Lage sein, weitere Programmierer und Programmiererinnen einzustellen, um zusätzliche Pipelines zu verwalten. Darum wird es immer dringender, KI in DevOps-Workflows einzusetzen. Mit KI lassen sich große Datenmengen in Echtzeit analysieren, um Erkenntnisse zu gewinnen und Arbeitsabläufe zu optimieren. So können Algorithmen beispielsweise erkennen, wo es in einem DevOps-Workflow Engpässe gibt, und Empfehlungen geben, wie man diese Engpässe beseitigen kann.

DevOps-Teams ist es anschließend möglich, Machine-Learning-, also ML-Algorithmen anzuwenden, um eine Plattform optimal zu konfigurieren und viele der manuellen Aufgaben überflüssig zu machen, die DevOps-Workflows bisher ausbremsen. Wir sprechen dann von „AIOps“. KI dient vielen DevOps-Spezialisten auch als digitaler „Kollege, der ihnen hilft, Probleme zu durchdenken und schnell innovative Lösungen zu finden.

Generative AI im DevOps-Umfeld

Generative KI-Tools für DevOps gehen noch einen Schritt weiter: DevOps-Spezialisten instruieren in natürlicher Sprache ein LLM, das für die Erstellung von Code trainiert wurde, Skripte zu erstellen. Mit Hilfe dieser Skripte lassen sich die DevOps-Workflows automatisieren. In Kombination mit einer Orchestrierungs-Engine können dann CD-Prozesse in einem noch nie dagewesenen Umfang automatisiert werden.

Unternehmen werden zudem in der Lage sein, Technologien wie eine Vektordatenbank zu nutzen, um Code exemplarisch mit anderen Programmzeilen zu vergleichen, für deren Erkennung ein LLM geschult wurde. Das Ziel dabei ist, Fehler in neu geschriebenem Code zu identifizieren, die sich negativ auf die Anwendungssicherheit auswirken könnten. Es ist nun nur noch eine Frage der Zeit, bis sich die Gesamtqualität des Codes, der seinen Weg in die Produktivumgebungen findet, so weit verbessert, dass die Zahl der Vorfälle stetig zurückgeht, auf die ein DevOps-Team reagieren muss.

Um von derartigen Fortschritten zu profitieren, müssen mehrere Arten von KI-Modellen erstellt und gepflegt werden. Außerdem werden unzählige LLMs von der Open-Source-Community und IT-Organisationen in Unternehmen erstellt, die in DevOps-Workflows integriert werden müssen. Die Möglichkeit, diese Modelle auf eine Weise zu überprüfen, die Transparenz und Vertrauen fördert, wird von entscheidender Bedeutung sein. Daher ist der Wert einer offenen CI/CD-Plattform wie Jenkins besonders wichtig, die es ermöglicht, mehrere Klassen von KI-Modellen gleichzeitig zu nutzen.

KI weckt ebenso viele Ängste und Befürchtungen wie Begeisterung. Niemand weiß mit Sicherheit, inwieweit DevOps-Workflows automatisiert werden können, aber es wird immer einen Bedarf an DevOps-Spezialisten geben, um diese zu validieren. Schließlich ist es eine Sache, sich zu irren. Eine andere Sache ist es, in dem großen Umfang falsch zu liegen, den KI-Methoden ermöglichen. Fehler, die aufgrund eines fehlerhaften KI-Modells auftreten, könnten sich als katastrophal erweisen.

Doch gibt es keinen Weg zurück. Mit der Konvergenz mehrerer Klassen von KI-Technologien und der zunehmenden Verbreitung (und Genauigkeit) von AIOps können DevOps-Teams Workflows viel leichter verwalten. Tatsächlich ist einer der langjährigen Kritikpunkte an DevOps im Allgemeinen, wie schwierig es sein kann, Workflows in großem Umfang zu verwalten. KI-Fortschritte werden diese Debatte bald überflüssig machen.

In der Zwischenzeit sind DevOps-Teams gut beraten, ihre aktuellen Arbeitsabläufe zu überprüfen, um zu ermitteln, welche Prozesse sie automatisieren können. KI wird bald flächendeckend eingesetzt werden, um bessere Anwendungen schneller zu erstellen, bereitzustellen und zu aktualisieren. Tatsächlich demokratisiert der Einsatz von KI die DevOps: Mehr Unternehmen werden DevOps einsetzen können, vor allem weil das erforderliche Maß an Programmierkenntnissen deutlich sinken wird.

Im Zuge dieser Veränderungen wird die Zahl der Anwendungen, die Unternehmen kosteneffizient einsetzen können, um ein noch breiteres Spektrum an digitalen Prozessen zu steuern, weiter zunehmen. Welche Auswirkungen all diese Software auf die Welt haben wird, wie wir sie kennen, bleibt abzuwarten. Aber eines ist sicher: DevOps-Spezialisten werden im Zentrum des Geschehens stehen.

(ID:49873574)