Produktivität mit Künstlicher Intelligenz steigern KI und die Herausforderungen für Softwareentwickler

Anbieter zum Thema

GitLab GmbH

Rittal GmbH & Co. KG

Schneider Electric GmbH

Fsas Technologies GmbH

KI spielt in der Softwareentwicklung eine immer größere Rolle und hat das Potenzial, diese nachhaltig zu verändern. Wie bei allen neu eingeführten Tools gibt es jedoch Wachstumsschmerzen, die den Übergang erschweren können.

Die Vorteile einer KI-gestützten Softwareentwicklung sind schnellere Iterationszyklen, weniger Schwachstellen und ein geringerer Zeitaufwand für administrative Aufgaben. All dies ermöglicht es Unternehmen, Software schneller als bisher auf den Markt zu bringen. Um diese Produktivitätsgewinne jedoch zu erzielen, müssen Unternehmen aber neben der Einführung von KI-gestützten Tools auch prozess- und kulturspezifische Veränderungen in Betracht ziehen.

Die KI-Schulungslücke schließen

Im kürzlich von GitLab durchgeführten DevSecOps Report gaben 25 % der befragten Mitarbeiter an, dass ihre Unternehmen keine angemessenen Schulungen und Ressourcen für den Einsatz von KI bereitstellen. Aber nur 15 % der Führungskräfte stimmten dem zu. Sie und ihre Teams nehmen Investitionen in KI-Schulungen also unterschiedlich wahr.

Eine mögliche Erklärung dafür ist, dass einige Unternehmen KI immer noch als potenziellen Ersatz für Entwickler sehen und nicht als Werkzeug für eine kreative, strategische und menschenzentrierte Arbeit. Um jedoch wirklich von KI profitieren zu können, müssen Unternehmen ihre Investitionen in KI mit Schulungs- und Entwicklungsressourcen ergänzen. So ermöglichen sie ihren Teams, im Laufe der Zeit eine Dynamik und wertvolle Motivation aufzubauen.

Außerdem sollten Unternehmen ihren Teams eine Schonfrist einräumen, um herauszufinden, wie KI am besten in deren Prozesse passt. Anfangs kann die Produktivität zwar sinken, während sich die Teams an neue Arbeitsabläufe gewöhnen. Aber nur wenn sie testen, wie sich KI am besten tägliche Arbeitsabläufe einfügt, können die Teams Vertrauen in neue Tools aufbauen und langfristig bessere Ergebnisse erzielen.

Ausufernde Toolchains reduzieren

Ein weiterer Faktor, der die Erfahrungen der Entwickler und deren Produktivität beeinträchtigt, sind ausufernde Toolchains. Gleiches gilt, wenn viele Einzellösungen in Softwareentwicklungs-Workflows vorhanden sind. Der GitLabs DevSecOps Report ergab, dass zwei Drittel der DevSecOps-Experten ihre Toolchain konsolidieren möchten. Als Grund nennen viele die negativen Auswirkungen auf die Developer Experience durch den Kontextwechsel zwischen den Tools.

Eine ausufernde Toolchain hat weitere Nachteile. Beispielsweise ergeben sich zusätzliche Kosten und Komplexität, es entstehen Informations-Silos und die Standardisierung von Prozessen in verschiedenen Teams erschwert sich. Außerdem entstehen Sicherheitsbedenken durch die sich vergrößernden Angriffsflächen und unnötige Übergabepunkte. KI-gestützte Punktlösungen verschärfen diese Probleme zusätzlich.

Führungskräfte sollten bei der KI-Einführung auf Best-Practises vertrauen, statt zu versuchen, diese in schwerfällige und komplexe Toolchains zu integrieren. Diese sollten zunächst darauf geprüft werden, wo sich Rationalisierungen uneinheitlicher Tools vornehmen lassen oder solche ganz abgeschafft werden können. Sonst kommt es zu einer zusätzlichen Belastung durch die Integration von KI-Lösungen in ohnehin überflüssige Bereiche.

Veraltete Produktivitätsmetriken überdenken

Die Produktivität von Entwicklern ist eines der Hauptanliegen der Führungsebene. Fast alle im GitLab DevSecOps Report befragten Führungskräfte (99 %) gaben an, dass die Messung der Entwicklerproduktivität das Unternehmenswachstum fördern könnte. Allerdings messen 45 Prozent diese nicht an den Geschäftsergebnissen. Es war schon immer schwierig, die Produktivität von Entwicklern präzise zu messen, doch die Einführung von KI hat dies zusätzlich erschwert.

Vielen Unternehmen fällt es schwer, die Auswirkungen von KI-gestützten Tools auf die Produktivität ihrer Entwickler zu quantifizieren oder genau zu messen, wie Output die Geschäftsergebnisse beeinflusst. Herkömmliche Metriken wie Codezeilen, Code Commits oder die Erledigung von Aufgaben reichen dafür nicht mehr aus.

Der beste Ansatz zur Modernisierung der Messverfahren beginnt mit der Zusammenführung quantitativer Daten aus dem gesamten Softwareentwicklungszyklus mit Erkenntnissen von Entwicklern darüber, wie KI ihre tägliche Arbeit unterstützt oder behindert.

Um die Wirksamkeit von KI in der Softwareentwicklung zu bestimmen, sollten Unternehmen den ROI (kurz für: Return on Investment) auf der Grundlage von Benutzerakzeptanz, Markteinführungszeit, Umsatz und Kundenzufriedenheitskennzahlen bewerten. Relevante Geschäftsergebnisse, die es zu überwachen gilt, werden sich wahrscheinlich je nach Unternehmen, Abteilung und Projekt unterscheiden.

Es zeigt sich also, dass KI das Potenzial hat, DevSecOps-Praktiken zu beschleunigen und weiterzuentwickeln. Allerdings müssen Unternehmen dafür potenzielle Hindernisse umgehen, um schnellere Produktivitätssteigerungen zu erzielen. Das schaffen sie, indem sie sich proaktiv mit kulturellen und prozessorientierten Herausforderungen auseinandersetzen, die in den ersten Phasen der KI-Implementierung auftreten können.