{"id":13054,"date":"2024-10-29T09:24:11","date_gmt":"2024-10-29T08:24:11","guid":{"rendered":"https:\/\/www.iese.fraunhofer.de\/blog\/?p=13054"},"modified":"2025-10-02T16:38:24","modified_gmt":"2025-10-02T14:38:24","slug":"generative-ki-softwareentwicklung","status":"publish","type":"post","link":"https:\/\/www.iese.fraunhofer.de\/blog\/generative-ki-softwareentwicklung\/","title":{"rendered":"Generative KI im Software Engineering: Szenarien und k\u00fcnftige Herausforderungen"},"content":{"rendered":"

Stellt generative KI Software Engineering auf den Kopf? Wie wird KI in der Softwareentwicklung eingesetzt und wie wird Software Engineering in der \u00c4ra der generativen KI zuk\u00fcnftig aussehen? In diesem Blogbeitrag antworten zwei unserer Experten auf diese Fragen. W\u00e4hrend sich dieser Artikel 2024 haupts\u00e4chlich mit Prognosen befasst, haben wir in einem weiteren Beitrag<\/a> ein Jahr sp\u00e4ter Studien und Praxiserfahrungen zusammengetragen.<\/span><\/p>\n

Read the article in English: Generative AI in Software Engineering<\/a><\/p>\n

KI f\u00fcr Software Engineering: Wo stehen wir 2024?<\/span><\/h2>\n

Die Integration generativer KI in das Software Engineering hat das Potenzial, die Produktivit\u00e4t zu steigern, die Markteinf\u00fchrungszeit zu verk\u00fcrzen und den Fachkr\u00e4ftemangel zu beheben. Der Softwaremarkt in Deutschland wird bis 2024 voraussichtlich 30,97 Milliarden US-Dollar erreichen (Statista). Die Branche ist somit reif f\u00fcr Innovationen. Entwickler verbringen derzeit 17 Stunden pro Woche mit Wartungsaufgaben (Stripe).<\/p>\n

Generative KI kann viele der allt\u00e4gliche Aufgaben erleichtern: Wie z.B. die Generierung von Boilerplate-Code automatisieren und bei der Code\u00fcberpr\u00fcfung, dem Testen und dem Design helfen. Weitere Unterst\u00fctzung bietet KI bei der Projektplanung, der automatischen Fehlerbehebung, der Sicherheit und der Einhaltung von Vorschriften. Au\u00dferdem kann sie helfen DevOps-Prozesse zu optimieren, die Zug\u00e4nglichkeit verbessern und personalisierte Lernerfahrungen f\u00fcr Entwickler schaffen. Wie McKinsey andeutet, kann der Einsatz generativer KI in der Forschung und Entwicklung zu Zeit- und Kosteneinsparungen, Qualit\u00e4tsverbesserungen und erh\u00f6hter Entwicklungseffizienz f\u00fchren.<\/p>\n

Aus wissenschaftlicher Sicht wird au\u00dferdem die Wirkung von KI-Codeassistenten untersucht, und empirische Belege zeigen tendenziell, dass diese Tools zu erheblichen Produktivit\u00e4tssteigerungen bei Entwicklern f\u00fchren k\u00f6nnen [1].<\/p>\n

\n

<\/b>KI-Codeassistenten in der Softwareentwicklung:<\/strong> Die Integration von generativer KI in integrierte Entwicklungsumgebungen (IDEs) nimmt bereits seinen Lauf. Tools wie GitHub Copilot, Amazon CodeWhisperer, Tabnine, JetBrains AI Service und Cursor AI, das vor kurzem 60 Millionen Dollar eingeworben hat, sind Beispiele f\u00fcr diesen Trend. Diese Tools bieten mehr als nur \u00bbintelligente Code-Vervollst\u00e4ndigung\u00ab \u2013 sie umfassen Funktionen wie die semantische \u00c4hnlichkeitssuche innerhalb von Codebases, die dabei helfen kann, potenzielle Probleme zu erkennen, bevor sie eskalieren, und so die Codequalit\u00e4t insgesamt zu verbessern.<\/p>\n<\/div>\n

Die Entwicklung von LLM-basierten Multi-Agenten-Systemen<\/a> wie Gpt-Pilot<\/span><\/a>, ChatDev<\/a><\/span>, MetaGPT<\/a><\/span>, Open Hands<\/a> (ex Open Devin)<\/span>, Devika<\/a><\/span>, oder Replit-Agent<\/a><\/span>,<\/span> stellt einen gro\u00dfen Fortschritt bei der Automatisierung des Softwareentwicklungszyklus (SDLC) dar. Solche Plattformen erm\u00f6glichen es, dass mehrere Agenten gemeinsam mit Benutzern automatisch Software entwickeln, von den Anforderungen bis zur Bereitstellung. Jeder Agent hat eine bestimmte Rolle und verwendet LLMs und spezialisierte Tools, um Aufgaben zu erledigen. Er ahmt so den gesamten SDLC-Prozess nach, als ob er von Menschen durchgef\u00fchrt w\u00fcrde. Auch wenn diese Plattformen derzeit noch nicht alle Werkzeuge umfassen, die in der professionellen Softwareentwicklung verwendet werden, und die heute produzierte Software m\u00f6glicherweise nicht f\u00fcr kritische Anwendungen geeignet ist, gibt ihr Potenzial Anlass zu einer Diskussion \u00fcber die k\u00fcnftige Rolle von Softwareentwicklern. Einige spekulieren sogar dar\u00fcber, dass das Erlernen des Programmierens in Zukunft \u00fcberfl\u00fcssig werden k\u00f6nnte.<\/p>\n

Zukunftsszenarien von KI im Software Engineering: Welche Vorteile und Nachteile ergeben sich f\u00fcr den Software Development Lifecycle (SDLC)?<\/span><\/h2>\n

Szenario 1: Inkrementelle Unterst\u00fctzung (findet bereits statt)<\/h3>\n

Beschreibung:<\/strong> Generative KI unterst\u00fctzt bei Aufgaben innerhalb des bestehenden SDLC-Rahmens, ohne diesen grundlegend zu ver\u00e4ndern. Entwickler k\u00f6nnen KI nutzen, um ihre Arbeitsabl\u00e4ufe zu verbessern und gleichzeitig die Kontrolle \u00fcber den Prozess behalten.<\/p>\n

Optimistische Sichtweise:<\/strong> Dieses Szenario k\u00f6nnte zu erheblichen Produktivit\u00e4tssteigerungen, schnelleren Entwicklungszyklen und einer verbesserten Softwarequalit\u00e4t f\u00fchren. Die Entwickler k\u00f6nnen sich auf komplexere Aufgaben konzentrieren und sich wiederholende oder allt\u00e4gliche T\u00e4tigkeiten den KI-Tools \u00fcberlassen.<\/p>\n

Des Teufels Advokat:<\/strong> Es besteht die Gefahr, dass man sich zu sehr auf diese Tools verl\u00e4sst, was zu einer Verschlechterung der F\u00e4higkeiten der Entwickler f\u00fchren k\u00f6nnte. Wenn sich die Entwickler daran gew\u00f6hnen, dass die KI Aufgaben \u00fcbernimmt, k\u00f6nnten ihre Probleml\u00f6sungsf\u00e4higkeiten abnehmen. Au\u00dferdem kann es zu Frustrationen kommen, wenn die KI bestimmte Anforderungen oder Nuancen nicht versteht, was zu Ineffizienz f\u00fchrt.<\/p>\n

Szenario 2: Partielle Automatisierung <\/span><\/h3>\n

Beschreibung:<\/strong> In diesem Szenario werden bestimmte Aufgaben innerhalb des SDLC vollst\u00e4ndig automatisiert \u2013 zum Beispiel kann das Schreiben von Dokumentationen oder die Generierung von Unit-Tests autonom von einer KI erledigt werden.<\/p>\n

Optimistische Sichtweise:<\/strong> Dieser Wandel w\u00fcrde es den Entwicklern erm\u00f6glichen, sich auf \u00fcbergeordnete Design- und Kreativit\u00e4tsaspekte der Softwareentwicklung zu konzentrieren und dadurch Innovation und Projektergebnisse verbessern.<\/p>\n

Des Teufels Advokat:<\/strong> Umgekehrt k\u00f6nnte dies Arbeitspl\u00e4tze verdr\u00e4ngen und zu einem R\u00fcckgang des Fachwissens in kritischen Bereichen f\u00fchren. In dem Ma\u00dfe, in dem bestimmte Aufgaben automatisiert werden, k\u00f6nnte die Nachfrage nach qualifizierten Fachkr\u00e4ften in diesen Bereichen zur\u00fcckgehen, was sich auf die allgemeine Gesundheit der Arbeitskr\u00e4fte auswirken w\u00fcrde.<\/p>\n

Szenario 3: Vollst\u00e4ndige Automatisierung des SDLC<\/h3>\n

Beschreibung:<\/strong> Dieses Szenario stellt sich eine Zukunft vor, in der der gesamte SDLC durch LLM-basierte Multi-Agenten-Frameworks automatisiert wird. Software k\u00f6nnte mit minimalen menschlichen Eingriffen entwickelt, getestet und implementiert werden.<\/p>\n

Optimistische Sichtweise:<\/strong> Derartige Fortschritte k\u00f6nnten die mit der Softwareentwicklung verbundene Zeit und Kosten drastisch reduzieren. Durch die M\u00f6glichkeit der direkten Interaktion mit den Endbenutzern k\u00f6nnte die Zeit von der Idee bis zur Implementierung erheblich verk\u00fcrzt werden, so dass sie m\u00f6glicherweise nur noch wenige Minuten betr\u00e4gt.<\/p>\n

Des Teufels Advokat:<\/strong> Es gibt Bedenken hinsichtlich der Qualit\u00e4tssicherung, der Verantwortlichkeit und des Vertrauens in KI-generierten Code. Wenn ein Entwicklungsteam zur Nebensache wird und Software als Wegwerfartikel behandelt wird, k\u00f6nnte dies zu einem R\u00fcckgang der Gesamtqualit\u00e4t und Zuverl\u00e4ssigkeit der Software f\u00fchren.<\/p>\n

Szenario 4: Optimierte Automatisierung<\/h3>\n

Beschreibung:<\/strong> In diesem Szenario wird durch KI der SDLC nicht nur automatisiert, sondern auch optimiert. Herk\u00f6mmliche Dokumentationen, Architekturentw\u00fcrfe und sogar herk\u00f6mmliche Programmiersprachen k\u00f6nnen \u00fcberfl\u00fcssig werden, da die menschliche Aufsicht abnimmt.<\/p>\n

Optimistische Sichtweise:<\/strong> Dies k\u00f6nnte die Softwareentwicklungspraktiken radikal ver\u00e4ndern und eine nie dagewesene Effizienz und Kreativit\u00e4t bei der Konzeption und Ausf\u00fchrung von Software erm\u00f6glichen.<\/p>\n

Des Teufels Advokat:<\/strong> Auf der anderen Seite k\u00f6nnte der Verlust grundlegender Praktiken zu unvorhergesehenen Problemen und Schwachstellen f\u00fchren. Ohne ordnungsgem\u00e4\u00dfe Dokumentation und strukturierte Verfahren k\u00f6nnte die Nachhaltigkeit und Wartbarkeit von Software gef\u00e4hrdet sein.<\/p>\n

Herausforderungen, Bedenken und offene Fragen in einer Zukunft, die von KI-generierter Software dominiert wird<\/h2>\n

Unabh\u00e4ngig von den Szenarien wird die Produktivit\u00e4t der Softwareentwicklung beeinflusst werden. Dies k\u00f6nnte dazu f\u00fchren, dass der Mensch zum Flaschenhals wird. Wie bewerten wir die Qualit\u00e4t von Tools, die Tausende Codezeilen pro Minute erzeugen k\u00f6nnen?<\/p>\n

Die schiere Menge des von der KI erzeugten Codes erfordert fortschrittliche und effiziente Testmechanismen, um zu gew\u00e4hrleisten, dass die Software unter verschiedenen Bedingungen und Szenarien korrekt funktioniert.<\/p>\n

Ein Vergleich der St\u00e4rken und Schw\u00e4chen von menschlich generierter und KI-generierter Software ist unerl\u00e4sslich, um die Bereiche zu ermitteln, in denen der jeweilige Ansatz \u00fcberragend ist. Diese Bewertung wird helfen, fundierte Entscheidungen dar\u00fcber zu treffen, wann man sich auf KI verlassen sollte und wann menschliches Fachwissen unverzichtbar ist.<\/p>\n

Traditionelle Konzepte des Software-Engineerings k\u00f6nnten in Frage gestellt werden, wenn KI-Systeme in der Lage sind, Code eigenst\u00e4ndig zu regenerieren und zu aktualisieren. Dieser Wandel wird ein \u00dcberdenken der Art und Weise erfordern, wie wir die Softwareentwicklung angehen.<\/p>\n

Wer \u00fcbernimmt die Haftung? Die Bestimmung der Verantwortlichkeit f\u00fcr Fehler in KI-generiertem Code wird ein wichtiges Anliegen sein. Es m\u00fcssen klare Richtlinien und Rahmenwerke geschaffen werden, um die Verantwortung in F\u00e4llen zuzuweisen, in denen KI-generierte Software versagt oder Schaden verursacht.<\/p>\n

Die breite Einf\u00fchrung der vollautomatischen Softwareentwicklung wirft erhebliche ethische Fragen auf, z.B. in Bezug auf die Auswirkungen auf die Besch\u00e4ftigung, auf die ben\u00f6tigten Energieressourcen oder auf Transparenz und Fairness.<\/p>\n

Schlie\u00dflich wird der \u00dcbergang zu KI-generierter Software eine kulturelle und p\u00e4dagogische Anpassung erfordern. Die Vorbereitung der Arbeitskr\u00e4fte auf neue Rollen und Verantwortlichkeiten in einer KI-gesteuerten Landschaft wird von entscheidender Bedeutung sein, um das volle Potenzial dieses technologischen Fortschritts auszusch\u00f6pfen.<\/p>\n

Unser Fazit zu generativer KI im Software Engineering<\/h2>\n

Niels Bohr (Nobelpreistr\u00e4ger f\u00fcr Physik und bekannt f\u00fcr sein Atommodell) wird der Ausspruch zugeschrieben: \u00bbVorhersagen sind sehr schwierig, besonders wenn es um die Zukunft geht!\u00ab<\/em><\/p>\n

Die von uns skizzierten Szenarien k\u00f6nnten in der Zukunft, wie wir sie heute wahrnehmen, zutreffen oder auch nicht. Wir wissen noch nicht, wie leistungsf\u00e4hig neue GenAI-Modelle (wie OpenAI O1) sein werden. Auch k\u00f6nnen wir nicht sagen, welche Art von Ver\u00e4nderungen sie mit sich bringen und ob sie mehr Potenzial oder mehr Risiken bergen werden. Dennoch stehen wir an der Spitze dieser Ver\u00e4nderungen in der KI-Softwareentwicklung, erforschen sie aktiv und setzen unsere Erkenntnisse in der Branche um, um Unternehmen bei der Anpassung an diese Ver\u00e4nderungen zu unterst\u00fctzen.<\/p>\n

Ihr Unternehmen ben\u00f6tigt unseren Rat? Nehmen Sie gerne Kontakt zu uns auf.<\/a><\/p>\n

\n

Ein Jahr nach Ver\u00f6ffentlichung dieses Beitrags hat sich der Einsatz generativer KI in der Softwareentwicklung weiterentwickelt \u2013 mit konkreten Erkenntnissen aus Forschung und Praxis. In unserem aktuellen Blogbeitrag analysieren wir, wie Unternehmen, Teams und Plattformen heute mit Chancen und Risiken umgehen: von Produktivit\u00e4t \u00fcber Vertrauen bis hin zu neuen Rollen im KI-gest\u00fctzten Entwicklungsprozess.<\/p>\n

> <\/span>Jetzt weiterlesen: <\/strong>KI in der Softwareentwicklung: Zwischen Produktivit\u00e4tsgewinn und Vertrauensl\u00fccke<\/a><\/strong><\/p>\n

Mehr zum Thema LLM und Gen AI<\/h3>\n