7 Möglichkeiten, wie GenAI die Softwareentwicklung verbessern kann

Generative KI kann Sonette im Stil von Shakespeare verfassen und im nächsten Moment einen umsetzbaren Geschäftsplan auf Basis von Rohdaten und Analysen entwerfen. Mit den richtigen Eingaben und Trainingsdaten kann GenAI sogar ein Produktkonzept, einen eingängigen Werbejingle, ein Logo und einen vollständigen Marketingplan mit Preisempfehlungen erstellen. Daher ist es nur logisch, dass GenAI auch Softwareentwicklungsteams über den gesamten Entwicklungszyklus hinweg unterstützen oder sogar Code in Java, C++, JavaScript, SQL oder einer anderen bevorzugten Programmiersprache schreiben kann.

Für ein GenAI-System ist das Programmieren nichts anderes als das Verfassen eines Gedichts mit festgelegtem Reimschema und Rhythmus – ganz gleich, ob auf Englisch, Spanisch oder Latein. Der Einsatz von GenAI im Softwareentwicklungsprozess bietet enorme Chancen: Laut PwC-Analysten können Entwicklungsteams durch den Einsatz von GenAI-gestützten Code-Generatoren ihre Leistung bereits heute um 20 bis 50 Prozent steigern. So funktioniert es.

Was versteht man unter generativer KI?

Generative künstliche Intelligenz, kurz GenAI, ist eine sich rasant entwickelnde Technologie, die neue Inhalte erzeugen kann, indem sie aus Trainingsdaten extrapoliert. GenAI-Modelle funktionieren, indem sie ein künstliches neuronales Netzwerk erstellen und anschließend nutzen, das in Software codiert ist. Viele dieser Netzwerke bestehen aus Milliarden oder sogar Billionen spezifischer Parameter oder Werte, die durch die Verarbeitung enormer Datenmengen „trainiert“ werden. Effizientere Modelle können nach einem ausreichend großen und vielfältigen Training mit funktionalem, sicherem und leistungsfähigem Code hervorragende Programmierer werden.

Während des Trainingsprozesses, in dem ein sogenanntes Large Language Model (LLM) entsteht, lernt das GenAI-System, Code zu schreiben, indem es vorhersagt, welcher Befehl als Nächstes folgen sollte. Anschließend überprüft es diese Vorhersage: Fällt das Ergebnis positiv aus, werden die neuronalen Parameter in eine Richtung angepasst. Ist die Vorhersage falsch, werden sie in eine andere Richtung verändert. Nach genügend Wiederholungen wird das GenAI-System immer besser darin, auf Grundlage seiner Trainingsdaten brauchbare Ergebnisse zu erzeugen. Sobald die Genauigkeit den Anforderungen entspricht, kann das System neuen Code auf Basis von Eingabeparametern oder Prompts generieren. Wenn das Ergebnis überzeugt, ist man startklar. Wenn nicht, ist es an den KI-Fachleuten, herauszufinden, was schiefgelaufen ist.

Die gute Nachricht: Sie müssen kein eigenes, auf Code spezialisiertes LLM erstellen. Führende Toolanbieter haben dies bereits für Sie übernommen.

Wichtige Erkenntnisse

• GenAI ist besonders effektiv im Erlernen von Programmiersprachen mit klar definierten Grammatik- und Regelstrukturen.
• Das Training von GenAI ist kosten- und ressourcenintensiv, doch nach der Implementierung benötigt das System deutlich weniger Rechenleistung.
• Auf GenAI basierende Entwicklungstools können als Assistenten für einzelne Softwareentwickler oder sogar als vollwertige Teammitglieder fungieren.

Generative KI in der Softwareentwicklung – einfach erklärt

Zum jetzigen Zeitpunkt sollte man nicht erwarten, dass man ein komplexes Programm einfach beschreibt und ein GenAI-System daraus eine vollständige, einsatzbereite Anwendung erstellt. So weit ist die Technologie noch nicht. Dennoch werden GenAI-Tools bereits eingesetzt, um die Arbeit von Entwicklungsteams in Unternehmen zu unterstützen – insbesondere, um die Codequalität und die Produktivität zu verbessern. Man kann sich GenAI als ein Teammitglied vorstellen, das verschiedene Rollen übernehmen kann.

• Teams nutzen beispielsweise allgemeine GenAI-Systeme, um Probleme zu beschreiben und Projektpläne zu erstellen, denen Entwickler folgen können.
• Ein Mensch kann die GenAI anweisen, Testfälle zu generieren, mit denen sich die Qualität von manuell geschriebenem Code prüfen lässt.
• Ein GenAI-System kann auch Boilerplate-Code oder Code-Snippets erzeugen, die Entwickler anschließend anpassen, ergänzen oder in andere Module integrieren.
• Besonders beliebt ist der Einsatz von GenAI im Bereich Qualitätssicherung – wie z. B. beim Prüfen von Code auf Fehler oder Sicherheitslücken, bevor dieser in das Softwarekonfigurationsmanagementsystem übernommen wird. Darüber hinaus kann das System Codebasen anhand externer Vorgaben überprüfen, beispielsweise nach unternehmensinternen Programmierstandards oder der OWASP Top 10-Liste der häufigsten Sicherheitslücken, und potenzielle Probleme hervorheben.
• Das GenAI-System kann bei der Architekturplanung komplexer Systeme unterstützen, beispielsweise solcher, die auf Microservices basieren.
• Es kann bestehenden Code analysieren und Vorschläge zur Leistungsoptimierung oder für Refactoring-Maßnahmen machen. Zudem ist GenAI in der Lage, sogenannten „Spaghetti-Code“ – also schwer nachvollziehbaren Legacy-Code – zu untersuchen und seine Funktionsweise verständlich zu beschreiben.
• Wenn bereitgestellter Code nicht korrekt funktioniert, kann der passende Prompt der GenAI helfen, die eigentliche Ursache des Fehlers zu identifizieren und geeignete Lösungen vorzuschlagen.
• Darüber hinaus kann GenAI einzelnen Entwicklern helfen, ihre Fähigkeiten zu verbessern, indem sie erkennt, wann Fehler gemacht werden, und anschließend bessere Techniken vermittelt.

Warum ist GenAI für die Softwareentwicklung wichtig?

Generative KI ist für die Softwareentwicklung von großer Bedeutung, da sie Entwicklungsteams in jeder Phase des Softwareentwicklungszyklus produktiver machen kann. Das ist entscheidend, denn moderne Unternehmen basieren auf Software – daran besteht kein Zweifel. Ein großer Teil dieser Software, wie z. B. Textverarbeitungsprogramme, Tabellenkalkulationen oder Buchhaltungs- und HR-Systeme, stammt von der Stange. Der entscheidende Wettbewerbsvorteil entsteht jedoch durch individuell entwickelte Software für Backend-Prozesse, Websites, Datenbanken, mobile Apps und vieles mehr.

Die Herausforderung dabei: Hochwertiger Code erfordert Zeit und Fachwissen – unabhängig davon, ob er intern oder durch externe Dienstleister erstellt wird. Wenn neue Anwendungen benötigt werden, um Chancen zu nutzen oder Herausforderungen zu bewältigen, entsteht oft ein Projektstau. Neue Entwickler einzustellen und einzuarbeiten, ist ein langwieriger Prozess. Und Zeit ist Geld. Mit GenAI lassen sich neue Ideen deutlich schneller umsetzen. Das beschleunigt die Markteinführung, spart Kosten, steigert die Zufriedenheit von Mitarbeitern und Kunden und unterstützt das Unternehmen dabei, seine Ziele effizienter zu erreichen.

Potenzielle Vorteile von GenAI in der Softwareentwicklung

GenAI kann eine wertvolle Unterstützung für Softwareentwicklungsteams in Unternehmen sein. Wie bei anderen Entwicklertools können Sie die erzielten Verbesserungen definieren, messen und bewerten. Alle modernen Entwicklungsplattformen – wie z. B. GitHub oder Systeme zur Quellcodeverwaltung – erfassen routinemäßig Kennzahlen zur Leistung von Entwicklern und Teams, beispielsweise Codezeilen pro Tag oder Codequalität.

Teams, die GenAI über den gesamten Entwicklungszyklus hinweg einsetzen – von der Projektplanung über die Architekturgestaltung bis hin zur Codeanalyse und Qualitätssicherung – stellen häufig fest, dass sie deutlich schneller arbeiten. Hier sind einige Möglichkeiten, wie GenAI dabei unterstützen kann:

• Bessere Produktivität. Code und Testfälle können häufig von KI generiert und anschließend von Menschen überprüft werden – deutlich schneller, als wenn der gesamte Prozess manuell durchgeführt würde.
• Weniger Fehler. GenAI-Systeme können dabei helfen, Code zu erzeugen, der weniger Fehler enthält – wie z. B. durch die Vermeidung falscher Variablennamen oder nicht initialisierter Zeiger. Dies gilt insbesondere für sich wiederholende Routineaufgaben, bei denen erfahrene Entwickler leicht die Konzentration verlieren können.
• Bessere Codequalität. GenAI kann Code-Reviews unterstützen, logische Fehler, Sicherheitslücken oder Stellen aufdecken, an denen der Code nicht den fachlichen Anforderungen entspricht.
• Schnelles Prototyping. Außerdem kann GenAI Beispielcode erstellen, der zwar nicht produktionsreif ist, aber als Proof of Concept dient, um Stakeholdern erste Ergebnisse zu zeigen.
• Höhere Zugänglichkeit der Entwicklung für Nicht-Entwickler. GenAI eröffnet die Möglichkeit, dass auch Personen ohne Programmierkenntnisse einfache Programme erstellen können, indem sie ihre Anforderungen in natürlicher Sprache in ein Chatfenster eingeben.

Wie kann GenAI bei der Softwareentwicklung helfen?

Generative KI kann die Softwareentwicklung in Unternehmen unterstützen, indem sie die Produktivität einzelner Entwickler und ganzer Teams steigert und hilft, qualitativ hochwertigere Software schneller zu erstellen. Besonders hilfreich ist GenAI in Bereichen wie der Definition von Softwarearchitekturen, der Erstellung von Produktplänen und der Codegenerierung.

GenAI eignet sich zudem hervorragend für repetitive Aufgaben und das Erstellen von sogenanntem Boilerplate-Code – also generischem Code, der in vielen Programmen vorkommt und von Entwicklern anschließend angepasst, erweitert oder wiederverwendet werden kann. Darüber hinaus kann GenAI den Quellcode auf Fehler und potenzielle Probleme prüfen, wie beispielsweise auf Sicherheitslücken oder Abweichungen von den funktionalen Anforderungen oder den Unternehmensstandards.

7 Möglichkeiten, wie GenAI die Softwareentwicklung verbessern kann

Es gibt viele Bereiche, in denen GenAI-gestützte Entwicklungstools als Assistenten einzelner Softwareentwickler oder sogar als vollwertige Teammitglieder fungieren können. Hier sind einige der häufigsten Einsatzfelder, in denen die Technologie heute bereits von der Softwareentwicklung bis hin zur Bereitstellung unterstützen kann.

1. Bugerkennung und Debugging. GenAI-Systeme können effizient dabei helfen, Fehler im Code zu identifizieren und zu beheben – oder geeignete Lösungsvorschläge zu unterbreiten. Natürlich existiert bereits eine ganze Branche, die sich mit der Fehlerbehebung befasst: Sowohl Open-Source- als auch kommerzielle Tools scannen Quellcode auf Sicherheits- oder Funktionsfehler, einschließlich subtiler Probleme, die nur unter hoher Systemlast auftreten oder durch Speicherlecks, Multithreading-Probleme, Zugriffe auf geschützten Speicher und vieles mehr verursacht werden.

GenAI kann die Fehlerbehebung auf verschiedene Weise verbessern. Zum einen kann sie mithilfe von Prompts analysieren, ob der Code tatsächlich das tut, was der Entwickler oder Stakeholder beabsichtigt hat – denn selbst wenn der Code fehlerfrei kompiliert und ausgeführt wird, muss er nicht zwangsläufig das gewünschte Ergebnis liefern. Zum anderen kann GenAI Fehlerberichte aus herkömmlichen Tools zusammenfassen, um Testteams und Entwicklern ein besseres Verständnis für komplexe Fehler zu vermitteln, wiederkehrende Muster im fehlerhaften Code zu erkennen und gezielte Korrekturvorschläge zu machen.

2. Codegenerierung. GenAI kann das Schreiben von Code auf Basis von Prompts oder technischen Spezifikationen automatisieren. Wie bereits erwähnt, ist es derzeit eher unwahrscheinlich, dass GenAI in naher Zukunft eine komplexe Geschäftsapplikation vollständig generiert. Dennoch kann es dabei helfen, Boilerplate-Code zu erstellen, den Entwickler anschließend vervollständigen, sowie Code-Snippets zu generieren, die beispielsweise komplexe Algorithmen implementieren, schwierige Prozeduraufrufe durchführen oder auf externe Ressourcen zugreifen.

Viele Entwickler wissen beispielsweise, wie man mit SQL Daten liest, schreibt und aktualisiert. Doch effiziente Stored Procedures zu schreiben, die komplexe Datenbankstrukturen verarbeiten und auch bei sehr großen Datenmengen performant laufen, ist eine Kunst für sich. Hier kann GenAI unterstützen, indem es mithilfe von Prompts die Anforderungen an den Datenbankzugriff erfasst und darauf basierend passende SQL-Abfragen oder -Prozeduren vorschlägt, die direkt in die Anwendung übernommen werden können.

3. Codeüberprüfung. GenAI kann die Überprüfung von Codequalität, Sicherheit und die Einhaltung von Best Practices unterstützen. Code-Reviews sind ein wesentlicher Bestandteil des Softwareentwicklungsprozesses: Das Team analysiert dabei gemeinsam komplexen Code – häufig projiziert auf einen Bildschirm oder Monitor – um dessen Funktionalität zu validieren und Verbesserungspotenziale aufzuzeigen. Für Entwickler können Codeüberprüfungen stressig sein, insbesondere wenn erfahrene Kollegen hauptsächlich auf Fehler hinweisen. Zudem sind solche Überprüfungen häufig sehr zeitintensiv, und der Wunsch, sie schnell hinter sich zu bringen, kann leicht dazu führen, dass die Gründlichkeit darunter leidet.

GenAI kann Entwickler durch eine erste Codeprüfung begleiten und dabei offensichtliche Fehler aufzeigen. Das hilft jüngeren Entwicklern beim Lernen und beschleunigt persönliche Review-Sitzungen. GenAI kann auch als aktives Mitglied des Code-Review-Teams fungieren, auf Bereiche hinweisen, die besondere Aufmerksamkeit erfordern, und Empfehlungen für mögliche Verbesserungen geben.

4. Dokumentation. KI kann außerdem automatisch Dokumentationen für Codebasen erstellen oder optimieren. Selbst gut organisierte Entwickler fragen sich beim Blick auf älteren Code oft: „Was habe ich mir dabei gedacht?“. Daher ist Dokumentation auf allen Ebenen entscheidend – von der Architektur des gesamten Projekts bis hin zu den einzelnen Modulen oder Microservices. Innerhalb dieser Komponenten kann sie die Entscheidungen zu Bibliotheken, APIs und Algorithmen erläutern – insbesondere, wenn der Entwickler mehrere Optionen hatte. Es gab einen Grund – doch welcher war es? GenAI kann hier unterstützen, indem es den Entwickler während des Codings auffordert, seine Entscheidungen zu erklären, und diese Erklärungen anschließend zu leicht verständlicher Dokumentation ausarbeitet.

Wird GenAI auch zur Codegenerierung eingesetzt (siehe Punkt 2 oben), kann es zusätzlich vollständige Dokumentationen erstellen, die erklären, was der Codeabschnitt oder Microservice tut und wie er richtig verwendet wird.

5. Lernen und Weiterbildung. GenAI kann sofortige Beispiele und Erklärungen liefern, um die Fähigkeiten von Entwicklern zu verbessern. Softwareentwickler – selbst oder gerade die erfahrensten – lernen ständig dazu. Es entstehen fortlaufend neue Technologien wie KI und Microservices, neue Tools, Sprachfunktionen, Designmuster, Sicherheitslücken, Unternehmensstandards, Best Practices und auch neue Compliance-Anforderungen.

Neben Kursen, Schulungen und Mentoring ist kontinuierliche Unterstützung daher besonders wertvoll. GenAI kann erkennen, wenn ein Entwickler Schwierigkeiten hat – wie z. B. beim Einsatz veralteter Funktionen oder APIs – und sofort personalisiertes Training anbieten. Zudem kann es durch gezielte Eingaben unmittelbare Hilfestellung geben, wenn ein Entwickler nicht weiß oder sich nicht erinnert, wie eine neue oder selten genutzte Aufgabe auszuführen ist. Es ist wie eine Hilfefunktion – nur maßgeschneidert für genau diese Situation.

6. Refactoring. GenAI kann dabei helfen, bestehenden Code zu optimieren und neu zu strukturieren, um die Leistung zu verbessern. Refactoring ist ein wesentlicher Bestandteil des Softwareentwicklungszyklus: Dabei wird ein Codeabschnitt so überarbeitet, dass er effizienter läuft, ohne seine Funktionalität zu verändern. Das kann bedeuten, die Ausführungsgeschwindigkeit und Skalierbarkeit zu erhöhen, den Speicherverbrauch zu senken, einen Algorithmus zu modernisieren, neue Prozessorbefehle zu nutzen oder aktuelle Sprachfunktionen einzusetzen. Entwickler verwenden Laufzeitmetriken, um Codebereiche zu identifizieren, die zu langsam sind, zu viele Ressourcen verbrauchen oder Verzögerungen im Gesamtprozess verursachen – und wählen diese gezielt für ein Refactoring aus.

Hier kann GenAI besonders gut unterstützen: Entwickler können problematischen Code in das System eingeben und im Grunde fragen: „Kannst du eine schnellere Version erstellen?“ Zwar ist das stark vereinfacht, doch da GenAI den Code analysiert und versteht, kann es häufig eine effizientere Lösung vorschlagen. Zudem lässt sich der Nutzen leicht messen – denn alter und optimierter Code können direkt miteinander verglichen und getestet werden, um sicherzustellen, dass die Funktionalität unverändert geblieben ist und die Performance tatsächlich verbessert wurde.

7. Testen. GenAI kann bei der Erstellung von Testfällen, der Automatisierung von Testprozessen und der Simulation von Sonderfällen unterstützen. Verschiedene Entwicklungsmethoden haben unterschiedliche Ansätze für den Testprozess. Bei testgetriebener Entwicklung (TDD) werden beispielsweise zunächst Testfälle erstellt, bevor auch nur eine Zeile Code geschrieben wird – um sicherzustellen, dass der Code später wie vorgesehen funktioniert. In anderen Ansätzen erfolgt das Testen am Ende eines Sprints oder wird von einem spezialisierten Testteam übernommen. Auch die Einbindung von Stakeholdern variiert je nach Methode: Manche sind eng in den Testprozess eingebunden, andere prüfen nur finale Release-Kandidaten.

GenAI kann in mehreren Bereichen des Testens und Testmanagements eine Rolle spielen. Neben der Erkennung von Fehlern kann es Skripte für automatisierte Tests erstellen – eine Aufgabe, die viele Entwickler als mühsam empfinden. Solche GenAI-gestützten Tools können zudem Sonder- oder Grenzfälle testen, also Situationen, die selten auftreten, aber dennoch korrekt von Modulen, Prozeduren oder Microservices verarbeitet werden müssen. Darüber hinaus kann GenAI bestehende, auch manuell erstellte Testfälle prüfen, um sicherzustellen, dass sie sinnvoll aufgebaut sind, alle relevanten Szenarien abdecken und auch Fehlerbedingungen oder potenzielle Angriffsversuche zur Laufzeit berücksichtigen.

Die Zukunft von GenAI in der Softwareentwicklung

„Vorhersagen sind schwierig, besonders wenn sie die Zukunft betreffen“, sagte einst Baseballlegende Yogi Berra. Generative KI ist ein noch junges Feld: Die ersten Beispiele dieser Technologie entstanden erst Anfang der 2020er-Jahre – wie beispielsweise ChatGPT zur Textgenerierung und DALL-E zur Bilderstellung. Viele Verbraucher sowie Führungskräfte begannen ab etwa 2022 – also vor gerade einmal zwei Jahren – sich intensiver mit GenAI zu beschäftigen.

Ganz gleich, wie man GenAI betrachtet: Wir stehen erst am Anfang dieser Entwicklung und werden zweifellos neue geschäftliche Anwendungsfälle entdecken – auch in der Softwareentwicklung.

Aber wagen wir eine Prognose: Was dürfen wir in den kommenden Jahren erwarten?

Zunächst wird GenAI all das, was sie heute bereits kann, noch besser können – insbesondere bei der Unterstützung von Entwicklungsteams in den Bereichen Codegenerierung, Qualitätssicherung, Dokumentation und Testfallerstellung. GenAI dürfte noch dialogorientierter werden und besser mit Entwicklern sowie Fachanwendern interagieren können – um sie Schritt für Schritt durch die Definition von Anforderungen zu führen und diese anschließend in Projektpläne, Dokumentationen, Testfälle und Code umzuwandeln.

Wenn wir den Blick noch weiter wagen, könnte es sein, dass manche Software gar nicht mehr manuell programmiert werden muss. Geschäftsanwender könnten dem GenAI-System einfach sagen, was sie erreichen möchten – und die Software erstellt automatisch maßgeschneiderte Anwendungen, die genau diese Aufgabe erfüllen. Wie auch immer die Zukunft der GenAI in der Softwareentwicklung aussieht – sie wird für Unternehmen, die diese Technologie frühzeitig einsetzen, zweifellos enormen Mehrwert bringen.

Nutzen Sie das Potenzial von GenAI in der Entwicklung mit Oracle

Die generative KI von Oracle steht bereits heute mit leistungsstarken Funktionen zur Verfügung – integriert in Geschäftsanwendungen wie Fusion und NetSuite sowie in Oracle Database 23ai.

Ein besonders spannendes Feld ist die Nutzung von GenAI und Oracle APEX für die Low-Code-Anwendungsentwicklung – unterstützt durch das neue Feature APEX AI Assistant, das Entwickler bei komplexen Aufgaben unterstützt. Darüber hinaus können Sie sich für einen Account in Oracle Cloud Infrastructure (OCI) registrieren und kostenlose Cloud-Guthaben erhalten, um die KI-Services von Oracle, einschließlich GenAI, selbst auszuprobieren. Kostenlos starten.

Für eine so neue Technologie sind die Einsatzmöglichkeiten von Generativer KI in der Softwareentwicklung nahezu unbegrenzt. Ihre Entwickler werden GenAI mit hoher Wahrscheinlichkeit als wertvolle Unterstützung – vielleicht sogar als unverzichtbares Teammitglied – erleben.

Häufig gestellte Fragen zur GenAI in der Softwareentwicklung

Wie kann ich Generative KI beim Programmieren einsetzen?

Generative KI kann in vielen Phasen der Softwareentwicklung eingesetzt werden. Für das Programmieren muss die GenAI auf die spezifische Programmiersprache Ihres Projekts trainiert sein. Geben Sie dem System präzise Anweisungen – sogenannte Prompts – zu dem, was Sie erreichen möchten. Es kann dann vollständigen Quellcode generieren, der kompiliert, ausgeführt oder in Ihr Versionsverwaltungssystem bzw. Online-Repository, wie GitHub, integriert werden kann.

Kann ich Software mit KI entwickeln?

Ja, Sie können mit Generativer KI auf verschiedene Weise Software entwickeln. Sie kann beim Erstellen von Code unterstützen, auch wenn dieser derzeit meist einfache Funktionen abbildet. Der eigentliche Mehrwert von GenAI liegt aktuell darin, Ihr Entwicklungsteam bei Aufgaben wie Projektplanung, Architekturdesign, Testfallerstellung, Code-Reviews und Dokumentation zu unterstützen.

Welche Herausforderungen bringt KI in der Softwareentwicklung mit sich?

Generative KI ist noch eine junge Technologie – insbesondere im Einsatz innerhalb von Entwicklungsteams. Die größte Herausforderung dürfte darin bestehen, Akzeptanz zu schaffen. Viele Entwickler stehen der neuen Technologie skeptisch gegenüber, da sie mit bestehenden Methoden, Toolchains und Prozessen vertraut sind und Veränderungen oft kritisch sehen. Einige Entwickler könnten GenAI auch als potenzielle Bedrohung für ihre berufliche Zukunft ansehen.

Darüber hinaus muss jedes Unternehmen Vertrauen in die von GenAI erzeugte Software aufbauen. Ist der Code robust, sicher und leistungsfähig? Sind die Testfälle korrekt und gewährleisten sie eine vollständige Codeabdeckung? Entspricht die Dokumentation den Anforderungen? Die ersten Phasen der KI-gestützten Softwareentwicklung werden überwiegend experimentell sein. Wird die Technologie jedoch richtig eingesetzt, kann sie die Produktivität der Entwickler erheblich steigern – mit dem Ergebnis, dass bessere Software schneller und kostengünstiger in die Produktion gelangt und die Organisation ihre Ziele effizienter erreicht.

Zudem befindet sich das Recht hinsichtlich des Eigentums und des Schutzes von KI-generiertem Code noch in der Entwicklung. Kann man Software urheberrechtlich schützen, wenn Teile des Codes durch KI erstellt wurden? Und falls Sie ein kommerzielles GenAI-System nutzen – verpflichten die Nutzungsbedingungen dazu, generierte Inhalte an den Betreiber des Modells zu lizenzieren? Diese Fragen sollten Sie unbedingt klären, bevor Sie GenAI in Ihrer Softwareentwicklung einsetzen.