KI-Studien

Warum bald jeder zweite Entwickler GenAI nutzt

11.12.2023
Von 
Lucas Mearian ist Senior Reporter bei der Schwesterpublikation Computerworld  und schreibt unter anderem über Themen rund um  Windows, Future of Work, Apple und Gesundheits-IT.
Aktuelle Studien geben Aufschluss darüber, in welchen Bereichen der Softwareentwicklung GenAI-Tools ihr Potenzial ausspielen können.
Im Bereich der Softwareentwicklung wird sich Generative AI nach Meinung diverser Analysten auf breiter Basis durchsetzen. Insbesondere KI-basierte Coding-Assistenten stehen hoch im Kurs.
Im Bereich der Softwareentwicklung wird sich Generative AI nach Meinung diverser Analysten auf breiter Basis durchsetzen. Insbesondere KI-basierte Coding-Assistenten stehen hoch im Kurs.
Foto: Gorodenkoff - shutterstock.com

Dem Analystenhaus Gartner zufolge soll bis zum Jahr 2027 jeder zweite Softwareentwickler im Enterprise-Umfeld generative KI-Tools nutzen, um Software zu entwickeln, zu testen und zu betreiben. Aktuell nutzten zwar lediglich fünf Prozent der Softwareentwickler solche Werkzeuge - allerdings übersteige die Nachfrage nach Software die Kapazitäten der allermeisten Entwicklungsabteilungen. Deswegen rechnen die Analysten mit einem sprunghaften Anstieg in den kommenden fünf Jahren. Eine Einschätzung, die sich im Allgemeinen mit den Prognosen weiterer Auguren deckt.

KI-Coding-Tools kommen gut an

Entwicklungs-Tools auf Basis von Large Language Models (LLM) wie GitHub Copilot oder Amazon CodeWhisperer können komplexen Code generieren und potenziell die Entwicklerproduktivität steigern. Aktuellen Zahlen von IDC zufolge ist die Code-Generierung der zweithäufigste Business-Use-Case für GenAI-Tools in Unternehmen:

Lediglich mit KI-Textgenerierung experimentieren Unternehmen in der Praxis häufiger als mit Codeerstellung.
Lediglich mit KI-Textgenerierung experimentieren Unternehmen in der Praxis häufiger als mit Codeerstellung.
Foto: IDC

Microsoft zeigte unterdessen bereits im Jahr 2022 im Rahmen einer Analyse auf, dass mehr als die Hälfte aller Code-Kontributionen auf GitHub mit Hilfe von KI-Tools erstellt wurde. GitHub-CEO Thomas Dohmke geht davon aus, dass sich dieser Anteil bis zum Jahr 2028 bei 80 Prozent einpendeln wird. Dazu passt wiederum, in welchen Bereichen der Softwareentwicklung Gartner den Impact von GenAI-Tools beobachtet. Das sind im Wesentlichen:

  • KI-gestützte Code-Generierung,

  • KI-gestützte Testing Tools und

  • Design-to-Development Tools.

Entwickler nutzen KI-basierte Programmierassistenten laut Gartner auch, um Unit-Tests und Software-Dokumentationen zu erstellen oder um zu bestimmten Code-Abschnitten einen Chatbot zu Rate zu ziehen. "Wir wissen, dass Entwickler oft Code optimieren oder aktualisieren, den sie nicht selbst geschrieben haben. Das kann etwa daran liegen, dass es sich um eine Legacy-Anwendung handelt", kommentiert Philip Walsh, Senior Principal Analyst bei Gartner.

Dass es nicht nur Wunschdenken ist, mit Generative AI die Entwicklerproduktivität zu steigern, legt eine (nicht gänzlich uneigennützige) Studie von GitHub nahe. Demnach fühlen sich 88 Prozent der Developer, die mit dem hauseigenen Kodierungs-Tool arbeiten, produktiver. Das kann auch Gartner-Analyst Walsh bestätigen: "Bei der Arbeit mit diesen Tools stellen Entwickler schnell fest, dass sie wesentlich weniger oft Dinge auf Stack Overflow oder über Google in Erfahrung bringen müssen. Unter Entwicklern ist man zuversichtlich, wenn es um das Potenzial KI-gestützter Coding-Assistenten geht."

Kinderkrankheiten stoppen den GenAI-Zug nicht

Fakt ist jedoch auch: Überall, wo GenAI eingesetzt wird, gibt es noch Probleme mit den Tools - etwa in Form von Codierungsfehlern, Halluzinationen oder Sicherheitslücken. Gartner-Mann Walsh hat deshalb einige Ratschläge zur Risikominimierung auf Lager: "Bevor Sie solche Tools einsetzen, sollten Sie verschiedene Qualitäts- und Sicherheits-Scanning-Tools im Rahmen Ihres DevOps-Workflows einsetzen", empfiehlt er und fügt hinzu, dass Dev-Teams außerdem über solide Code-Review-Verfahren verfügen sollten, bei denen ein leitender Entwickler alles überprüft, bevor es zusammengeführt wird.

Wie gut KI-Code-Assistenten arbeiten, hängt zudem davon ab, wie komplex der Code ist und welche Eigenarten er aufweist. Standardaufgaben wie JavaScript-Code für einen http-Server zu schreiben, ist in der Regel weniger ein Problem. Auch weil die entsprechenden Daten weit verbreitet und verfügbar sind. Wie Walsh berichtet, ist das jedoch nicht immer so: "Viele Softwareingenieure in Unternehmen haben festgestellt, dass sich die Zeitersparnis in Grenzen hält, wenn es darum geht, komplexen Code zu entwickeln, der auf proprietärer Geschäftslogik beruht."

Diese Einschränkungen dürften sich nach Einschätzung des Analysten kurz- bis mittelfristig auflösen und es Business-Anwendern ermöglichen, "Einweg"-Apps zu entwickeln, die nicht in Enterprise-Qualität vorliegen müssen - beispielsweise für die Datenanalyse: "In diesen Fällen wird Generative AI eher zum Produktivitätswerkzeug, das bei der Arbeit unterstützt. Das wird ganz ähnlich wie der heutige No-Code-Markt aussehen. Das ist auch viel näher an der Realität, als eine KI, die vollautomatisch Unternehmenssoftware erzeugt."

Sicher ist: GenAI geht nicht mehr "weg" - im Gegenteil. Wie IDC ermittelt hat, gehört die Fähigkeit, (generative) KI-Tools und -Systeme nutzen zu können, derzeit zu den gefragtesten, technischen Skills.

(Generative) KI gehört auf der Skill-Prioritätenlisten zur Spitzengruppe.
(Generative) KI gehört auf der Skill-Prioritätenlisten zur Spitzengruppe.
Foto: IDC

(fm)

Dieser Beitrag basiert auf einem Artikel unserer US-Schwesterpublikation Computerworld.