KI in der Softwareentwicklung – Ein Zwischenbericht

Geschrieben von Simon Meier, Full Stack Developer und Beisitzer des Vorstands des IT Crowd Club Liechtenstein.
Was für eine aufregende Zeit für alle die Software entwickeln. KI hat die Softwareentwicklung bereits enorm beeinflusst. Manche sehen sie als Erweiterung und Turbo beim Coden, andere fürchten sie als Jobkiller, viele nennen es einfach “vibe coding”, bei der man sich den Vibes bei der Erstellung von dem gewünschten Ergebnis hingibt. KI in der Softwareentwicklung hat unterschiedliche Facetten. In diesem Artikel möchte ich einige Produktkategorien hervorheben, die seit der Veröffentlichung von ChatGPT entstanden sind und die Softwareentwicklung beeinflusst haben. Eines ist klar: Die Softwareentwicklung hat sich bereits radikal verändert.
Die Forschung zur Künstlichen Intelligenz läuft bereits seit langer Zeit. Seit 1956 soll das Gebiet der KI-Forschung bereits auf einem Workshop am Dartmouth College begründet worden sein1, also lange bevor ChatGPT durch OpenAI veröffentlicht wurde.
Doch ab November 2022 geschahen zwei nahezu magische Dinge:
- ChatGPT erreichte bis Januar 2023 (nach nur zwei Monaten) 100 Millionen Nutzer, somit war ChatGPT die bis dahin am schnellsten wachsende Consumer-Software-Anwendung der Geschichte2.
- Alle sprachen über KI.
KI-Produktkategorien für die Softwareentwicklung
Was bedeutet das für die Softwareentwicklung? Ich möchte die folgenden drei Produktkategorien hervorheben, die seit Ende 2022 Fahrt aufgenommen haben:
- KI-Chatbots
- KI-Code-Vervollständigung
- Autonome KI-Agenten
KI-Chatbots
Chatbots wie ChatGPT und später Claude wurden für alle die entwickeln zu einer besseren Alternative zu Google und Stack Overflow, weil man plötzlich einen Bot hatte, der beim Prompten „verstand“3, was man mit einem Coding-Problem meinte, und sofort Code ausgab, der das Problem lösen könnte. Das war ein gewaltiger Sprung für die Problemlösung und der Beginn des KI-Wettrennens.
KI-Code-Vervollständigung
Grosse Sprachmodelle, die auf vielen Software-Repos trainiert wurden, ermöglichten Produkte wie GitHub Copilot, ein Plugin in der IDE, das Code automatisch ergänzt, sobald man mit einem Namen oder Kommentar für eine bestimmte Funktionalität beginnt.
Autonome KI-Agenten
Nach der Code-Vervollständigung war der nächste Schritt, Codeänderungen aus Instruktionen oder Aufgaben direkt im Code Repository anzubieten. GitHub Copilot Workspace liess dich einen Pull Request beschreiben und führte die Code-Änderungen anschliessend eigenständig in deinem Online-Repo aus. Es war dann möglich, den Code zu reviewen und zu mergen.
Mit der Veröffentlichung von Claude Code von Anthropic, Windsurf, Cursor, Visual Studio Code Copilot im Agent-Modus und Codex CLI von OpenAI wurde es möglich, Agenten über die CLI oder eine IDE auf deinem lokalen Repository laufen zu lassen.
Manus, Google AI Studio und Codex in ChatGPT sind inzwischen Lösungen, mit denen man Software direkt innerhalb einer Website autonom bauen kann. Du promptest, was du möchtest, und der Agent erledigt den Rest. So deployed Manus z.B. deine Anwendung auf seinen Servern.
Fallbeispiel: Autonomer KI-Agent: Manus.im
Zur Veranschaulichung habe ich Manus einen Demo Webshop als Webapp mit folgendem Prompt entwickeln lassen:
Create a demo web shop selling clothes. It should include a front page where ten clothing items are shown as cards. The cards are clickable such that they open up and a detail screen is shown. The web shop should also include a shopping cart where the shopping items can be added and the sum of the prices is calculated. The layout of the shop is fresh blue with an appropriate logo at the left upper corner. Deploy the shop to a static location.
Hier das Ergebnis: https://bluetulip-jbfoa6.manus.space/
Das Ergebnis wurde durch den Geschwindigkeitsmodus erstellt, mit wie oben ersichtlich wenig Details. Bei einem Upgrade ist es möglich, einen Qualitätsmodus zu verwenden.
Die Erstellung des Webshops dauerte ca. 15 Minuten, kostete ca. 300 Credits und der Ablauf der Befehlskette kann über den Replay Link nachverfolgt werden: https://manus.im/share/3nheJuuzC5kBQmkU6I39q6?replay=1
Die Sourcen können nach der Erstellung heruntergeladen oder direkt mit einem Repo verknüpft werden.
Falls ihr Interesse habt, Manus selber auszuprobieren, ohne über die Warteliste zu gehen und 500 Credits zu erhalten, hier ein Einlade-Link: https://manus.im/invitation/DTLTXNSMHYQY
Auswirkungen auf die Softwareentwicklung
Wie hat bzw. wird das die Softwareentwicklung verändern? Radikal. Hier mögliche Thesen:
Thesen mit negativen Auswirkungen:
- Die Zahl der Bugs wird steigen (Halluzinationen).
- Sicherheitsprobleme werden zunehmen.
- Der Druck auf Entwickler und Entwicklerinnen wird steigen (Konkurrenz durch Agenten).
- Einstiegshürden im Job für Junior Entwickler werden steigen.
- Entwicklerstellen werden abgebaut.
Thesen mit positiven Auswirkungen:
- Die Softwareentwicklung wird schneller werden (Analyse, Prototyping).
- Entwicklungskosten werden sinken.
- Mehr Ideen werden umgesetzt (niedrigere Einstiegshürden, schnellere Iteration).
- Die Developer Experience wird verbessert.
Um diese Thesen zu begründen, gibt es unterschiedliche Sichtweisen, Pro- und Contra- Argumente. Welche Argumente siehst Du, um die Thesen zu untermauern oder um ihnen zu widersprechen? Welche weiteren Auswirkungen auf die Softwareentwicklung gibt es aus Deiner Sicht?
Wird ein Entwickler in Zukunft mehr zum Manager von KI generierten Code, werden Senior Developer mit Expertenwissen in einem Programmiergebiet gefragter und wird das Interesse von jungen Leuten Programmieren zu lernen nachlassen?
Meiner Meinung nach ist es wichtig, dass Softwareentwickler sich spezialisieren, um fähig zu sein, Fehler der KI zu erkennen, also in gewisser Massen mit der KI zu konkurrieren. Denn KI generierter Code hat die Gefahr, dass er uns über den Kopf wächst, dass wir die Code Basis nicht mehr überblicken und mit jedem weiteren generierten KI Pull Request Schwierigkeiten haben, selbst Änderungen zu machen. Andererseits ist die Verwendung von KI Code und Agents ein Muss, um schneller, effizienter zu sein und um mit dem Markt mithalten zu können. Ein Spagat.
Wie gesagt: eine sehr spannende Zeit für alle die Software entwickeln 🙂!
https://en.wikipedia.org/wiki/Artificial_intelligence#History ↩︎
„Verstehen“ im metaphorischen Sinn: LLMs sind probabilistische Token-Prädiktoren, die kontextangemessene Fortsetzungen erzeugen. ↩︎