Auf künstlicher Intelligenz basierende Werkzeuge, so genannte „Coding Agents“, verändern die Art und Weise, wie Software heute erstellt wird, grundlegend. Doch nicht alle Bereiche der Entwicklung entwickeln sich in gleicher Weise. Diese Unterschiede zu verstehen, ist der Schlüssel, um Teams richtig einzusetzen und realistische Erwartungen zu setzen.

Der größte Beitrag der KI wird in der Frontend-Entwicklung gesehen. Zum Beispiel bei der Erstellung von Websites für E-Shops. Moderne Modelle beherrschen Sprachen wie TypeScript oder JavaScript und Frameworks wie React oder Angular hervorragend. Dadurch sind sie in der Lage, sehr schnell funktionale Schnittstellen zu generieren und darüber hinaus selbstständig auf Basis der Ergebnisse im Browser zu iterieren. Das visuelle Design bleibt vorerst eine Schwachstelle, aber wenn das Design vorgegeben ist, geht die Umsetzung deutlich schneller als früher.

Die Backend-Entwicklung, z. B. die Erstellung von APIs für die Arbeit mit Daten, ist komplexer. Sie erfordert eine sorgfältigere Anleitung durch erfahrene Entwickler, insbesondere wegen der Randfälle, die zu Fehlern oder Sicherheitsproblemen führen können. Darüber hinaus verursachen Fehler im Backend oft undurchsichtige Probleme wie Datenbankbeschädigungen oder falsche Abfrageergebnisse. KI hilft zwar, die Arbeit zu beschleunigen, aber ein qualitativ hochwertiges Backend erfordert immer noch Erfahrung und ein sorgfältiges Design.

Bei der Infrastruktur ist der Beitrag der KI noch geringer: Aufgaben wie die Skalierung eines Systems für Tausende von Nutzern bei gleichzeitiger Aufrechterhaltung einer hohen Zuverlässigkeit erfordern fundierte Kenntnisse und ein Gespür für Kompromisse. Aktuelle Modelle verfügen nur über begrenztes Wissen in diesem Bereich und sind daher nicht sehr zuverlässig bei kritischen Entscheidungen. Darüber hinaus ist die Erkennung von Infrastrukturfehlern, wie z. B. Fehlkonfigurationen des Netzes, eine der schwierigsten Aufgaben überhaupt.

Bisher war die KI in der Forschung am wenigsten hilfreich. Hier geht es darum, Hypothesen zu formulieren, Experimente durchzuführen, Ergebnisse zu interpretieren und sie wiederholt zu testen. Zwar können Kodieragenten das Schreiben von Code für Experimente beschleunigen oder bei deren Organisation helfen, doch die meiste Forschungsarbeit besteht im Denken und in der Entscheidungsfindung, wo KI bisher nur eine begrenzte Rolle spielt.

Die Aufteilung der Softwarearbeit in Frontend, Backend, Infrastruktur und Forschung ist einfach, aber nützlich. Sie hilft Unternehmen, Teams besser zu organisieren und Erwartungen zu formulieren. Während Frontend-Teams heute vielleicht deutlich schneller arbeiten als noch vor einem Jahr, hat sich das Tempo für Forschungsteams nur minimal geändert.

Die Softwareentwicklung tritt damit in eine neue Phase ein, in der die Geschwindigkeit zunehmend vom richtigen Einsatz von KI abhängt - aber auch davon, wo ihre Grenzen noch nicht überschritten sind.

deeplearning.ai/gnews.cz - GH