Generative KI sorgt im Bereich der Softwareentwicklung für Aufsehen und verändert die Art und Weise, wie Ingenieure arbeiten, iterieren und Code entwickeln.
Wir sehen, dass sich die Auswirkungen dieser Transformation auf die Datenverwaltung, Überwachung und Beobachtbarkeit insgesamt auswirken. KI verändert nicht nur Arbeitsabläufe, sondern auch Karrierewege.
Chief Technology Officer und Mitbegründer von Chronosphere.
Von Halluzinationen bis hin zu selbsttestenden Codes – die KI lernt aus ihren Fehlern
Große Sprachmodelle (LLMs) kann zum Brainstorming, zum Sammeln von Informationen und zum Erstellen von Code verwendet werden. Allerdings machen sie immer noch so häufig Fehler und halluzinieren, dass man ihnen nicht trauen kann.
Beim Halluzinieren werden falsche Informationen als wahr dargestellt oder eine sachlich korrekte Antwort generiert, die für die gestellte Frage nicht relevant ist. Solche Fehler können den Prozess für Entwickler weiter erschweren.
Heutzutage nutzen Entwickler KI-Codierungsassistenten auf zwei Arten. Erstens können sie einen KI-Codierungsagenten einsetzen, um einen kleineren, spezifischen Teil der Lösung zu erstellen.
Alternativ nutzen sie es, um ihren eigenen Code effektiver zu strukturieren, indem sie Fragen zu Eigenschaften von Algorithmen stellen, Referenzen überprüfen und Sprache Semantik und Brainstorming zum Entwurf der Lösung.
Als die Technologie noch in den Kinderschuhen steckte, mussten die Ingenieure aufgrund des regelmäßigen Auftretens von Halluzinationen übermäßig viel Zeit mit der Überprüfung und Überprüfung des Codes verbringen.
Dadurch wurde es zu einer Zeitverschwendung statt einer Zeitersparnis. Das ändert sich schnell: Jetzt erstellen und führen KI-Codierungsagenten Tests anhand des von ihnen verfassten Codes durch und korrigieren ihre eigenen Fehler. Dadurch werden Halluzinationen immer weniger zum Problem.
Verlangsamt KI den Prozess der Entwickler oder beschleunigt er ihn?
Ob die KI schneller oder langsamer wird, die Codierung Der Ablauf hängt von den individuellen Umständen ab. Vieles davon hängt vom Erfahrungsniveau und den KI-Kenntnissen des Entwicklers ab. Tatsächlich ergab eine aktuelle Studie, dass Entwickler, wenn sie KI-Tools verwenden, 19 Prozent länger brauchen, als wenn sie dies nicht tun.
Codierungsagenten bieten Entwicklern beim Entwerfen von Code eine zusätzliche Ideenebene. Die Herausforderung besteht darin, dass sie oft in zyklische Versuche geraten, ihren eigenen Code zu reparieren. Das bedeutet, dass sie bei der Arbeit an Codebasen oder in atypischen Kontexten deutlich mehr Anleitung benötigen, was zum Ausschlag kommen kann Produktivität Waage.
Je spezialisierter der Code und die Aufgabe, desto schwieriger ist es, ohne viel Anleitung oder menschliches Eingreifen gute Ergebnisse zu erzielen – insbesondere bei der Überarbeitung und Neuimplementierung des Codes, mit dem die KI zu kämpfen hat.
Das bedeutet, dass die Menge der verschwendeten Zeit, die aufgewendet wird, vom Projekt selbst sowie von der Vertrautheit des Ingenieurs mit Eingabeaufforderungen abhängt.
Unter den Ausfallraten sind 60 Prozent der Mängel auf Folgendes zurückzuführen KI-Toolssowohl bei kleinen als auch bei großen Themen. Letzterer enthält „fehlerhaften“ Code, der auf den ersten Blick vielleicht in Ordnung erscheint, aber nach genauerer Überlegung stellt der Entwickler fest, dass eine umfassende Korrektur erforderlich ist.
Integration von KI in DevOps
Einer der besten Anwendungsfälle für KI-Agenten ist heute das Site Reliability Engineering. Durch die Verwendung eines MCP-Servers (Model Context Protocol), der sich in KI-Codierungstools wie Cursor und Claude Code integrieren lässt, können Ingenieure KI problemlos in ihren Alltag integrieren DevOps Arbeitsabläufe.
MCPs stellen der KI Telemetriedaten zur Verfügung, sodass sie auf der Grundlage der Daten Schlüsse ziehen kann und keine manuelle Eingabe von Informationen mehr erforderlich ist. Dies verbessert die Effizienz und verringert die Wahrscheinlichkeit von Halluzinationen.
Dies ermöglicht es den Site Reliability Engineers (SREs), in ihrem Flow-Zustand innerhalb eines ‚ zu bleiben.Editor‚ oder die Terminal und beurteilen Sie schnell den Zustand von Service Level Objectives (SLOs), sammeln Sie Protokolle und beobachten Sie Fehler- und Latenzverteilungen von Diensten.
Die Einbeziehung dieses Kontexts und die Bereitstellung von Telemetriedaten für die KI als Argumentationshilfe hat zu einer deutlichen Veränderung bei der Geschwindigkeit geführt, mit der Aufgaben jeden Tag gelöst werden können. Die Steigerung der Effizienz und Geschwindigkeit führt zu leistungsfähigeren und zufriedeneren Entwicklerteams, die sich auf die einzigartigen Elemente des Jobs konzentrieren können.
Sie können an der Lösung geschäftlicher und organisatorischer Herausforderungen arbeiten, anstatt durch die Arbeitsbelastung behindert zu werden. Dies ist erst der Anfang der Reise. In Zukunft werden bestimmte Arbeitsabläufe völlig autonom sein und von einem Menschen im Zentrum überwacht, der die Entscheidungsfindung und Untersuchungen vorantreibt.
Der Wert von KI
Für Entwickler liegt der Hauptwert der generativen KI heute in ihrer Fähigkeit, eine Idee zu skizzieren und beim Brainstorming von Lösungen zu helfen, Schritt-für-Schritt-Anleitungen bereitzustellen und neue Forschungsbereiche zu identifizieren.
Die angebotene Anleitung kann jungen Entwicklern dabei helfen, sich schneller zu verbessern, insbesondere wenn ihnen die Betreuung durch einen erfahreneren Ingenieur fehlt. Ob KI Zeit spart oder verschwendet, hängt jedoch vollständig von der Komplexität der Aufgabe, dem Erfahrungsniveau des Ingenieurs und seiner Fähigkeit ab, die KI gut zu steuern.
Da sich KI-Tools weiterentwickeln und Ingenieure sich an neue Arbeitsmethoden anpassen, wird sich die Denkweise rund um das Codieren selbst voraussichtlich ändern. KI verändert bereits Arbeitsabläufe, wird den Menschen jedoch nicht vollständig ersetzen.
Stattdessen werden Wissenslücken innerhalb der Entwicklerteams geschlossen, neue Ideen zur Codestrukturierung bereitgestellt, einschließlich Optionen, die zuvor möglicherweise nicht in der Schulung behandelt wurden, und die untergeordneten Aufgaben erledigt, die Ingenieure täglich beschäftigen.
Letztlich wird die vom Menschen unterstützte KI die leistungsstärkste KI sein.
Wir haben die besten No-Code-Plattformen bewertet.
Dieser Artikel wurde im Rahmen des Expert Insights-Kanals von TechRadarPro erstellt, in dem wir die besten und klügsten Köpfe der heutigen Technologiebranche vorstellen. Die hier geäußerten Ansichten sind die des Autors und nicht unbedingt die von TechRadarPro oder Future plc. Wenn Sie daran interessiert sind, einen Beitrag zu leisten, erfahren Sie hier mehr: https://www.techradar.com/news/submit-your-story-to-techradar-pro
