Unser Ansatz: Bewusst integrieren
statt nur aktivieren
Künstliche Intelligenz im Entwicklungsprozess
einzusetzen ist heute technisch einfach.
Die eigentliche Herausforderung liegt jedoch darin, sie sinnvoll in bestehende
Arbeitsabläufe zu integrieren.
Als Softwarehaus haben wir KI nicht einfach
„eingeschaltet“, sondern verschiedene Ansätze systematisch im Projektalltag
evaluiert. Unser Ziel war nicht, ein möglichst leistungsfähiges Modell zu
finden, sondern eine Lösung, die Qualität, Produktivität und Verantwortung in
Einklang bringt.
Unsere zentrale Erkenntnis lautet:
Nicht die „beste KI“ macht den Unterschied – sondern
ihre friktionsfreie Einbettung in bestehende Workflows.
Die unterschätzte Hürde:
Kontextwechsel im Entwicklungsalltag
Webbasierte KI-Modelle liefern beeindruckende
Ergebnisse.
Im täglichen Projektgeschäft entsteht jedoch ein häufig übersehener
Effizienzverlust:
- IDE verlassen
- Anfrage formulieren
- Antwort interpretieren
- Code anpassen
Dieser Kontextwechsel unterbricht den Arbeitsfluss und
kostet mentale Energie. Gerade in komplexen Entwicklungsaufgaben wirkt sich
dies unmittelbar auf Konzentration und Produktivität aus.
Für uns war daher entscheidend:
KI muss sich in den bestehenden Entwicklungsfluss
integrieren – nicht einen zusätzlichen Prozess erzeugen.
Unsere Evaluation: Web, lokal oder
IDE-integriert?
Wir haben unterschiedliche Ansätze geprüft:
- Öffentliche KI-Modelle über Weboberflächen
- Lokale Modelle mit erhöhter Datenkontrolle
- Direkt in der Entwicklungsumgebung integrierte Assistenzsysteme (u. a.
Tabnine und GitHub Copilot)
Bewertet wurden dabei insbesondere:
- Grad der Workflow-Integration
- Stabilität im Projektalltag
- Unterstützung bei Tests, Refactoring und Dokumentation
- Reibungsverlust im Entwicklungsprozess
Das Ergebnis unserer Analyse:
Für unseren aktuellen Entwicklungsalltag bietet eine tief in Visual Studio
integrierte Lösung den größten Mehrwert.
Die Entscheidung fiel daher auf GitHub Copilot – nicht
aufgrund maximaler Modellintelligenz, sondern wegen der nahtlosen Integration
in unsere bestehenden Prozesse.
Lokale Modelle: Eine Frage des
Einsatzszenarios
Lokale Modelle bieten klare Vorteile in Bezug auf:
- Datenkontrolle
- Unabhängigkeit
- Anpassbarkeit
Für unser tägliches Pair Programming war jedoch die
Integrationstiefe entscheidender als maximale Datensouveränität.
Für sicherheitskritische oder stark domänenspezifische
Anwendungen kann sich diese Gewichtung durchaus verändern.
Technologieentscheidungen treffen wir stets kontextabhängig – nicht pauschal.
Unser Verständnis von KI in der
Softwareentwicklung
Für uns ist KI:
- Kein Ersatz für Entwickler
- Keine Abkürzung für Architektur
- Kein Autopilot für Qualität
Sie ist ein Assistenzsystem.
Richtig integriert beschleunigt sie Routinen,
unterstützt bei strukturellen Aufgaben und reduziert unnötige Reibung – ohne
Verantwortung zu verschieben.
Als modernes Softwarehaus verstehen wir KI nicht als
Trendthema, sondern als strategisches Werkzeug, das bewusst eingesetzt werden
muss.
Ausblick
Die Integration von KI beim Programmieren ist für uns
ein Baustein einer umfassenderen Weiterentwicklung. Neben dem
Entwicklungsprozess setzen wir KI auch in internen Abläufen und
kundenspezifischen Lösungen ein.
Im nächsten Beitrag zeigen wir, wie wir KI
strukturiert im Requirements Engineering einsetzen.
Autorin:
Tatjana Kuzmin
B.Sc. Wirtschaftsinformatik (FH)
AI Integration Lead bei der SSA SoftSolutions GmbH
