KI in der Softwareentwicklung: Teil 2

Fortschritte der Software zur KI-gestützten Entwicklung

Nicht nur die Leistung der Large Language Models (LLMs) hat sich in den letzten Monaten dramatisch verbessert, sondern auch die Entwicklung von KI-Tools für die Softwareentwicklung hat deutliche Fortschritte gemacht. Hier eine zeitliche Übersicht über einige der bemerkenswertesten Entwicklungen:

KI-basierte Tab Completion:

Tab-Vervollständigung ist eine Funktion, die Entwicklern beim Tippen passende Vorschläge unterbreitet, die mit der Tab-Taste übernommen werden können - klassisch beschränkt auf Variablen- und Funktionsnamen aus dem aktuellen Projekt.

Mit GitHub Copilot, einer Erweiterung für Microsofts Visual Studio Code Entwicklungsumgebung, kam die erste große Welle für die Entwicklung mit KI-Unterstützung. Es ermöglicht Entwicklern, Code-Snippets und ganze Funktionen automatisch zu generieren, basierend auf dem Kontext des Codes, an dem sie arbeiten. Zu diesem Zeitpunkt waren die Modelle aber noch nicht leistungsfähig genug, um diese Versprechen zu halten. Es blieb bei einer etwas schlaueren Tab-Vervollständigung.

KI-Modelle mit Kontextverständnis:

Auf Coding spezialisierte Modelle erlaubten das Diskutieren über angehängten Kontext, wie z.B. Dateien aus einer Code-Basis. Das ermöglichte es, dass die KI nicht nur Code generieren, sondern auch verstehen und erklären konnte, was in einem bestehenden Code passiert. Das war ein großer Schritt, um KI als echten Partner in der Softwareentwicklung zu etablieren. Leider waren auch hier die Modelle noch nicht leistungsfähig genug, um wirklich nützlich zu sein. Nur kleine Fragen waren sinnvoll möglich, und die Antworten waren oft inhaltlich falsch.

Zugriff auf das Web:

Diese KI-Modelle wurden schnell mit der Fähigkeit versehen, Inhalte aus dem Web zu laden, um so auf aktuelle Informationen zugreifen zu können. Nützlich, aber im bisherigen Kontext nur eine weitere Suchmaschine. Dadurch konnten zwar Wissenslücken seit dem Endpunkt der Trainingsdaten geschlossen werden, aber die KI war noch nicht in der Lage, selber Kontext zu sammeln und zu verstehen.

Agenten

Agenten sind KI-Systeme, die in der Lage sind, eigenständig Aufgaben zu erfüllen. Durch Dateisystem-Zugriff erlauben sie dem Modell, selbstständig in einer Code-Basis zu navigieren, Dateien zu lesen, Code zu schreiben und zu testen. Wenn man von einem zweiten Generationssprung in dieser Blogreihe sprechen möchte, dann ist dies hier der Moment.

Agenten mit Tool- und Plugin-Unterstützung

Die nächste Stufe der Agenten erlaubt die Konfiguration von Tools, Skills und Plugins, um so die Fähigkeiten der KI zu erweitern. Anthropic ist hier wieder einmal Vorreiter: Die Firma entwickelte das Model Context Protocol (MCP), das es ermöglicht, KI-Modelle mit externen Tools und Ressourcen zu verbinden.

Agenten, die Agenten steuern

Die letzte Zutat in diesem Rezept ist die Fähigkeit von Agenten, andere Agenten zu steuern. Das bedeutet, dass ein Agent nicht nur in der Lage ist, Aufgaben zu erfüllen, sondern auch andere Agenten zu koordinieren und zu delegieren.

Dieses Menü an Fähigkeiten eröffnet völlig neue Möglichkeiten für die Automatisierung komplexer Arbeitsabläufe, für die Zusammenarbeit zwischen verschiedenen KI-Systemen und bringt das Potential, die Softwareentwicklung auf den Kopf zu stellen.

Im nächsten Teil dieser Blogserie werde ich genauer auf die Auswirkungen dieser Fortschritte auf die Softwareentwicklung bei Collax eingehen, und wie wir diese neuen Möglichkeiten nutzen, um unsere Entwicklungsprozesse zu verbessern.

Zurück zu Teil 1