„KI soll uns ergänzen, nicht ersetzen“

Matt Asay: Ironischerweise wird der dominierende Trend im Jahr 2024 nicht KI sein, sondern die Technologie, die KI ermöglicht: die Cloud. 17 Jahre nach der Einführung von AWS entfallen immer noch 90 Prozent der IT-Investitionen auf On-Premises-Implementierungen. Das ändert sich gerade. 

KI zählt zu den treibenden Kräften dieser Entwicklung. Die meisten KI-Workloads laufen zwangsläufig auf der elastischeren Infrastruktur, die die Cloud bietet. KI beherrscht zwar die Schlagzeilen, aber es ist die Cloud, die die dahinter liegende Arbeit leistet, indem sie die Verwaltung von Daten, Infrastruktur und so weiter erleichtert. Das ist der größte, wenn auch leise, Techniktrend für 2024 und die kommenden Jahre.

Tara Hernandez: KI-gestützte Entwicklertools werden sich in vielen Phasen des Entwicklungszyklus noch stärker durchsetzen als bisher. Letztlich geht es bei KI um Daten und darum, wie sie am besten genutzt und erweitert werden können. Die Herausforderung bei KI besteht darin, sie so einzusetzen, dass die Kostenkontrolle und die Einhaltung der Datenrichtlinien gewährleistet sind. Viele Unternehmen haben sich mit der Implementierung von KI beeilt und stoßen nun auf ernsthafte Probleme in Bezug auf Urheberrechte und Ansprüche auf geistiges Eigentum. Diese Komplexität wird sich unverhältnismäßig stark auf Start-ups auswirken. 

Tara Hernandez: Entwickler werden sich auch weiterhin hybride Arbeitsmöglichkeiten wünschen. Unternehmen, die das ermöglichen, haben auf dem umkämpften Talentmarkt einen Vorteil. Dabei ist es aber wichtig, dass hybrides Arbeiten wirklich "remote-first" bedeutet. Um in diesem Modell erfolgreich zu sein, sind Absicht und Engagement erforderlich. Unternehmen, die das nicht erkennen, werden die Vorteile nicht erkennen und durch das Beharren auf Präsenzmodelle Talente abschrecken.

Interessanterweise sind Unternehmen, die mit hybriden beziehungsweise Distanzmodellen erfolgreich sind, wahrscheinlich auch erfolgreicher beim Aufbau und der Erhaltung eines vielfältigen Mitarbeiterstamms. Das liegt daran, dass in beiden Fällen gute interne Dokumentations- und Kommunikationsverfahren, hohe Standards für die Kultur virtueller Meetings und bessere Messgrößen zur Quantifizierung erfolgreicher Leistungen erforderlich sind.

In beiden Fällen beruht der Erfolg eher auf objektiven als auf subjektiven Bewertungen. Unsere Abteilung für Entwicklerproduktivität zum Beispiel ist von Sydney bis Berlin vertreten und kann ihren Erfolg auf eine starke Investition in integrative Kommunikationspraktiken zurückführen.

Matt Asay: Fragt man einen Entwickler, was er am meisten braucht, um produktiv arbeiten zu können, so lautet die häufigste Antwort: „Eine bessere Dokumentation“. Mit generativen KI-Tools wie ChatGPT haben wir plötzlich ein reichhaltiges, aber immer noch problembehaftetes Universum an neuer Dokumentation. 

Ich sage das, weil Entwickler immer noch dabei sind, herauszufinden, wie sie KI-Tools wie Amazon CodeWhisperer effektiv nutzen können. Beispiel: Wie fordert man solche Tools zu einem optimalen Schemadesign für eine Anwendung zur Bestandsverfolgung auf, um zu sehen, wie man eine Anwendung in Scala erstellt, wenn die Expertise eines Entwicklers in Python liegt?

Tara Hernandez: KI-basierte Entwicklungstools können das Entwicklungstempo beschleunigen, aber Unternehmen müssen sicherstellen, dass die gesteigerte Produktivität zu mehr Zeit führt, die für hochwertige und sinnvolle Innovationen verwendet wird, damit die Entwickler zufrieden sind. Außerdem sind Vorabinvestitionen erforderlich. 

Das bedeutet entweder in die Einstellung neuer Fachleute und/oder die Zeit, die jetzige Mitarbeiter benötigen, um sich weiterzuentwickeln. Eine klare Vorstellung davon, was den Erfolg einer KI-Investition ausmacht, ist ebenfalls ein wichtiger Aspekt. MongoDB hat mit der internen Nutzung von KI begonnen, indem wir uns auf die wichtigsten Möglichkeiten zur Verbesserung interner Systeme und zur Senkung der Betriebskosten konzentriert haben. Dadurch können wir uns stärker auf die Bedürfnisse der Kunden fokussieren.

Matt Asay:  Manche neigen dazu, in generativer KI heute schon ein Werkzeug zur Codegenerierung zu sehen. Dabei ist sie aktuell eher für die Code-Analyse geeignet. Die Erwartung, dass KI-Tools all unsere Arbeit für uns erledigen, ist stark übertrieben. 

Aber wir können sie nutzen, um monotone, langweilige Aufgaben zu automatisieren. Eine Anwendung steht und fällt nicht unbedingt mit dieser Art von Aufgaben, sie hat aber das Potenzial, Entwickler erheblich zu binden. Ein Coding-Assistent kann hier Abhilfe schaffen.

Matt Asay: Die größte Herausforderung bei der Einführung von KI ist der Hype, und das gilt in beide Richtungen. Ist er übertrieben, besteht die Gefahr, dass Entwickler erwarten, dass Tools ihnen die Arbeit abnehmen, was einfach zu fehlerbehaftet ist. 

Wenn Sie erwarten, dass ein Assistent perfekten Code produziert, den Sie ohne Prüfung und Änderungen übernehmen können, werden Sie enttäuscht sein. KI soll die Fähigkeiten von Entwicklern ergänzen, nicht ersetzen. 

Das bedeutet, dass Entwickler ihr Fachwissen in die KI-Programmierung einbringen müssen. Sie müssen erkennen, wo die KI Fehler macht, und sie müssen wissen, wie sie sie auffordern können, diese zu korrigieren – oder das selbst tun. Sind die Erwartungen dagegen zu gering und fehlt das Vertrauen in die Technologie, scheuen zu viele Unternehmen und Menschen den Einsatz von Programmierassistenten und anderen KI-Tools. Jetzt ist die Zeit, die verschiedenen LLMs und die zugehörigen Programmierwerkzeuge zu testen. Das Ziel sollte dabei sein, herauszufinden, welche Tools welche Stärken und Schwächen haben und für welche Workloads sie sich eignen.

Tara Hernandez: Unternehmen sind immer noch dabei herauszufinden, wie sie mit Themen wie Sicherheit, Datenschutz und geistigem Eigentum sowie Korrektheit umgehen sollen, wenn es um KI-gestützte Entwicklerwerkzeuge geht. Sie müssen klären, wie sie diese Fragen beantworten und gleichzeitig mit dem Druck einer schnellen KI-Einführung umgehen können.

Matt Asay: Entwickler haben zwei Probleme: Wissen und Zeit. KI kann zusätzliche Ressourcen bereitstellen. Entwickler haben beispielsweise die Aufgabe, Workloads von einer relationalen Infrastruktur auf MongoDB zu verlagern. Das ist großartig, bedeutet aber zum Beispiel, dass Schemata aktualisiert werden müssen. 

Vor kurzem haben wir die KI-gestützte SQL-Abfragekonvertierung in Relational Migrator eingeführt, um SQL-Abfragen und gespeicherte Prozeduren in die MongoDB Abfrage-API zu konvertieren. Der Arbeitsschwerpunkt von Entwicklern verlagert sich so von der Abfrageerstellung auf die Überprüfung und Implementierung. Das spart Zeit, und Entwickler können sich bei der Konvertierung stärker auf die KI verlassen und müssen nicht alles selbst beherrschen. 

Matt Asay: Wenn sie vor der Entscheidung stehen, mehr Kontrolle an die KI zu übergeben, müssen Entscheidungsträger an ihre Mitarbeiter denken. Menschen werden immer noch gebraucht, um Fakten zu prüfen und Qualitätskontrollen durchzuführen. Solange wir GenAI-Tools einsetzen, um Menschen zu ergänzen, anstatt sie zu ersetzen, werden wir von ihr profitieren, ohne dass verheerende Fehler passieren. 

Vereinfacht ausgedrückt brauchen wir keine Mentalität des „Mehr“, sondern des „Besser“. Ich ermutige mein Team, weniger Dinge zu tun, dafür aber auf einem höheren Niveau und mit einem qualitativ höheren Ergebnis. Richtig eingesetzt, können uns KI-basierte Tools helfen, genau das zu erreichen: indem sie einen Teil der täglichen Routinearbeit abschaffen und es uns dadurch ermöglichen, uns auf höherwertige, qualifizierte Arbeit zu konzentrieren.

Tara Hernandez: Machen Sie sich klar, dass es viele Dinge gibt, die Sie ein Jahr oder sogar sechs Monate im Voraus schlicht und einfach nicht wissen können. Planung ist gut, aber Anpassungsfähigkeit und Agilität sind besser. 

Ein Unternehmen, das in der Lage ist, selbstbewusst umzuschwenken, um das enorme Veränderungstempo in der Branche mitzumachen und zu profitieren, wird einen Wettbewerbsvorteil haben.

Matt Asay ist Vizepräsident für Developer Relations bei MongoDB.

Tara Hernandez ist Vizepräsidentin für Developer Productivity bei MongoDB.