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