[{"data":1,"prerenderedAt":506},["ShallowReactive",2],{"/de-de/the-source/authors/emilio-salvador/":3,"footer-de-de":34,"the-source-navigation-de-de":342,"the-source-newsletter-de-de":369,"emilio-salvador-articles-list-authors-de-de":381,"emilio-salvador-articles-list-de-de":411,"emilio-salvador-page-categories-de-de":505},{"_path":4,"_dir":5,"_draft":6,"_partial":6,"_locale":7,"config":8,"seo":10,"content":12,"type":26,"slug":27,"_id":28,"_type":29,"title":11,"_source":30,"_file":31,"_stem":32,"_extension":33},"/de-de/the-source/authors/emilio-salvador","authors",false,"",{"layout":9},"the-source",{"title":11},"Emilio Salvador",[13,24],{"componentName":14,"componentContent":15},"TheSourceAuthorHero",{"config":16,"name":11,"role":19,"bio":20,"headshot":21},{"gitlabHandle":17,"linkedInProfileUrl":18},"esalvadorp","https://www.linkedin.com/in/emiliosp/","Vice President, Strategy and Developer Relations","Emilio Salvador ist Vice President of Strategy and Developer Relations bei GitLab. Emilio ist Technologieexperte und verfügt über mehr als 20 Jahre Erfahrung. Er war bei Amazon und Microsoft tätig und leitete zuletzt bei Google die Strategie und den Betrieb des Teams Developer Advocacy and Experience. Er hat einen MBA-Abschluss der MIT Sloan School of Management.",{"altText":11,"config":22},{"src":23},"https://res.cloudinary.com/about-gitlab-com/image/upload/v1751463402/g0snp3uisjm4tj3pkqcw.jpg",{"componentName":25},"TheSourceArticlesList","author","emilio-salvador","content:de-de:the-source:authors:emilio-salvador.yml","yaml","content","de-de/the-source/authors/emilio-salvador.yml","de-de/the-source/authors/emilio-salvador","yml",{"_path":35,"_dir":36,"_draft":6,"_partial":6,"_locale":7,"data":37,"_id":338,"_type":29,"title":339,"_source":30,"_file":340,"_stem":341,"_extension":33},"/shared/de-de/main-footer","de-de",{"text":38,"source":39,"edit":45,"contribute":50,"config":55,"items":60,"minimal":330},"Git ist eine Marke von Software Freedom Conservancy und unsere Verwendung von „GitLab“ erfolgt unter Lizenz.",{"text":40,"config":41},"Quelltext der Seite anzeigen",{"href":42,"dataGaName":43,"dataGaLocation":44},"https://gitlab.com/gitlab-com/marketing/digital-experience/about-gitlab-com/","page source","footer",{"text":46,"config":47},"Diese Seite bearbeiten",{"href":48,"dataGaName":49,"dataGaLocation":44},"https://gitlab.com/gitlab-com/marketing/digital-experience/about-gitlab-com/-/blob/main/content/","web ide",{"text":51,"config":52},"Beteilige dich",{"href":53,"dataGaName":54,"dataGaLocation":44},"https://gitlab.com/gitlab-com/marketing/digital-experience/about-gitlab-com/-/blob/main/CONTRIBUTING.md/","please contribute",{"twitter":56,"facebook":57,"youtube":58,"linkedin":59},"https://x.com/gitlab","https://www.facebook.com/gitlab","https://www.youtube.com/channel/UCnMGQ8QHMAnVIsI3xJrihhg","https://www.linkedin.com/company/gitlab-com",[61,88,161,229,291],{"title":62,"links":63,"subMenu":69},"Plattform",[64],{"text":65,"config":66},"DevSecOps-Plattform",{"href":67,"dataGaName":68,"dataGaLocation":44},"/de-de/platform/","devsecops platform",[70],{"title":71,"links":72},"Preise",[73,78,83],{"text":74,"config":75},"Tarife anzeigen",{"href":76,"dataGaName":77,"dataGaLocation":44},"/de-de/pricing/","view plans",{"text":79,"config":80},"Vorteile von Premium",{"href":81,"dataGaName":82,"dataGaLocation":44},"/de-de/pricing/premium/","why premium",{"text":84,"config":85},"Vorteile von Ultimate",{"href":86,"dataGaName":87,"dataGaLocation":44},"/de-de/pricing/ultimate/","why ultimate",{"title":89,"links":90},"Lösungen",[91,96,101,106,111,116,121,126,131,136,141,146,151,156],{"text":92,"config":93},"Digitale Transformation",{"href":94,"dataGaName":95,"dataGaLocation":44},"/de-de/topics/digital-transformation/","digital transformation",{"text":97,"config":98},"Sicherheit und Compliance",{"href":99,"dataGaName":100,"dataGaLocation":44},"/de-de/solutions/security-compliance/","security & compliance",{"text":102,"config":103},"Automatisierte Softwarebereitstellung",{"href":104,"dataGaName":105,"dataGaLocation":44},"/de-de/solutions/delivery-automation/","automated software delivery",{"text":107,"config":108},"Agile Entwicklung",{"href":109,"dataGaName":110,"dataGaLocation":44},"/de-de/solutions/agile-delivery/","agile delivery",{"text":112,"config":113},"Cloud-Transformation",{"href":114,"dataGaName":115,"dataGaLocation":44},"/de-de/topics/cloud-native/","cloud transformation",{"text":117,"config":118},"SCM",{"href":119,"dataGaName":120,"dataGaLocation":44},"/de-de/solutions/source-code-management/","source code management",{"text":122,"config":123},"CI/CD",{"href":124,"dataGaName":125,"dataGaLocation":44},"/de-de/solutions/continuous-integration/","continuous integration & delivery",{"text":127,"config":128},"Wertstrommanagement",{"href":129,"dataGaName":130,"dataGaLocation":44},"/de-de/solutions/value-stream-management/","value stream management",{"text":132,"config":133},"GitOps",{"href":134,"dataGaName":135,"dataGaLocation":44},"/de-de/solutions/gitops/","gitops",{"text":137,"config":138},"Enterprise",{"href":139,"dataGaName":140,"dataGaLocation":44},"/de-de/enterprise/","enterprise",{"text":142,"config":143},"Kleinunternehmen",{"href":144,"dataGaName":145,"dataGaLocation":44},"/de-de/small-business/","small business",{"text":147,"config":148},"Öffentlicher Sektor",{"href":149,"dataGaName":150,"dataGaLocation":44},"/de-de/solutions/public-sector/","public sector",{"text":152,"config":153},"Bildungswesen",{"href":154,"dataGaName":155,"dataGaLocation":44},"/de-de/solutions/education/","education",{"text":157,"config":158},"Finanzdienstleistungen",{"href":159,"dataGaName":160,"dataGaLocation":44},"/de-de/solutions/finance/","financial services",{"title":162,"links":163},"Ressourcen",[164,169,174,179,184,189,194,199,204,209,214,219,224],{"text":165,"config":166},"Installieren",{"href":167,"dataGaName":168,"dataGaLocation":44},"/de-de/install/","install",{"text":170,"config":171},"Kurzanleitungen",{"href":172,"dataGaName":173,"dataGaLocation":44},"/de-de/get-started/","quick setup checklists",{"text":175,"config":176},"Lernen",{"href":177,"dataGaName":178,"dataGaLocation":44},"https://university.gitlab.com/","learn",{"text":180,"config":181},"Produktdokumentation",{"href":182,"dataGaName":183,"dataGaLocation":44},"https://docs.gitlab.com/","docs",{"text":185,"config":186},"Blog",{"href":187,"dataGaName":188,"dataGaLocation":44},"/de-de/blog/","blog",{"text":190,"config":191},"Kundenerfolge",{"href":192,"dataGaName":193,"dataGaLocation":44},"/customers/","customer success stories",{"text":195,"config":196},"Remote",{"href":197,"dataGaName":198,"dataGaLocation":44},"https://handbook.gitlab.com/handbook/company/culture/all-remote/","remote",{"text":200,"config":201},"GitLab-Services",{"href":202,"dataGaName":203,"dataGaLocation":44},"/de-de/services/","services",{"text":205,"config":206},"TeamOps",{"href":207,"dataGaName":208,"dataGaLocation":44},"/de-de/teamops/","teamops",{"text":210,"config":211},"Community",{"href":212,"dataGaName":213,"dataGaLocation":44},"/community/","community",{"text":215,"config":216},"Forum",{"href":217,"dataGaName":218,"dataGaLocation":44},"https://forum.gitlab.com/","forum",{"text":220,"config":221},"Veranstaltungen",{"href":222,"dataGaName":223,"dataGaLocation":44},"/events/","events",{"text":225,"config":226},"Partner",{"href":227,"dataGaName":228,"dataGaLocation":44},"/de-de/partners/","partners",{"title":230,"links":231},"Unternehmen",[232,237,242,247,252,257,262,266,271,276,281,286],{"text":233,"config":234},"Über",{"href":235,"dataGaName":236,"dataGaLocation":44},"/de-de/company/","company",{"text":238,"config":239},"Karriere",{"href":240,"dataGaName":241,"dataGaLocation":44},"/jobs/","jobs",{"text":243,"config":244},"Geschäftsführung",{"href":245,"dataGaName":246,"dataGaLocation":44},"/company/team/e-group/","leadership",{"text":248,"config":249},"Team",{"href":250,"dataGaName":251,"dataGaLocation":44},"/company/team/","team",{"text":253,"config":254},"Handbuch",{"href":255,"dataGaName":256,"dataGaLocation":44},"https://handbook.gitlab.com/","handbook",{"text":258,"config":259},"Investor Relations",{"href":260,"dataGaName":261,"dataGaLocation":44},"https://ir.gitlab.com/","investor relations",{"text":263,"config":264},"Sustainability",{"href":265,"dataGaName":263,"dataGaLocation":44},"/sustainability/",{"text":267,"config":268},"Vielfalt, Inklusion und Zugehörigkeit",{"href":269,"dataGaName":270,"dataGaLocation":44},"/diversity-inclusion-belonging/","Diversity, inclusion and belonging",{"text":272,"config":273},"Trust Center",{"href":274,"dataGaName":275,"dataGaLocation":44},"/de-de/security/","trust center",{"text":277,"config":278},"Newsletter",{"href":279,"dataGaName":280,"dataGaLocation":44},"/company/contact/","newsletter",{"text":282,"config":283},"Presse",{"href":284,"dataGaName":285,"dataGaLocation":44},"/press/","press",{"text":287,"config":288},"Transparenzerklärung zu moderner Sklaverei",{"href":289,"dataGaName":290,"dataGaLocation":44},"https://handbook.gitlab.com/handbook/legal/modern-slavery-act-transparency-statement/","modern slavery transparency statement",{"title":292,"links":293},"Nimm Kontakt auf",[294,299,304,309,314,319,324],{"text":295,"config":296},"Sprich mit einem Experten/einer Expertin",{"href":297,"dataGaName":298,"dataGaLocation":44},"/de-de/sales/","sales",{"text":300,"config":301},"Support",{"href":302,"dataGaName":303,"dataGaLocation":44},"/support/","get help",{"text":305,"config":306},"Kundenportal",{"href":307,"dataGaName":308,"dataGaLocation":44},"https://customers.gitlab.com/customers/sign_in/","customer portal",{"text":310,"config":311},"Status",{"href":312,"dataGaName":313,"dataGaLocation":44},"https://status.gitlab.com/","status",{"text":315,"config":316},"Nutzungsbedingungen",{"href":317,"dataGaName":318,"dataGaLocation":44},"/terms/","terms of use",{"text":320,"config":321},"Datenschutzerklärung",{"href":322,"dataGaName":323,"dataGaLocation":44},"/de-de/privacy/","privacy statement",{"text":325,"config":326},"Cookie-Einstellungen",{"dataGaName":327,"dataGaLocation":44,"id":328,"isOneTrustButton":329},"cookie preferences","ot-sdk-btn",true,{"items":331},[332,334,336],{"text":315,"config":333},{"href":317,"dataGaName":318,"dataGaLocation":44},{"text":320,"config":335},{"href":322,"dataGaName":323,"dataGaLocation":44},{"text":325,"config":337},{"dataGaName":327,"dataGaLocation":44,"id":328,"isOneTrustButton":329},"content:shared:de-de:main-footer.yml","Main Footer","shared/de-de/main-footer.yml","shared/de-de/main-footer",{"_path":343,"_dir":9,"_draft":6,"_partial":6,"_locale":7,"logo":344,"subscribeLink":349,"navItems":353,"_id":365,"_type":29,"title":366,"_source":30,"_file":367,"_stem":368,"_extension":33},"/shared/de-de/the-source/navigation",{"altText":345,"config":346},"the source logo",{"src":347,"href":348},"https://res.cloudinary.com/about-gitlab-com/image/upload/v1750191004/t7wz1klfb2kxkezksv9t.svg","/de-de/the-source/",{"text":350,"config":351},"Abonnieren",{"href":352},"#subscribe",[354,358,361],{"text":355,"config":356},"Künstliche Intelligenz",{"href":357},"/de-de/the-source/ai/",{"text":97,"config":359},{"href":360},"/de-de/the-source/security/",{"text":362,"config":363},"Plattform und Infrastruktur",{"href":364},"/de-de/the-source/platform/","content:shared:de-de:the-source:navigation.yml","Navigation","shared/de-de/the-source/navigation.yml","shared/de-de/the-source/navigation",{"_path":370,"_dir":9,"_draft":6,"_partial":6,"_locale":7,"title":371,"description":372,"submitMessage":373,"formData":374,"_id":378,"_type":29,"_source":30,"_file":379,"_stem":380,"_extension":33},"/shared/de-de/the-source/newsletter","The-Source-Newsletter","Bleibe mit Erkenntnissen für die Zukunft der Softwareentwicklung auf dem Laufenden.","Du hast dich erfolgreich für den Newsletter von The Source angemeldet.",{"config":375},{"formId":376,"formName":377,"hideRequiredLabel":329},28465,"thesourcenewsletter","content:shared:de-de:the-source:newsletter.yml","shared/de-de/the-source/newsletter.yml","shared/de-de/the-source/newsletter",{"amanda-rueda":382,"andre-michael-braun":383,"andrew-haschka":384,"ayoub-fandi":385,"brian-wald":386,"bryan-ross":387,"chandler-gibbons":388,"dave-steer":389,"ddesanto":390,"derek-debellis":391,"emilio-salvador":11,"erika-feldman":392,"george-kichukov":393,"gitlab":394,"grant-hickman":395,"haim-snir":396,"iganbaruch":397,"jlongo":398,"joel-krooswyk":399,"josh-lemos":400,"julie-griffin":401,"kristina-weis":402,"lee-faus":403,"ncregan":404,"rschulman":405,"sabrina-farmer":406,"sandra-gittlen":407,"sharon-gaudin":408,"stephen-walters":409,"taylor-mccaslin":410},"Amanda Rueda","Andre Michael Braun","Andrew Haschka","Ayoub Fandi","Brian Wald","Bryan Ross","Chandler Gibbons","Dave Steer","David DeSanto","Derek DeBellis","Erika Feldman","George Kichukov","GitLab","Grant Hickman","Haim Snir","Itzik Gan Baruch","Joseph Longo","Joel Krooswyk","Josh Lemos","Julie Griffin","Kristina Weis","Lee Faus","Niall Cregan","Robin Schulman","Sabrina Farmer","Sandra Gittlen","Sharon Gaudin","Stephen Walters","Taylor McCaslin",{"allArticles":412,"visibleArticles":504,"showAllBtn":329},[413,460,482],{"_path":414,"_dir":415,"_draft":6,"_partial":6,"_locale":7,"config":416,"seo":420,"content":424,"type":455,"category":415,"slug":456,"_id":457,"_type":29,"title":421,"_source":30,"_file":458,"_stem":459,"_extension":33,"date":425,"description":426,"timeToRead":427,"heroImage":423,"keyTakeaways":428,"articleBody":432,"faq":433},"/de-de/the-source/ai/agentic-ai-unlocking-developer-potential-at-scale","ai",{"layout":9,"template":417,"articleType":418,"author":27,"featured":329,"gatedAsset":419,"isHighlighted":6,"authorName":11},"TheSourceArticle","Regular","source-lp-ai-guide-for-enterprise-leaders-building-the-right-approach",{"title":421,"description":422,"ogImage":423},"Agentische KI: Entwicklungspotenzial im großen Stil","Entdecke, wie agentische KI die Softwareentwicklung verändert, von der Code-Vervollständigung bis zu KI-Partnern, die komplexe Aufgaben proaktiv angehen.","https://res.cloudinary.com/about-gitlab-com/image/upload/v1751463876/kiw4eb54r8xtzztvbozf.jpg",{"title":421,"date":425,"description":426,"timeToRead":427,"heroImage":423,"keyTakeaways":428,"articleBody":432,"faq":433},"2025-04-08","Entdecke, wie agentische KI die Softwareentwicklung verändert und über die Code-Vervollständigung hinausgeht, um KI-Partner zu schaffen, die komplexe Aufgaben proaktiv angehen.","Lesezeit: 6 Min.",[429,430,431],"KI-Tools können die Entwicklungszeit von Wochen auf Stunden verkürzen, indem sie komplexe Aufgaben wie die Modernisierung der Codebase selbstständig erledigen und dabei die konfigurierbare menschliche Überwachung kritischer Systeme aufrechterhalten.","Im Gegensatz zu einfachen Code-Assistenten können KI-Tools mit anderen Tools zusammenarbeiten, um verschiedene Aufgaben zu erledigen, sodass Entwickler(innen) sich auf Innovationen und die Lösung anspruchsvoller Probleme konzentrieren können.","Spezialisierte KI-Tools, die auf verschiedenen Modellen basieren, eignen sich hervorragend, um bestimmte Aufgaben wie Sicherheit und Tests zu erledigen, und liefern bessere Ergebnisse als Einheitslösungen.","Bereits heute verändert KI die Arbeitsweise von Entwickler(inne)n. In einer [Studie von GitLab](https://about.gitlab.com/developer-survey/2024/ai/) gaben im Jahr 2024 39 % der DevSecOps-Expert(inn)en an, KI für die Softwareentwicklung zu verwenden, ein Anstieg von 16 % gegenüber dem Vorjahr. KI-basierte Programmierassistenten sind mittlerweile gängige Tools, die Teams dabei helfen, Code schneller zu schreiben, Codebases zu verstehen und Dokumentationen zu erstellen. Aktuell erleben wir jedoch einen großen Wandel: Es werden KI-Tools entwickelt, die nicht mehr nur als passive Helfer fungieren, sondern als aktive Partner.\n\nDieser Wandel von reaktiven Assistenten zu proaktiven Tools (Agents) verändert die Art und Weise, wie Entwickler(innen) Software erstellen. Agentische KI macht das Entwickeln von Software für immer mehr Leute ganz einfach. Das treibt einen Innovationsboom voran, da mehr Entwickler(innen) Software erstellen können, die Milliarden von Benutzer(inne)n erreicht. Um diese Welle der Innovation voll auszuschöpfen, ohne unnötige Risiken einzugehen, müssen Führungskräfte aber nach Lösungen für agentische KI mit starken Sicherheits- und Compliance-Leitlinien suchen.\n\n## KI-Tools vs. KI-Assistenten: Was ist der Unterschied?\nDer Hauptunterschied zwischen KI-Assistenten und -Tools ist ihr Verhalten. Code-Assistenten sind reaktiv und warten darauf, dass Entwickler(innen) Fragen stellen oder Aufgaben anfordern. Sie sind zwar nützlich, um die Programmierung zu beschleunigen und den Code besser zu verstehen, aber im Entwicklungsprozess eher passiv.\n\nKI-Tools (oder KI-Agents) hingegen verhalten sich eher wie Teammitglieder. Sie denken mit, planen und behalten den Überblick über verschiedene Aufgaben. Gleichzeitig können sie selbstständig Entscheidungen treffen, mit anderen Tools interagieren und sich an neue Situationen anpassen. Mit dem Umstieg auf Agents wird KI zu einem echten Partner bei der Softwareentwicklung.\n\nIm Gegensatz zu Assistenten, die nur beim Schreiben von Code helfen, während Teams sich um alles andere kümmern, können KI-Agents komplexe Prozesse aktiv koordinieren, von Sicherheitsüberprüfungen bis hin zu Compliance Reviews. Ein KI-Tool für Code Reviews kann beispielsweise Code automatisch überprüfen, Probleme finden und Korrekturen vorschlagen. Während ein Assistent bei jedem Schritt menschliche Eingaben benötigt, kann ein Agent je nach den Projektzielen zwischen verschiedenen Aufgaben wechseln. Im Gegensatz zu einfachen Assistenten, die sich vergangene Interaktionen nicht merken oder aus Fehlern lernen können, sind Agents lernfähig und passen sich mit der Zeit an.\n\n## Das Spektrum der Autonomie\nEiner der wichtigsten Vorteile von KI-Tools ist, dass man sie ganz einfach anpassen und bei Bedarf mit ihnen interagieren kann. Manche Agents sind sehr interaktiv, während andere im Hintergrund komplexe Aufgaben erledigen, ohne dass jemand eingreifen muss. So können Teams je nach Aufgabe und Wichtigkeit verschiedene Stufen der Überwachung festlegen.\n\nBei einfachen Aufgaben wie dem Zusammenfassen von Code oder dem Erstellen von Dokumentationen kann ein Agent selbstständig arbeiten und erst nach Abschluss der Aufgabe ein Teammitglied benachrichtigen. Für kritische Aufgaben, die wichtige Geschäftslogik oder vertrauliche Daten betreffen, können Teams Approval-Kontrollpunkte einrichten oder die Arbeit des Agents genau überwachen.\n\nDank dieser Flexibilität lässt sich die Geschwindigkeit der Automatisierung mit dem Bedarf an menschlicher Überwachung in Einklang bringen. Teams müssen sich nicht für Alles oder Nichts entscheiden, sondern können den Grad der Autonomie für verschiedene Arten von Aufgaben und Phasen des Entwicklungslebenszyklus genau anpassen.\n\n## Die Vorteile der Spezialisierung\nDie heutigen KI-Programmierassistenten verwenden in der Regel ein einziges großes Sprachmodell. In Zukunft wird es aber viele spezialisierte Agents geben, die alle unterschiedliche Modelle für bestimmte Aufgaben nutzen.\n\nEs gibt schon erste spezialisierte Agents für Aufgaben wie:\n- Code-Modernisierung (Umstellung von Codebases in neuere Versionen der Programmiersprache)\n- Erkennung und Behebung von Sicherheitslücken\n- Testgenerierung und -ausführung\n- Leistungsoptimierung\n- Erstellung von Dokumentationen\n- Grundursachenanalyse für Pipelinefehler\n\nJede Aufgabe funktioniert am besten mit einem Modell, das speziell für diesen Zweck entwickelt ist. Durch diese Spezialisierung erfüllt jeder Agent seine jeweilige Aufgabe optimal, anstatt den Anspruch zu erheben, alles zu können.\n\nEs entsteht ein Ökosystem aus spezialisierten Agents, die zusammenarbeiten und jeweils auf unterschiedlichen Sprachmodellen basieren, die für bestimmte Aufgaben ausgelegt sind. Dieser Ansatz mit mehreren Modellen verspricht bessere Ergebnisse als der Versuch, alle Entwicklungsaufgaben mit einem einzigen Allzweckmodell zu bewältigen.\n\n## Die Auswirkungen von KI-Tools in der Praxis\nAufgaben, die früher Wochen in Anspruch genommen haben, können jetzt mit KI-Tools in wenigen Stunden erledigt werden. Das Aktualisieren einer großen Java-Codebase auf eine neuere Version, was ein Team früher Wochen gekostet hat, geht jetzt mit KI-Tools viel schneller.\n\nNoch wichtiger ist, dass KI-Tools Entwickler(inne)n helfen, ihr volles Potenzial auszuschöpfen. Indem sie Routineaufgaben an Agents abgeben, können sich Entwickler(innen) stattdessen auf das konzentrieren, was sie am besten können: komplexe Probleme lösen und neue Lösungen entwickeln. Es geht nicht darum, Entwickler(innen) durch KI zu ersetzen, sondern ihre Fähigkeiten zu erweitern und es ihnen zu ermöglichen, sich auf anspruchsvollere Aufgaben, Innovationen und kreative Arbeit zu konzentrieren, die menschliche Intuition erfordern.\n\nMit KI-Tools können Entwickler(innen) in einem Umfang arbeiten, der für Einzelpersonen oder Teams bisher nicht möglich war. Dadurch verlagert sich die Arbeit von reaktiven, promptbasierten Aufgaben zu proaktiven Workflows, die alle Teile der Softwareentwicklung miteinander verbinden und bei der Programmierung, Planung, dem Design, dem Testen, der Bereitstellung und der Wartung helfen.\n\n## Was du bei der Einführung von KI-Tools beachten solltest\nUm für das schnelle Wachstum bei der Softwareentwicklung und beim Programmieren gerüstet zu sein, musst du als Unternehmen vorausschauend planen. Bevor du KI-Tools in deinen Prozess einbindest, solltest du diese wichtigen Bereiche bedenken:\n\n1. **Überlege dir, wie du die tatsächliche Produktivität steigern kannst, anstatt nur neue Tools und Prozesse einzuführen, die deine Teams erst lernen müssen**. Durch die Einführung von [agentischen KI-Workflows als Teil einer DevSecOps-Plattform](https://about.gitlab.com/blog/gitlab-duo-workflow-enterprise-visibility-and-control-for-agentic-ai/) kannst du Entwickler(inne)n mehr Zeit für die Wertschöpfung für Kund(inn)en verschaffen, ohne eine [unkontrollierte Ausbreitung von KI](https://about.gitlab.com/the-source/ai/overcome-ai-sprawl-with-a-value-stream-management-approach/) zu verursachen. Die integrierten Berichte und Dashboards der Plattform helfen dir außerdem dabei, den [Erfolg zu messen](https://about.gitlab.com/the-source/ai/4-steps-for-measuring-the-impact-of-ai/), damit du weißt, dass dein Team auf dem richtigen Weg ist.\n2. **Suche nach Lösungen, die für dein gesamtes Team nützlich sind**. Die besten KI-Tools steigern die Effizienz aller, nicht nur die einiger weniger Entwickler(innen).\n3. **Priorisiere Sicherheit und Compliance**. Immer mehr produktionsreifer Code wird von KI generiert. Daher ist eine umfassende DevSecOps-Plattform für die sichere Softwareentwicklung in großem Maßstab unerlässlich. Wenn du in einer regulierten Branche arbeitest, solltest du sicherstellen, dass dein KI-Tool strenge Sicherheits- und Datenschutzvorschriften erfüllt. Vergewissere dich, dass es offline oder in [Air-Gap-Systemen]( https://about.gitlab.com/the-source/ai/transforming-government-it-ai-for-air-gapped-environments/) funktioniert, wenn du dieses Sicherheitsniveau benötigst.\n4. **Suche nach Lösungen mit Kontrollmöglichkeiten für Unternehmen durch menschliche Überwachung**. KI-Tools sollten klare Approval-Workflows und konfigurierbare Leitlinien bieten, die menschliche Kontrolle ermöglichen. Dieses Gleichgewicht bietet dir die Geschwindigkeit der Automatisierung bei gleichzeitiger Aufrechterhaltung einer ordnungsgemäßen Governance, die für kritische Systeme und strategische Entscheidungen unerlässlich ist.\n\nUnternehmen, die eine DevSecOps-Plattform als Komplettlösung mit automatisierten Sicherheitsscans, Compliance-Leitlinien und Standard-Workflows nutzen, sind besser gerüstet, um die Vorteile von KI-Tools ohne unnötige Risiken zu nutzen. Diejenigen ohne eine solche Plattform werden Schwierigkeiten haben, die Komplexität und Risiken von agentischer KI zu bewältigen und gleichzeitig ein sicheres und zuverlässiges Kundenerlebnis zu bieten.\n\n## Ausblick\nWir stehen erst am Anfang der Revolution der KI-Tools in der Softwareentwicklung. Mit zunehmender Reife dieser Tools werden wir eine noch bessere Zusammenarbeit zwischen menschlichen Entwickler(inne)n und KI-Tools erleben. Agents werden zu immer stärkeren Partnern bei der Softwareentwicklung werden.\n\nIn Zukunft gibt es ein großes Potenzial für die Verschmelzung von Code-Assistenten und KI-Tools. Code-Assistenten werden wahrscheinlich weiterentwickelt werden, um fortgeschrittenere Funktionen von KI-Tools zu integrieren, wie z. B. eine größere Autonomie bei der Bewältigung von Programmieraufgaben, proaktive Problemlösung innerhalb des Entwicklungsworkflows und eine tiefgreifendere Integration mit anderen Entwicklungstools und -prozessen. In zukünftigen Versionen könnten Code-Assistenten komplexere Programmieraufgaben übernehmen, die über die einfache Generierung hinausgehen, wie z. B. das autonome Debugging, Testen und sogar die Bereitstellung von Code auf der Grundlage hochrangiger Anforderungen, wodurch sie effektiv zu autonomeren „Code-Agents“ werden.\n\nIn den letzten fünf Jahrzehnten hat Software die Welt verändert, aber nur wenige Menschen verfügen über die Fähigkeiten, sie zu entwickeln. Dennoch erreichen diese wenigen Entwickler(innen) über Smartphones und das Internet Milliarden von Menschen. Stell dir eine Welt vor, in der mehr Menschen produktionsreife Software entwickeln, schützen und bereitstellen können. Agentische KI wird dies ermöglichen.\n\nDer Übergang von passiven Assistenten zu aktiven Entwicklungspartnern ist ein großer Schritt in die Zukunft der Softwareentwicklung. Mit der Weiterentwicklung dieser spezialisierten Agents wird die Softwareentwicklung schneller, zuverlässiger und lohnender für Entwickler(innen), die mit diesen neuen KI-Partnern arbeiten.",[434,437,440,443,446,449,452],{"header":435,"content":436},"Was ist agentische KI in der Softwareentwicklung?","Agentische KI bezieht sich auf autonome KI-Tools, oder KI-Agents, die im Gegensatz zu reaktiven Code-Assistenten – die auf menschliche Eingaben angewiesen sind – selbstständig denken, planen und handeln können. Diese Tools agieren eher wie Teammitglieder, führen komplexe Aufgaben mit minimaler Überwachung aus und ermöglichen proaktive Workflows während des gesamten Software-Entwicklungsprozesses.",{"header":438,"content":439},"Wie unterscheiden sich KI-Tools von herkömmlichen Code-Assistenten?","Während Code-Assistenten auf Prompts von Entwickler(innen) reagieren, können KI-Tools selbstständig Aufgaben mit mehreren Schritten erledigen, sich mit anderen Tools abstimmen und sich an Projektziele anpassen. Sie können Aufgaben wie Sicherheitsscans, Testgenerierung und Code Reviews übernehmen, ohne dass ein Mensch bei jedem Schritt eingreifen muss.",{"header":441,"content":442},"Welche Vorteile bietet die Verwendung von KI-Tools für Entwickler(innen)?","KI-Tools reduzieren die manuelle Workload, indem sie zeitaufwändige Aufgaben wie die Aktualisierung von Codebases, die Durchführung von Compliance Reviews und die Erstellung von Dokumentationen automatisieren. So können sich Entwickler(innen) auf wichtigere Aufgaben wie Innovation, Problemlösung und strategische Entwicklung konzentrieren, was letztendlich die Bereitstellung beschleunigt, ohne die Qualität zu beeinträchtigen.",{"header":444,"content":445},"Können KI-Tools für verschiedene Stufen der menschlichen Überwachung angepasst werden?","Ja. Teams können die Autonomie der Agents je nach Wichtigkeit der Aufgabe konfigurieren. Bei Routineaufgaben können die Agents selbstständig arbeiten, während bei risikoreichen oder wichtigen Vorgängen menschliche Approval-Schritte eingebaut werden können, um Governance und Compliance zu gewährleisten.",{"header":447,"content":448},"Sind spezialisierte KI-Tools effektiver als Allzweckmodelle?","Spezialisierte KI-Tools, die für bestimmte Aufgaben wie Sicherheit, Tests oder Grundursachenanalyse trainiert sind, erledigen ihre Aufgaben normalerweise besser als allgemeine Modelle. Dieser modulare Ansatz mit mehreren Agents verbessert die Genauigkeit und Effizienz, indem er die Stärken der für bestimmte Bereiche optimierten Modelle nutzt.",{"header":450,"content":451},"Was sollten Unternehmen bei der Einführung von agentischer KI beachten?","Unternehmen sollten sicherstellen, dass KI-Tools ihren Sicherheits-, Compliance- und Governance-Anforderungen entsprechen. Sie sollten in eine durchgängige DevSecOps-Plattform integriert werden, um eine unkontrollierte Ausbreitung von KI zu vermeiden, die Kontrolle durch menschliche Überwachung zu behalten und die unternehmensweite Einführung mit einheitlichen Workflows zu unterstützen.",{"header":453,"content":454},"Wie wird die agentische KI die Zukunft der Softwareentwicklung gestalten?","Agentische KI wird die Softwareentwicklung für alle zugänglich machen, indem sie mehr Leuten ermöglicht, Software für den Einsatz in der Produktion zu entwickeln und zu verwalten. Mit zunehmender Autonomie und Integration der Agents werden Innovationszyklen beschleunigt, die Codequalität verbessert und die Entwicklung zugänglicher, skalierbarer und sicherer.","article","agentic-ai-unlocking-developer-potential-at-scale","content:de-de:the-source:ai:agentic-ai-unlocking-developer-potential-at-scale:index.yml","de-de/the-source/ai/agentic-ai-unlocking-developer-potential-at-scale/index.yml","de-de/the-source/ai/agentic-ai-unlocking-developer-potential-at-scale/index",{"_path":461,"_dir":415,"_draft":6,"_partial":6,"_locale":7,"config":462,"seo":464,"content":469,"type":455,"category":415,"slug":478,"_id":479,"_type":29,"title":465,"_source":30,"_file":480,"_stem":481,"_extension":33,"date":470,"description":471,"timeToRead":472,"heroImage":467,"keyTakeaways":473,"articleBody":477},"/de-de/the-source/ai/ai-trends-for-2025-agentic-ai-self-hosted-models-and-more",{"layout":9,"template":417,"articleType":418,"author":27,"featured":6,"gatedAsset":463,"isHighlighted":6,"authorName":11},"source-lp-getting-started-with-ai-in-software-development-a-guide-for-leaders",{"title":465,"description":466,"ogImage":467,"config":468},"Agentische KI, Self-Hosted Models und mehr: KI-Trends im Jahr 2025","Entwickler(innen) können Sicherheitslücken nun mit automatischen Erklärungen und automatisch erstellten Merge Requests einfacher erkennen und beheben.","https://res.cloudinary.com/about-gitlab-com/image/upload/v1751464096/twyszwpyraghcxz1bruy.png",{"ignoreTitleCharLimit":329},{"title":465,"date":470,"description":471,"timeToRead":472,"heroImage":467,"keyTakeaways":473,"articleBody":477},"2024-12-18","Entdecke die wichtigsten KI-Trends im Bereich der Softwareentwicklung – von der lokalen Bereitstellung von Modellen bis hin zu intelligenten, adaptiven KI-Tools.","Lesezeit: 3 Min.",[474,475,476],"Künstliche Intelligenz hat bereits jetzt einen signifikanten Einfluss auf die Softwareentwicklung und hilft dabei, die Codequalität und Effizienz zu verbessern, indem sie eine Vielzahl an Aufgaben übernimmt.","Softwareentwickler(innen) arbeiten mit KI-Tools, die Probleme in Echtzeit lösen, die Anwendungsleistung deutlich optimieren und die Softwarequalität allgemein verbessern. So können sich die Entwickler(innen) auf strategische Entscheidungen konzentrieren.","Durch die verstärkte Bereitstellung der KI vor Ort (insbesondere in regulierten Branchen) haben Unternehmen mehr Kontrolle über Datenschutz und -sicherheit und können ihre Software an die eigenen Bedürfnisse anpassen.","Laut der [GitLab-Umfrage 2024](https://about.gitlab.com/developer-survey/) werden 78 % der Unternehmen innerhalb der nächsten zwei Jahre künstliche Intelligenz in ihren Software-Entwicklungsprozessen nutzen – ein dramatischer Wandel, der bereits jetzt Einfluss darauf hat, wie Teams Software entwickeln und bereitstellen. Die Umfrage zeigte auch, dass die Anzahl der Unternehmen, die KI aktiv nutzen, allein im letzten Jahr von 23 % auf 39 % angestiegen ist.\n\nDaher ist nicht verwunderlich, dass Software-Entwicklungsteams KI so rasch wie möglich in ihre Workflows integrieren möchten – es ist aber auch nicht verwunderlich, dass dadurch Veränderungen entstehen, die die Art und Weise, wie wir Software entwickeln, von Grund auf neu definieren werden. Von intelligenten KI-Tools, die sich in Echtzeit anpassen, bis hin zum Aufstieg von benutzerdefinierten lokalen Modellen: Wir haben drei Entwicklungen entdeckt, wie KI die Softwareentwicklung fundamental verändern wird.\n\n## Intelligente, adaptive KI-Tools sind die Zukunft der Anwendungen\nWährend bei der ersten Welle der KI-Nutzung in der Softwareentwicklung vor allem reaktive Programmierassistenten für die Codeerstellung und -vervollständigung angesagt waren, gehört die Zukunft der agentischen KI. [Intelligente, anpassungsfähige KI-Tools](https://about.gitlab.com/blog/meet-gitlab-duo-workflow-the-future-of-ai-driven-development/) werden die Einschränkungen herkömmlicher Software überwinden. Anstatt mit festen Schnittstellen und vordefinierten Workflows zu interagieren, werden die Benutzer(innen) KI-Tools verwenden, die intuitiv reagieren und immer weiter lernen.\n\nDiese KI-basierten Tools werden als Anwendung genutzt und ein interaktiveres Erlebnis bieten, das sich wie ein Gespräch anfühlt. Da KI-Tools komplexe Aufgaben ausführen, Anleitung bieten und in Echtzeit von Interaktionen lernen können, wird die agentische KI zu deutlich personalisierteren und responsiveren Anwendungen führen – und die Art und Weise, wie wir Software verwenden, fundamental verändern.\n\n## KI-Assistenten werden sich weiterentwickeln und proaktive Mitwirkende werden\n[KI-Assistenten werden immer intelligenter](https://about.gitlab.com/gartner-mq-ai-code-assistants/) und sind nicht mehr rein reaktive, auf Prompts basierende Interaktionen, sondern werden zu proaktiven Problemlösern. Dabei werden KI-basierte Tools zu zentralen Anlaufstellen für die Entwicklung, die die Bedürfnisse der Entwickler(innen) antizipieren und in Echtzeit Vorschläge machen, wie die Anwendungsleistung, Sicherheit und Wartung optimiert werden können. Diese neue Generation der KI-Assistenten wird komplexe Projekte und Aufgaben mit wenig menschlicher Interaktion bewältigen können und dadurch den Software-Entwicklungsprozess beschleunigen. Diese Verschiebung wird den gesamten Software-Entwicklungsprozess optimieren und durch eine einfache Benutzeroberfläche leichter zugänglich machen.\n\nAuch die Rolle der Softwareentwickler(innen) wird sich dabei verändern. KI wird menschliche Entwickler(innen) nicht ersetzen, sondern ihre Fähigkeiten erweitern, sodass sie sich darauf konzentrieren können, was sie am liebsten tun: die Lösung von komplexen technischen Problemen. Indem sie Routineaufgaben automatisieren und fachliche Anleitung bieten, ermöglichen es KI-Assistenten den Entwickler(inne)n, sich verstärkt auf die Problemlösung zu konzentrieren, die Codequalität zu verbessern und neue Technologien und Fähigkeiten auszuprobieren.\n\n## Immer mehr Unternehmen werden benutzerdefinierte Modelle lokal betreiben\nIm Jahr 2025 werden Unternehmen verstärkt auf kleinere und dafür spezialisiertere KI-Bereitstellungen setzen. Da Open-Source-Modelle immer günstiger und zugänglicher werden, werden sich Teams zunehmend dafür entscheiden, benutzerdefinierte Versionen mit ihren eigenen Rechenzentren zu betreiben. Infolgedessen wird es für Unternehmen günstiger, schneller und einfacher, [eigene große Sprachmodelle zu hosten und sie an ihre individuellen Bedürfnisse anzupassen (nur in englischer Sprache verfügbar)](https://about.gitlab.com/releases/2024/10/17/gitlab-17-5-released/#use-self-hosted-model-for-gitlab-duo-code-suggestions). Unternehmen werden feststellen, dass sie ihre Daten mit bestehenden Modellen kombinieren und die Benutzererfahrung zu einem Bruchteil der derzeitigen Kosten individuell anpassen können.\n\nGleichzeitig sorgen die mit KI verbundenen erhöhten Compliance-Risiken in regulierten Branchen wie bei Finanzinstitutionen oder Regierungsbehörden dafür, dass Modelle in Air-Gapped-Umgebungen bereitgestellt werden müssen, um die Latenz zu senken und mehr Kontrolle über Datenschutz und -sicherheit zu haben.\n\n## Fazit\nDie Zukunft der Softwareentwicklung ist untrennbar mit der KI verbunden. Diese Technologien verändern, wie Software erstellt, bereitgestellt und gepflegt wird. Durch Einbindung der KI in all ihren Formen – von generativer KI über proaktive KI-Assistenten bis hin zu vollständig autonomen KI-Tools – können Unternehmen einen Wettbewerbsvorteil erzielen, die Effizienz verbessern und innovative Lösungen bereitstellen, die die sich ständig weiterentwickelnden Anforderungen von Kund(inn)en erfüllen.\n\nFür diese Transformation ist eine sorgfältige Vorbereitung nötig: strategische Planung, Investition in Talent und Infrastruktur sowie kontinuierliches Lernen und stetige Anpassung. Unternehmen, die sich in diesem sich entwickelnden Umfeld gut zurechtfinden, sind in der besten Position, um im digitalen Zeitalter erfolgreich zu sein.\n\n> ## Häufig gestellte Fragen\n> ### Was ist agentische KI und wie wird sie sich auf die Softwareentwicklung auswirken?\n> Agentische KI bezieht sich auf KI-Systeme, die autonom handeln, aus Interaktionen lernen und sich in Echtzeit anpassen. Im Gegensatz zu herkömmlichen KI-Programmierassistenten, die auf Prompts reagieren, handeln agentische KIs proaktiv und optimieren die Softwareentwicklung, indem sie Workflows automatisieren, die Effizienz verbessern und die Benutzererfahrung personalisieren.\n>\n> ### Warum setzen Unternehmen vermehrt auf selbst gehostete KI-Modelle?\n> Unternehmen setzen zunehmend auf selbst gehostete KI-Modelle, um den Datenschutz zu verbessern, Kosten zu senken und KI-Lösungen an ihre spezifischen Bedürfnisse anzupassen. Durch die Weiterentwicklungen bei Open-Source-KI können Unternehmen Modelle in lokalen Umgebungen optimieren und dabei die Einhaltung von Vorschriften sicherstellen und die Leistung verbessern, während sie gleichzeitig die volle Kontrolle über sensible Daten haben.\n>\n> ### Wie entwickeln sich KI-basierte Programmierassistenten?\n> KI-Programmierassistenten entwickeln sich gerade von reaktiven Tools zu proaktiven Mitwirkenden. Die KI-Assistenten der Zukunft werden die Bedürfnisse der Entwickler(innen) antizipieren können, intelligente Empfehlungen geben, komplexe Aufgaben automatisieren und die Softwaresicherheit verbessern, wodurch sie die Softwareentwicklung letztendlich effizienter und zugänglicher machen.\n>\n> ### Welche Vorteile bietet es, KI-Modelle in lokalen Umgebungen auszuführen?\n> Wenn Unternehmen KI-Modelle lokal bereitstellen, haben sie mehr Kontrolle über die Datensicherheit, können regulatorische Anforderungen besser einhalten und reduzieren die Latenz. Dieser Ansatz ist vor allem für Branchen sinnvoll, die sensible Daten bearbeiten, wie etwa im Finanzwesen, im Gesundheitswesen und in staatlichen Behörden.\n>\n> ### Wie können sich Unternehmen im Jahr 2025 auf KI-gestützte Softwareentwicklung vorbereiten?\n> Um eine KI-gestützte Entwicklung erfolgreich umzusetzen, sollten Unternehmen in KI-Infrastruktur investieren, die Weiterbildung ihrer Entwickler(innen) fördern, verantwortungsbewusste KI-Governance einführen und hybride KI-Lösungen untersuchen, die Cloud- und lokale Bereitstellung in Einklang bringen. Wenn Teams über KI-Trends auf dem Laufenden bleiben, können sie KI für mehr Innovation und Effizienz nutzen.\n","ai-trends-for-2025-agentic-ai-self-hosted-models-and-more","content:de-de:the-source:ai:ai-trends-for-2025-agentic-ai-self-hosted-models-and-more:index.yml","de-de/the-source/ai/ai-trends-for-2025-agentic-ai-self-hosted-models-and-more/index.yml","de-de/the-source/ai/ai-trends-for-2025-agentic-ai-self-hosted-models-and-more/index",{"_path":483,"_dir":415,"_draft":6,"_partial":6,"_locale":7,"config":484,"seo":486,"content":490,"type":455,"category":415,"slug":500,"_id":501,"_type":29,"title":491,"_source":30,"_file":502,"_stem":503,"_extension":33,"date":492,"description":493,"timeToRead":494,"heroImage":489,"keyTakeaways":495,"articleBody":499},"/de-de/the-source/ai/6-strategies-to-help-developers-accelerate-ai-adoption",{"layout":9,"template":417,"articleType":418,"author":27,"featured":6,"gatedAsset":485,"isHighlighted":6,"authorName":11},"source-lp-how-to-think-about-developer-productivity-in-the-age-of-ai",{"title":487,"description":488,"ogImage":489},"6 Strategien zur KI-Einführung für Entwickler","KI ist die Zukunft der Softwareentwicklung. Erfahre, wie du ein Umfeld schaffen kannst, das Innovationen fördert und auch mögliche Bedenken berücksichtigt.","https://res.cloudinary.com/about-gitlab-com/image/upload/v1751464541/da4tvbmwsisqabz8i0mc.png",{"title":491,"date":492,"description":493,"timeToRead":494,"heroImage":489,"keyTakeaways":495,"articleBody":499},"6 Strategien, mit denen Entwickler(innen) die KI-Einführung beschleunigen können","2024-10-29","KI ist aus der Softwareentwicklung nicht mehr wegzudenken. Erfahre, wie Führungskräfte ein Umfeld schaffen können, in dem Innovationen gefördert und potenzielle Bedenken berücksichtigt werden.","Lesezeit: 7 Min.",[496,497,498],"Die Integration von KI in Softwareentwicklungsprozesse kann die Produktivität der Entwickler(innen) verbessern, indem sie die Workflows vereinfacht, sodass sich Teams auf Innovationen statt auf mühsame Aufgaben konzentrieren können.","Trotz der Vorteile kann die Integration von KI-Tools in Workflows herausfordernd sein, bedingt durch mangelnde Kenntnisse, Ressourcen, Anpassungsschwierigkeiten von Workflows und die Angst vor Arbeitsplatzverlust.","Zu den Strategien für eine erfolgreiche KI-Implementierung gehören auch die Klärung der Ziele und Vorgaben der KI, die Festlegung von Leitlinien und Workflows und die Fokussierung auf Talente und Kulturtransformation.","Durch die Integration von künstlicher Intelligenz (KI) in den Programmierungsprozess können Softwareentwickler(innen) mehr Zeit für strategische Aufgaben investieren, die kognitive Belastung reduzieren und wertschöpfender arbeiten.\n\nUnternehmen investieren bereits in erheblichem Maße in KI. Laut dem [Globalen DevSecOps-Bericht 2024 von GitLab](https://about.gitlab.com/de-de/developer-survey/) gaben 78 % der Befragten an, dass sie derzeit KI in der Softwareentwicklung einsetzen oder dies in den nächsten zwei Jahren planen, gegenüber 64 % im Jahr 2023. Unternehmen, die KI einsetzen, haben bereits Vorteile festgestellt, darunter eine verbesserte Produktivität der Entwickler(innen), eine bessere Codequalität und sichereren Code. [Der Einsatz von KI](https://about.gitlab.com/the-source/ai/how-ai-helps-devsecops-teams-improve-productivity/) (Artikel nur in englischer Sprache verfügbar) ermöglicht Entwicklungsteams, mehr Zeit für eine kreative Problemlösung und Innovationen zu nutzen, als für zeitaufwändige und sich wiederholende Aufgaben wie das manuelle Schreiben von Boilerplate-Code.\n\nUngeachtet der klaren Vorteile von KI haben Teams möglicherweise Schwierigkeiten, KI-Tools erfolgreich in ihre täglichen Prozesse zu integrieren. Diese Herausforderung kann auf verschiedene Faktoren zurückgeführt werden, unter anderem auf fehlende Kenntnisse oder Ressourcen, Schwierigkeiten bei der Anpassung bestehender Workflows und Tools und die Angst vor dem Verlust von Arbeitsplätzen im Zuge der Automatisierung. Fast die Hälfte (49 %) unserer Umfrageteilnehmer(innen) äußerte Bedenken, dass die KI ihre Positionen in den nächsten fünf Jahren ersetzen wird.\n\nEin gewisses Verständnis darüber, wo das eigene Team heute steht, ist nötig, um es bei der Integration von KI auf Erfolgskurs zu bringen. [Unsere Recherche](https://about.gitlab.com/de-de/developer-survey/2024/ai/) zeigt, dass sich die Mehrheit (56 %) der Unternehmen momentan in der Evaluierungs- und Erkundungsphase befindet. Das bedeutet wiederum, dass die meisten Teams bereits damit begonnen haben, erreichbare Ziele für die Einführung von KI festzulegen, sie jedoch noch nicht in ihrem Software-Entwicklungsprozess eingesetzt haben.\n\nEgal, ob du Erstanwender(in) bist oder dich noch näher mit dem Thema KI beschäftigst, wir haben sechs Strategien für dich, mit denen du dein Team auf Erfolgskurs bringen kannst:\n\n## 1. Kläre die Ziele und Vorgaben der KI-Einführung\nZunächst solltest du ein KI-Governance-Modell für dein Unternehmen erstellen. Was sind die Ziele und Vorgaben der KI-Einführung? Wie passt sie in deine bestehenden Prozesse und Workflows?\n\nDie Bestimmung einer Führungskraft, die die Strategie und Implementierung der KI überwacht, ist von entscheidender Bedeutung. Einige Unternehmen beginnen bereits damit, Chief AI Officer (CAIO) einzustellen. Dabei muss die Position keine direkte Ergänzung des Führungspersonals sein. Es kann sich um eine vorübergehende Position handeln, die ein VP übernimmt, um die KI-Nutzung teamübergreifend zu koordinieren. \n\nDas primäre Ziel ist die Identifikation und Priorisierung von wirkungsvollen KI-Anwendungsfällen, die die Geschäftsergebnisse direkt unterstützen. Dabei sollte man sich auf jene Bereiche konzentrieren, in denen KI einen erheblichen Wert schaffen kann, wie z. B. Automatisierung, Personalisierung oder datengesteuerte Entscheidungsfindung. Du solltest auch beachten, dass Erfolg im Bereich KI nur möglich ist, wenn du dich vorab mit den potenziellen Datenschutz-, Sicherheits- und rechtlichen Anforderungen deines Unternehmens und mit der Frage befasst hast, wie KI unter kontinuierlicher Compliance eingeführt werden kann.\n\n## 2. Festlegung von KI-Leitlinien und KI-Workflows\nBevor du KI in deine Entwicklungsumgebung integrieren kannst, musst du Richtlinien festlegen, um sicherzustellen, dass sie verantwortungsbewusst und effektiv genutzt wird. Richte automatisierte Tests ein, einschließlich der Verwendung eines Sicherheitsanalysators, um einen Gating-Mechanismus zu erstellen, der gewährleistet, dass der gesamte KI-generierte Code überprüft wird, bevor er in die Produktion übergeht. Und Vorsicht vor Shadow AI – der neuesten Variante der Schatten-IT. Dabei setzen Beschäftigte ihre eigenen KI-Assistenten ein, während sie an der Codebase arbeiten. Dies kann dazu führen, dass sensible oder vertrauliche Informationen und geistiges Eigentum offengelegt werden.\n\nDu solltest auch darüber nachdenken, wie deine Teams verschiedene Modelle im Bereich Machine Learning (ML) für verschiedene Arten von Aufgaben nutzen werden. Allerdings gibt es hier kein allgemeingültiges Patentrezept. Große Sprachmodelle (LLMs) sind oft auf bestimmte Aufgaben abgestimmt. Daher erhalten Teams, die dieselben KI-Modelle in mehreren Anwendungsfällen nutzen, möglicherweise keine optimalen Ergebnisse. Achte bei der Suche nach KI-Tools auf Anbieter, die dir ermöglichen, eine Vielzahl von Modellen für bestimmte Anwendungsfälle zu nutzen. So musst du später nicht wieder den Anbieter wechseln.\n\n## 3. Entwicklung einer datengesteuerten KI-Struktur\nDie Ergebnisse, die Unternehmen von der Nutzung von KI erwarten können, sind immer nur so gut wie die Daten, auf die KI-Systeme Zugriff haben. Wenn du Daten in deine KI-Systeme einspeist, sind die Ergebnisse an die Bedürfnisse deines Unternehmens angepasst. Dadurch verbesserst du die Effizienz und Produktivität über den gesamten Software-Entwicklungsprozess hinweg. Um langfristig erfolgreich zu sein, brauchst du jedoch eine datengesteuerte KI-Struktur, mit der Daten unternehmensweit genutzt werden können, um Prompts zu erstellen und den Output der generativen KI zu verbessern.\n\nZu diesem Zweck müssen Unternehmen:\n\n- für stabile Mechanismen zur Erfassung, Speicherung, Bereinigung und Verarbeitung von Daten sorgen.\n- eine klare Governance für den Zugriff, die Nutzung, die Sicherheit und den Schutz der Daten festlegen, insbesondere um die Compliance mit Verordnungen wie der DSGVO oder dem CCPA zu gewährleisten.\n- Datensilos aufbrechen, um die abteilungsübergreifende Zusammenarbeit zu erleichtern und Daten in verschiedenen Teilen des Unternehmens zu nutzen. Es ist Zeit, dass Entwickler(innen) und Data Scientists bei der Nutzung von Data Warehouses und Data Lakes zusammenarbeiten, um den Zugriff auf Trainingsmodelle und die Anwendungsnutzung zu erleichtern.\n\n## 4. Fokus auf Talente und Kulturtransformation\nKontinuierliche Weiterbildung ist entscheidend, wenn du das Potenzial von KI sicher, geschützt und verantwortungsbewusst realisieren möchtest. Bilde ein Team aus Data Scientists, KI-Ingenieur(inn)en und anderen Profis, die KI-Lösungen entwerfen, entwickeln und implementieren. Entscheidend ist, dass die Beschäftigten entsprechend weitergebildet werden, um zu gewährleisten, dass sie KI-Systeme effektiv nutzen und pflegen können. Letzten Endes ist die Einführung von KI ein längerer Weg, der einige [kulturelle Veränderungen](https://about.gitlab.com/the-source/ai/5-ways-execs-can-support-their-devops-teams-with-ai/) (Artikel nur in englischer Sprache verfügbar) erfordert. Für den Erfolg ist es unerlässlich, eine Kultur zu fördern, in der KI und eine datengesteuerte Entscheidungsfindung aktiv angenommen werden. Experimente und Innovationen sollten gefördert werden, wobei auch die Ängste in Bezug auf die Automatisierung und Arbeitsplatzverlagerungen angesprochen werden sollten.\n\n## 5. Die Nutzung von Iteration\nDie Implementierung von KI ist ein kontinuierlicher Prozess. Nutze einen kontinuierlichen Lernansatz, bei dem KI-Lösungen auf der Grundlage von Feedback, neuen Daten und technologischen Fortschritten ständig weiterentwickelt und verbessert werden. Entwickler(innen) sollten Raum und Zeit zum Experimentieren haben, damit sie beurteilen können, wie die KI in ihre individuellen Workflows passt. Du solltest auch beachten, dass die Produktivität kurzfristig zurückgehen kann, bevor das Unternehmen von langfristigen Vorteilen profitiert. Führungskräfte müssen dies einkalkulieren, indem sie während der gesamten Implementierungs- und Iterationszyklen für Transparenz und Verantwortlichkeit sorgen.\n\n## 6. Erfolgsmessung nicht nur anhand der Anzahl von Codezeilen\nEs stimmt, dass Metriken wie die Anzahl der erledigten Aufgaben oder geschriebenen Codezeilen sinnvoll sein können, wenn du jene Bereiche identifizieren möchtest, in denen die KI die größte Wirkung für dein Team hat. Entscheidend ist allerdings, wie die KI die Metriken vorantreibt, die für das Unternehmen wichtig sind, z. B. wie schnell Teams in der Lage sind, Kund(inn)en einen Mehrwert zu bieten, oder wie hoch die Codequalität des Endprodukts ist.\n\nAlleine das Wissen, wie viele Codezeilen ein Team produziert hat, bietet kein ganzheitliches Bild. Um den Erfolg bei der Einführung von KI zu messen, muss man [über die traditionellen Produktivitätsmetriken hinausgehen](https://about.gitlab.com/the-source/ai/4-steps-for-measuring-the-impact-of-ai/) (Artikel nur in englischer Sprache verfügbar) und den Schwerpunkt auf KPIs legen, die einen messbaren geschäftlichen Wert zeigen, wie z. B. eine schnellere Softwarebereitstellung, zufriedenere Entwickler(innen) und höhere Werte bei der Kundenzufriedenheit.\n\n## Fazit: Es geht darum, Entwickler(innen) durch die KI-Einführung zu stärken\nAuch wenn dein Unternehmen KI noch nicht vollständig übernommen hat – jetzt ist der richtige Zeitpunkt, um damit zu beginnen. Laut Gartner® werden bis 2028 75 % der Softwareentwickler(innen) in Unternehmen KI-Programmierassistenten nutzen. Anfang 2023 waren es noch weniger als 10 % [1].\n\nDie Einführungskurve verläuft steil, aber wir befinden uns noch an einem relativ frühen Punkt des KI-Hypes. Wenn dein Team gerade erst damit beginnt, sich mit der Einführung eines KI-Programmierassistenten zu befassen, liegt es in deinem eigenen Interesse, einige der Anfangsschwierigkeiten zu vermeiden, mit denen Erstanwender(innen) häufig zu kämpfen haben.\n\nNeben den bereits genannten Strategien kann die Einführung einer [KI-Lösung, die in eine End-to-End-DevSecOps-Plattform integriert ist](/gitlab-duo/), schnell zum Erfolg führen, indem sie Entwickler(innen) in jeder Phase ihres Workflows unterstützt.\n\nWährend die KI den Arbeitsplatz transformiert, sollte sich jeder von uns die Frage stellen, wie Unternehmen die Leistungsfähigkeit von KI über den gesamten Software-Entwicklungsprozess hinweg nutzen können, um Innovationen zu beschleunigen und eine greifbare geschäftliche Wirkung für Kund(inn)en zu erzielen.\n\n[1] _Quelle: Gartner, Top 5 Strategic Technology Trends in Software Engineering for 2024, Joachim Herschmann, Manjunath Bhat, Frank O’Connor, Arun Batchu, Bill Blosen, Mai 2024. GARTNER ist eine eingetragene Marke und Dienstleistungsmarke von Gartner, Inc. und/oder seinen verbundenen Unternehmen in den USA sowie international und wird hierin mit Genehmigung verwendet. Alle Rechte vorbehalten._","6-strategies-to-help-developers-accelerate-ai-adoption","content:de-de:the-source:ai:6-strategies-to-help-developers-accelerate-ai-adoption:index.yml","de-de/the-source/ai/6-strategies-to-help-developers-accelerate-ai-adoption/index.yml","de-de/the-source/ai/6-strategies-to-help-developers-accelerate-ai-adoption/index",[413,460,482],{"ai":355,"platform":362,"security":97},1753733132766]