Die KI verändert die Softwareentwicklung rasch, aber ein großer Teil ihres Werts konzentriert sich auf die Steigerung der Produktivität einzelner Entwickler. Code-Unterstützung bringt willkommene Effizienzgewinne beim Start neuer Projekte, hilft Frameworks aufzubauen und das »Blank Screen«-Problem zu überwinden.
Doch der wirkliche Game-Changer in der Softwareentwicklung ist der Einsatz von agentenbasierter KI, um das Potenzial des Plattform-Engineerings auszuschöpfen und es Unternehmen zu ermöglichen, den maximalen Nutzen aus Investitionen zu ziehen. Dieser Ansatz kann die Codequalität erheblich verbessern, die Kosten senken und die Produktivität der EntwicklerInnen steigern.
Agentenbasierte KI für das Plattform-Engineering
Immer mehr Teams versuchen, einen Plattform-Engineering-Ansatz mit eng integrierten Tools und Prozessen zu verfolgen, haben aber Schwierigkeiten, das volle Potenzial dieser Investitionen auszuschöpfen. Zu den größten Hindernissen gehören die Automatisierung manueller Prozesse, die teamübergreifende Skalierung von Standardisierungsbemühungen, die Wartung von Plattformkomponenten und die Navigation in komplexen und differenzierten Entwicklungsumgebungen.
Dafür ist agentenbasierte KI ideal für die Plattformentwicklung geeignet. Viele Anwendungsfälle wie Fehlerbehebung, Code-Review, Testgenerierung und -abdeckung, Dokumentation, Sicherheitsrichtlinien, Netzwerkrichtlinien und Änderungsmanagement gehen über den Rahmen unserer mentalen Fähigkeiten hinaus.
Die Code-Entwicklung in Unternehmenssoftware ist sehr nuanciert und kontextabhängig. Programmiersprachen können sehr unterschiedliche Herausforderungen an die Performance stellen. Junior-EntwicklerInnen haben möglicherweise nicht genügend Kontext, um Eingabeaufforderungen effizient zu schreiben. Auch Sicherheits- und Compliance-Richtlinien können zu unbekannten Einschränkungen führen. Kein einzelner Mensch kann alle Sicherheits-, Netzwerk- und Anwendungsschichtprobleme in all diesen Anwendungsfällen vollständig verstehen.
Im Gegensatz zu herkömmlichen KI-Assistenten, die nur auf direkte Eingabeaufforderungen reagieren, verfügt agentenbasierte-KI über den vollständigen Kontext der Softwareentwicklungsinfrastruktur eines Teams und kann Aktionen auf der Grundlage von Auslösern und Zuständen initiieren.
Von der Theorie zur Praxis: agentenbasierte KI implementieren
Bei der Integration von agentenbasierter KI in Plattform-Engineering-Workflows sind folgende Punkte zu beachten:
Interoperabilität, Skalierbarkeit und Verlässlichkeit:
- Wie werden Agenten mit anderen Agenten interagieren? Wie können sie auch über Produktpaletten verschiedener Anbieter hinweg kommunizieren?
- Wie werden Agenten-»Netzwerke« flexibel skalierbar sein und ohne Leistungseinbußen die gleiche Vorhersagbarkeit bei der In- und Außerbetriebnahme bieten wie Microservices?
- Wie werden sich KI-Agenten selbst korrigieren, wenn sie unerwartete oder unerwünschte Ergebnisse erzielen?
- Wie werden sie mit Parallelität, Multithreading, Eventuelle Konsistenz und anderen Aspekten der Zuverlässigkeit und Systemausfällen umgehen?
Sicherheit, Steuerung und Beobachtbarkeit:
- Wie interagieren KI-Agenten mit bestehenden Netzwerkrichtlinien, um zu definieren, worauf sie zugreifen können und worauf nicht?
- Wie interagieren KI-Agenten mit einer Vielzahl von Datenquellen?
- Wie wirkt sich die Ein- und Ausgabe von agentenbasierten KI-Daten auf bestehende Datenmanagement-, Sicherheits- und Datenschutzrichtlinien aus?
- Wie werden Telemetriedaten von KI-Agenten gesammelt, wie wird ihre Leistung gemessen und wie werden Fehler behoben, wenn sie sich nicht korrekt verhalten?
Entwickler-Workflows:
- Wie werden EntwicklerInnen ihre Arbeitsabläufe anpassen, um sie in agentenbasierte Systeme zu integrieren?
Mit KI und Plattform-Engineering zur Höchstgeschwindigkeit im Team
Eine Einschränkung, mit der Teams derzeit bei der Nutzung vorhandener KI-Tools konfrontiert sind, ist die Fokussierung auf individuelle Produktivität statt auf Teamgeschwindigkeit. Mit zunehmender Reife von KI-Agenten können Organisationen diese Tools proaktiv einsetzen, um teamübergreifende Zusammenhänge abzuleiten und anzuwenden. Diese intelligenten und anpassungsfähigen KI-Agenten gehen über feste Schnittstellen und vordefinierte Arbeitsabläufe hinaus.
Ein Bereich, in dem eine schnelle Akzeptanz von agentenbasierter KI möglich ist, sind die »technisch zwingenden« Budgetbereiche, denen sich die meisten Teams heute verpflichtet fühlen. Dazu gehören die Reduzierung der technischen Schulden, die Behebung von Sicherheitslücken, die Neugestaltung von Automatisierung oder Infrastruktur und die Migration von Legacy-Anwendungen auf eine neue Plattform. Was all diese Bereiche verbindet: Sie sind geprägt von komplexen Abläufen, die klassische Automatisierung an ihre Grenzen bringen – agentenbasierte KI kann genau hier neue Wege eröffnen.
Beispielsweise erstellen Teams häufig Vorlagen, um Prozesse auf Plattformebene zu standardisieren und zu automatisieren, z. B. eine CI-Pipeline (Continuous Integration). Dies erfordert in der Regel viel manuelle Arbeit, um die richtigen Prozesse zu identifizieren – diejenigen, die weit verbreitet sind, über wiederholbare Schritte verfügen und den größten Einfluss auf die Teams haben. Agentenbasierte KI reduziert diese manuellen Schritte.
Anstatt sich auf menschliche Bemühungen zu verlassen, um Prozesse für die Standardisierung zu identifizieren, kann ein Agentensystem alle Java-basierten Projekte des letzten Jahres sichten, die Erstellungsprozesse in jedem einzelnen analysieren und die besten Kandidaten für eine KI-basierte Automatisierung herausfiltern. Das System kann dann Designvorlagen erstellen, die das Team anpassen und auf denen es aufbauen kann.
Zudem gibt es noch Agentic Mesh – ein hochentwickeltes Ökosystem, in dem KI-Agenten sich gegenseitig entdecken, zusammenarbeiten und komplexe Herausforderungen auf bisher unmögliche Weise bewältigen können. Diese Agenten können CI-Aufträge (Continuous Integration) überwachen, Prozessoptimierungen vorschlagen und diese Empfehlungen umsetzen. Sie können auch Möglichkeiten zur Kostenoptimierung identifizieren und Cloud-Ressourcen direkt an Nachfragemuster anpassen.
Die Plattformentwicklung hat einen erheblichen Mehrwert geschaffen, aber viele Unternehmen stoßen bei der Nutzung des vollen Potenzials an ihre Grenzen. Agentenbasierte KI ist die entscheidende fehlende Komponente, die die Anstrengungen im Bereich der Plattformentwicklung aufwerten kann, indem sie komplexe Prozesse automatisiert, kontextuelles Verstehen in großem Maßstab anwendet und echte Teamgeschwindigkeit ermöglicht, anstatt nur die Produktivität des Einzelnen zu steigern.
Emilio Salvador,
VP of Strategy & Developer Relations
bei GitLab
