![\"\"](\"https:\/\/test.itsonix.eu\/wp-content\/uploads\/2026\/05\/027d6dae6ab04ab933dc14c5893e90e54d389fe5-dannykitools.jpg\")
Danny Hucke<\/p>\n\n\n\nAls N\u00e4chstes haben wir mit Danny Hucke gesprochen. Mit seiner Expertise unterst\u00fctzt er uns als Teamleitung im Digital Product Design und \u00fcbernimmt zudem die Rolle wissenschaftlicher Referent. Bereits letztes Jahr hat er uns Einblick in seine Gedanken zum Thema KI gegeben und wir waren gespannt, ob sich sein Blick darauf ver\u00e4ndert hat.<\/p>\n\n\n\n
Danny Hucke<\/p>\n\n\n\n
Seit unserem letzten Gespr\u00e4ch ist genau ein Jahr vergangen, wie stufst du die Entwicklung seither ein?<\/strong><\/p>\n\n\n\n Im Moment sind wir gerade mitten in der Entwicklung vom KI-Assistenten zum KI-Agenten. Was den Anwendungsfall betrifft, so sind wir ganz klar noch bei den Assistenten. In der Entwicklung sieht das jedoch anders aus, da wird immer h\u00e4ufiger an Agenten gearbeitet.<\/p>\n\n\n\n Was unterscheidet diese Agenten von ihren Vorg\u00e4ngern?<\/strong><\/p>\n\n\n\n Assistenten wie ChatGPT funktionieren ja nach dem einfachen Prinzip: Eingabe und Ausgabe. Agenten weisen diesbez\u00fcglich einen deutlich komplexeren Ablauf auf. Die drei wesentlichen Dinge dabei sind:<\/p>\n\n\n\n Agenten antworten nicht sofort, sondern sind dazu aufgefordert, sich Gedanken \u00fcber die gestellte Anfrage zu machen. Sie schmieden einen Plan und zerlegen die Aufgabe in Teilprobleme. Im Wesentlichen besteht ihr erster Schritt darin, die Fragestellung zu \u00fcberdenken. Technisch kann man sich das so vorstellen: Um das LLM, das eine reine Eingabe-Ausgabe-Maschine ist, wird Code geschrieben, der nichts anderes macht, als das LLM dazu zu bringen, erst einmal \u00fcber die gestellte Aufgabe nachzudenken, und nicht sofort eine Antwort zu liefern. Endnutzende bekommen davon nat\u00fcrlich nichts mit. Das Problem wird erst einmal analysiert und die Agenten reflektieren das Problem.<\/p>\n\n\n\n Der zweite Unterschied zu den Assistenten besteht simpel gesagt darin, dass Agenten Zugriff auf Tools haben. Ganz egal, ob es sich dabei um einen Webbrowser, Datenbanken, APIs oder den Umstand, dass Agenten auch Code ausf\u00fchren k\u00f6nnen, handelt. Agenten sind demnach in der Lage zu googeln, etwas, das Softwareentwickelnde auch machen w\u00fcrden. Sie erkennen selbst, ob der von ihnen geschriebene Code schlussendlich auch funktioniert.<\/p>\n\n\n\n Nicht zuletzt identifizieren sie Fehler und versuchen diese selbstst\u00e4ndig zu l\u00f6sen. Man spricht hier gerne von Iteration oder R\u00fcckkopplung. Diese F\u00e4higkeit erm\u00f6glicht es dem Tool, st\u00e4ndig weiterzuarbeiten. Es l\u00f6st ein Problem und f\u00e4hrt dann fort. Da jedes Problem potenziell jedoch ein neues ausl\u00f6sen k\u00f6nnte, besteht die Gefahr, dass der Agent in einer Schleife h\u00e4ngen bleibt.<\/p>\n\n\n\n Aktuell ist es so, dass KI-Assistenten definitiv in der breiten Entwicklung als Unterst\u00fctzung angekommen sind. Da die Zahl an Agenten, die \u00fcberhaupt auf dem Markt sind, \u00fcberschaubar ist, sind diese im Moment noch vergleichsweise gering im Einsatz. Ein Tool, das ich hier auf jeden Fall erw\u00e4hnen m\u00f6chte und noch relativ jung ist, ist Devin AI. Angepriesen als \u201eThe World\u2019s First AI Software Engineer\u201c verspricht Cognition Labs, das Unternehmen hinter Devin, einen KI-Agenten mit bisher unerreichten F\u00e4higkeiten. V\u00f6llig autonom und lernf\u00e4hig ist das Tool in der Lage, Fehler zu identifizieren und zu beheben, denkt und plant selbst\u00e4ndig, um es in Cognitions Worten zu sagen. Dar\u00fcber hinaus ist es auch mit allen relevanten Entwicklungstools wie bspw. Shell, Code-Editor sowie Browser ausgestattet und soll in der Lage sein, komplexe Softwareprobleme zu l\u00f6sen.<\/p>\n\n\n\n Alleine die Zahl von \u00fcber 1 Million zahlenden Usern von GitHub Copilot zeigt, dass AI-unterst\u00fctztes Coden aus der Softwareentwicklung nicht mehr wegzudenken ist.<\/p>\n\n\n\n Was dabei auf alle F\u00e4lle ein Thema ist und bleiben wird, ist Datenschutz. Nahezu alle diese Tools schicken den Code \u00fcber APIs in die USA, und manche verwenden die Daten auch f\u00fcr das Training ihrer Modelle. Das ist nat\u00fcrlich insofern problematisch, als Entwicklungsartefakte (Code, Konfigurationen, etc.) teilweise auch Firmengeheimnis sind und \u00fcber diese Modelle dann potenziell auch f\u00fcr andere zug\u00e4nglich werden. Wie dann mit diesen Tools umzugehen ist, h\u00e4ngt ganz von den Vorgaben, die im eigenen Unternehmen gelten, ab. GitHub Copilot bspw. verspricht, dass die Daten nicht weitergegeben und auch nicht zum Training der Modelle verwendet werden.<\/p>\n\n\n\n Mit den Agenten hast du ja bereits einen kurzen Ausblick in die Zukunft gegeben. Was ist deine Einsch\u00e4tzung, wo wir uns hinbewegen werden?<\/strong><\/p>\n\n\n\n Pers\u00f6nlich gehe ich davon aus, dass Agenten zunehmend an Relevanz gewinnen werden. Konkret bedeutet das, dass Entwickelnde zuk\u00fcnftig immer mehr Aufgaben gemeinsam mit Agenten l\u00f6sen werden. Es wird immer mehr so sein, dass Entwickelnde Teilaufgaben an Agenten abgeben und sich somit um komplexere Probleme k\u00fcmmern k\u00f6nnen. Die Agenten sind in der Lage, autonom Aufgaben zu l\u00f6sen und Entwickelnde werden zunehmend die Ergebnisse testen und reviewen.<\/p>\n\n\n\n Ich denke auch, dass sich die Rolle von Softwareentwickelnden mit dem Einsatz dieser Tools ma\u00dfgeblich ver\u00e4ndern wird. Der Anteil am Coden selbst wird zur\u00fcckgehen und von den Agenten \u00fcbernommen werden. Nicht nur die Anzahl der Aufgaben, die Softwareentwickelnde zuk\u00fcnftig an KI-Agenten abgeben werden, wird steigen, sondern auch die F\u00e4higkeit dieser Agenten immer komplexere Aufgaben zu l\u00f6sen. Zeitintensives Coden wird zunehmend zur Seltenheit und Entwickelnde werden stattdessen damit besch\u00e4ftigt sein, den von KI-Agenten generierten Code zu pr\u00fcfen und optimieren.<\/p>\n\n\n\n Wo siehst du die zuk\u00fcnftigen Herausforderungen und Chancen?<\/strong><\/p>\n\n\n\n Mit zunehmender Weiterentwicklung dieser Tools sehe ich Herausforderungen f\u00fcr Unternehmen wie Softwareentwickelnde gleicherma\u00dfen. Eigentlich auch f\u00fcr Gesellschaft und Staatsgewalt an sich. Aber alles der Reihe nach.<\/p>\n\n\n\n F\u00fcr Entwickelnde, die ihre Arbeit mehr oder weniger \u00fcber das aktive Codeschreiben definieren, k\u00f6nnte es durchaus schwierig werden. Wer jedoch schon immer am Gesamtproblem sowie unterschiedlichen L\u00f6sungen interessiert war bzw. es gewohnt ist, das gro\u00dfe Ganze zu \u00fcberblicken und dessen Teilbereiche zu verstehen und abzugeben, wird sehr wahrscheinlich auch von KI-Tools profitieren. Da nun viel mehr Arbeit in deutlich k\u00fcrzerer Zeit erledigt werden kann. Insgesamt, denke ich, wird sich die Rolle von Entwickelnden viel st\u00e4rker in Richtung Product Owner und Projektmanagement bewegen und die Grenzen zwischen diesen Funktionen werden zunehmend verwischen.<\/p>\n\n\n\n Auch wenn die H\u00fcrden, Softwareprodukte zu schreiben, kleiner werden, muss das nicht zwangsl\u00e4ufig bedeuten, dass auch weniger Entwickelnde ben\u00f6tigt werden. Vielmehr erhalte ich als Unternehmen die M\u00f6glichkeit, Projekte in Gr\u00f6\u00dfenordnungen zu realisieren, die bisher unwirtschaftlich waren. Ich sehe das so, dass die Menge an Software ja nicht weniger wird, sondern eher mehr und damit auch die Nachfrage an Entwickelnden nicht unbedingt sinkt. Diese Tools erh\u00f6hen die Produktivit\u00e4t und somit auch die M\u00f6glichkeiten, gute Software zu produzieren. Alles in allem war es in der IT schon immer so, dass mit dem Aufkommen neuer und effizienterer Programmiersprachen auch der Bedarf an Software gestiegen ist. Bis das alles so weit ist, wird es nat\u00fcrlich noch ein wenig dauern. Zuk\u00fcnftig wird es wahrscheinlich auch m\u00f6glich sein, sich als Unternehmen kosteng\u00fcnstige Software f\u00fcr die eigenen Gesch\u00e4ftsprozesse nach Ma\u00df zu bauen und ist nicht mehr so stark von den gro\u00dfen Firmen abh\u00e4ngig.<\/p>\n\n\n\n Herausforderungen sehe ich vor allem auch, wenn es darum geht, dem Output einer KI zu vertrauen. Auch die fortgeschrittenste KI wird Fehler machen und hier ist es vor allem wichtig, Softwareentwickelnde im Umgang damit zu schulen und die Tools sicher in die eigenen Kreisl\u00e4ufe zu integrieren. Monitoring wird immer wichtiger werden und wer einer KI blind vertraut, kann sich auch ganz schnell Malware ins Haus holen. Es ist wichtig, das Verhalten dieser Tools zu verstehen und an sie dieselben Anforderungen zu stellen, wie auch an Softwareentwickelnde. Was damals gegolten hat, gilt auch heute noch: \u00dcbernimm keine L\u00f6sung, die du selbst nicht verstehst. Die Geschwindigkeit Software bauen zu k\u00f6nnen alleine macht diese noch nicht zu einem guten Produkt, auch die Qualit\u00e4t muss stimmen. Die Anspr\u00fcche an Transparenz und Adaptionsf\u00e4higkeit sind wahrscheinlich so hoch wie nie.<\/p>\n\n\n\n Aktuell befinden wir uns in einer Zeit der Assistenten und Agenten. W\u00e4hrend die einen noch nicht einmal mit Assistenten arbeiten, gibt es jetzt die ersten, die Agenten aktiv f\u00fcr die Entwicklung ihrer Softwareprodukte einsetzen. Klar ist, dass der KI-Anteil in der Softwareentwicklung zunehmend gr\u00f6\u00dfer werden wird. Die gerade aufkommenden Agenten werden dem Ganzen noch mal einen Push verleihen und f\u00fcr einen rasanten Anstieg der Kurve sorgen. Der Kern bzw. das \u201eGehirn\u201c all dieser Anwendungen ist immer das LLM. Derzeit gibt es viele Dinge, die um diese LLMs herum gebaut werden und da werden wir auch noch einiges sehen, bis das Limit erreicht ist. Wirklich revolution\u00e4r k\u00f6nnte es wieder werden, wenn sich auch die LLMs weiterentwickeln; was dann m\u00f6glich sein wird, kann ich nicht vorhersagen. Verl\u00e4uft die Entwicklung jedoch \u00e4hnlich wie bisher, kommt Gro\u00dfes auf uns zu.<\/p>\n\n\n\n Gleichzeitig muss man auch sagen, dass es seit GPT-4 keinen wirklichen Sprung mehr gegeben hat. Klar, es gibt Modelle, die vielleicht ein wenig besser Coden oder mit Sprache umgehen k\u00f6nnen als GPT-4, aber insgesamt sind all diese Modelle auf einem \u00e4hnlichen Level. Es besteht durchaus die M\u00f6glichkeit, dass die LLMs erst einmal an eine Grenze sto\u00dfen, die wir nicht so schnell \u00fcberschreiten, auch wenn ich nicht glaube, dass die Modelle schon ihre Grenzen erreicht haben. Nichtsdestotrotz sind wir, was den Code bzw. die Anwendungen, die um diese LLMs herum entwickelt werden, anbelangt, erst in den Anfangsschritten.<\/p>\n\n\n\n Falls das Gehirn, also diese Art von Modellen, ein Limit hat, dann haben auch die Agenten ein Limit und die Spr\u00fcnge, die wir machen, werden immer kleiner. Aber ja, die letzten Jahre haben nat\u00fcrlich auch gezeigt, dass man mit Prognosen in diesem Bereich nicht weit kommt. Was ich heute sage, kann morgen bereits veraltet sein. Grunds\u00e4tzlich halte ich jedoch, was KI betrifft, aktuell nichts f\u00fcr unm\u00f6glich.<\/p>\n\n\n\n Auch wenn die USA immer noch das Zentrum dieser Entwicklung ist, so ist doch mehr und mehr, wenn auch nur eine leichte Demokratisierung zu sehen. Da gibt es zum Beispiel Mistral aus Frankreich und auch in China passiert derzeit ganz viel rund um das Thema.<\/p>\n\n\n\n Was h\u00e4ltst du von Prognosen, dass Softwareentwickelnde in Zukunft durch KI ersetzt werden?<\/strong><\/p>\n\n\n\n Stand jetzt muss man sagen, dass es da ganz klar Limits gibt. Diese Agenten sind noch nicht dort, dass sie alles machen k\u00f6nnen, was Softwareentwickelnde leisten, auch ein Tool wie Devin nicht. Sie brauchen selbstdefinierte Rahmen und sind von guter Datenqualit\u00e4t abh\u00e4ngig. Bspw. haben diese Tools riesige Probleme mit Legacy Code und ich sehe komplexe Probleme dieser Art schon noch eine ganze Weile in Menschenhand. Der Beruf Software Engineer ist ja nicht nur das Coden an sich. Da geh\u00f6rt noch eine ganze Menge mehr dazu. Zuallererst gilt es ja herauszufinden, was das eigentliche Problem ist. Da geht es ganz viel darum, die Sprache des Kunden, also das, was er eigentlich will, in eine technische Sprache zu \u00fcbersetzen. Derzeit kann eine Maschine nicht zuverl\u00e4ssig beurteilen, ob das, was der Kunde sagt, tats\u00e4chlich auch dem entspricht, was er m\u00f6chte. Herauszufinden, was eigentlich gecodet werden soll, war schon immer einer der schwierigsten Teile und Dinge wie bspw. Anforderungserhebung, Architektur oder Kundekommunikation sehe ich Softwareentwickelnde nicht so schnell an Maschinen abgeben.<\/p>\n\n\n\n Schwierig wird es, wenn das Coden an sich mein Traumjob ist. Bisher galt diese Art der T\u00e4tigkeit als schwierig und wurde auch dementsprechend gut bezahlt. Pl\u00f6tzlich gibt es Maschinen, die diese Aufgabe mehr oder weniger \u00fcbernehmen k\u00f6nnen bzw. auch Menschen ohne herausragende Coding-Kenntnisse, die mithilfe dieser KI-Tools Software programmieren. Klar, Softwareentwicklung ist nicht die erste Branche, die von einer solchen Entwicklung betroffen ist, aber wenn sich die Anforderungen an einen Job \u00e4ndern, hat das auch Auswirkungen auf die Menschen. Einige werden Spa\u00df an den neuen Aufgaben haben, aber f\u00fcr andere f\u00e4llt das zentrale Element ihrer Arbeit weg, und die k\u00f6nnen sich wom\u00f6glich schwerer damit anfreunden. Hier ist es wichtig, die Menschen mitzunehmen, zu unterst\u00fctzen und nicht einfach wegzurationalisieren.<\/p>\n\n\n\n Gleichzeitig darf man nicht vergessen, dass auch die Forschung und Entwicklung stetig voranschreitet und st\u00e4ndig Neues hervorbringt. Neue Konzepte und Architekturen entstehen kontinuierlich und treiben die Branche voran. Aufkommende Technologien wie zum Beispiel Quantencomputing m\u00fcssen erst hinreichend verstanden werden und es m\u00fcssen sich Best-Practices bilden und durchsetzen, bevor sie von KI-Tools wie Large Language Models (LLMs) effektiv genutzt werden k\u00f6nnen. Diese fortlaufende Innovation bietet neue M\u00f6glichkeiten und Herausforderungen, die die IT-Landschaft st\u00e4ndig ver\u00e4ndern und weiterentwickeln.<\/p>\n\n\n\n Was in der ganzen Entwicklung nat\u00fcrlich auch nicht zu untersch\u00e4tzen ist, ist der Einfluss der Gesetzgebung. Der vor kurzem in Kraft getretene EU AI ACT hat ja gleicherma\u00dfen Lob und Kritik geerntet, je nachdem von welcher Seite man da draufschaut. So etwas hat nat\u00fcrlich Konsequenzen, wie bspw., dass gro\u00dfe Unternehmen wie Google bestimmte Produkte gar nicht erst am europ\u00e4ischen Markt anbieten. Insgesamt ist das eine gro\u00dfe Herausforderung f\u00fcr alle an der Gesetzgebung Beteiligten, Regeln zu finden, die die Menschen sch\u00fctzen. Mir ist das auch ein pers\u00f6nliches Anliegen, den Menschen ins Zentrum zu r\u00fccken. Es ist wichtig, die Chancen, die uns KI erm\u00f6glicht, zu nutzen und Anwendungen f\u00fcr und nicht gegen oder anstelle des Menschen zu entwickeln. Stichwort: Human Centered AI.<\/p>\n\n\n\n Bei IT Sonix sind wir gerade dabei, unser Know-how in diesem Bereich weiter zu steigern und versuchen mehr und mehr unsere Mitarbeitenden dazu zu bef\u00e4higen, mit KI-Produkten zu arbeiten. Es ist wichtig, H\u00fcrden abzubauen. Wir entwickeln auch an eigenen Prototypen und folgen voller Faszination den Entwicklungen in diesem Bereich.<\/p>\n","protected":false},"excerpt":{"rendered":" Als N\u00e4chstes haben wir mit Danny Hucke gesprochen. Mit seiner Expertise unterst\u00fctzt er uns als Teamleitung im Digital Product Design und \u00fcbernimmt zudem die Rolle wissenschaftlicher Referent. Bereits letztes Jahr hat er uns Einblick in seine Gedanken zum Thema KI gegeben und wir waren gespannt, ob sich sein Blick darauf ver\u00e4ndert hat. Danny Hucke Seit […]<\/p>\n","protected":false},"author":4,"featured_media":693,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[5],"tags":[],"class_list":["post-707","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-softwareentwicklung"],"acf":[],"yoast_head":"\n