Unter der Prämisse, Produktivität und Präzision zu steigern, schreibt Künstliche Intelligenz derzeit in den Fabriken der verarbeitenden Industrie Geschichte: So unterstützt die vorausschauende Wartung auf Basis maschinellen Lernens die Langlebigkeit von Anlagen; KI-gesteuerte Robotik, Modellsimulationen wie digitale Zwillinge und Automatisierung beschleunigen die Produktion; und die Qualitätskontrolle setzt auf KI-gestützte Bild- und Fehlererkennung, um Mängel zu erkennen und zu vermeiden. Hinter all diesen Prozessen stehen wiederum Entwicklerteams, die selbst immer mehr generative KI-Tools einsetzen, um die Anwendungsentwicklung voranzutreiben.

Abseits des Hypes

Lassen sich Unternehmen jedoch nicht vom Potenzial von KI blenden, werden hinter der Technologie auch Fallstricke erkennbar – vor allem, wenn es um das Thema Vertrauen geht. Um KI in der Entwicklung industrieller Anwendungen einsetzen zu können, müssen sich Unternehmen darauf verlassen können, dass der generierte Code sicher ist und die Leistung stimmt. Dies erfordert eine genaue Überprüfung des Codes, was bei kleinen Mengen noch überschaubar ist, angesichts der – noch bestehenden – Unvorhersehbarkeit generativer KI aber schnell ausufern kann. Je nach Kontext und An- frage variieren diese Prozesse stark und sind daher schwer vorhersehbar.

Als iterativer Prozess ist die Entwicklung von Software grundsätzlich durch ständige Anpassungen gekennzeichnet, weshalb Unternehmen mit einem gewissen Maß an Unsicherheit rechnen müssen. Die kontinuierliche Produktion von Code-Schnipseln durch KI erschwert es den Mitarbeitenden jedoch, den Code in seiner Gesamtheit zu verstehen. Letztlich führt dies zu einer unübersichtlichen Anhäufung von Code, die unweigerlich zu technischen Schulden führt.

Ein unterschätztes Problem

Technische Schulden sind ein oft unterschätztes Problem und werden – seit Ward Cunningham den Begriff 1992 in Umlauf gebracht hat – oftmals als Ausrede für die Veröffentlichung von schnellem und schlechtem Code im Interesse der Entwicklungsgeschwindigkeit angebracht. Gemeint sind damit die Technologien, die Zeit und die finanziellen Mittel, die Unternehmen für die Wartung von veraltetem, untauglichem und fehlerhaftem Code statt für die Entwicklung neuer Ideen aufbringen. Um Höchstleistungen zu erreichen, sind technische Schulden oftmals einkalkuliert. Wichtig ist jedoch, dass sie getilgt werden, bevor sie eine ganze Reihe von Problemen auslösen. Besteht schon am Anfang eines Entwicklungszyklus ein großer Rückstand an technischen Schulden, ist eine schnelle Reaktion auf neue Chancen und Herausforderungen oft nicht möglich. Langfristig führen diese Schulden in Unternehmen zu überlasteter Software und einer eingeschränkten Wettbewerbs- und Innovationsfähigkeit.

KI und technische Schulden

Auch im Zusammenhang mit KI scheinen schnelle Lösungen derzeit die beste Option zu sein, um auf der Welle mitzuschwimmen. Doch KI beschleunigt nicht nur den Entwicklungsprozess. Unternehmen müssen sich auch schneller und unter größerem Zeitdruck mit Fragen der Sicherheit, Governance, Codequalität und dem Management der Anwendungslebenszyklen auseinandersetzen. Wenn generative KI nur dazu verwendet wird, riesige Mengen an Code zu erzeugen, ohne zu berücksichtigen, wohin dieser fließt oder wer für seine Wartung verantwortlich ist, könnte das bereits bestehende technische Schulden eines Unternehmens noch weiter verschlimmern. Statt Innovation zu beschleunigen, würde KI sie so langfristig sogar ausbremsen. Unternehmen sollten sich daher immer der technischen Schulden bewusst sein. Der Umgang mit ihnen erfordert ein Gleichgewicht zwischen Qualität und Geschwindigkeit – Qualität, um den Nutzer*innen eine ansprechende Erfahrung zu bieten, und Geschwindigkeit, um die Geschäftsziele zu erreichen. Technische Schulden mögen harmlos erscheinen. Geraten sie jedoch außer Kontrolle, sind Geschwindigkeit und Agilität irgendwann schlichtweg keine Option mehr.

Wie sich technische Schulden eindämmen lassen

Christoph Volkmer ist Regional Vice President EMEA Central Outsystems

© Outsystems

Der Einsatz von KI zur schnellen Produktion von Code und damit zur effizienteren Herstellung von Gütern mag für die Industrie verlockend sein. Noch effizienter wäre es jedoch, in Technologien zu investieren, die es ermöglichen, KI so einzusetzen, dass die eigenen Teams sie verstehen, überblicken und ihr vertrauen können. KI-gestützte Low-Code-Plattformen, die Änderungen an Anwendungen in Echtzeit visuell darstellen und so Tests, Staging und Monitoring wesentlich effizienter machen, werden dabei eine wichtige Rolle spielen. Es gilt für die Industrie, KI verantwortungsvoll und nachhaltig einzusetzen. Das schließt auch ein strategisches Umdenken mit ein, speziell die Überlegung, sich für die qualitativ hochwertige Lösungen zu entscheiden.