Wer sich die Fähigkeiten der neuen Werkzeuge wie ChatGPT oder Github Copilot ansieht, kann kaum abstreiten, dass die Ergebnisse beeindruckend sind. Dabei beinhaltet das Repertoire dieser KI-Tools die Dokumenterstellung, Autovervollständigung oder das Schreiben von Code Snippets. Damit bieten sie so gut wie alles, was Entwickler brauchen könnten – ganz fehlerfrei funktionieren sie jedoch nicht. Daher ist zu beachten, dass mit dem Umfang des generierten Codes auch das Risiko für fehlerhafte Extrapolationen oder Missverständnissen steigt.
Das große Defizit dieser Tools liegt bei der Sicherheit. Da die Tools oft keine Kenntnisse über bewährte Sicherheitsverfahren haben, können ihre generierten Codes Schwachstellen aufweisen. Laut einer Studie von Githubkönnen bis zu 40 Prozent der geschriebenen Programme Sicherheitslücken aufweisen. Eine weitere Erhebung aus gleicher Quelle zeigt, dass rund 62 Prozent der generierten Codes fehlerhafte API-Nutzungen enthält, was zu unerwarteten Konsequenzen führen könnte, wenn der Code in eine echte Software integriert zum Einsatz käme.
Obwohl sich durch die Tools eine deutliche Zeitersparnis feststellen lässt, bleibt diese unter optimistischen Erwartungen zurück – denn im Vergleich zu herkömmlichen Methoden liegt die Zeitersparnis bei rund 20 bis 30 Prozent. Nichtsdestotrotz sind sich Experten einig über den Mehrwert, den die Tools bieten. Um ihre Fortschritte genauer zu beleuchten, ist daher eine entsprechende Einordnung erforderlich.
Die Frage lässt sich direkt beantworten: Der Vergleich hinkt. Low-Code Plattformen bieten skalierbare SaaS-Cloud-Infrastrukturen. Damit lassen sich mit einem Klick Full-Stack-Anwendungen erstellen und bereitstellen. Auch das Testing ist sofort nativ innerhalb der Plattformen möglich. Die Liste ihrer Fähigkeiten ist damit noch nicht erschöpft – sie können Kompatibilitätsprobleme zwischen Frameworks und Bibliotheken lösen, transparente Updates gewährleisten, eine robuste Infrastruktur aufrechterhalten, fehlerfrei kompilieren und bereitstellen, Protokolle für die Fehlersuche erstellen. Auch lassen sich bewährte Verfahren bei der Sicherheit, Skalierbarkeit und Wartbarkeit hinterlegen und so im Output garantieren.
Der Unterschied liegt also zwischen dem Generieren von kurzen Code Snippets und der Bereitstellung eines vollständigen SaaS-Dienstes für die Erstellung, Verwaltung und Überwachung vollständiger Anwendungen. Dabei lassen die Tools zur Codegenerierung eine Reihe von Problemen außer Acht. Auch ihre Time-to-Market ist nicht mit der, die durch Low-Code erzielt wird, zu vergleichen. Denn allein die visuelle Darstellung und Code-Reduzierung von Low-Code ermöglicht es, Anwendungen bis zu viermal schneller bereitzustellen. Zudem kann der alleinige Einsatz von generativer KI komplexe Projekte ausbremsen, da der generierte Code noch vom Menschen verstanden und debuggt werden muss. Bei Low-Code bedarf es nur minimales technisches Wissen, um Full-Stack Anwendungen zu entwickeln. Während generative KI allein zwar hilfreich für Junior-Entwickler sein kann, können sich noch viele Bugs einschleichen.
In Sachen Instandhaltung ermöglicht der leichte Zugang zu Low-Code-Lösungen ein einfaches Verständnis der visuellen Modelle, um sie zu korrigieren und weiterzuentwickeln. Bei generativer KI besteht jedoch das Risiko, den Code unnötig komplex zu machen, was die Korrektur und weitere Wartung deutlich mühsamer macht. Die Projektkosten könnten damit am Ende merklich steigen. Darüber hinaus optimiert Low-Code den Lebenszyklus von Anwendungen, von der Erstellung bis zur Bereitstellung, während generative KI durch mögliche Bugs, Schwachstellen und Unklarheiten über das geistige Eigentum zu mehr Komplexität führen kann.
Low-Code-Lösungen haben den Zweck, sämtliche Prozesse zu beschleunigen, die bei der Erstellung von Anwendungen für das Web und für mobile Geräte nötig sind. Daher bieten sie eine solide Basis für den Einsatz von generativer KI. Während einer herkömmlichen Entwicklung, bei der verschiedene Programmiersprachen kombiniert und kompiliert werden müssen, können Low-Code-Lösungen das Potenzial generativer KI kontrolliert nutzen und damit einsatzfähige Anwendungen erstellen.
Die Zukunft der Anwendungsentwicklung bewegt sich damit in Richtung eines „Midjourney“-Ansatzes, bei dem Entwickler eine KI beauftragen können, eine funktionale Anwendung zu erstellen. Auf diese Weise ließe sich dann beispielsweise mit nur einem Satz, der die gewollten Parameter erklärt, eine Anwendung erstellen lassen, die etwa dem Account Management dient. Was nach Science-Fiction klingt, wird nach und nach mehr zur Realität in der Anwendungsentwicklung.
Tino Fliege
ist Solution Architect bei OutSystems.
Drei Viertel der Deutschen nutzen Smarthome-Geräte. Eine angemessene Absicherung gegen externe Zugriffe ist vielen jedoch…
Wer in der EU mit Holz handelt, muss davon Muster einreichen. Der Prüfprozess ist jedoch…
Zahl der Cyberangriffe auf Krankenhäuser deutlich gestiegen. Ein Interview mit Dirk Wolters, Geschäftsführer von NeTec.
Laut Kaspersky-Umfrage halten 28 Prozent der Deutschen Künstliche Intelligenz für neutraler als menschliche Vorgesetzte.
Jeder achte Betrieb hat Lösegeld gezahlt. Bei 17 Prozent waren Geschäftsprozesse massiv eingeschränkt. Nur jeder…
Aktuelle Befragung von Deloitte zeigt eine deutliche Verunsicherung bei der Einschätzung der neuen Verordnung.