00:00:16: Tobias Dietz: Herzlich willkommen beim nächsten Podium von itemis. Wir haben eine Weile Pause gehabt, aber schön, dass Ihr wieder da seid. Wir befinden uns hier in unserem Standort in Dortmund, wir sind frisch eingezogen und weihen hier das neue Podium ein mit dem Thema Coding ohne Coder. Wir beschäftigen uns also mit der Zukunft der Softwareentwicklung und damit, ob wir überhaupt weiter als Firma so existieren können. Das ist für eine Firma wie itemis natürlich eine spannende Frage. Wir haben ein paar Gäste dabei. Ich darf euch zunächst einmal zu meiner Linken vorstellen, Dr. Volker Engels.

00:00:46: Dr. Volker Engels: Dankeschön für die Einladung.

00:00:51: Tobias Dietz: Du bewegst dich an der Schnittstelle zwischen akademischer Lehre und bist aber auch selbständig und berätst Unternehmen strategisch und auch in Technologien rund um künstliche Intelligenz und deren Einsatzfähigkeiten und bist Professor für Wirtschaftsinformatik und Logistik an der FOM, an der Hochschule für Ökonomie und Management hier in Dortmund. Also kannst du uns da wunderbar Einblicke geben, wie heutzutage gerade die nächste Generation von Softwareentwicklern herangebildet werden und wie sich das aber auch in Unternehmen abbildet und was da Schwierigkeiten sind oder was die nächsten Herausforderungen sind, die wir noch meistern können. Schön, dass du da bist.

00:01:36: Dr. Volker Engels: Danke für die Einladung.

00:01:39: Tobias Dietz: Zu meiner Rechten haben wir Haris Yalcinkaya. Ich hab’s gefühlt, hat aber nicht geklappt. Haris hat bis vor fünf Jahren studiert und in seinem Studium auch schon mit KI gearbeitet, hat sich dann dagegen entschieden, die Haare von Prinzessinnen schöner aussehen zu lassen und stattdessen lieber Waldbrände bekämpft, auch mit KI, und ist dann aber nach Deutschland zurückgekehrt, um hier Unternehmen dabei zu unterstützen, ihre gravierenden Probleme zu lösen mit KI oder auch um sie dabei zu beraten, wo die Grenzen von KI sind. Da werden wir sehr viel drauf eingehen heute. Schön, dass du da bist. Ach so, und ich wollte unbedingt noch erwähnen, CIYA heißt dein Unternehmen, also wenn jemand Beratung braucht, gerade dringend, seid ihr sicherlich auch gerne dafür ansprechbar. Und ich darf euch noch vorstellen Christoph Hess.

00:02:24: Tobias Dietz: Chris ist bei uns bei itemis Director of AI Innovation and Integration, kümmert sich also bei uns darum, neue Technologien, neue Erkenntnisse zu KI ins Unternehmen zu bringen und zu integrieren und für uns verfügbar zu machen, hatte in seinem Studium schon erste Berührungen mit KI und ist seit 2018 in Kundenprojekten mit Machine-Learning-Algorithmen und mittlerweile eben auch KI-Integration in Projekten, hat aber auch schon Webapplikationen entwickelt, kennt also auch die Softwareentwicklungsprozesse und wie man da KI integriert. All diese Dinge. Und vorhin hat er erzählt, in seiner Freizeit liest er am liebsten Publikationen zu KI. Das habe ich nicht gesagt. Hat er nicht gesagt? Ist auch nicht die Wahrheit. Aber das ist für mich immer das Coole, wenn ich auf was Neues stoße, weiß ich, ich kann Chris immer dazu ansprechen und krieg für ihn dazu Austausch. Ich bin Tobias Dietz, ich moderiere hier, bin seit Jahren auch in der Moderation in Kundenworkshops in Projekten unterwegs als Kommunikationsexperte und finde KI auch super spannend. Das heißt immer wenn ich irgendwo auf Reddit oder so zu neuen Themen etwas finde, ist Chris so mein erster Ansprechpartner intern, wo ich frage: Hey, hast du schon gesehen? Natürlich. Und genau über diese Themen werden wir heute weiter sprechen. Damit wir aber niemanden abhängen, wollen wir am Anfang ein paar grundsätzliche Begrifflichkeiten klären. Wir gehen also ganz kurz darauf ein, was ist überhaupt KI, das ist ja so ein bisschen sehr durchgemischt, jeder versteht ein bisschen was anderes, damit wir alle über dasselbe reden, wollen wir einmal kurz unterscheiden. Vielleicht fangen wir bei dir an, du hattest erzählt, du hast gearbeitet mit Deep Learning, aber es gibt auch noch Machine Learning, jetzt haben wir ChatGPT und so, wie hängt das alles zusammen und vielleicht auch wie ist die Geschichte dabei?

00:03:47: Haris Yalcinkaya: Also ich glaube man kann ja die grundsätzliche Unterscheidung machen zwischen klassischer Programmierung, also analytischer Programmierung und datenbasierter Programmierung. Und das ist eigentlich die einfachste Fallunterscheidung, die wir haben müssen. Ein Informatiker sagt Schritt für Schritt: wenn das passiert, dann mach das, wenn das eintrifft, dann mach das. Und damit haben wir auch sehr viele Algorithmen geschrieben und Probleme gelöst. Nur dieser Ansatz hat natürlich seine Grenzen. Wie möchte ich beispielsweise dem Computer auf diese Art und Weise sagen: hier auf diesem Bild befindet sich eine Katze oder auf diesem Bild befindet sich ein Hund? Und da waren dann irgendwann andere Ansätze, wir sagen: wir machen das nicht mehr explizit, sondern wir bauen Algorithmen, die auf Daten lernen. Und das war so Machine Learning. Das heißt die Maschine leitet sich quasi selbst Regeln her, um das Problem zu lösen. War natürlich lange Zeit, also die Theorie ist ja schon sehr alt, also ich meine siebzig plus Jahre mindestens. Und es ist aber so, dass wir zwei Sachen hatten, die uns extrem gefehlt haben. Einerseits natürlich Daten und andererseits aber auch die Hardware. Das heißt wir hatten zwar die Theorie, aber die Leistung war noch nicht so weit. Sie hatten’s zwar im Kopf, aber sie konnten’s nicht umsetzen. Und seit ich meine so um die 2010er Jahre rum war es dann soweit, dass die ersten Deep-Learning-Algorithmen sehr große Erfolge gefeiert haben. Deep Learning ganz kurz, das ist ein Ansatz, wo Neuronen, also künstliche Neuronen miteinander verbunden werden in tiefen Schichten und das ermöglicht dem Computer Algorithmen abzubilden, die ich eben nicht explizit angeben muss. Und das ist so quasi Deep Learning, damit habe ich mich in meinem Studium auch sehr intensiv beschäftigt. Reverse Rendering hieß das, also ich habe einen Rendering-Prozess nimmt eine Szene und erstellt ein Bild und meine Aufgabe mit der KI war es, das Bild zu nehmen und wieder eine Szene herzuleiten: wo befindet sich die Kamera, wo die Lichtquellen, welche Materialinformationen etc. Und das ist so quasi ein Einstieg. Jetzt hast du ChatGPT auch angesprochen, du hast gesagt wir sollen nicht auf Transformer eingehen, ist aber so der nächste Schritt eigentlich. Und ja, also das heißt mittlerweile befinden wir uns an einem Zeitpunkt, wo wir Algorithmen haben, die unstrukturierte Daten, Texte, Bilder, Videos sowohl analysieren als auch generieren können und das ist eine relativ neue Entwicklung, zumindest basierend auf dieser Grundlage auf der wir das gerade durchführen.

00:06:08: Tobias Dietz: Gute Erklärung, komplett unvorbereitet übrigens. Nein, du hast ja auch deine ersten Projekte in der Wirtschaft mit Machine-Learning-Algorithmen gehabt. Hast du mal ein Beispiel, das man greifen kann, was lernt denn eine Maschine? Also du hast gesagt irgendwie wie Neuronen, also wie das menschliche Gehirn, das versucht ihr virtuell darzustellen. Was hat denn dein erstes Projekt der Maschine beibringen wollen?

00:06:34: Christoph Hess: Mein erstes Projekt, da ging es darum, Berater quasi irgendwie online darzustellen, weil wir hatten so ein Problem identifiziert, dass wir da Produkte verkauft hatten in den Shops und online hatten wir halt auch da Möglichkeiten Produkte zu verkaufen, aber da fehlte halt diese fachliche Beratung irgendwo und halt auch so diese Empfehlungen, die man halt Kunden geben kann: hier für dich ist vielleicht dieses Produkt interessant. Und deswegen hatten wir da dann halt so einen Forschungsansatz gemacht und halt auch dann letztendlich einen Prototyp rausgebracht, wo halt so ein Recommender-System, also ein Empfehlungssystem quasi gebaut wurde. Dazu hatten wir über mehrere Wochen irgendwie alle Berater da mal zusammengeholt, auf so einer Webplattform Fragen zu beantworten und halt irgendwie Produktempfehlungen zu schreiben und halt so ein bisschen die Richtung vorzugeben und darauf halt basierend auf diesen Daten dann ein Modell trainiert, was dann halt online genutzt wurde, um Kunden zu beraten und Produkte vorzuschlagen, die halt auf so einem kurzen Fragenkatalog basierend dann halt hoffentlich zumindest in die richtige Richtung gezeigt haben.

00:07:31: Tobias Dietz: Du hast gesagt Anfänge, wann war das ungefähr? Ich glaube es war 2013, sowas um den Dreh, 2012, 2013.

00:07:40: Tobias Dietz: Krass. Also gibt’s schon eine Weile. Mich gibt’s auch schon eine Weile. Ja, okay, Leute. Ja, okay. Kommen wir mal zu dir.

00:07:50: Tobias Dietz: Du bringst die meiste Erfahrung an Wirtschaft und auch im Lehrstuhl mit. Wie hast du die Veränderung der Technologie in der Vergangenheit kennengelernt, bevor wir jetzt auf die Zukunft zur Integration gucken?

00:10:28: Dr. Volker Engels: Okay, also wenn wir jetzt mit den Begrifflichkeiten KI anfangen, ja, muss man erstmal sagen, der Wissenschaftler kommt da immer raus, sagt sofort: was ist denn das überhaupt? Kann man das anfassen oder kann das weg? Also grundsätzlich sind wir uns wahrscheinlich erstmal alle einig, da ist jetzt so etwas gekommen, was nicht weggeht. Und wie können wir das identifizieren? Und da gibt’s ja verschiedene Ideen, wie man das macht, also Turing-Test ist vielleicht den meisten bekannt, dass man irgendwie versucht über Austausch von Informationen herauszubekommen, ob der Gesprächspartner oder Chatpartner, der auf der anderen Seite ist, ob das wohl ein Mensch ist oder nicht Mensch ist. Und das war bisher so diese Identifikation, ob es eine KI ist oder nicht. Jetzt sind wir natürlich mit ChatGPT so weit, dass der diesen Turing-Test natürlich besteht. Das heißt wir haben jetzt irgendwie eine neue Stufe erreicht, wo wir sagen: okay, wir müssen uns vielleicht wieder anpassen, müssen unsere Definition von KI irgendwie neu machen. Geht das überhaupt noch? Können wir das überhaupt unterscheiden? Ja, und das ist dann so der Start, würde ich sagen, mein Startpunkt, wenn ich über KI irgendwie dann etwas besprechen möchte. Und dann sind wir jetzt dazu gekommen, dass wir verschiedene Technologien haben, die modernen Technologien, wo jetzt alle sagen: das ist KI, ist ja so diese generative KI aus meiner Begrifflichkeit wäre das der Fachbegriff dafür, dass wir aus Text Text produzieren können, dass wir aus Bild Text produzieren können, dass wir aus Bild Text und dass wir aus Ton Text machen können, aus Text Ton machen können und so weiter. Und das heißt, wir haben so etwas Neues, das versteht Sprache und das produziert von mir aus Sprache und Text. Jetzt sag ich schon Sprache und Text, ne. Das heißt, da passiert so etwas, da kommt also Text heraus aus diesem Ding, aus diesem Chatbot zum Beispiel, die angenehme Sprache produzieren. Und dann haben wir jetzt also den Zeitpunkt, ich will jetzt auch nicht zu viel erzählen, aber jetzt haben wir den Zeitpunkt, wo wir sagen: wir haben diese Kommunikationsgeräte, ja, diese Interaktionsgeräte, nicht Transformer, sondern solche Dinge, die aus ganz, ganz langer Lernzeit herausgefunden haben, was wahrscheinlich das nächste Wort oder der nächste Token oder das nächste etwas ist, was auf dem Bild gemalt werden soll, und damit müssen wir jetzt umgehen lernen. Wie kann man damit umgehen, wenn jeder so eine Wissensmaschine in der Tasche hat, in seinem Handy, und ich sag mal alle Grundlagenfragen im Einstieg in jedem Studium damit beantworten könnte?

00:12:29: Tobias Dietz: Könnte. War das eine Antwort auf die Frage?

00:12:33: Dr. Volker Engels: Ich hoff’s.

00:13:59: Tobias Dietz: Das passt für mich prima. Dann lass uns mal einsteigen. Softwareentwicklung und die Entwicklung von Softwareentwicklung wird ein bisschen meta an der Stelle. Wie hat sich das im Laufe der Zeit verändert? Wir brauchen jetzt nicht auf die Anfänge von Softwareentwicklung eingehen, aber so die Prozesse, wie man Software entwickelt, von ich schreibe den Code bis hin zu was auch immer jetzt gerade der Stand ist. Wer möchte das Thema übernehmen?

00:14:08: Dr. Volker Engels: Ich kann da einen ganz einfachen Einstieg machen. Es ist immer das gleiche Prinzip beim Entwickeln von Software. Man muss irgendwie irgendetwas finden, sodass eine Maschine dieses irgendetwas ausführen kann. Ganz früher war’s Maschinensprache, danach kam irgendwie C, Compiler-Sprachen, irgendwas. Danach kamen irgendwie solche Hochsprachen, wo man gesagt hat: Oh mein Gott, bei großen Projekten kommen wir mit diesen Funktionen hier nicht klar, da kommen wir an unsere denkbaren Grenzen. Wir brauchen Konzepte, ja, große Konzepte, um große Projekte in Software irgendwie abbilden zu können, Objektorientierung und so weiter.

00:14:45: Dr. Volker Engels: Und danach kam halt die nächste Stufe, wo man dann gesagt hat: okay, das reicht auch nicht mehr aus. Wir wollen doch hier im Raum so weit weg wie möglich von der Technik. Ich will keine Objektorientierung lernen, aber wenn ich beispielsweise sage: erstelle ein Programm, was mir die Oberfläche von den Fenstern in diesem Raum berechnet, der Raum hat diese Höhe, Breite, diese Rahmenbreite und so weiter, mach das mal bitte. Dann haben wir die neueste Stufe von Softwareentwicklung. Dass wir sagen: wir können mit Sprache in ein System hineinsprechen und rauskommt ein Programm, was hoffentlich ausführbar ist. Das sind so meines Erachtens so ein bisschen die Evolutionsstufen.

00:15:30: Christoph Hess: Nee, ich hatte nur den Gedanken gerade eigentlich, die Geschichte kann man grob zusammenfassen in so Layers of Abstraction, also Abstraktion auf Abstraktion. Weil früher hast du quasi wirklich per Draht sozusagen die Bits da geflippt und irgendwie dann händisch dann auch irgendwie Shift-Registers gemacht und wirklich da die einzelnen Elektronen in Anführungsstrichen sozusagen manipuliert und dann ist es halt auf die im Prinzip die ganzen Prozesse, die du halt angesprochen hast. Und jetzt sind wir halt bei objektorientierten Programmiersprachen und dann auch irgendwie Funktionssprachen oder funktionalen Programmiersprachen und ich sehe eigentlich die Entwicklung jetzt auch wieder als weitere Abstraktion, dass wir jetzt sagen: eine For-Loop musst du jetzt vielleicht nicht unbedingt noch selber schreiben, das ist eine Abstraktion, du weißt, was das Konzept davon ist, du kannst es einem Computer wiedergeben und der kann das dann halt für dich machen. Und im Prinzip ist es nichts anderes als das, was wir über die Jahre schon gemacht haben, weil ich weiß nicht mehr genau oder ich kann’s natürlich nachgucken, aber was der Compiler quasi am Ende für Maschinencode herausspuckt.

00:16:38: Tobias Dietz: Wir sind immer weiter weg von den Einsen und Nullen der Maschine und wir können jetzt mit natürlicher Sprache Programme machen. Wir sind so weit weg, wir brauchen noch nicht mal mehr eine Programmiersprache lernen. Brauchen wir die vielleicht doch?

00:16:52: Dr. Volker Engels: Wäre vielleicht sinnvoll, damit wir prüfen können, was rauskommt.

00:17:32: Tobias Dietz: Klingt gut. Das bringt uns quasi zur Gegenwart. Bevor wir weiter diskutieren, wollte ich noch anmerken: Wenn’s Fragen aus dem Publikum gibt oder irgendwelche Begrifflichkeiten noch nicht klar sind, ihr dürft hier vor Ort gerne jederzeit reingrätschen. Auch wenn ihr im Zoom-Call dabei seid, könnt ihr über die F&A, Fragen und Antworten, natürlich nicht Q&A, sondern Fragen und Antworten, könnt ihr einfach direkt Fragen reinschreiben.

00:17:45: Tobias Dietz: Wir kriegen die dann über unsere Redaktion hier mit reingesprochen und vor Ort mitgeteilt. Das heißt, wenn ihr Fragen habt, immer gerne reinschmeißen. Und wir steigen wieder in die Diskussion ein, wo wir jetzt in der Gegenwart angekommen sind. Es gibt ja genau dafür jetzt den Begriff des Vibe Codings. Das heißt, heute kann jemand, der keinen Schimmer hat, noch nie irgendeine Softwareentwicklungssprache gesprochen hat, für sich feststellen: Hey, ich kann Software entwickeln. Ich habe da gerade heute Morgen noch ein lustiges Beispiel gefunden, da hat auf Reddit ein 15-jähriger Junge geschrieben, dass er Auf Loveable so etwas wie Loveable selbst entwickelt hat, also eine No-Code-Plattform, in der man einfach nur beschreibt, was man tun will und dann kommt eine fertige Webapplikation raus mit allem, was da technologisch dazu gehört. Nimmt uns das die Jobs weg für Softwareentwickler? Oder was ist eure Meinung dazu? Geh ruhig vor.

00:18:41: Haris Yalcinkaya: Also ich würde erstmal „uns“ definieren. Wir haben eine Stunde, ne? Wer ist in diesem Falle wer ist da der das ausführende Organ? Also der Coder oder ein Software-Engineer? Der Abstraktionsgrad ist da auch schon wichtig. Also ich denke, auch da hat das viel mit Erfahrung zu tun und wo man Menschen einsetzt. Beispielsweise, und das hat ja mit Software nicht unbedingt was zu tun, viele sehr monotone Arbeiten, wo man eigentlich ganz genau weiß, wie das zu machen ist, aber man kann’s aktuell nicht machen, weil man braucht einen Menschen, der das manuell ausführt, die kann man ja jetzt Schritt für Schritt in vielen Unternehmen automatisieren, die Menschen von dieser monotonen Arbeit befreien und ich sag mal die Ressourcen vielleicht besser nutzen.

00:19:32: Haris Yalcinkaya: Und ich denke, beim Software-Engineering ist das jetzt genauso. Das heißt, wenn ich als Entwickler muss ich beispielsweise hingehen für eine neue Bibliothek, die ich nutzen möchte, beispielsweise eine neue Benutzeroberfläche, was ich nutzen möchte, die Dokumentation durchlesen, das alles anlegen. Vor allem Benutzeroberfläche ist ja auch ein wichtiges Element, wo ich jede Zeile Code ändern müsste, wenn’s dann um die Funktionalität dahinter geht, dann kann man da ja nochmal draufgucken. Das ist so, also im Kopf weiß ich eigentlich genau die Schritte, die ich durchführen muss, aber ich muss sie halt aktuell noch manuell durchführen. Da hilft halt so ein Coding-Agent unglaublich, der kann mir Benutzeroberflächen komplett bauen, manchmal sogar deutlich schöner als jetzt viele Leute, die ich kenne oder ich persönlich auch auf jeden Fall, muss man ehrlich sagen, weil der hat einfach gebündeltes Wissen aus so gut wie allen offenen Open-Source-Projekten, die er’s beim Training vielleicht gesehen hat und weiß, wie man auch diese Bibliotheken nutzt, Dokumentation kennt so ein Tool aus dem Kopf oder wenn er’s nicht kennt, dann kann er die ad-hoc abrufen und sehr gut verstehen. Und in dieser Hinsicht denke ich, dass Programmieren sich jetzt wahrscheinlich, ich hoffe für immer, geändert hat und hoffentlich auch immer angenehmer wird. Es ist einfach weniger manuelle Arbeit.

00:20:47: Haris Yalcinkaya: Was aber jetzt auch heißt für mich insbesondere, dass ich mich auf die wichtigeren Aufgaben konzentrieren kann. Die Architektur, die Konzepte, die dahinterstecken. Bei komplexen Algorithmen sehe ich noch nicht, dass Coding-Agenten solche Algorithmen aktuell auf die Beine stellen können. Das heißt ich kann mich mit den Dingen beschäftigen, mit denen die mir persönlich mehr Spaß machen. Und deswegen habe ich gesagt „uns“, müssen uns definieren, weil ich sehe halt dann doch eine Gefahr für viele Neueinsteiger, für Junior-Entwickler, die halt genau, ne, von Senior-Entwicklern oder Projektleitern genau die Aufgaben, die ich gerade benannt habe, übertragen bekommen haben, weil davor wir uns schon gedacht haben: hm, wie kann ich diese Arbeit loswerden? Und ich habe die dann einfach an jüngere Entwickler abgedrückt. So. Und ich glaube, das ist eine Sache, die durchaus gefährdet ist. Und das ist natürlich eine logische Kette, die hat bestimmt jeder von euch schon mal gehört oder selber sogar gesagt. Wenn’s irgendwann keine Junior-Entwickler mehr gibt, die sag mal vernünftig lernen dadurch, dass sie zugucken bei Projekten auf monotone Art und Weise mitwirken, wie sollen die dann jemals die Erfahrung bekommen, um Senior-Entwickler zu werden? Wo kommen die zukünftigen Senior-Entwickler her? Das ist eine super Frage, die ich direkt mal weitergeben kann.

00:21:47: Tobias Dietz: Gerade so in deiner Professur ist ja auch deine Aufgabe, junge Menschen, die gerade im Studium sind, darauf vorzubereiten. Worauf bereitest du sie denn vor und wie?

00:22:29: Dr. Volker Engels: Ja, das ist also erstmal absolute Zustimmung. Ich seh das auch so, ich bin tatsächlich noch hands-on, also ich komme sofort zur Frage. Aber das muss ich loswerden, ich bin absolut hands-on und ich habe Riesenspaß daran. Ich habe einen neuen Spaß entwickelt Software zu entwickeln, also ich habe eine ganz neue Dimension, weil die Geschwindigkeit für mich viel schneller wird und die Schrottjobs, die kann ich ganz schnell einfach weg arbeiten lassen, muss ich nur noch kontrollieren, übernehmen und kann, ich habe aber den Punkt, weiß ich dann immer, wenn ich weiß, jetzt muss ich eingreifen, ich muss die Richtung korrigieren, die Architektur stimmt nicht mehr, warum hörst du mir nicht zu, ich habe doch gesagt bitte nur das und das, mach das mal bitte, also zurück, neu machen, so, ne? Das sagst du, das macht richtig Spaß und da ich kein Zehnfingerschreiben nie gelernt habe, ist das für mich eine Mega-Erleichterung. Ich kann richtig schön, bin richtig schnell geworden, ist mega. So, und jetzt zu der Sache, wie soll das denn in Zukunft funktionieren? Das funktioniert bei mir deshalb, weil ich diese Code-Reviews und diese Tonnen von Quellcode gesehen habe, selber gebaut habe, Architekturen gemacht habe und auch dafür gesorgt habe, dass Programme möglicherweise mal länger als ein Showcase überleben.

00:24:08: Dr. Volker Engels: Und dann hat man eine gewisse Erfahrung irgendwie entwickelt. Und das muss jetzt irgendwie transferiert werden in die Generation nach mir. Die Leute möchten entwickelt werden, möchten das auch irgendwann können. Und wie du schon gesagt hast, wenn wir keine Junioren mehr entwickeln, Persönlichkeiten entwickeln, erziehen, mit Skills eben befähigen, neue coole Dinge zu machen, dann wird’s schwer. Und das ist auch ein ganz klarer Auftrag bei mir und bei uns auch an der FOM, dass wir sagen: wir möchten die Zukunft Future Skills irgendwie entwickeln der Kinder oder der Jugendlichen, ne der Kinder. Da sind wir wieder, auch die KI, deswegen komme ich drauf, Freud’scher Versprecher, die KI ist wie so ein Kind, die müssen wir benutzen. Und die Studierenden sind dazu da, um den Umgang mit diesen neuen Technologien zu lernen und in der neuen Welt ihren Platz zu finden. Dass ich jetzt sagen kann, wie die Welt in zehn Jahren aussieht, weiß ich nicht, aber ich kann ihnen mitgeben aus meiner Erfahrung, wie beispielsweise solche Anwendungsprojekte gemacht werden, wie Datenbank gemacht wird, wie Programmierung gemacht wird, wie Objektorientierung gemacht wird, wie Konzepte und Software-Engineering gemacht wird, wie man Requirements Engineering macht, wie man Tests macht, wie man Test-Driven-Development macht. Wie man das alles macht. Können die das noch, wenn sie fertig sind im Studium? Tja, die müssen doch zumindest wissen, wenn ich sage: schreibe mal hier den Code, und die klopfen das per Vibe Coding machen und können hinterher prüfen, ob das, was da steht, das Richtige ist, was irgendwie der Sprachroboter da hingeworfen hat durch Zufall.

00:25:37: Dr. Volker Engels: Da denke ich schon, ja. Also spätestens dann, wenn wir irgendetwas haben, was im Betrieb funktionieren soll, also nicht so eine Software wie von dem Beispiel von dir gerade, wo du sagst: okay, ich habe hier mal was geschafft, hat einmal funktioniert. Wenn das im Ausrollen für sicherheitskritische Infrastruktur für fünftausend Leute irgendwie mal funktionieren soll, da würde ich mich jetzt nicht auf so eine Zufallsausgabe von so einem Sprachroboter verlassen. Das heißt, da muss schon irgendwie ein paar Sicherheitschecks müssen da oder müssen da schon eingebaut werden, sodass wir in Zukunft auch die technischen Schulden irgendwie reduzieren. Ansonsten bauen wir und bauen wir und haben Featureitis, ja, es werden ganz viele Dinge gemacht, die womöglich der Kunde gar nicht bereit ist für zu bezahlen, aber wir haben diese Featureitis und die macht die Software dann komplex und kein Mensch hat sich darum um die Zukunftsfähigkeit, Wartbarkeit, Pflegbarkeit von diesen ganzen Artefakten, Modulen, Software-Dingern gekümmert. Und dann wird angenommen, die Mitarbeiter sind irgendwann nicht mehr da und ein neuer Mitarbeiter kommt dahin, beispielsweise jemand von der FOM hat studieren abgeschlossen, Wirtschaftsinformatiker, ne, der muss irgendwie da reinkommen, ja, und eine Lösung finden können. Und das ist eigentlich eine Aufgabe, die ich mir auch zu Herzen genommen habe, diese Vermittlung eben zu machen und KI in der Lehre zu benutzen und die zu befähigen in kleinen Jobs die KI einzusetzen und zu prüfen, ob das, was sie da gemacht haben, ob das das ist, was sie auch haben wollten, ja? Also Coding-Test-Zyklus hieß das früher, jetzt ist es Prompt, Coding lassen, testen lassen, Testergebnis prüfen.

00:27:27: Dr. Volker Engels: Das ist dann so die Erweiterung. Aber dass der Coder oder derjenige, der die Softwareentwicklung oder der Softwarearchitekt oder der Softwareingenieur mit der Kunst die wesentlichen von den unwesentlichen Dingen oder wie du gesagt hast, die neuen Dinge, Algorithmenbau, ja, komme ich ja ursprünglich her, dass dann Algorithmus also ein Verfahren erfunden wird, das ist relativ schwierig. Also das heißt, wir brauchen den Menschen dort als Qualitätscheck, als ethisch-moralische Instanz. Das ist meines Erachtens unumgänglich.

00:28:11: Tobias Dietz: Ja, aber kann das nicht auch die KI machen? Was denn?

00:28:30: Tobias Dietz: Die Checks. Und du hast eben du hast eben gesagt: Der Coding-Assistent kann noch keine Architektur entwickeln. Das Wort „noch“ ist da ein bisschen verräterisch und zeigt mir vielleicht morgen. Uns gibt’s noch eine Frage aus dem Publikum, ja, also da es gerade ein Mikro gibt. Also die Frage ist, heute ist das so, aber KI wird ja auch besser. Wie lange können wir uns darauf verlassen, dass wir selber diese Tests übernehmen können oder können wir nicht auch sehr bald schon KI vertrauen, dass sie diese Tests übernimmt, dass man eben nicht mehr den menschlichen Check dahinter braucht. Hab ich’s wiedergegeben? Kurz, ja.

00:29:30: Dr. Volker Engels: Ja, also ich habe da ein ganz gutes Statement für, meine ich dafür. Wir haben ja modellgetriebene Softwareentwicklung gibt es das ja schon lange. Und da kommt auch Quellcode raus und Tests, ja? Und man kann zum Beispiel sagen: wenn wir die Guardrails, also die Grenzen, in der die Software passieren soll, können wir setzen. Und das kann man anfangen beim Requirements Engineering und sagen: okay, wir müssen die Anforderungen hart festklopfen. Ohne das können wir hinterher keine Abgabe machen und keine Abnahme machen, um zu gucken, ob das, was wir wollten, hinten auch rauskommt. Und man kann natürlich versuchen, das in Form zu gießen und zu sagen: wir haben hier, da sind wir wieder beim mächtigen Thema Sprache, wir haben eine Sprache beispielsweise für die Anforderung, dann haben wir eine andere Sprache für die Modellierung, dann haben wir die nächste Sprache für die Programmierung, dann haben wir die nächste Sprache für den Test und dann haben wir eine nächste Sprache womöglich für DevOps Operations und dann haben wir Systemintegration müssen wir auch eine Sprache für finden. Und dann müssen wir für die ganzen Steuerung womöglich auch Sprachen finden, die das beschreiben können und wir als Supervision werden trotzdem nicht abhanden kommen. Wenn ich mit einem Kundengespräch irgendwie die Anforderung aufnehme und der Roboter hört zu und macht mir das Anforderungsdiagramm und ich guck da drauf, dann brauche ich nur draufgucken und sagen: ja, das ist richtig, das ist richtig, von mir aus zu achtzig Prozent ist es richtig, aber es sind eben nur die achtzig Prozent. Und wenn ich das dem Kunden vorstelle, und ist nicht das, was er gesagt hat, dann nützt mir das ganze Automatisieren nichts, dann muss das rauskommen mit der Qualität, wie ich mir das auch dann vorstelle.

00:30:57: Dr. Volker Engels: Und ich glaube, diesen diese entsprechenden Checkstufen, die werden mit Erfahrung dann besetzt werden und dann werden die einzelnen Checks immer wieder durchgeführt werden. Meine Vermutung. Das ist also alles nur Vermutung für die Zukunft. Ich werde mich so ein bisschen schwierig mit Prognosen, wenn’s um die Zukunft geht.

00:31:18: Tobias Dietz: Da guck ich mal um, ob’s hier noch andere Meinungen dazu gibt. Ja, also mit Prognosen find ich auch immer schwierig, ja, was ich immer wieder Workshops, die wir halten, was ich da immer sage bei Prognosen: weißt du was mit Sicherheit, meine Meinung, ich bin mir sicher, das wird so passieren. Addet mich ruhig auf LinkedIn und schreibt mir in drei Jahren: Haris, du hattest recht. Also ich verstehe, also ich sehe eine unglaublich große Chance mit Coding-Agenten eine bestimmte Sache einen bestimmten Mechanismus durchzuführen, der wirklich unglaublich spannend ist. Und ich weiß nicht, wie viele Leute auch so mit Coding-Agenten arbeiten, aber wie wir das machen bei uns intern ist, dass wir dem Agenten über Schnittstellen die Möglichkeiten geben, die Software zu bedienen.

00:31:57: Haris Yalcinkaya: Das heißt die einfachste Schnittstelle, die mir da einfällt, wäre natürlich eine SDK, wo er sich direkt selber reinprogrammieren kann oder halt eine REST-Schnittstelle, also das heißt über HTTP-Anfragen. Ist jetzt auch nicht so wichtig genau, was das heißt, aber der wichtige Punkt ist: es gibt auch eine neue Schnittstelle, die extra für Agenten gemacht wurde. Das nennt sich MCP, also Model Context Protocol, und Agenten können halt darüber bestimmte Systeme ansteuern. Und das ist halt sehr spannend, weil auf einmal kann mein Agent das Wetter direkt über den Wetterservice erfragen oder keine Ahnung LinkedIn-Posts beispielhaft jetzt generieren und auch direkt posten. Und was wir dann machen ist: wir bauen in unsere Software MCP-Schnittstellen und geben das direkt dem Coding-Agenten, sodass er, wenn er etwas programmiert oder ergänzt, über diese Schnittstellen die Tests auch durchführt. Das heißt er macht einen End-to-End Test, also vollständige Softwarenutzung. Und das haben wir jetzt auch schon öfter so durchgeführt und das funktioniert unglaublich gut. Das heißt vollautomatische Bug-Findung sag ich mal im Prozess von einem komplexen Prozess.

00:33:17: Haris Yalcinkaya: Wir haben gerade wurde der Turing-Test angesprochen, wir haben den Turing-Test so als Spiel entwickelt, wo man in einer Runde quasi Fragen stellt und Antworten selber schreibt als Mensch auf die Fragen meiner Mitspieler, aber auch ich prompte eine KI, die dann hinterher die Fragen gestellt bekommt und Antworten generiert und jetzt muss der Mensch, der die Frage original gestellt hat, sich fragen: was ist jetzt Mensch, was ist jetzt Maschine? Und das macht unglaublich Spaß und das Spiel haben wir halt End-to-End mit KI getestet. Das gesamte User-Interface dieses Spiels habe ich mit KI gebaut und das Komplexeste daran war der Matching-Algorithmus und wie kann ich alles am Ende matchen und den Spielfluss designen. Alles andere haben wir die KI machen lassen. Und so ein Projekt hätte mich vielleicht früher zwei, drei Wochen gedauert, hätte ich intensiv dran gesessen. Ich habe’s in vier Tagen runtergecoded mit der KI. Und das ist natürlich unglaublich. Und das ist Production-Ready, wir nutzen das in Workshops, wir nutzen das in Seminaren, wir nutzen das manchmal im Rahmen hier der Devoto, was jetzt letztens anstand, ein Event. Und ich denke, das ist eine sehr, sehr interessante Art dieses KI-gestützte unterstützte Testen auch. Und es macht auch Spaß, ist super leicht und der KI-Agent generiert den Code und er testet den Code, das ist eine geschlossene Loop und führt das die ganze Zeit durch. Das ist echt Wahnsinn. Also funktioniert sehr gut, muss ich sagen.

00:34:40: Tobias Dietz: Ich fasse mal gerade den aktuellen Stand zusammen. Wir hatten irgendwie ChatGPT kommt raus, wir generieren Code, kopieren das in unsere Entwicklungsumgebung. Wir hatten dann sowas wie ich kann das direkt in meine Entwicklungsumgebung integrieren und Code vervollständigen lassen und sind jetzt angekommen bei: wir haben Agenten, die für mich die Software entwickeln, die Tools nutzen können zum Beispiel durch MCP oder auch durch lokale Berechtigungen auf mein Terminal oder sowas in der Richtung, wo’s dann halt schon ein bisschen kritischer wird, was Sicherheit angeht. Was sind denn heute die Grenzen oder auch die Schwierigkeiten bei der Zusammenarbeit? Vielleicht auch Richtung Chris, ich weiß, dass du dich sehr gerne damit beschäftigst und uns bei itemis auch davor davor beschützen willst, dass wir das zu viel nutzen.

00:35:14: Christoph Hess: Genau, vielleicht wollte ich auch noch kurz ein paar Worte zu der Frage sagen, die ich doch sehr spannend finde tatsächlich. Ich glaube es ist menschliche Hybris wäre es zu sagen, dass das niemals der Fall wäre und ich glaube es wird auch wahrscheinlich schneller passieren, als die meisten denken, gerade weil Menschen sehr schlecht im Extrapolieren von Exponentialen sind. Ich glaube die Frage, die wir uns stellen müssen, ist: wollen wir das? Also möchten wir quasi die komplette Kontrolle abgeben und sagen: leite das mal bitte alles für uns und schreibe die Architekturen quasi nur noch den Vibes folgen und sagen: ich hätte irgendwie gern so ein so eine Software, die irgendwie mich mit einem Masseur was verbindet oder was weiß ich was und dann passiert das einfach im Hintergrund. Möchtest du das oder möchtest du vielleicht wirklich eher noch die Kontrolle behalten und irgendwie am Ende auch dafür geradestehen und irgendjemand rechtlich auch haben, der sagt: ja, pass auf, das ist mein Produkt, ich stehe dafür und ich kann auch rechtlich belangt werden. Ich glaube, das ist eher eine politische als eine technische Frage irgendwie. Aber um mich aus dem Fenster zu lehnen: ja, das ist ich glaube, es wird möglich sein sehr bald sogar.

00:35:51: Christoph Hess: Ach so und zu den ja sorry die andere Frage die die aktuellen Limitationen. Ich seh da vor allem eine und ich glaube, dass die großen Labore auch alle aktuell dran arbeiten, ist quasi das die Modelle, die wir heutzutage haben, die sind statisch. Also die sind trainiert und werden dann deployed und ne kriegen also die können in Context lernen, also in dem Text, den man den reinfüttert, also den Inhalt können sie quasi transferieren und halt ihr Wissen darauf anwenden und alles, aber die ändern sich halt nicht quasi im Hintergrund, also die die Gewichte und die Weights and Biases die bleiben halt statisch so. Und da gibt’s schon Forschungs-Paper natürlich, wo gezeigt wurde, dass man halt auch Modelle machen kann, die wirklich quasi Lebenserfahrung ansammeln können und alles. Aber um in die Limitation wirklich zurückzukommen: diese Tatsache, dass die halt, wenn ihr ein neues Projekt ein großes zum Beispiel von einer Firma, die jetzt den Quellcode nicht offen hat oder so, wenn die da zum ersten Mal reinkommen, ist halt für die so, als würde ich jetzt in eine neue Firma gehen und ich hätte da halt so ein zehn Millionen Zeilen Code-Projekt vor mir und würde mir sagen: hier fix mal den Bug und zeigt mir eine der Dateien. Und ich bin so: ja, aber da gibt’s noch Abhängigkeiten, ich muss erst mal den ganzen Code verstehen, ich muss mich erst mal irgendwie zwei Monate reinarbeiten, um überhaupt mal produktiv sein zu können. Und das ist halt aktuell nicht möglich mit einer gewissen Tiefe natürlich. Es gibt Dinge, die man tun kann Context Engineering, dass du dann die relevanten Dateien irgendwie reinziehst und sowas. Aber es ist noch nicht das Level, auf dem wir uns halt irgendwie befinden und das ist eine der Limitierungen, die ich sehe.

00:36:58: Tobias Dietz: Okay, also es ist mehr nicht möglich, sondern du musst ihm immer noch alles beibringen, was er wissen muss und er kann noch nicht mit Tools sich selbst ein bisschen was dazu holen. Jeder Tag in deiner Code-Base ist für die KI ein neuer Tag. Und das ist eigentlich magisch und erstaunlich, dass es so gut funktioniert, wie’s aktuell funktioniert. Also wenn diese Limitierung weg ist, also wenn man Erfahrungswissen in diese Sprachmodelle mit einfließen lassen könnte, sodass diese Gewichte, wie du gesagt hast, dann sozusagen aktualisiert werden, die Lessons Learned, ne? Haben wir auch schon mal retrospektiv irgendwie ein Thema sagen: oh, wir haben’s gelernt, bauen wir den Fehler nicht nochmal. Wenn das jetzt irgendwie dynamischer funktionieren könnte, würde ich sagen: das ist auch Meilenstein. Da würde vieles besser gehen. Nichtsdestotrotz sind diese Agenten für naturwissenschaftliche Planungsaufgaben und kombinatorische Optimierung und so weiter aus meiner Sicht oder auch auf das ist ja die Problematik oft ist ja auf was lassen wir die Dinge los. Lassen wir die los auf die ganze auf die ganze Betriebswirtschaftslehre auf die auf die Wirtschaft, ja? Das ist ein komplexes System, das muss er irgendwie beschreiben und der muss sich da irgendwie wohlfühlen. Wenn wir jetzt nur in dem Softwareumfeld sind, da bin ich sogar fast dabei, dass ich sage: okay, da sind wir schon nah dran, das könnte wohl jetzt so klappen, weil es so ein abgegrenzter Bereich ist. Die Sprachen, die Programmiersprachen, man könnte sogar sagen: warum haben wir eigentlich so viele Programmiersprachen? Sind alle gleich mächtig, können alle dasselbe. Okay, anderes Thema. Aber das heißt in dem Umfeld der Programmiersprachen könnte ich mir das vorstellen.

00:38:08: Dr. Volker Engels: Aber dann kommt wieder das Thema Requirements Engineer. Wir haben eine Anforderung aus der wirklichen Welt. Und womöglich sind die noch nicht mal widerspruchsfrei. Dann stehen wir da und selbst wenn der Coder oder dieser künstliche Coder dann irgendwie Text ausspuckt, der Programmcode ist und wir den ausführen können, müssen wir immer noch den wirklichen Weltmatch machen und gucken: ist das das von der Anforderung, was wir eigentlich wollten?

00:38:41: Tobias Dietz: Genau. Passt prima. Wofür führt uns das denn hin? Also momentan ne diese Sache ist halt es gibt diese Restriktionen, aber es kann trotzdem benutzt werden und die Benutzer wissen nicht, dass das Restriktionen sind. Ich nehme mal so ein paar Beispiele, die ich wunderschön finde und bedenklich. Ich habe zum Beispiel einen gefunden in den USA, der hat einen Bruder gehabt, der mehr oder weniger querschnittgelähmt ist, also durch eine degenerative Nervenkrankheit den Körper nicht mehr bewegen konnte, nur noch den Kopf bewegen konnte. Und der hat echt für den über Vibe Coding eine Applikation gebaut, dass der über zwei Sensoren im Kopfkissen über Kopfbewegungen kommunizieren konnte, was vorher nicht möglich war. Finde ich großartig. Würde ich nicht an den Markt bringen. Also ne ich habe euch vorhin schon mal gesagt so: mein Lieblingszitat ist: das S in Vibe Coding steht für Sicherheit. Wo sind da die Probleme, die ihr seht, wenn man mit Vibe Coding loslegt?

00:39:48: Christoph Hess: Ja, ich glaube, also man muss da irgendwie ein bisschen unterscheiden. Zum einen ist halt dieses es ist halt ein bemächtigendes Tool irgendwie, ne? Also ich tue mich ehrlich gesagt mit dem Begriff, dass es ein Werkzeug ist, schwer, weil ich seh das ein bisschen anders in unserer Beziehung mit Technologie arbeiten. Aber wenn man’s als diese betrachtet, ist halt wirklich so, dass halt Leute, die vorher Projekte nicht machen konnten und ihren kreativen Ideen keinen Freilauf geben konnten, wie jetzt dem Bruder von dem Querschnittgelähmten da, die haben dann zumindest die Möglichkeit, sich ein bisschen zu verwirklichen. Ob das jetzt ein finales Produkt werden muss oder ob er einfach aus dieser aus dieser Interaktion auch mit dem mit der KI dann irgendwie was lernt und halt sagt: er wird findet dann irgendwie Bioelektrik und sowas total spannend und möchte vielleicht später an Sensoren arbeiten und so, das ist ja eine andere Sache. Und ich glaube halt auch, dass man das Tool halt auch zum Lernen nutzen kann. Also Studierende, die sollten oder die sollten das halt anders nutzen, nicht nur als Vibe-Coding-Tool, dass sie sagen: ja, ich habe hier eine Aufgabe bekommen, ich lass die jetzt mal runterschreiben, sondern vielleicht dann hingehen: ah diese Rekursion oder sowas, das habe ich noch nicht ganz verstanden, erklär mir das mal an Beispielen. Und ist das hier Rekursion? Ach nein, ist es nicht. Was ist denn das? Ah das ist einfach nur eine While-Schleife, was auch immer, ne? Dass man das halt dahingehend die Tools nutzt.

00:41:11: Christoph Hess: Um aber genau auf deine Frage einzugehen, was die Schwierigkeiten sind. Ich glaube die Schwierigkeit ist halt, man weiß nicht, was man nicht weiß, wie eigentlich in jedem Job-Feld so. Und viele haben irgendwie im Kopf, dass Programmierer der Programmierer-Alltag halt irgendwie so aussieht, dass man den ganzen Tag irgendwie am Keyboard sitzt und halt da Zehnfinger klackert und so. Die Wahrheit sieht ganz anders aus. Ich glaube, wenn du die meiste Zeit mit Tippen und Schreiben von Code verbringst, dann machst du was falsch heutzutage zumindest mal so. Man sagt eigentlich früher schon, das Programmierer-Dasein ist achtzig Prozent Code lesen, zwanzig Prozent Code schreiben. Und ich weiß nicht, da gab’s noch irgendwie einen Witz mit fünf Prozent auch mal extra, die man dann doch nicht mag. Das ist für die Kommunikation, ja. Test schreiben. Ach so, oh Gott, ja, nee, das das schon gar nicht. Aber Kommunikation ist manchmal auch recht schwierig. Und da ist halt wirklich da wird halt teilweise einem heute schon was abgenommen an echt so irgendwelche SDKs oder irgendwelche Anbindungen oder irgendwas von riesen Schnittstellen irgendwie hat, wo man dann halt die KI draufschicken kann und sagt: hey, durchsucht mal das ganze Ding mit so einem Deep Research und gib mir mal die Stellen raus, die halt relevant für mich sind, dann spart man sich schon mal locker zwanzig, dreißig Prozent Lesezeit irgendwie.

00:42:11: Christoph Hess: Und auch Code-Reviews und so, das shiftet jetzt heute eher dahin, dass man halt mehr liest sogar noch, also dass die achtzig Prozent zu hundert Prozent werden und dass wir halt auch sehen, dass das Limit irgendwie von der Geschwindigkeit eigentlich die Aufmerksamkeitsspanne des Nutzers ist, genau. Aber die Problematik ist halt, dass man nicht weiß, was man nicht weiß. Und zum Beispiel viele Leute, wenn jetzt irgendwie ein Projekt Vibe-Coden würden oder so, die wüssten vielleicht gar nicht, dass man Tests schreiben sollte für Funktionen, dass man ne die Sicher- also die Funktion sicherstellen muss, dass man irgendwie Edge-Cases abdecken muss, also Sachen überlegen muss quasi, was habe ich vielleicht nicht bedacht und was könnte ein Nutzer irgendwie da reinfüttern, was die Applikation irgendwie kaputt machen würde. Das sind alles so Dinge, das sind Erfahrungswerte auf der einen Seite, auf der anderen Seite ist es auch irgendwas ja, das kann eine KI einem sagen, man muss halt auch wissen, was man danach fragen muss. Und ich glaube, dass das ist so das Ding, was viele auch noch lernen können, dass sie halt einfach sagen: ich möchte ein Projekt machen, was sind so die was würden Profis quasi machen, um das richtig ordentlich quasi auf die Beine zu stellen. Und ich glaube, wenn das alle machen würden, wären wir auch schon viel weiter, was Vibe Coding angeht.

00:43:12: Dr. Volker Engels: Also das kann ich nur unterstreichen, das ist halt die Sache, wenn ich auf Quereinsteiger bin, ich sag mal, oh ich hab jetzt meinen Job verloren, ich werd jetzt Programmierer, vor fünf Jahren hieß es noch, dann hab ich halt die Jobgarantie, steig da ein und hab von Architektur und Datenbank und SQL und Objektorientierung und UML-Diagrammen hab ich noch nie was gehört, fange einfach an und hab meine Quick Wins, der Chef ist zufrieden, es passiert irgendwas, er kann was verkaufen, alle sind happy, so. Und da bin ich genau bei dir, dass ich denke, die Fähigkeiten, die so ein Entwickler, deswegen bin ich mit dem Begriff Coder auch nicht so richtig einverstanden, wie so ein Entwickler oder ein Software-Engineer, so würde ich das bezeichnen, mitbringen sollte, ist eben so ein Gesamtverständnis, wie Software funktioniert. Und das geht nicht darum, einmal irgendwas zu zeigen, ja, also in der Reifegradprozessen können wir sagen: okay, wunderbar, hast du mal was geschafft, aber das lässt sich eigentlich nur als Proof-of-Concept, als MVP, minimal funktionierender Prototyp irgendwie mal zeigen und danach kannst du’s eigentlich wegschmeißen, weil das hat keine Architektur, das hat irgendwie keine Zukunftsfähigkeit. Wegschmeißen, neu machen. So, und dann sind das eben Menschen, die haben aus ihrem Skill-Kasten, aus ihren Fähigkeiten das benutzt, was sie eben können, und da kommt eben so eine kleine Sache bei raus. Und das ist ganz was anderes, als wenn man sagt: wir sind hier Architekten oder Software-Engineer und wir bauen Dinge, die man hinterher auch betreiben kann, ja, die länger als eine Woche mal halten. Und ich kann mir nicht vorstellen, dass man das ist jetzt natürlich weit hergegriffen, dass man so eine Raketenflugbahnberechnung, dass man das mal eben irgendwie so macht und sagt: na gut, mal gucken, wo die landet, ne? Genau. Ja, und das hat natürlich auch was damit zu tun, wie der Druck ist, die Wirtschaftlichkeitsdruck. Ist ja auch wieder so ein Thema. Man sagt: wie viel wollen wir denn überhaupt investieren, um irgendwie schnell was verkaufen zu können? Featureitis heißt das eine und der andere sagt: schnell fertig werden, und der nächste sagt: so günstig wie möglich. In- also das ist ja natürlich Widerspruch in sich, geht nicht, entweder gute Qualität oder geringe Kosten.

00:45:11: Tobias Dietz: Gutes Diagramm, gute Qualität, geringe Kosten oder schnell, such dir zwei aus.

00:45:18: Tobias Dietz: Bin ich auch dabei, hab ich auch gern. Zu dem Thema Featureitis hab ich auch ein schönes Zitat: „Wir haben mehr Piloten als die Lufthansa in Deutschland“ dank KI im CT-Podcast Daytalk Tech. Da sind aber andere Piloten glaube ich gemeint. Genau, also halt mit KI mal schnell was bauen, um auszuprobieren, ob das funktioniert. Auf jeden Fall. Und da haben wir jetzt hier tausend Capu- tausend Piloten. Jeder meint, er hätte die Gold- hätte etwas erfunden.

00:45:47: Tobias Dietz: Aber mal in die Runde gefragt: Ist das ist das so negativ? Oder auf gar keinen Fall. Okay.

00:45:56: Dr. Volker Engels: Um als Pitch zu sagen: guck mal hier, so so sieht’s aus, hat einmal funktioniert, willst du investieren? Ist doch super. Ja, also dafür würde ich sagen, ist es in Ordnung. Aber dass ich jetzt sage: okay, ich lege das Ding jetzt auf so eine Maschine und sag und drück auf Play, das funktioniert zwei Jahre, da denke ich eher: eher nicht. Ich glaube, das Ende vom Zitat ist: „Aber keiner fliegt“. Und damit wird’s halt schwierig. Ich glaube, das ist auch mal für dich eine gute Frage, wie siehst du das bei euren Kunden? Wie viel machen die von sich aus, wann wenden sie sich an euch? Und also wo sind momentan die Grenzen für Unternehmen und wo geht’s in der nächsten Zukunft hin? Also ich glaube, was sehr schwierig ist, ist generell über Unternehmen zu reden, weil wir haben wirklich von bis. Das ist der erste Punkt, den ich gesehen habe. Wir haben einen Bauingenieur ein sehr interessantes Büro, das ist komplett digitalisiert. Also da habe ich mich sogar daneben geschämt, bin ich ganz ehrlich. Also die sind auf dem Bau, während alle hier ihre Stiefel dreckig machen, ich meine die auch mit iPads, keinen einzigen Zettel findest du dort bei denen, alles digital in digital, unglaublich spannend.

00:47:05: Haris Yalcinkaya: Ja, und es gibt halt dann das Gegenteil, also die, die alles runterschreiben, die, die alles ja in Akten noch halten, Stift und Zettel, von Abteilung zu Abteilung laufen. Und ich glaube, was wir sehen, ist, dass es natürlich unterschiedliche Grundlagen, um am Ende dort KI durchführen zu können. Und wenn wir nicht die Daten haben, die Datenbasis haben bei einem Unternehmen, weil die entweder die Daten nicht digitalisiert haben oder die haben die Daten ne bei einem Anbieter und der Anbieter ist jetzt nicht gerade so freundlich, die Daten rauszurücken. Das waren alles Sachen, die genug Informatiker jahrelang immer und immer wieder wiederholt haben und gesagt haben: hey, passt auf, dass eure Daten eure Daten bleiben und nicht dass sie hinterher für Lösegeld quasi, ne, wenn man das so sagen darf, eingefordert werden. Also ich glaube, das ist das, wo sich das Spektrum so ein bisschen zeigt. Und es ist natürlich deutlich einfacher bei Kunden KI-Projekte umzusetzen, die halt ne komplett digitalisiert sind, ihre Ontologien fest im Griff haben, sprich ihre Datenstrukturen, wie das Unternehmen funktioniert, ihre Prozesse kennen und dort kann man dann sofort sagen: ah guck, da haben wir einen Engpass, da haben wir alle Datenanbindung, fertig, hier ist die Automatisierung. Das ist natürlich ein Aspekt.

00:48:38: Haris Yalcinkaya: Der andere Aspekt ist ist eine Mindset-Sache. Wir haben immer noch genug Anfragen, ne wir kriegen jeden Tag ich weiß nicht wie viel Anfragen, aber der Punkt ist: wir kriegen immer noch genug Anfragen und die kommen immer noch von Werkstudenten oder von Praktikanten von einem Unternehmen, die damit beauftragt wurden zu gucken: ja schau mal, was da so im Bereich KI läuft. Und das ist glaube ich der absolut falsche Ansatz. So wie IT auch ist KI definitiv Chefsache. Also ohne Wenn und Aber. Und wer das im Unternehmen nicht ernst nimmt und dann ich sag mal das irgendwo eine Abteilung versucht unterzuordnen und: ja schaut mal, macht mal dort mäßig. Es ist schwierig, weil wir sind nicht mehr in der Zeit, dass man sich so mit KI mal ein bisschen versucht. Wir sind in der Zeit, wo wir jetzt wirklich eine Strategie in einem Unternehmen brauchen und strategisch eine Unternehmenstransformation durchführen müssen hin zu KI. Weil einfach in jedem Bereich KI gerade am eine Revolution startend ist. Also ich geh mal ich geh mal Such als Beispiel, das hatten wir uns ja gestern noch angeguckt. Viele suchen gar nicht mehr über über Google von unseren Kunden. Also ein großer Teil kommt tatsächlich über ChatGPT. Und sehr viele Unternehmen, selbst riesige Konzerne, die Welt auf der gesamten Welt tätig sind und wir waren genau in den richtigen Abteilungen für Marketing, Leute, die vielleicht sogar explizit für SEO, also für Google-Suche zuständig sind und erklären denen im Prinzip: hey, das ist der neue Trend, das geht gerade ab, so sieht’s aus, ihr kommt noch nicht mal in der Liste vernünftig auf. Da war das so: ja und?

00:50:28: Haris Yalcinkaya: Also wenn ich wenn ich beispielsweise mir überlege, ich brauche jetzt ein neues Auto, ein Elektroauto und dann frage ich den Chatbot einfach: welches Elektroauto passt zu mir? Ne, das sind das sind meine Kriterien. Und mein Unternehmen taucht nicht auf, obwohl das wie die Faust aufs Auge eigentlich passen würde für den Kunden, dann habe ich ein Problem. Und weil man muss den Kunden dort begegnen, ne alle sagen 360-Grad-Marketing, man muss den Kunden dort begegnen, wo der ist. Ja, der ist jetzt aber gerade dabei, Chatbots zu nutzen. Und ich denke, das ist eine sehr, sehr große Mindset-Sache auch von der Unternehmensspitze bis hin zu allen Ebenen und natürlich eine Datenfrage. Wir haben beides, ne? Also die Bereitschaft vom Menschen und Bereitschaft der Daten im Unternehmen. Und mit beidem gegeben haben wir schon unglaubliche Sachen gesehen. Also leider dürfen wir vieles nicht reden, aber wirklich coole Sachen. Das ist immer schade. NDAs, echt eine schreckliche Sache für Podiumsdiskussionen, das ist tödlich. Ja.

00:51:27: Tobias Dietz: Ähm, du hattest vorhin, ich versuch mal den Bogen zurückzuschlagen von Unternehmen und dass es eine strategischer Weg sein muss, zurück zu Softwareentwicklung von morgen. Du hast vorhin auch schon gesagt, jeder muss diesen Weg mitgehen als Softwareentwickler. Ich würde einfach mal fragen: warum? Also wenn man jetzt Software entwickelt und das weiter genauso macht, bleibt die Qualität, wie sie ist, man muss sich nicht davor fürchten, dass man bei Vibe Coding irgendwie die Architektur versemmelt, irgendwelche Geheimnisse nach außen preisgibt und sowas. Also wo ist denn was motiviert denn ein Softwareentwickler jetzt plötzlich nicht mehr Code zu schreiben, was ihm ja auch Spaß macht, das ist ja auch ein Punkt dabei, sondern eher so die Fäden zu ziehen bei was der Agent gerade als Nächstes tun soll und wie? Also ich denke in allererster Linie ist es natürlich auch Geschwindigkeit. Das heißt wer mit Software zu tun hat, der weiß oft, dass diese Projekte schwierig sind, manchmal länger brauchen, dann am Ende nicht das tun sollen, was sie tun sollen, dass der Kunde mittendrin die Anforderung ändert, dann doch was lieber anderes haben möchte. Und dafür ist halt KI eine super Lösung, um mal ad-hoc umzuswitchen auf auf eine andere auf eine andere Richtung an an Features zu gehen, eine Geschwindigkeit reinzubekommen, eine Übersicht reinzubekommen, neue Technologien zu analysieren. Aber auch wenn wir schon beim Punkt Sicherheit sind, Sicherheitschecks zu machen.

00:53:16: Haris Yalcinkaya: Weil ja klar, wir reden gerade oft, dass eine KI sehr unkluge Sicherheitslücken einführt. Ja hängt wieder vom Benutzer ab, würde ich ganz ehrlich sagen an dieser Stelle. Denn die richtigen Benutzer finden damit Sicherheitslücken, die noch kein Mensch bisher gefunden hat. Ich meine, letztens hat der Entwickler von Curl, also einer der ich würde sagen wichtigsten kleinen Softwareprojekte, die es da so gibt, gesagt, dass er eine lange Liste an Bugs zugeschickt bekommen hat, die jemand mit KI detektiert hat und die möglicherweise vielleicht seit etlichen Jahren im Code schon drin waren. Und das gleiche sehen wir nicht nur bei ihm, das sehen wir bei etlichen Softwareprojekten, die jetzt mit KI analysiert werden. Und das sind die, die’s gut meinen, das sind die, die’s gerade mit uns teilen. Wenn wir nicht diesen Prozess eingehen, andere Leute werden definitiv Open-Source-Software, auf der unsere Software vielleicht beruht, analysieren und Sicherheitslücken finden. Und diese Sicherheitslücken vielleicht nicht mit uns teilen, sondern die dafür nutzen, Informationen zu extrahieren aus dem Unternehmen, die hinterher zu erpressen oder Industriespionage zu betreiben. Also es ist einfach die Entwicklung, die gerade geschieht und derjenige, der sich dagegen versucht irgendwie zu halten und sich da irgendwie sag ich mal nicht mit der Entwicklung anpassen möchte, der wird meiner Meinung nach hinten bleiben. Das ist ja das ist einfach der Weg der Technologie.

00:54:31: Tobias Dietz: Ich gebe mal weiter an Chris. Ich weiß, dass du auch schon in größeren Softwareprojekten unterwegs warst und dass du natürlich in deinem Alltag KI in der Softwareentwicklung nutzt. Wir sind wieder bei Beschränkungen. Du hast mir schon mal erzählt, dass du eigentlich lieber zuguckst, wie die KI Code schreibt und dann halt alles nochmal prüfst. Wo sind denn die Grenzen, an die du dabei bisher gestoßen bist? Ich meine, das ist natürlich jetzt ich mache das jetzt ja auch schon ein paar Jahre und es ist immer so eine Frage von wann und welches Tool du nutzt. In der Vergangenheit war’s natürlich häufig so, dass du dann eine Aufgabe gegeben hast und hast dann den Code mitgelesen und nach zwei Minuten warst du so: warte mal, das geht genau in die andere Richtung als das, was ich eigentlich wollte. Dann musstest du halt und das ist ja auch damals so in meinem internen Tutorial mit gesagt, da musstest du halt direkt irgendwie hingehen, das korrigieren, weil wenn sich so ein Fehler erst mal festfrisst und die KI in eine Richtung denkt, dann ist das wie so ein Gedankenvektor, der sich da formt und dann kommt die da so schnell nicht mehr von weg. Und wenn der Code irgendwie das eine sagt und du sagst ihm: der Code muss aber was ganz anderes machen, dann ist eigentlich schon zu spät.

00:55:45: Christoph Hess: Deswegen macht’s aktuell zumindest viel mehr Spaß und auch aufgrund der Limitierung halt an neuen Projekten zu arbeiten oder auch kleinen Projekten. Und das sind halt auch gerade diese MVPs und diese Proof-of-Concepts. Neue kleine Projekte, die kann man super damit machen. In großen Code-Basen von renommierten Firmen, die sicherheitskritische Dinge tun, würde ich das aktuell vielleicht nicht so raten. Auf der anderen Seite sehen wir aber, dass es sowohl die wie sagt man die Kanone als auch die Wunde oder wie auch immer. Also es macht natürlich, ne wenn du Vibe-Codest heute an so einem großen Projekt, macht’s dir Sicherheitslücken, habe ich keinen Zweifel dran. Auf der anderen Seite Google hat ja jetzt ein Projekt vorgestellt, wo sie schon ich glaube mehrere Tausend von Bugs quasi an Open-Source-Projekte gemeldet haben, weil die jetzt ganz tiefe Codeanalysen machen mit ihren besseren und neueren KIs und so halt da ganz neue Dinge tun können. Also ich glaube auf lange Sicht wird’s nicht so sein, dass wir sagen: ja die KI, die kannst du nicht trauen, die wird halt immer Sicherheitslücken reinbringen. So wird’s halt Programmieren sein wie normale Programmierer auch. Da hast du einen Review-Prozess, wo halt noch mal wer anders drüber schaut. Und in dem Fall ist es dann vielleicht später auch eine KI. Und dann ganz am Ende sollte vielleicht trotzdem irgendwie noch sollte wir uns halt überlegen, vielleicht ein Mensch drüber schauen allein, um halt dafür geradestehen zu können, wenn halt was nicht läuft, weil es keine politischen Entitäten quasi sind aktuell zumindest die KIs, die du dann irgendwie in den Knast schicken kannst oder so, wenn die ganz grob fahrlässig gehandelt haben.

00:57:02: Tobias Dietz: Guter Punkt. Wir haben sind in den letzten zehn Minuten. Das heißt jetzt kommt nochmal der Aufruf an das Publikum. Ihr könnt gerne in Zoom eure Fragen reinstellen, die kriege ich dann von unserer Regie nochmal zugegeben. Ihr könnt euch auch nochmal Fragen überlegen. Ich habe noch eine Abschlussfrage an die Teilnehmer, dann können wir gerne mit euren Fragen loslegen. Ihr habt alle gesagt, in die Glaskugel gucken und eine Prognose geben, wie sich die Zukunft aussieht, mag ich nicht. Ich möchte’s trotzdem wissen. Volker, was meinst du denn in zwei, drei Jahren, wie hat sich das alles weiterentwickelt? Was macht ein Softwareentwickler dann? Wie sieht der Tag aus? Wenn du magst oder wenn du dich zu unwohl fühlst, kannst du ja mal so das Positive und das Negative Bild malen.

00:58:18: Dr. Volker Engels: In zwei, drei Jahren, das wird ein bisschen sportlich. Ich würde gerne würde ich lieber so fünf bis zehn Jahre sagen, weil ich glaube, das ist jetzt erst mal so ein so ein Annäherungsprozess. Viele Leute werden viele Tools erst mal ausprobieren, dann feststellen genau wie du das gesagt hast, dass die KI oder der der Sprachassistent oder wie oder der GitHub-Copilot oder wie sie alle heißen möchten, die Vorgaben nicht so erfüllt, wie ich mir das vorstelle, dann stellt man irgendwann wahrscheinlich fest: okay, wir brauchen einen Prozess, wie wir das System einsetzen, also wie wir die Sprachroboter einsetzen, ChatGPT und Co. oder Gemini oder Claude oder wie sie alle heißen mögen, um uns in dem, was wir tun, zu unterstützen. Und da ist meines Erachtens der aktuelle Trend, dass viele sagen: auch bei großen Code-Basen, der Bearbeitungsfortschritt ist nicht so schnell wie bei den MVPs, also bei den Prototypen, aber die dann sagen: gut, wir wollen uns unterstützen lassen und die sukzessive die Module so kleinteilig zerschneiden und beschreiben, was da gemacht werden soll, um dann zu sagen: okay, überleg dir, was da gemacht werden soll und so richtige To-do-Liste aufbauen, dann sagen: was darfst du, was darfst du nicht, welche Technologie darfst du, welche darfst du ja und dann sind wir genau da am Requirements Engineering. Wenn wir nämlich genau definieren, was hinten rauskommen soll, dann kann man’s fast selber machen, weil das habe ich da ja schon hingeschrieben, kenne das alles schon und dann ist nur noch der Kern da, der da wirklich implementiert werden muss. Und das ist glaube ich bei allen Phasen so. Außer bei ich sag mal dem echten Menschkontakt, sprich der Kunde wünscht sich etwas und ich muss aus ihm herausholen mit seiner Domänensprache, was er gerne möchte, muss das überführen in eine IT-Welt. Ja, das ist der Job der Wirtschaftsinformatiker, die Sprache aus der Fachlichkeit zu verstehen, um das in in geordnete Bahnen, also in Modelle zu überführen. Um hinten bei der Abgabe, nachdem er Requirements gemacht hat, die ganzen Schritte gemacht hat, die ganzen Security-Gates gemacht hat und was weiß ich was er alles gemacht hat, kann man alles in kleinen Teilen wahrscheinlich automatisieren, um hinten zu sagen: ich hab dich verstanden, ganze Chain ist hier passiert, jeder jeder Schritt der Chain von Requirements, Test-Driven-Development, Coding, Integration-Test, Plattform-Test, Last-Test, blub blub blub, kann man jedes von diesen einzelnen Schritten automatisieren und dann sehe ich vielleicht in zehn Jahren nicht, das ist noch zu schnell, weil wir da viel zu viel noch Lektionen lernen müssen, wie man idealer- wie man so ein so ein Agenten einfach loslaufen lässt mal einen Tag und ohne dass der in die falsche Richtung läuft. Und ich sag mal in fünf Jahren kann ich mir vorstellen, dass das relativ gut geht und dass man dann sagt: okay, wir haben die Spezifikation von dem kleinen ERP-System aufgeschrieben, so und so, haben uns auch helfen lassen, und dann mach mal und das ja fast No-Rocket-Science, ja, das ja nur Eins-zu-Eins-Beziehung irgendwelche Tabellen irgendwas einbauen, aus- oder reingeben, ausgeben, irgendwelche Bildschirme machen, trallala, das ist alles schon tausendmal gemacht worden. Der Roboter kann das gut. Und da glaube ich, dass dann so ein ganzes ERP-System auch von mir aus so ein Modul von so einem ERP-System einfach zu bauen und Schnittstellen zu bauen, Schnittstellen zu testen, wie du das gerade gesagt hast, da denke ich, das wird über kurz oder lang zu neunzig Prozent automatisierbar sein.

01:01:00: Haris Yalcinkaya: Haris, was ist deine Einschätzung? Boah. Also gerade im Bereich Coding tu ich mich echt schwer irgendwelche Predictions zu machen. Einerseits denke ich, dass die Richtung, die wir jetzt gerade fahren, dass wir diese Large Language Models, die wir haben, nutzen an den weichen Stellen quasi und das, was wir gut kennen, faktisch vorgeben durch Tools oder durch fest vorgegebene Mechanismen. Ich denke, das ist eine gute Richtung, das alles, was Interpretationsspielraum hat, durch die KI so ein bisschen lösen zu lassen. Andererseits muss ich aber auch ehrlich sagen, ich glaube, dass hier noch viele Leute, die sehr intensiv mit LLMs und in LLM-Projekten arbeiten, also diese ganze GPT-Geschichte, dass das dass dieser Ansatz auch irgendwo seine Limitation hat. Und ich weiß nicht, ob das der Ansatz ist, den wir ewig weiterfahren können und ewig bessere Performance rausbekommen können. Vielleicht brauchen wir einen neuen Ansatz, vielleicht ist es eine ganz andere Art von Modell, die am Ende wirklich es schafft, diese ganz komplexen Probleme zu lösen. Gerade wurde gesagt, der Turing-Test ist schon den haben wir schon hinter uns, wir brauchen eine neue Art Intelligenz zu messen. Ich würde sagen, in diesem Turing-Spiel kriegen es viele Spieler hin, die die Menschen reinzulegen und ihre KI als Mensch darstellen zu lassen.

01:02:17: Haris Yalcinkaya: Allerdings ist das natürlich nur eine Frage. Wenn ich aber beliebig lange und beliebig tief bohren darf, gehe ich stark davon aus, dass wir immer noch die meisten GPT-Modelle wahrscheinlich detektieren könnten. Das kann man ja gerne einmal testen. Aber und das hängt natürlich danach, wer wer mein Gegenüber ist, ne? Ist das ein anderer Software-Engineer, den ich testen darf, ein sehr erfahrener? Und den darf ich im Chat testen? Oder ist das ein normaler, ich sag mal Typ von der Straße, Normalsterblicher so gesehen. Also ich tu mich unglaublich schwer. Ich ich ich würde sagen, wenn man einen Schritt zurückgeht, generell, was passieren wird, ist, dass wir einfach viel, viel, viel mehr KI-Einsatz sehen werden überall. Das ist das ist der natürlich nächste Schritt, denke ich. Und das geht auch ins persönliche Leben, das heißt persönliche KI-Agenten direkt. Gibt’s einen Softwareentwickler noch in sieben Jahren? Nehmen wir mal nicht nur die fünf, sondern sieben Jahre.

01:03:17: Haris Yalcinkaya: Ich denke, die ganz Guten sind auch noch in zehn, fünfzehn Jahren immer noch da. Und was machen sie?

01:03:27: Haris Yalcinkaya: Sie dirigieren die Agenten, würde ich sagen. Okay, danke dafür. Chris, deine Meinung dazu.

01:03:32: Christoph Hess: Welchen Zeitraum hatten wir jetzt gesagt? Drei bis fünf Jahre, ne? Bis dahin können wir auch unsere Strategie der Firma noch ein bisschen ausrichten und gucken. Ein bisschen Zeit hab ich noch, genau. Ein bisschen Zeit hast du noch, okay. Ich seh das ich seh das nicht so, dass das eine inhärente Limitierung irgendwie in den Modellen gibt. Also zumindest ja, ne in den aktuellen Transformer-Modellen und so, aber da gibt’s ja auch schon etliche Paper, die da irgendwie diese ganzen Limitierungen quasi umgehen und auch mit Halluzination- also eigentlich alle Probleme, die man anspricht, die ich immer wieder auf der Straße höre, mit ja die Halluzinationen wirst du niemals unter Kontrolle kriegen und die können kein Mathe, war’s vor zwei Jahren noch, und jetzt ist irgendwie schlagen die die besten Mathe-Profis unter zumindest dem IMO oder was da gewinnt da Competitions und alles. Ich glaube, alle diese Dinge, wo wir sagen, das wird niemals möglich sein, das ist ein Trugschluss. Deswegen ist für mich nur die Frage von wann und nicht mehr ob. Und meine Prognose war ja schon immer ein bisschen kurzzeitiger, deswegen ich glaube auch diese drei bis drei bis fünf Jahre ist genau in diesem Spektrum. Ich sag mal, wenn wir’s in zehn Jahren noch nicht diesen Punkt erreicht haben, wo wir theoretisch nicht mehr notwendig sind, dann wäre ich sehr überrascht.

01:04:47: Christoph Hess: Ich glaube in drei bis drei bis fünf Jahren, sagen wir mal, sieht der Prozess so aus, dass wir noch auf jeden Fall notwendig sind oder dass wir zumindest noch existieren, aber halt eher kollaborativ quasi, dass wir Mitstreiter sind und irgendwie dann Architekturen von großen Projekten diskutieren und halt die Vor- und Nachteile irgendwie auseinandergehen, halt die KI, die ich prompte, was hältst du denn von ihrem Vorschlag? So ungefähr, genau. Also dass sie einen Vorschlag macht und dann sag ich: ja, kannst du mir den Teil mal erklären? Dann krieg ich da eine Antwort zurück, ich dann noch mal meine meine Anforderung quasi erkläre. Wobei das auch ein spannendes Ding ist, weil du meintest mit Kundeninteraktion und so, und das ist ja teilweise für uns relativ schwer sich dann in so eine Thematik reinzudenken von einem Kunden, der was weiß ich Metallrohre baut und du halt keine Ahnung davon hast.

01:05:22: Christoph Hess: Das ist halt auch, da sind KIs ja besonders gut drin eigentlich, weil die so ein breites Wissen einfach haben. Sprich da seh ich halt eigentlich auch eher Nutzen, dass die quasi dann mit unseren Kunden oder wie auch immer dann kommunizieren und uns da quasi die Übersetzung schon mitliefern und wir alle quasi in einer glücklichen Runde das zusammen das Problem lösen und am Ende sagt’s mir: ich hab den Code geschrieben, ist mir egal, mach du’s einfach.

01:06:24: Tobias Dietz: Alles klar. Danke für die Einschätzung. Jetzt darf ich mich zuerst einmal bei Publikum entschuldigen, ich habe unterschätzt, wie ausgiebig eure Antworten sind. Es ist dreizehn Uhr. Wir gehen gleich noch auf Publikumsfragen ein. Für diejenigen, die jetzt direkt im Anschluss noch was vorhaben: Schön, dass ihr da wart. Wenn ihr weitere Fragen habt oder mitdiskutieren wollt oder zukünftige Themen euch interessieren, geht gerne auf unsere LinkedIn-Seite, wo ihr auch dieses Event gefunden habt, und lasst da nochmal irgendwie eine Vernetzung da, folgt itemis als Entität auf LinkedIn und diskutiert gerne da in den Kommentaren mit. Und damit würde ich aber erst mal fragen an die Regie: Haben wir Fragen aus dem Zoom-Call, die wir hier nochmal aufgreifen können? Eine Frage gibt es: Wie setzt sich Ihrer Meinung nach die Wende für Embedded Systems und der Embedded Softwareentwicklung um? Find ich super relevant für uns, weil itemis da ja zu Hause ist und rausgewachsen ist. Also ich denke, das hängt wieder sehr stark auch von den Unternehmen ab, die da mitwirken, Kunden. Also zum Beispiel ist es ja so, dass einige Kunden vielleicht nicht wollen, dass man auf deren Projekten KI-Agenten drauf laufen lässt. Und wenn das sag ich mal eine Sache ist, die im Automobil ist und das ist ein Industriegeheimnis oder was auch immer, dass man gerade auch ich glaube hierzulande noch ein bisschen strikter ist mit den Regeln. Ich sehe, dass sich das stark lockert, aber ich denke, dass das noch eine Limitierung möglicherweise die mir als erstes in den Kopf kommt, wenn ich an Embedded denke, ne, dass es vielleicht ein bisschen strikter dort ist als bei Webpräsenzen und Full-Stack-Projekten. Aber ich weiß nicht, ob alle Auswirkungen auf die physikalische Welt haben dadurch.

01:07:53: Haris Yalcinkaya: Ja, ich denke, dass das ist natürlich auch ein Aspekt. Aber ich glaube, da müsstet ihr ja eigentlich die Antworten besser kennen als wir. Ja. Also ich habe einen Kollegen, den nenne ich immer den Hardware-Engel, weil ich ja der Software-Engel bin und der macht so hardwarenahes Zeug. Und genau da zu dem Thema Embedded muss ich den immer fragen. Und wir haben uns natürlich auch über dieses Thema Code-Assistenten und Agenten unterhalten. Und das ist in gewissem Rahmen Wahnsinn, wo er früher für diese Implementierung von den Mikrocontrollern wirklich Monate gebraucht hat, um mit dem Hardware-Leuten und mit dem und dem und dem ins Sparring zu gehen, um dann überhaupt den Fehler online zu finden, da hat man heute eine Riesenbeschleunigung. Das geht schon. Und die zweite Sache ist natürlich immer dann, wenn wir physische Assets haben, also wie so eine Hardware, die in der wirklichen Welt irgendwie Aktionen verursachen kann, dann haben wir auch direkt wieder ein ganz anderes Risikopotenzial. Natürlich kann ich mit ChatGPT auch irgendwie Schindluder mit der Psyche der Menschen treiben, aber wenn irgendeine Sicherungsleitung nicht aufgeht oder ein Airbag nicht explodiert, dann ist es eben ein bisschen schlimmer. Und dementsprechend glaube ich, dass hilft ungemein, aber da ist der Mensch als Qualitätsstopper viel wichtiger.

01:09:20: Dr. Volker Engels: Und das wollte ich auch gerade noch sagen: Ich glaube nicht, dass in in zehn Jahren noch achtzig Prozent, also achtzig Prozent können automatisiert werden, aber wir brauchen nicht weniger als zwanzig Prozent der Ingenieure, Softwareingenieure. Das heißt, die Anforderungslatte wird immer wieder wachsen mit den neuen Möglichkeiten. Also wer vorne mit dabei bleiben will und sagt: Software ist mein Verein, der hat momentan keine Schwierigkeiten. Ja, danke für die Einschätzung. Wolltest du noch was ergänzen oder? Die Embedded-Frage ist halt so breit gefächert, deswegen weiß ich jetzt nicht, ob wir die irgendwie falsch beantwortet. Es geht ja kann ja in mehrere Richtungen gehen, ob’s jetzt Edge AI ist, also quasi auf den Endgeräten quasi KI, Embedded einfach so Waschmaschinen oder sowas programmieren oder halt wirklich dann so kritische Dinge wie autonome Fahrzeuge oder sowas. Da variiert die Antwort ein bisschen, deswegen statistisch gesehen gehe ich jetzt einfach mal davon aus, es geht um Programmierung von kleinen Geräten sozusagen. Und da würde ich sagen, es wird sich ähnlich verhalten wie bei der Softwareentwicklung, nur dass da noch der Schritt dazu kommt, dass man in der echten Welt quasi den Tools Anbindungen geben muss, dass die quasi die Effekte, die sie jetzt auf die Welt haben, messen können und halt auch ne wie bei einem Motor ist relativ simpel in Anführungsstrichen, ne? Du kannst ein Debugger dran hängen, der kann hier RAM auslesen und CPU-Instructions und alles. Den kannst du so Schritt für Schritt durchgehen. In der Hardware-Welt ist es ein bisschen schwieriger, deswegen wenn man denen dann Zugriff auf die echte Welt gibt und die auch trainiert, diesen Zugriff ordentlich zu nutzen, dann glaube ich werden wir auch da rasant und massive Fortschritte machen sehr bald. Ich hoffe, damit ist die Frage aus dem Call beantwortet. Vielen Dank. Haben wir noch weitere Fragen erst mal aus dem Zoom-Call? Aktuell nicht. Gibt’s von euch noch Fragen, Dinge, die euch interessieren? Scheint nicht der Fall zu sein. Ja, bin in guter Gesellschaft. Dementsprechend auch nochmal herzlichen Dank an Dr. Volker Engels, an Haris Yalcinkaya, diesmal richtig ausgesprochen, und Christoph Hess von itemis als unser interner Experte in der Diskussion. Mein Name ist Tobias Dietz und ihr könnt euch selbstverständlich mit allen von uns gerne auf LinkedIn vernetzen. Hab ich vorhin schon gesagt, itemis gerne folgen, um auf weitere Events aufmerksam zu werden. Wir werden zum Beispiel noch über Themen diskutieren wie digitale Souveränität und was wir dazu beitragen können, Sicherheit, Safety and Security, wo wir auch ein Produkt haben, das wir damit wirksam machen wollen, aber das sicherlich dadurch relevanter für euch wird. Ich sag mal Cyber Resilience Act, wer davon schon gehört hat, sollte auf jeden Fall bei unseren zukünftigen Veranstaltungen dabei sein. Und auch zu KI werden wir weitere Diskussionen haben. Dementsprechend freue ich mich, wenn ihr dabei seid. Und wenn ihr uns irgendwie ein Feedback dalasst, ob’s euch gefallen hat, was euch noch interessiert oder wo wir uns verbessern können, kommt da gerne auf uns direkt zu oder kommentiert das an das Event. Und damit wünsche ich euch noch einen wunderschönen Tag. Danke, dass ihr da wart.