In Verbindung bleiben: KI im Spiralmodell

Überblick

Zuerst reflektiere ich meine anfängliche Faszination, aber auch meine Bedenken hinsichtlich des Einsatzes von KI zur Unterstützung der Softwareentwicklung.

Es folgt eine Auseinandersetzung mit dem Begriff Verbindung (z. B. zum Wissen über ein System oder zu einer Fertigkeit). Anhand der Metapher “Urwälder” zeige ich auf, dass diese Verbindung durch intensive, regelmäßige Arbeit aufgebaut und durch die Übernahme von Aufgaben durch die KI leicht untergraben wird.

Zuletzt präsentiere ich ein Vorgehensmodell. Dieses baut auf dem Spiralmodel auf und zielt darauf ab, die enorme Geschwindigkeit der KI zu nutzen, während das zentrale Risiko des Know-how-Verlusts aktiv gemindert wird. Diesen Ansatz werde ich in meinen eigenen Projekten erproben.

🤖 KI ist super, aber … Das Risiko des Outsourcing an Code-Geister

Ich nutze seit einigen Wochen KI-Unterstützung beim Entwickeln und finde die Produktivitätssteigerung fantastisch.

Ideen, die ich wegen des zeitlichen Aufwands beiseitegelegt hatte, können nun mit KI-Hilfe rasch zu einem Proof of Concept (POC) werden. Es scheint, als könnte ein POC sogar bis zum finalen Produkt weiterentwickelt werden.

Doch genau hier meldet sich ein mulmiges Gefühl.

Will ich, dass ein Produkt, dessen Code großteils durch KI generiert wurde, in Produktion geht und auf echte Menschen losgelassen wird? Ich kenne dieses System nicht wirklich gut – nicht auf dieselbe Art, wie ich es kennen würde, hätte ich jede Codezeile selber geschrieben.

Mir fallen Szenarien ein, die dieses Gefühl begründen:

• Produktionsproblem und KI nicht verfügbar: Wie schwer wird es sein, in KI-generiertem Code ohne KI-Unterstützung einen kritischen Bug zu fixen?
• Feature-Erweiterung unter Zeitdruck: Bin ich in der Lage, ein neues Feature im KI-Code schnell und sicher einzubauen, wenn der initiale Prompt nicht das gewünschte Ergebnis liefert?

Daraus drängen sich grundlegende Fragen auf:

• Reduziert sich die Rolle des Entwicklers darauf, Prompts einzugeben und zu validieren?
• Welche Auswirkungen hat dies auf Dauer auf den Entwickler selbst?
  • Auf die Fähigkeit, komplexe Probleme selbstständig zu lösen (Problemlösungskompetenz)?
  • Auf die Qualität der Kommunikation darüber, was der Code macht und warum er so funktioniert?
  • Auf die Freude an der Arbeit, die oft aus der Beherrschung des Handwerks entsteht?
• Wie wirkt sich das auf Dauer auf das Software System aus?

⚖️ Hebel in beide Richtungen: Geschwindigkeit vs. Stabilität

Die KI kann immens dazu beitragen, dass zahlreiche interessante, nützliche und stabile Softwaresysteme in sehr hoher Entwicklungsgeschwindigkeit entstehen. Das ist der große Hebel.

Gleichzeitig kann sie die langfristige Haltbarkeit eines Systems untergraben, wenn wir durch die KI die Verbindung zu dem Code verlieren, den wir entwickeln. Die KI tut dies auf die verlockendste Art: Sie nimmt uns die Arbeit ab.

Da die von mir gemeinte Verbindung eine regelmäßige Auffrischung durch intensive Arbeit benötigt und die Änderungsgeschwindigkeit des Systems durch die KI sehr hoch ist, kann diese Verbindung extrem schnell verloren gehen. Das ist ein signifikantes, langfristiges Risiko.

🌲 Die Verbindung zu den “Urwäldern”

Um die notwendige Verbindung zu veranschaulichen, nutze ich die Metapher des Urwalds – der Urwald eines Softwaresystems, der Urwald der Softwareentwicklung, der Urwald des eigenen Denkens.

Ich muss mich durch diese Urwälder regelmäßig und langsam bewegen: meine Lieblingspfade finden, Probleme darin lösen, Niederlagen erleiden und Erfolge feiern, am Teichrand entspannt die eine oder andere Idee fischen. All diese “mühsame” Arbeit ist notwendig, um eine Verbindung zu schaffen. Und ich muss sie immer wieder tun, um in Verbindung zu bleiben.

Mache ich das nicht, wachsen die Pfade zu, Erinnerungen verblassen, und die Verbindung wird schwächer.

Wenn ich Probleme immer nur mit einem KI-Scout löse, der für mich die Beeren einsammelt und die Skorpione aus dem Weg räumt, während ich hinterher spaziere, bin ich bald aufgeschmissen. Nicht nur, dass ich bei Ausfall des Scouts handlungsunfähig bin: Die Verbindung zum Urwald (dem System) und zum Urwald meines eigenen Suchverhaltens (der Fertigkeit) sind beide geschwächt.

Fazit der Metapher: Das Fehlen dieser Verbindung ist ein existenzielles Risiko. Gute Ideen brauchen eine tiefe Verbindung zum Problemraum. Nur die Freude und das Selbstvertrauen, die aus dieser Verbindung entstehen, ermöglichen eine nachhaltige, menschliche Entwicklung.

🌀 Die KI-Spirale: Risikominimierung durch strikte Trennung

Das Spiralmodell hat mich beeindruckt, da es einen starken Fokus auf den Faktor Risiko legt und darauf, wie dieses in einem Softwareentwicklungsprojekt kontinuierlich gemindert werden kann. (Barry W. Boehm erwähnt das Wort “risk” 122 Mal in seinem Originalartikel!)

Der Kern des Spiralmodells ist die Risikominimierung durch Prototypen. Die Möglichkeit der automatischen Codegenerierung kann hier perfekt integriert werden:

If automated software generation capabilities are available, then the spiral model accommodates them either as options for rapid prototyping on for application of the transform model, depending on the risk considerations involved.

Dies führt zu meinem Ansatz, der den KI-Hebel nutzt und gleichzeitig das zentrale Risiko vermeidet, auf Dauer die Verbindung zur Codebasis und zum entwickelten System zu verlieren.

Kernprinzipien des KI-Spiral-Modells

Dieser Ansatz mag strikt klingen und uns zunächst langsamer machen. Aber ich erhoffe mir von dieser bewussten Langsamkeit genau den Erhalt der Verbindung, von der ich glaube, dass sie für eine nachhaltige Entwicklung unerlässlich ist.

• Der Produktions-Code ist menschengemacht: Code, der in Produktion läuft und auf echte Menschen losgelassen wird, ist nicht von einer KI generiert. Er wird von Hand geschrieben.
• KI ist der Test- und Prototyping-Motor: KI wird ausschließlich für folgende Dinge verwendet:
  • Entwicklung von Wegwerf-Prototypen zur Risikominderung.
  • Codereview, Prüfung und Validierung des menschengemachten Codes.
  • Generierung von zusätzlichen Tests (wobei Dokumentations-Tests vom Menschen geschrieben werden).
• Eingeplante “KI-freie Zeit”: Diese Zeit wird bewusst reserviert, um selbst nachzudenken, zu entwickeln und miteinander zu sprechen, um die Verbindung zum System aktiv zu stärken.

⚠️ Noch in Experimentierphase!

Ich habe das Modell noch nicht ausgiebig erprobt und sammle aktuell meine ersten Erfahrungen damit.

Ich plane, diesen Ansatz ab sofort in meinen Projekten anzuwenden und meine Erkenntnisse zu dokumentieren.

Das geplante Vorgehen im Detail (Angelehnt an die Quadranten des Spiralmodells):

1. Quadrant: Zielbestimmung und Planungsphase

• Klassisch: Definieren von Zielen, Alternativen und Einschränkungen.
• KI-Hebel: KI wird zur schnellen Generierung von Alternativen genutzt (z.B. Architektur-Optionen).
• Wert: Die KI liefert die Rohdaten und Optionen; der Entwickler trifft die architektonische Entscheidung (Aufbau der Verbindung).

2. Quadrant: Risikoanalyse & Bewertung

• Klassisch: Identifizieren von Risiken, Entwickeln von Prototypen zur Risikominderung.
• KI-Hebel: Die KI baut den schnellen, “Wegwerf”-Prototypen (POC) zur Bewertung technischer Risiken. (z. B. “Kann Angular mit dieser komplexen REST-Struktur umgehen?”) schnell zu bewerten, ohne das Kernprojekt zu verunreinigen.
• Wert: Die KI hilft zu zeigen, was schiefgehen könnte, ohne das Kernprojekt zu kontaminieren. Das Risiko wird transparent.

3. Quadrant: Entwicklung und Validierung

• Klassisch: Implementierung und Testen der Software. (Hier findet die menschengemachte Entwicklung statt!)
• KI-Hebel: Die KI wird zum Qualitäts-Gatekeeper. Sie prüft den menschengemachten Code auf Best Practices, Sicherheitslücken und Testabdeckung. Sicherheitslücken und Testabdeckung.
• Wert: Der Mensch schreibt den Code und baut die Verbindung auf; die KI führt eine zusätzliche Validierung durch (Stabilität).

4. Quadrant: Planung der nächsten Phase

• Klassisch: Überprüfung der Ergebnisse, Planung des nächsten Spiraldurchlaufs (mit neuem Fokus).
• KI-Hebel: KI wird zur Analyse der Lernkurve genutzt. Prompt-Beispiel: “Analysiere die letzten 10 Commits und identifiziere Code-Stellen, die die meiste Überarbeitung brauchten. Was sagt dies über unsere aktuellen Architekturschwächen aus?” Was sagt dies über unsere aktuellen Architekturschwächen aus?”
• Wert: Die KI liefert metrische Daten zur Risikobewertung; der Mensch steuert den nächsten Fokus für die Risikominderung.

📈 Ausblick

Dieses Vorgehensmodell ist ein erster, klar umrissener Gedanke, um ein akutes Risiko zu mindern. Ich werde es ab sofort in meinen Projekten ausprobieren. Ich bin gespannt, ob es sich bewährt, welche neuen Schwierigkeiten auftreten und ob ich die notwendige Langsamkeit – die bewusste Entscheidung gegen die maximale Geschwindigkeit – dauerhaft aushalten kann.

Ich werde meine Erkenntnisse dokumentieren und regelmäßig über meine Erfahrungen mit diesem Ansatz in diesem Blog berichten.