„Seit 2022 sind immer ausgefeiltere, auf Large Language Models (LLM) basierende Tools entstanden, auch für Softwareentwicklung. Im Allgemeinen werden solche Tools als ‚Kopilot‘ bezeichnet. Dadurch zeigt sich bereits, dass der menschliche Entwickler ein wichtiger Bestandteil dieser Beziehung bleibt, indem er den Output des Kopiloten abstimmt, anpasst und weitergibt. So wird sichergestellt, dass das Ergebnis erzielt wird, das der Entwickler erreichen will. Mit dem Aufkommen immer größerer und anspruchsvollerer LLM mit massivem Kontextumfang werden 2024 echte ‚Pilot‘-Lösungen entstehen, die Änderungen nicht nur vorschlagen, sondern auch direkt umsetzen. Dabei werden sich Organisationen auf die Sicherheits- und Stabilitätstests des zugrunde liegenden Produkts verlassen, um sicherzustellen, dass es sich um die richtigen Änderungen handelt. Dies wird eine neuerliche Zäsur bei der Effizienz der Software-Entwicklung markieren, die das Verhältnis zwischen menschlichen Ressourcen und KI-gestützter Produktion weiter verändern wird. Denkbar ist zum Beispiel, dass das Verhältnis ‚Mensch zu KI-Bot‘ als Maßstab für den Erfolg und die Zuverlässigkeit eines KI-‚Piloten‘ eingeführt wird.“

Francois Dechery, Co-Founder und Unified Platform Executive Sponsor bei CloudBees:

„Die Art und Weise, wie Unternehmen ihre Anwendungen entwickeln und dabei Hardware und Energie optimal nutzen, wird zu einer neuen Herausforderung. Sie wird mit der Zeit ebenso wichtig werden wie das Thema Sicherheit. Heutzutage werden die riesigen Mengen an Arbeitsspeicher, Rechenleistung und Speicherplatz, die von Anwendungen benötigt und oft verschwendet werden, kaum oder gar nicht beachtet. Das wird sich bald ändern, und es werden entsprechende Regelungen geschaffen werden – in der Europäischen Union ist dies bereits geschehen. Um diese Regelungen umzusetzen, wird eine Kombination aus Best Practices und Technologie erforderlich sein. Dies ist erst der Anfang. Der beste Weg, diese Best Practices umzusetzen und innovative Technologien in diesem Bereich bereitzustellen, wird im Kontext von DevSecOps und Platform Engineering liegen.“

Rich Sharples, VP of Product bei CloudBees:

„Im Jahr 2023 gab es einen großen Hype rund um maschinelles Lernen, vor allem aufgrund der Veröffentlichung großer Sprachmodelle wie GPT. 2024 und darüber hinaus wird sich der Fokus darauf richten, wie sowohl die Kunden als auch das Geschäft insgesamt von maschinellem Lernen profitieren können. Der Schwerpunkt wird weniger auf der Größe der LLMs als vielmehr auf den Geschäftsergebnissen und den Schulungskosten liegen. Während sich die öffentliche Aufmerksamkeit vor allem der generativen KI und LLM richtete, werden Unternehmen in der die gesamten Bandbreite maschinellen Lernens nach geeigneten Lösungen für spezifische Anwendungsfälle suchen.

In den letzten zehn Jahren hat die Softwarebereitstellung stark von der allgemeinen Automatisierung profitiert. In den kommenden Jahren wird maschinelles Lernen den Unternehmen weiterhin helfen, ihre Geschwindigkeit bei der Bereitstellung zu erhöhen und mit größerer Effizienz bessere Software zu erstellen. Unternehmen, die ihre Softwarebereitstellung noch nicht automatisiert haben, die keine Value Stream Metrics zur Feinabstimmung ihrer Softwarebereitstellung nutzen und nicht maschinelles Lernen zur Hyperautomatisierung und Optimierung in Betracht ziehen, werden Schwierigkeiten haben, mit ihren Wettbewerbern Schritt zu halten.“