Skip to content

Forschungsrückblick: Von SmartCLIDE bis ASTIR – Die Entwicklung der KI-gestützten Softwareentwicklung bei ATB

Generative KI hat intelligente Unterstützung in den Softwareentwicklungsalltag gebracht. Entwickler können nun ein KI-System bitten, Code zu generieren, Funktionen zu erklären, Tests vorzuschlagen oder alternative Implementierungen anzuregen.

Dennoch bleibt eine Erkenntnis aus früherer Forschung nach wie vor hochaktuell: Softwareentwicklung umfasst weit mehr als nur die Erstellung von Quellcode.

Zwischen 2020 und 2023 untersuchte das von ATB koordinierte europäische Projekt SmartCLIDE, wie intelligente Unterstützung Softwareentwickler über den gesamten Lebenszyklus der Cloud-Entwicklung hinweg unterstützen könnte.

Aus der Perspektive der heutigen Landschaft generativer KI gewinnen einige der von SmartCLIDE behandelten Probleme eher an Bedeutung als dass sie an Bedeutung verlieren.

Über die Codegenerierung hinaus

SmartCLIDE entwickelte eine cloud-native Entwicklungsumgebung, die darauf ausgelegt war, die Erkennung, Erstellung, Zusammensetzung, das Testen und die Bereitstellung datenzentrierter Dienste und Anwendungen zu unterstützen.

Das Projekt deckte bewusst mehrere Lebenszyklusphasen ab.

Während der Entwicklung stellte die Umgebung Abstraktionen für die Arbeit mit Datentransformationen und -verarbeitung bereit.

Während der Testphase unterstützte sie die Visualisierung von Softwareabläufen und Mechanismen zur Überprüfung des erwarteten Verhaltens.

Während der Bereitstellung abstrahierte sie Teile der zugrunde liegenden physischen und virtuellen Infrastruktur.

Zur Laufzeit stellte sie Mechanismen zur Überwachung der Serviceleistung und des Betriebs bereit.

Diese breitere Perspektive unterschied das Projekt von Tools, die sich ausschließlich mit dem Schreiben von Code befassten.

Intelligente Unterstützung noch vor der aktuellen GenAI-Welle

SmartCLIDE war kein Codierungsassistent auf Basis großer Sprachmodelle, und es wäre unzutreffend, es rückblickend als solchen darzustellen.

Seine intelligente Unterstützung stützte sich auf Technologien wie Service-Discovery, Empfehlungsmechanismen, maschinelles Lernen und höhere Abstraktionsebenen.

Eine der zentralen Ideen des Projekts war das Programmieren durch Demonstration: Anstatt von jedem Nutzer zu verlangen, alle technischen Details manuell zu beschreiben, konnte die Umgebung die Erstellung und Zusammensetzung von Diensten durch stärker geführte Interaktionen unterstützen.

Das System war zudem darauf ausgelegt, Infrastructure-as-a-Service- und Software-as-a-Service-Ressourcen zu erkennen und dabei zu helfen, eine geeignete Infrastruktur für eine Anwendung zu identifizieren.

Die zugrunde liegende Frage ist jedoch heute bekannt: Wie viel der technischen Komplexität kann ein intelligentes Tool übernehmen, während Entwicklern genügend Informationen und Kontrolle verbleiben, um das resultierende System zu verstehen?

Cloud-Entwicklung zugänglicher machen

SmartCLIDE zielte auch darauf ab, die Hürden für KMU und öffentliche Organisationen beim Zugang zu Cloud- und Big-Data-Technologien zu senken.

Das Projekt nutzte verschiedene Abstraktionsebenen, um Nutzer mit unterschiedlichem technischem Hintergrund zu unterstützen.

Ein erfahrener Softwareentwickler könnte direkt mit detaillierten Komponenten und Konfigurationen arbeiten. Ein weniger spezialisierter Nutzer könnte sich auf die Dienstermittlung, Empfehlungen und übergeordnete Kompositionsmechanismen verlassen.

Das Projekt wurde anhand realer Anwendungsszenarien validiert und lieferte schließlich einen endgültigen Prototyp auf dem Technology Readiness Level 6. CORDIS verzeichnet den endgültigen Prototyp, Material zur Pilotbewertung und ein spezielles Validierungsverfahren als Teil der Projektergebnisse.

Warum der Software-Lebenszyklus nach wie vor wichtig ist

Aktuelle generative KI-Systeme können Code wesentlich schneller erzeugen als herkömmliche Entwicklungsprozesse.

Eine schnellere Codegenerierung kann jedoch die Entwicklungsarbeit verlagern, anstatt sie zu eliminieren.

Generierte Software muss nach wie vor in eine Architektur passen. Schnittstellen müssen konsistent bleiben. Abhängigkeiten müssen kontrolliert werden. Sicherheit und Leistung müssen bewertet werden. Testfälle müssen relevantes Verhalten abdecken. Bereitstellungskonfigurationen müssen korrekt sein, und das resultierende System muss überwacht und gewartet werden.

Der Lebenszyklusansatz von SmartCLIDE hat dieses Problem vorweggenommen.

Seine Architektur behandelte Erkundung, Entwicklung, Test, Bereitstellung und Betrieb als miteinander verbundene Phasen und nicht als isolierte Aktivitäten.

Diese Erkenntnis ist besonders relevant, wenn KI immer größere Teile einer Anwendung generiert.

Je einfacher es wird, Software-Artefakte zu erzeugen, desto wichtiger wird es, festzustellen, ob diese Artefakte als Teil eines größeren Systems kohärent bleiben.

Von SmartCLIDE zu OpenSmartCLIDE

Das Ende eines Forschungsprojekts wirft ein weiteres Problem der Softwareentwicklung auf: Was geschieht mit dem entstandenen Code?

SmartCLIDE löste dies, indem es seine Ergebnisse über Eclipse OpenSmartCLIDE, basierend auf Eclipse Theia, in das Open-Source-Ökosystem übertrug.

Am Ende des Projekts berichtete ATB, dass OpenSmartCLIDE die Integration in CI/CD-Umgebungen, eine intelligente Quellcodeüberwachung und eine dynamische Code-Visualisierung umfasste. Das Ziel war es, den Software-Lebenszyklus über das ursprünglich geförderte Projekt hinaus weiter zu unterstützen.

Dies war nicht nur eine Entscheidung zur Verwertung. Es ging um eine grundlegende Frage für Forschungssoftware: Die langfristige Nutzbarkeit hängt ebenso sehr von Governance, Wartbarkeit und der Integration in bestehende Entwicklungsökosysteme ab wie vom ursprünglichen technischen Prototyp.

Was hat sich seit SmartCLIDE verändert?

Die Fähigkeiten der KI haben sich dramatisch weiterentwickelt.

Große Sprachmodelle können nun aus Anweisungen in natürlicher Sprache Implementierungsalternativen, Dokumentation und Testfälle generieren. Sie können unbekannten Code erklären und Entwickler bei verschiedenen Programmiersprachen unterstützen.

Dies wirft jedoch zusätzliche technische Fragen auf.

Woher stammt eine von der KI generierte Anforderung oder Implementierungsentscheidung?

Lässt sich das generierte Ergebnis auf die technischen Informationen zurückverfolgen, auf denen es basierte?

Wie können Ingenieure plausibel erscheinende, aber fehlerhafte Ergebnisse identifizieren?

Wie sollten KI-generierte Artefakte validiert werden, bevor sie in ein Produktionssystem gelangen?

Und wie lassen sich KI-Tools in etablierte Entwicklungspraktiken integrieren, ohne einen parallelen, undurchsichtigen Entwicklungsprozess zu schaffen?

Diese Fragen erweitern die SmartCLIDE-Herausforderung von der intelligenten Unterstützung hin zu vertrauenswürdigem KI-gestütztem Engineering.

ASTIR bringt die Lebenszyklusperspektive in die Robotik ein

ATB befasst sich nun mit diesen Fragen im Rahmen des „Horizon Europe“-Projekts ASTIR – AI-Augmented Software Engineering for Intelligent Robotics.

ASTIR entwickelt eine KI-gestützte Engineering-Workbench, die den Lebenszyklus von Robotik-Software vom Anforderungs-Engineering bis zur Systemwartung abdeckt. Es nutzt generative KI nicht nur zur Unterstützung der Implementierung, sondern auch für die Anforderungsanalyse, Architekturarbeit, Code-Review, das Testen und die Laufzeitüberwachung.

Das Projekt hat im Juni 2026 seine erste große Technologieentwicklungsphase abgeschlossen. Erste Komponenten unterstützen nun Aktivitäten wie die Analyse von Engineering-Dokumenten, die Generierung strukturierter Anforderungen, die Architekturunterstützung, die Software-Implementierung, die Sicherheitsüberprüfung, die Testgenerierung und die Laufzeitüberwachung.

Die nächste Phase konzentriert sich auf die Integration dieser Komponenten in eine gemeinsame Arbeitsumgebung und deren Bewertung in den Bereichen Fertigungsrobotik, mobile Servicerobotik und landwirtschaftliche UAV-Anwendungen.

Ein wiederkehrendes Prinzip der Softwareentwicklung

SmartCLIDE und ASTIR nutzen unterschiedliche Generationen von KI-Technologie und adressieren verschiedene Anwendungsbereiche.

Sie teilen jedoch ein wichtiges Prinzip der Softwareentwicklung.

Nützliche intelligente Unterstützung darf nicht bei der Erstellung eines Artefakts enden.

Das Artefakt muss mit Anforderungen, Architektur, Tests, Bereitstellung, Betrieb und Wartung verknüpft bleiben.

Dies gewinnt umso mehr an Bedeutung, je größer die Rolle generativer KI in der Softwareentwicklung wird.

SmartCLIDE untersuchte, wie intelligente Werkzeuge komplexe Cloud–Entwicklungsprozesse zugänglicher machen könnten. ASTIR geht nun der Frage nach, inwieweit leistungsfähigere KI–Systeme Teil des Entwicklungsprozesses werden können, ohne die Rückverfolgbarkeit, Zuverlässigkeit und fachliche Verantwortung zu beeinträchtigen.

Die Technologie hat sich erheblich verändert. Der Bedarf an disziplinierter Softwareentwicklung ist jedoch unverändert geblieben.

An den Anfang scrollen
Suche