Generative KI im Software-Engineering und in der Wissensarbeit

Generative KI verändert grundlegend, wie Software entworfen, entwickelt, getestet und eingesetzt wird – vom ersten Gedanken bis zum fertigen Produkt. Entscheidend ist jedoch nicht das Werkzeug selbst, sondern das Fundament, auf dem es eingesetzt wird. Ebenso weitreichend sind die Auswirkungen auf die Wissensarbeit im Allgemeinen – von der Forschung über die Lehre bis hin zur Praxis. Auch hier gilt dasselbe Prinzip.

Wie können Software-Engineering-Teams generative KI nutzen, um tatsächlich besser zu werden – und nicht nur schneller qualitativ fragwürdigen Code zu produzieren? Wie können Studierende generative KI einsetzen, um tatsächlich schneller die erforderlichen Kompetenzen zu erwerben, statt nur scheinbare Abkürzungen zu nehmen, die sie langfristig zurückwerfen? Diese Fragen leiten meine Arbeit in Lehre, Forschung und Praxis. Die Antwort beginnt mit einer Beobachtung, die sich auf allen Ebenen bestätigt.

Der unparteiische Verstärker

In Teams und Organisationen

Teams, die über ein solides Fundament im modernen Software-Engineering mit agilen Prinzipien, technischer Exzellenz und gelebter Built-In Quality verfügen, können ihre Produktivität durch den Einsatz generativer KI erheblich steigern. Sie geben der KI klare Ziele vor, beurteilen ihre Ergebnisse kritisch und erkennen auch subtile Fehler. Sie nutzen die KI als Katalysator für Innovation und kontinuierliche Verbesserung. Teams ohne dieses Fundament produzieren mit denselben Werkzeugen hingegen schneller schlechtere Ergebnisse. Dies erklärt die großen Unterschiede in den Einschätzungen über den Nutzen generativer KI in der Praxis.

Im Lernen

Studierende, die KI-Tools gerissen einsetzen und sich Lösungen blindlings generieren lassen, bleiben mindestens genauso schlecht wie zuvor. Sie können grundlegende Konzepte des Software-Engineerings nicht wirklich durchdringen und als Wissensstrukturen verankern. Ihnen werden letztlich die Kompetenzen fehlen, um der KI das eigentliche Ziel zu vermitteln, ihre Ergebnisse kritisch zu beurteilen und subtile Fehler zu erkennen. Studierende hingegen, die KI klug einsetzen – beispielsweise als sokratischer Tutor, der lernförderliche Fragen stellt, statt direkte Antworten zu liefern – bauen genau diese Fähigkeiten auf und werden besser als je zuvor.

Dasselbe Werkzeug, diametral verschiedene Ergebnisse. Generative KI ist ein unparteiischer Verstärker: Sie potenziert das Vorhandene – sowohl Exzellenz als auch Schwäche, sowohl Kompetenz als auch Ahnungslosigkeit. Der entscheidende Unterschied liegt somit nicht im Werkzeug selbst, sondern in der Grundlage und der Haltung, mit der es eingesetzt wird. Genau hier setzt meine Arbeit an.

Forschung, Lehre und Praxis

Forschung

In meiner angewandten Forschung untersuche ich, wie generative KI den gesamten Software-Lebenszyklus verändert, die Innovationskraft sowie die Wissensarbeit beeinflusst und als Katalysator in einer lernerzentrierten Hochschuldidaktik wirken kann.

Zu den Forschungsfeldern

Lehre

Ich integriere generative KI sowohl als Lerninhalt als auch als Lernwerkzeug in meine Vorlesungen. Die Studierenden erwerben die Kompetenz, KI urteilsstark einzusetzen, und erleben gleichzeitig, wie eine klug gestaltete KI-Interaktion das Lernen beschleunigen kann.

Zu den Lehrschwerpunkten

Praxis

Seit 2023 begleite ich namhafte Unternehmen bei der Integration generativer KI in ihre Entwicklungsprozesse und Wissensarbeit. Der Fokus liegt dabei auf der wirksamen Verknüpfung von agilen Prinzipien, technischer Exzellenz und dem urteilsstarken Einsatz generativer Werkzeuge.

Kooperation anfragen