Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
# Förderung der Softwareentwicklungserfahrung mit generativer KI
Die Integration generativer KI in den Softwareentwicklungszyklus (SDLC) stellt einen Paradigmenwechsel in der Art und Weise dar, wie ganze Softwareentwicklungsteams Softwarelösungen konzipieren, entwerfen, implementieren und warten. Generative KI hat das Potenzial, jede Phase des SDLC zu revolutionieren, einschließlich Projektmanagement, Erfassung von Anforderungen, Design, Codierung, Test, Bereitstellung und Wartung.
Im Kern fungiert eine generative KI-gestützte Entwicklungserfahrung als intelligenter Partner für Ihr gesamtes Softwareentwicklungsteam, einschließlich Produktmanagern, Designern, Lösungsarchitekten, Entwicklern, Testern und Betriebspersonal. Es bietet kontextsensitive Unterstützung, generiert Artefakte (wie User Stories, Designmodelle, Codefragmente und Testfälle), bietet Vorschläge nahezu in Echtzeit und prognostiziert sogar potenzielle Probleme, bevor sie auftreten. Dieser KI-gestützte Ansatz reduziert die kognitive Belastung der Teammitglieder erheblich. Auf diese Weise können sie sich auf strategische Entscheidungen auf hoher Ebene und komplexe Problemlösungen konzentrieren, während die generative KI die alltäglicheren, sich wiederholenden Aufgaben erledigt.
Generative KI dient auch als Wissensverstärker. Es hilft Teammitgliedern, schnell auf relevante Informationen, bewährte Verfahren und Muster aus riesigen Datenrepositorien zuzugreifen. Dadurch kann Fachwissen im gesamten Unternehmen effektiv demokratisiert werden. Durch die nahtlose Integration generativer KI-Funktionen in die gesamte Entwicklungs-Toolchain können Sie eine intuitivere, effizientere und produktivere Umgebung für Ihre gesamten Softwareentwicklungsteams schaffen. Diese verbesserte Entwicklungserfahrung beschleunigt den SDLC und verbessert die Gesamtqualität. Es reduziert auch Fehler und fördert Innovation, da die Teammitglieder neue Ideen und Ansätze schneller entwickeln können.
Um ein generatives KI-gestütztes Entwicklungserlebnis in Ihrem Unternehmen einzuführen, sollten Sie die folgenden Schlüsselelemente berücksichtigen:
+ [5-I-Framework](generative-ai-dimensions.md)— Das 5-I-Framework besteht aus fünf Dimensionen und**** bietet einen umfassenden Ansatz zur Steuerung des Prozesses der modernen Softwareentwicklung. Es bietet eine strukturierte Methodik, mit der Sie generative KI systematisch in allen Phasen des SDLC anwenden können.
+ [Grundlegende Funktionen](generative-ai-capabilities.md)— Um das Potenzial der generativen KI in allen Bereichen der modernen Softwareentwicklung voll auszuschöpfen, müssen Sie eine Reihe robuster grundlegender Funktionen einrichten. Diese Funktionen bilden das Rückgrat einer KI-gestützten Entwicklungserfahrung. Diese Funktionen helfen Ihnen dabei, generative KI im gesamten SDLC zu integrieren und zu nutzen.
Zusammen bilden das 5-I-Framework und die grundlegenden Funktionen eine Strategie zur Neugestaltung der Softwareentwicklungserfahrung. Die fünf Dimensionen bieten einen strategischen Rahmen für die Anwendung generativer KI, und die grundlegenden Funktionen bereiten Ihr Unternehmen darauf vor, diesen KI-gestützten Ansatz zu unterstützen. AWS-Services, wie [Amazon Bedrock](https://docs.aws.amazon.com/bedrock/latest/userguide/what-is-bedrock.html), [Amazon SageMaker AI, Amazon](https://docs.aws.amazon.com/sagemaker/latest/dg/whatis.html) [Q Developer](https://docs.aws.amazon.com/amazonq/latest/qdeveloper-ug/what-is.html) und [Amazon Q Business](https://docs.aws.amazon.com/amazonq/latest/qbusiness-ug/what-is.html), bieten generative KI-Funktionen und -Features, die Sie in Ihre Softwareentwicklungserfahrung integrieren können.
![\[Einsatz von AWS KI-Services, dem 5-I-Framework und grundlegenden Funktionen zur Erreichung von Zielen.\]](http://docs.aws.amazon.com/de_de/prescriptive-guidance/latest/strategy-accelerate-software-dev-lifecycle-gen-ai/images/objectives.png)
# 5-I-Framework für eine KI-gestützte Softwareentwicklungserfahrung
Das 5-I-Framework bietet Softwareentwicklungsteams einen strukturierten Ansatz, um generative KI effektiv in ihre Entwicklungspraktiken zu integrieren. Es hilft Ihnen dabei, eine solide Grundlage für den Einsatz generativer KI im gesamten SDLC zu schaffen. Es hilft Ihnen auch dabei, die richtigen Entwicklungspraktiken, Workflows und Denkweisen einzurichten, um das Potenzial der generativen KI voll auszuschöpfen.
**Topics**
+ [Überblick über das Framework](#generative-ai-dimensions-overview)
+ [Integration in den Lebenszyklus der Softwareentwicklung](#generative-ai-dimensions-integration)
## Überblick über das Framework
Das 5-I-Framework basiert auf fünf Schlüsseldimensionen: Untersuchen, Integrieren, Interagieren, Iterieren und Auswirkungen. Jede Dimension stellt einen kritischen Bereich dar, in dem generative KI den Softwareentwicklungsprozess erheblich verbessert. Durch die strategische Integration generativer KI in all diesen Dimensionen trägt das Framework den sich wandelnden Bedürfnissen der modernen Softwareentwicklung Rechnung. Es kann die kognitive Belastung reduzieren und das kreative Potenzial steigern. Es wird anerkannt, dass es bei der idealen Entwicklungserfahrung nicht nur um Tools geht, sondern auch darum, eine Umgebung zu schaffen, in der KI die menschlichen Fähigkeiten in jeder Phase nahtlos verbessert.
Das folgende Diagramm zeigt die fünf Dimensionen der KI-gestützten Softwareentwicklung. Für jede Dimension wird aufgezeigt, wo Sie generative KI integrieren können, um Effizienz und Innovation zu fördern.
![\[Die fünf Dimensionen der KI-gestützten Softwareentwicklung.\]](http://docs.aws.amazon.com/de_de/prescriptive-guidance/latest/strategy-accelerate-software-dev-lifecycle-gen-ai/images/dimensions.png)
Im Folgenden sind die fünf Dimensionen des Frameworks aufgeführt:
+ **Untersuchen** — Verbessern Sie jede analytische Aufgabe in Ihrem Softwareentwicklungsprozess mit generativer KI. Nutzen Sie generative KI, um Anforderungen zu verstehen, riesige Datenmengen zu verarbeiten, Muster zu erkennen und Erkenntnisse zu gewinnen, deren Erstellung möglicherweise über menschliche Fähigkeiten hinausgeht oder deren Erstellung erheblich länger dauern würde. Diese Erkenntnisse helfen Ihnen dabei, fundiertere Entscheidungen zu treffen, Verbesserungsmöglichkeiten schnell zu erkennen und qualitativ hochwertige Software effizienter bereitzustellen. Generative KI kann ein intelligenter Partner für die Analyseprozesse im gesamten SDLC sein. Durch die Nutzung generativer KI wenden Sie eingehende Analysen auf kritische Bereiche an, wie z. B. die Erfassung von Anforderungen, die Prüfung älterer Codebasen und die Optimierung des Produktrückstands. Produkteigentümer können generative KI beispielsweise verwenden, um Nutzererlebnisse oder Anforderungen zu analysieren, bevor sie User Stories erstellen. Entwicklungsteams können Ineffizienzen aufdecken und Optimierungsmöglichkeiten in bestehenden Codebasen identifizieren. DevOps Ingenieure können Ursachenanalysen anwenden, um Leistungsprobleme oder Sicherheitslücken schnell zu diagnostizieren, was die Zuverlässigkeit verbessern kann.
+ **Integrieren** —**** Integrieren Sie generative KI, um eine Vielzahl von Aufgaben und Prozessen im gesamten SDLC zu automatisieren. Dazu gehört die automatische Generierung von Codefragmenten, Testfällen, Architekturentwürfen, Anwenderberichten und Bereitstellungspipelines. Durch die Automatisierung dieser typischerweise manuellen Aufgaben können sich Teams auf strategischere und innovativere Aufgaben konzentrieren, was zu einer schnelleren Markteinführung und zu qualitativ hochwertigen Anwendungen führt. Die Integrate-Dimension stellt einen Paradigmenwechsel in der Softwareentwicklung dar, bei dem KI zu einem integralen Bestandteil des Entwicklungsprozesses wird. Sie arbeitet mit Ihrem Softwareentwicklungsteam zusammen, um die Produktivität zu steigern, die Qualität zu verbessern und Innovationen voranzutreiben. Dies führt zu einer schnelleren Markteinführung. Es stellt Ihre Softwareentwicklungsteams vor die Herausforderung, ihre Prozesse und Workflows regelmäßig zu überprüfen, indem sie bei jedem Schritt fragen: „Kann das automatisiert werden?“
+ **Interagieren** — Verwenden Sie generative KI-gestützte Assistenten, um Ihrem Team sofortige, kontextbezogene Unterstützung bei einer Reihe von Aufgaben und Fragen zu bieten. Diese intelligenten Assistenten agieren als sachkundige Mitarbeiter, die auf eine riesige Menge an Informationen zurückgreifen. Sie können Fragen zur Programmierung beantworten, Designvorschläge unterbreiten, Standardarbeitsanweisungen erklären und bei der Behebung komplexer Probleme helfen. Die Integration dieser KI-Assistenten in den Entwicklungsablauf steigert die Produktivität und fördert eine kollaborativere Umgebung zur Problemlösung.
+ **Iterieren** — Verwenden Sie generative KI, um schnelle, datengestützte Anpassungen im gesamten SDLC zu ermöglichen. Sie können kontinuierlich Daten aus Quellen wie Kundenfeedback, Nutzungsmustern, Markttrends und Kennzahlen zur Teamleistung analysieren, um schnell fundierte Entscheidungen zu treffen. Diese Anpassungsfähigkeit verfeinert Ihre Softwareentwicklung von einem statischen, vordefinierten Prozess zu einem flüssigen, responsiven Ansatz. Sie zeigt sich auf verschiedene Weise, unter anderem durch dynamische Priorisierung von Backlogs, flexible Ressourcenzuweisung, anpassungsfähige Teststrategien, sich entwickelnde Dokumentation und reaktionsschnelle Bereitstellungsprozesse. Produktmanager können beispielsweise KI-generierte Erkenntnisse nutzen, um ihre Backlogs neu zu ordnen und so neue Kundenanforderungen und Markttrends nahezu in Echtzeit zu integrieren. DevOps Ingenieure können Bereitstellungspläne und Infrastrukturkonfigurationen auf der Grundlage von Leistungsanalysen anpassen und so sicherstellen, dass Anwendungen robust und optimiert bleiben. Entwicklungsteams können Feedback aus Sprint-Retrospektiven in umsetzbare Verbesserungen für die nächste Iteration umsetzen und so eine Kultur der kontinuierlichen Prozessverbesserung fördern.
+ **Wirkung** — Wenden Sie generative KI an, um die Effektivität und Leistung Ihres Softwareentwicklungsprozesses zu bewerten. Durch den Einsatz von KI-gestützten Analysen und Metriken erhalten Sie tiefere Einblicke in die Entwicklungseffizienz, die Codequalität, die Benutzerinteraktion und die allgemeine Anwendungsleistung. Dieser datengesteuerte Ansatz hilft Ihnen, fundierte Entscheidungen zu treffen, Ihre Entwicklungsabläufe zu optimieren und die Qualität und Benutzererfahrung Ihrer Anwendungen kontinuierlich zu verbessern. Bei der Bewertung der Produktivität von Softwareteams analysiert generative KI verschiedene Datenpunkte, z. B. die Häufigkeit von Code-Commits, Problemlösungszeiten, Release-Geschwindigkeit, Feature-Bereitstellungsraten und mehr. Es kann auch die Qualität von Code-Reviews, die Effektivität von Tools für die Zusammenarbeit und die Auswirkungen verschiedener Entwicklungspraktiken auf die Gesamtleistung des Teams bewerten. Durch die Korrelation dieser Kennzahlen mit den Projektergebnissen identifiziert die KI Muster und Trends, die menschliche Analysten möglicherweise übersehen, und sie kann umsetzbare Erkenntnisse liefern, die die Teamproduktivität steigern. Darüber hinaus kann Ihnen generative KI dabei helfen, die Teamleistung anhand von Industriestandards oder historischen Daten zu vergleichen und personalisierte Verbesserungsempfehlungen zu geben. Sie kann auch potenzielle Engpässe oder Risiken im Entwicklungsprozess vorhersagen, sodass Sie proaktive Maßnahmen ergreifen können.
## Integration in den Lebenszyklus der Softwareentwicklung
Das SDLC besteht aus mehreren Phasen, die sich von Organisation zu Organisation unterscheiden können. In der Regel umfassen diese Phasen Folgendes: Anforderungen und Planung, Design und Architektur, Implementierung, Tests, Bereitstellung sowie Betrieb und Wartung.
In der folgenden Tabelle werden die Dimensionen des 5-I-Frameworks den SDLC-Phasen zugeordnet und der Integrationsgrad für jede Dimension angegeben.
****
| Framework-Dimension | Anforderungen und Planung | Design und Architektur | Implementierung | Testen | Bereitstellung | Betrieb und Wartung |
| --- | --- | --- | --- | --- | --- | --- |
| Untersuchen | Hoch | Niedrig | Niedrig | Niedrig | Niedrig | Mittel |
| Integrieren | Mittel | Medium | Hoch | Medium | Hoch | Hoch |
| Interagieren | Hoch | Hoch | Hoch | Mittel | Medium | Hoch |
| Iterieren | Mittel | Niedrig | Niedrig | Niedrig | Niedrig | Mittel |
| Auswirkung | Hoch | Medium | Hoch | Niedrig | Hoch | Hoch |
Der Integrationsgrad variiert von hoch bis niedrig. Die Kartierung zeigt die wichtigsten Schwerpunktbereiche für jede Dimension. Investigate weist *beispielsweise* eine hohe Intensität in der Anforderungs- und Planungsphase auf. *Integrate* weist eine hohe Intensität in der Implementierungs-, Bereitstellungs-, Betriebs- und Wartungsphase auf.
Mithilfe dieser Zuordnung können Sie Ihre Bemühungen effektiv priorisieren. Wir empfehlen, dass Sie sich auf hoch, dann mittel und dann niedrig konzentrieren. Stellen Sie sicher, dass Sie einen ausgewogenen und wirkungsvollen Ansatz verfolgen, der die Softwareentwicklung mit generativer KI verbessert.
# Grundlegende Funktionen für eine KI-gestützte Softwareentwicklungserfahrung
Um ein generatives KI-gestütztes Softwareentwicklungserlebnis erfolgreich zu implementieren, müssen Sie eine Reihe grundlegender Funktionen einrichten, die sich auf mehrere Personas in Ihrem Unternehmen erstrecken. Diese Fähigkeiten stehen für Ihre Fähigkeit, Ressourcen effektiv einzusetzen, Prozesse zu implementieren und die gewünschten Ergebnisse im Kontext der KI-gestützten Softwareentwicklung zu erzielen. Durch die Nutzung dieser Fähigkeiten schaffen Sie eine solide Grundlage, auf der Sie generative KI nahtlos in alle Phasen des SDLC integrieren können.
AWS bietet wichtige Dienste, die Sie bei der Implementierung dieser Funktionen unterstützen. [Amazon Q Developer](https://docs.aws.amazon.com/amazonq/latest/qdeveloper-ug/what-is.html) hilft beispielsweise dabei, die Softwareentwicklung zu beschleunigen, indem es als KI-gestützter Assistent fungiert. [Amazon Q Business](https://docs.aws.amazon.com/amazonq/latest/qbusiness-ug/what-is.html) hilft Ihnen dabei, schnelle, relevante Antworten auf dringende Fragen zu erhalten, Probleme zu lösen und Inhalte zu generieren. Es kann auch in Ihrem Namen handeln, indem es Tools für die Softwareentwicklung integriert. [Amazon Bedrock](https://docs.aws.amazon.com/bedrock/latest/userguide/what-is-bedrock.html) bietet Zugriff auf grundlegende Modelle und eine breite Palette von Funktionen zur Anpassung spezifischer Entwicklungsabläufe und -anforderungen.
Indem Sie diese Funktionen nutzen AWS-Services, schaffen Sie eine solide Grundlage, die Ihnen hilft, generative KI nahtlos in alle Phasen des SDLC zu integrieren.
Im Folgenden sind die grundlegenden Funktionen aufgeführt, auf die Sie sich konzentrieren sollten:
+ [Projektmanagement](generative-ai-capabilities-proj-mgmt.md)
+ [Anforderungsmanagement](generative-ai-capabilities-req-mgmt.md)
+ [Architektur und Design](generative-ai-capabilities-arch-design.md)
+ [Zusammenarbeit](generative-ai-capabilities-collaboration.md)
+ [DevSecOps](generative-ai-capabilities-devsecops.md)
+ [Betrieb und Wartung](generative-ai-capabilities-ops-maintenance.md)
+ [KI-Assistenten](generative-ai-capabilities-assistants.md)
+ [Analytik und Einblicke](generative-ai-capabilities-analytics.md)
+ [Wissensmanagement](generative-ai-capabilities-knowledge-mgmt.md)
+ [Erweiterbarkeit](generative-ai-capabilities-extensibility.md)
Jede grundlegende Funktion lässt sich in die Framework-Dimensionen und die verschiedenen Phasen des SDLC integrieren. Diese Integration hilft Ihnen, KI-Funktionen während Ihres gesamten Softwareentwicklungsprozesses effektiv zu nutzen. Sie verbessert die Effizienz, Qualität und Innovation bei jedem Schritt. Die Synergie zwischen diesen grundlegenden Funktionen, dem Framework und den SDLC-Phasen schafft ein umfassendes Ökosystem für die KI-gestützte Softwareentwicklung. Dies hilft Ihnen, das volle Potenzial generativer KI auszuschöpfen, kontinuierliche Verbesserungen voranzutreiben, Entwicklungszyklen zu beschleunigen und hochwertige Softwareprodukte zu liefern.
Die folgende Tabelle zeigt, wie die grundlegenden Funktionen und Unterfunktionen den Framework-Dimensionen und den SDLC-Phasen zugeordnet sind.
****
| Fähigkeit: Unterfähigkeit | Untersuchen | Integrieren | Interagieren | Iterieren | Auswirkung |
| --- | --- | --- | --- | --- | --- |
| Projektmanagement: Problemmanagement | Anforderungen und Planung | Keine | Keine | Keine | Keine |
| Projektmanagement: Sprint- und Aufgabenmanagement | Anforderungen und Planung | Anforderungen und Planung | Keine | Keine | Keine |
| Projektmanagement: Verwaltung des Produkt-Backlogs | Anforderungen und Planung | Keine | Keine | Anforderungen und Planung | Keine |
| Projektmanagement: Zuordnung von User Stories | Anforderungen und Planung | Keine | Keine | Keine | Keine |
| Projektmanagement: Berichterstattung und Analytik | Anforderungen und Planung | Keine | Keine | Keine | Anforderungen und Planung |
| Projektmanagement: Verwaltung der Produkt-Roadmap | Anforderungen und Planung | Keine | Anforderungen und Planung | Keine | Keine |
| Projektmanagement: Feedbackschleifen | Keine | Keine | Keine | Anforderungen und Planung | Keine |
| Projektmanagement: Rückblicke | Keine | Keine | Keine | Anforderungen und Planung | Keine |
| Anforderungsmanagement | Anforderungen und Planung | Anforderungen und Planung | Keine | Keine | Keine |
| Architektur und Design: Lösungsdesign | Design und Architektur | Design und Architektur | Keine | Keine | Keine |
| Zusammenarbeit: Dokumentationsmanagement | Alle SDLC-Phasen | Keine | Alle SDLC-Phasen | Keine | Keine |
| Zusammenarbeit: Wissensaustausch | Alle SDLC-Phasen | Keine | Alle SDLC-Phasen | Keine | Keine |
| Zusammenarbeit: Verwaltung von Projektanlagen | Keine | Alle SDLC-Phasen | Alle SDLC-Phasen | Keine | Keine |
| DevSecOps: CI/CD | Testen, Einsatz | Implementierung, Testen, Bereitstellung | Bereitstellung | Keine | Keine |
| DevSecOps: DevOps Sicherheit | Implementierung | Implementierung, Testen, Betrieb und Wartung | Keine | Implementierung, Testen, Betrieb und Wartung | Keine |
| DevSecOps: Überwachung der Anwendungsleistung | Keine | Betrieb und Wartung | Keine | Keine | Keine |
| DevSecOps: Aggregation und Analyse von Protokollen | Betrieb und Wartung | Betrieb und Wartung | Keine | Keine | Keine |
| DevSecOps: AIOps | Betrieb und Wartung | Keine | Keine | Betrieb und Wartung | Keine |
| DevSecOps: Kontinuierliche Verbesserung | Keine | Keine | Keine | Betrieb und Wartung | Keine |
| DevSecOps: Überwachung über das Dashboard | Keine | Betrieb und Wartung | Keine | Keine | Keine |
| DevSecOps: Einblicke in die Leistung | Betrieb und Wartung | Keine | Keine | Betrieb und Wartung | Keine |
| Betrieb und Wartung: Störfallmanagement | Keine | Keine | Keine | Betrieb und Wartung | Keine |
| Betrieb und Wartung: Code-Upgrades | Keine | Betrieb und Wartung | Keine | Keine | Keine |
| Betrieb und Wartung: Code-Optimierung | Betrieb und Wartung | Betrieb und Wartung | Keine | Keine | Keine |
| Betrieb und Wartung: Technisches Schuldenmanagement | Keine | Betrieb und Wartung | Betrieb und Wartung | Keine | Keine |
| Betrieb und Wartung: Change Management | Keine | Implementierung, Bereitstellung | Keine | Keine | Keine |
| Betrieb und Wartung: Reverse Engineering | Betrieb und Wartung | Keine | Keine | Keine | Keine |
| Betrieb und Wartung: Code-Modernisierung | Keine | Implementierung | Keine | Keine | Keine |
| Betrieb und Wartung: Leistungsoptimierung | Keine | Betrieb und Wartung | Keine | Betrieb und Wartung | Keine |
| Analysen und Einblicke | Keine | Anforderungen und Planung | Keine | Keine | Alle SDLC-Phasen |
| KI-Assistent | Keine | Keine | Alle SDLC-Phasen | Keine | Keine |
| Wissensmanagement | Keine | Keine | Alle SDLC-Phasen | Keine | Keine |
| Erweiterbarkeit | Keine | Bereitstellung | Keine | Keine | Keine |
# Generative KI-Anwendungsfälle für das Projektmanagement
Effektives Projektmanagement ist das Herzstück einer erfolgreichen Softwareentwicklung. Im Kontext der generativen KI nimmt das Projektmanagement neue Dimensionen an. Es kann prädiktiver, anpassungsfähiger und datengesteuerter werden. KI-gestützte Projektmanagement-Tools analysieren historische Projektdaten, um genauere Zeit- und Ressourcenschätzungen zu erstellen. Sie können Aufgaben auf der Grundlage von Geschäftszielen und Teamkapazitäten automatisch priorisieren und sogar potenzielle Hindernisse vorhersagen, bevor sie auftreten. Ein Projektmanager könnte beispielsweise generative KI verwenden, um einen vorläufigen Projektplan zu erstellen, der auf den Projektanforderungen und historischen Daten aus ähnlichen Projekten basiert. Die KI könnte dann optimale Teamzusammensetzungen vorschlagen, die Fähigkeiten, Arbeitsbelastungen und Projektanforderungen berücksichtigen. Während des gesamten Projekts bieten KI-gesteuerte Dashboards nahezu in Echtzeit Einblicke in den Projektstatus, indem sie automatisch Berichte generieren und Bereiche hervorheben, die Aufmerksamkeit erfordern.
Dieser KI-gestützte Ansatz für das Projektmanagement kann die Effizienz steigern. Es hilft Projektmanagern, sich auf strategische Entscheidungen und Teamführung zu konzentrieren, anstatt sich in routinemäßigen Verwaltungsaufgaben zu verzetteln.
Die folgende Tabelle zeigt Anwendungsfälle für das Projektmanagement, die Sie mit generativer KI erweitern können, sowie die Person, die für diese Anwendungsfälle verantwortlich ist.
****
| Unterfähigkeit: Anwendungsfall | Persona |
| --- | --- |
| Problemmanagement: Probleme erstellen und zuweisen | Projektmanager |
| Problemmanagement: Erkennen Sie Probleme beim Testen und protokollieren Sie sie | Testingenieur |
| Problemmanagement: Priorisieren Sie Probleme nach Schweregrad und weisen Sie sie Entwicklern zu | Projektmanager |
| Problemmanagement: Identifizieren Sie doppelte Probleme und führen Sie sie zusammen | Projektmanager |
| Problemmanagement: Verfolgen und erstellen Sie Berichte über wichtige Probleme, Kennzahlen und den allgemeinen Status des Projekts | Projektmanager |
| Sprint- und Aufgabenmanagement: Schätzen Sie den Aufwand für Aufgaben ab und weisen Sie Storypoints auf der Grundlage der Teamkapazität zu | Scrum Master |
| Sprint- und Aufgabenmanagement: Verteilen Sie die Aufgaben auf die Teammitglieder, um eine gleichmäßige Arbeitsbelastung während des gesamten Sprints zu erreichen | Scrum Master |
| Sprint- und Aufgabenmanagement: Erleichtern Sie Sprint-Planungssitzungen, die die Teambemühungen an den Sprintzielen ausrichten | Scrum Master |
| Produkt-Backlog-Management: Ordnen Sie Backlog-Elemente auf der Grundlage von Geschäftswert, Dringlichkeit und Benutzerfeedback neu an | Eigentümer des Produkts |
| Verwaltung des Produkt-Backlogs: Integrieren Sie neues Kundenfeedback und Markteinblicke in den Produkt-Backlog, um Prioritäten nahezu in Echtzeit zu setzen | Eigentümer des Produkts |
| Produkt-Backlog-Management: Identifizieren und verwalten Sie Abhängigkeiten zwischen Backlog-Elementen, um die Entwicklung zu optimieren | Produktmanager |
| Zuordnung von User Stories: Erstellen Sie Karten der Nutzererlebnisse, um alle erforderlichen Funktionen und die entsprechenden User Stories zu identifizieren | Eigentümer des Produkts |
| Zuordnung von User Stories: Identifiziere Lücken oder fehlende Schritte im Nutzerablauf | Geschäftsanalyst |
| Zuordnung von User Stories: Priorisieren Sie User Stories auf der Grundlage ihrer Auswirkungen auf den Geschäftswert | Produktmanager |
| Berichterstattung und Analyse: Generieren Sie Dashboards nahezu in Echtzeit, die wichtige Projektkennzahlen wie Sprint-Geschwindigkeit und Problemlösungsraten visualisieren | Projektmanager |
| Berichterstattung und Analyse: Analysieren Sie historische Daten und prognostizieren Sie future Projektergebnisse, wie z. B. mögliche Verzögerungen oder Engpässe | Projektmanager |
| Berichterstattung und Analyse: Erstellen Sie benutzerdefinierte Berichte, z. B. Berichte zur Teamleistung oder zum Projektstatus, die auf verschiedene Stakeholder zugeschnitten sind | Projektmanager |
| Produkt-Roadmap-Management: Erstellen und pflegen Sie eine Produkt-Roadmap, in der die wichtigsten Meilensteine und Veröffentlichungstermine aufgeführt sind | Projektmanager |
| Produkt-Roadmap-Management: Aktualisieren Sie die Roadmap auf der Grundlage von Änderungen der Projektprioritäten oder Zeitpläne | Produktmanager |
| Verwaltung der Produkt-Roadmap: Teilen Sie die Roadmap den Stakeholdern mit, um einen Überblick über die Ausrichtung des Produkts zu erhalten | Produktmanager |
| Feedback-Schleifen: Sammeln Sie nach jedem Sprint Feedback vom Team und identifizieren Sie Bereiche mit Verbesserungspotenzial | Scrum Master |
| Rückblicke: Setzen Sie Feedback in umsetzbare Elemente für den nächsten Sprint um und treiben Sie so die kontinuierliche Verbesserung voran | Scrum Master |
| Rückblicke: Verfolgen Sie die Auswirkungen von Änderungen, die im Rahmen früherer Retrospektiven vorgenommen wurden, um deren Wirksamkeit zu messen | Scrum Master |
# Generative KI-Anwendungsfälle für das Anforderungsmanagement
Das Anforderungsmanagement ist ein wichtiger Prozess, der eng mit dem Projektmanagement verknüpft ist. Stellen Sie sich vor, ein Product Owner verwendet ein KI-Tool, um Kundenfeedback, Markttrends und Beiträge von Stakeholdern zu analysieren. Das KI-Tool könnte eine umfassende Sammlung von Anwenderberichten und Anforderungen generieren, diese automatisch kategorisieren, potenzielle Konflikte oder Lücken erkennen und sogar eine Priorisierung vorschlagen, die auf dem Geschäftswert und der Komplexität der Implementierung basiert. Wenn das Projekt voranschreitet und sich die Anforderungen weiterentwickeln, kann die KI die Anforderungen kontinuierlich aktualisieren und verfeinern, um sicherzustellen, dass sie den sich ändernden Geschäftsanforderungen und technischen Einschränkungen entsprechen. Dieser dynamische, KI-gestützte Ansatz für das Anforderungsmanagement trägt dazu bei, dass die Entwicklungsbemühungen während des gesamten Projektlebenszyklus eng an den Benutzerbedürfnissen und Geschäftszielen ausgerichtet bleiben.
Die folgende Tabelle zeigt Anwendungsfälle für das Anforderungsmanagement, die Sie mit generativer KI erweitern können, sowie die Person, die für diese Anwendungsfälle verantwortlich ist.
****
| Anwendungsfall | Persona |
| --- | --- |
| Erstellen Sie Geschäftsanforderungen | Geschäftsanalyst |
| Erstellen Sie Epen aus Features | Eigentümer des Produkts |
| Verfolge den Fortschritt eines Epos, indem du die Fertigstellung der zugehörigen User Stories überwachst | Produktmanager |
| Erstellen Sie Anwenderberichte | Eigentümer des Produkts |
| Schätzen Sie den Aufwand für jede Use Story ab und weisen Sie Story Points zu | Scrum Master |
| Definieren Sie Akzeptanzkriterien für jede User Story | Eigentümer des Produkts |
# Generative KI-Anwendungsfälle für Architektur und Design
Mit einer soliden Grundlage für Projektmanagement und klar definierten Anforderungen sind Architektur und Design die nächste wichtige Fähigkeit. Hier eröffnet generative KI neue Möglichkeiten zur Schaffung robuster, skalierbarer und effizienter Softwarearchitekturen. KI-gestützte Designtools können Anforderungen und Einschränkungen analysieren, um optimale Architekturmuster und Entwurfsansätze vorzuschlagen. Sie generieren mehrere Entwurfsalternativen, und jede ist für unterschiedliche Prioritäten wie Leistung, Skalierbarkeit oder Wartbarkeit optimiert. Ein Lösungsarchitekt könnte beispielsweise einen KI-Assistenten verwenden, um schnell mehrere grundlegende Architekturentwürfe auf der Grundlage der Projektanforderungen zu erstellen. Dieser KI-gestützte Ansatz beschleunigt den Entwurfsprozess und hilft Architekten, fundiertere Entscheidungen zu treffen. Dies führt zu robusteren und zukunftssichereren Softwaredesigns.
Die folgende Tabelle zeigt Anwendungsfälle für Architektur und Design, die Sie mit generativer KI erweitern können, sowie die Person, die für diese Anwendungsfälle verantwortlich ist.
****
| Anwendungsfall | Persona |
| --- | --- |
| Erstellen Sie ein Architekturdokument | Lösungsarchitekt |
| Erstellen Sie ein detailliertes Entwurfsdokument | Technischer Leiter |
| Verstehen Sie bestehende Architektur- und Designstandards | Lösungsarchitekt |
| Entwickeln Sie detaillierte Modelle und Prototypen einer Benutzeroberfläche | UX/UI-Designer |
# Generative KI-Anwendungsfälle für die Zusammenarbeit
Softwareentwicklung ist von Natur aus ein kollaboratives Unterfangen. Sie können generative KI verwenden, um die Zusammenarbeit in Ihrem Softwareentwicklungsteam zu verbessern. KI-gestützte Tools für die Zusammenarbeit gehen über einfaches Messaging und Filesharing hinaus. Sie ermöglichen eine effektivere Kommunikation, indem sie lange Diskussionsstränge zusammenfassen, wichtige Entscheidungen hervorheben und sogar optimale Zeiten für Besprechungen vorschlagen, die auf den Zeitplänen und Produktivitätsmustern der Teammitglieder basieren. KI kann bei Codeüberprüfungen helfen, indem sie potenzielle Probleme automatisch identifiziert, Verbesserungen vorschlägt und den Prüfern sogar komplexe Änderungen erklärt. Bei Brainstorming-Sitzungen kann KI als Moderator fungieren, Ideen generieren, bei der Organisation von Gedanken helfen und sogar Diskussionen vermitteln, um sicherzustellen, dass alle Stimmen gehört werden. Für verteilte Teams kann KI helfen, kulturelle und sprachliche Barrieren zu überbrücken. Sie kann fast in Echtzeit Sprachübersetzungen in Chat- und Videoanrufen ermöglichen und einen kulturellen Kontext bieten, um Missverständnissen vorzubeugen. Durch die Erweiterung der menschlichen Zusammenarbeit mit KI hilft diese Funktion Teams dabei, effizienter und effektiver zu arbeiten, was Innovationen fördert und die Gesamtergebnisse des Projekts verbessert.
Die folgende Tabelle zeigt, wie Sie generative KI verwenden können, um Anwendungsfälle für die Zusammenarbeit zu verbessern.
****
| Unterfähigkeit: Anwendungsfall | Persona |
| --- | --- |
| Dokumentenmanagement: Erstellen und verwalten Sie ein zentrales Dokumentationsarchiv | Technischer Redakteur |
| Dokumentenmanagement: Ermöglichen Sie mehreren Teammitgliedern, in Echtzeit gemeinsam an der Dokumentation zu arbeiten | Entwicklungsteam |
| Wissensaustausch: Nutzen Sie Diskussionsforen als Plattform für Entwickler, um Fragen zu stellen, Wissen auszutauschen und Probleme gemeinsam zu beheben | Entwicklungsteam |
| Wissensaustausch: Verwenden Sie Diskussionsforen, um Entscheidungen zu dokumentieren und nachzuverfolgen, die während der Projektdiskussionen getroffen wurden, und stellen Sie sicher, dass die Gründe für wichtige Entscheidungen erfasst und für future Nachschlagewerke zugänglich sind | Produktmanager |
| Projekt-Asset-Management: Erleichtern Sie die einfache gemeinsame Nutzung projektbezogener Ressourcen | Entwicklungsteam |
| Projekt-Asset-Management: Implementieren Sie die Versionskontrolle für gemeinsam genutzte Inhalte, sodass Teammitglieder Änderungen verfolgen, zu früheren Versionen zurückkehren und gemeinsam an Inhaltsaktualisierungen arbeiten können | Entwicklungsteam |
# Generative KI-Anwendungsfälle für DevSecOps
KI-gestützte DevSecOps Tools automatisieren viele Aspekte der Softwarebereitstellungspipeline. Sie können beispielsweise intelligente Codeprüfungen durchführen, potenzielle Fehler erkennen, Sicherheitslücken erkennen und Leistungsprobleme nahezu in Echtzeit identifizieren, während Entwickler Code schreiben. KI generiert und führt umfassende Testsuiten aus und aktualisiert sie automatisch, wenn sich die Codebasis weiterentwickelt. Dieser KI-gestützte Ansatz DevSecOps beschleunigt die Bereitstellungspipeline und verbessert die Sicherheit und Zuverlässigkeit der bereitgestellten Software erheblich.
Die folgende Tabelle zeigt DevSecOps Anwendungsfälle, die Sie mit generativer KI erweitern können, sowie die Person, die für diese Anwendungsfälle verantwortlich ist.
****
| Unterfähigkeit: Anwendungsfall | Persona |
| --- | --- |
| DevOps und kontinuierliche Bereitstellung: Automatisierte gesamte Bereitstellungspipelines | DevOps Ingenieur |
| DevOps und kontinuierliche Bereitstellung: Erhalten Sie nahezu in Echtzeit Feedback zur Codequalität und zu potenziellen Problemen | Softwareentwickler |
| DevOps und kontinuierliche Bereitstellung: Erhalten Sie nahezu in Echtzeit Sicherheitsprobleme und Empfehlungen zu deren Behebung | Softwareentwickler |
| DevOps und kontinuierliche Bereitstellung: Sie erhalten Code- und Best-Practice-Vorschläge fast in Echtzeit | Softwareentwickler |
| DevOps und kontinuierliche Bereitstellung: Automatisieren Sie sich wiederholende Aufgaben und integrieren Sie Befehle in Skripte | DevOps Ingenieur |
| DevOps und kontinuierliche Bereitstellung: Code erstellen und Artefakte nach jedem Code-Commit automatisch generieren | Softwareentwickler |
| DevOps und kontinuierliche Bereitstellung: Erstellen Sie Code gemäß den Standards und Rahmenbedingungen der Organisation | Softwareentwickler |
| DevOps und Continuous Delivery: Führen Sie bei jedem Commit automatisch Unit-Tests durch catch um Fehler schon früh im Entwicklungsprozess zu erkennen | Softwareentwickler |
| DevOps und kontinuierliche Bereitstellung: Analysieren Sie den Umfang der Komponententests, um sicherzustellen, dass alle kritischen Codepfade getestet werden | Softwareentwickler |
| DevOps und kontinuierliche Bereitstellung: Filialen verwalten und Änderungen zusammenführen | Softwareentwickler |
| DevOps und kontinuierliche Bereitstellung: Verwalten Sie die Versionierung von Code und Artefakten | Softwareentwickler |
| DevOps und kontinuierliche Bereitstellung: Speichern und verwalten Sie Build-Artefakte und Abhängigkeiten | DevOps Ingenieur |
| DevOps und kontinuierliche Bereitstellung: Auflösen und Abrufen von Abhängigkeiten während des Build-Prozesses | Softwareentwickler |
| DevOps und kontinuierliche Bereitstellung: Generieren und führen Sie Integrationstests durch, um sicherzustellen, dass die Komponenten erwartungsgemäß zusammenarbeiten | Testingenieur |
| DevOps und kontinuierliche Bereitstellung: Verwenden Sie bei Integrationstests Scheindienste, um Interaktionen mit externen Systemen zu simulieren | Testingenieur |
| DevOps und kontinuierliche Bereitstellung: Vergleichen Sie die Anwendungsleistung unter verschiedenen Lasten | Leistungsingenieur |
| DevOps und kontinuierliche Bereitstellung: Simulieren Sie Szenarien mit hohem Datenaufkommen, um die Skalierbarkeit und die Reaktionszeiten der Anwendung zu testen | Leistungsingenieur |
| DevOps und kontinuierliche Bereitstellung: Testen Sie die Fähigkeit des Systems, sich nach Ausfällen wie Serverabstürzen oder Netzwerkausfällen zu erholen | Techniker für Zuverlässigkeit vor Ort |
| DevOps und kontinuierliche Bereitstellung: Führen Sie Chaos Engineering durch | Ingenieur für Zuverlässigkeit vor Ort |
| DevOps und kontinuierliche Bereitstellung: Führen Sie Tests durch, um zu überprüfen, ob die Anwendung die Geschäftsanforderungen erfüllt | QA-Ingenieur |
| DevOps und kontinuierliche Bereitstellung: Führen Sie Benutzerakzeptanztests durch | Eigentümer des Produkts |
| DevOps und kontinuierliche Bereitstellung: Untersuchen Sie Abhängigkeiten auf Sicherheitslücken und Probleme mit der Einhaltung von Lizenzbestimmungen | Sicherheitsingenieur |
| DevOps und kontinuierliche Bereitstellung: Überwachen und verwalten Sie Open-Source-Abhängigkeiten, um sicherzustellen, dass sie aktuell und sicher sind | Sicherheitsingenieur |
| DevOps und kontinuierliche Bereitstellung: Generieren und verwalten Sie eine Software-Stückliste (SBOM), um alle Komponenten und Abhängigkeiten nachzuverfolgen | Sicherheitsingenieur |
| DevOps und kontinuierliche Bereitstellung: Verwenden Sie die SBOM, um Audits zur Einhaltung gesetzlicher Vorschriften durchzuführen | Compliance-Beauftragter |
| DevOps und kontinuierliche Bereitstellung: Erstellen Sie Versionshinweise | Versionsmanager |
| DevOps und kontinuierliche Bereitstellung: Planen und koordinieren Sie Releases | Versionsmanager |
| DevOps und kontinuierliche Bereitstellung: Implementieren Sie Standardarbeitsanweisungen für Rollback und Release-Management | Versionsmanager |
| DevOps und kontinuierliche Bereitstellung: Verwenden Sie Feature-Flags, um Funktionen in der Produktion zu aktivieren oder zu deaktivieren, ohne neuen Code bereitzustellen | Produktmanager |
| DevOps und kontinuierliche Bereitstellung: Führen Sie A/B Tests mithilfe von Feature-Flags durch, um die Auswirkungen verschiedener Funktionen auf das Benutzerverhalten zu messen | Produktmanager |
| DevOps und kontinuierliche Bereitstellung: Analysieren und überwachen Sie Pipeline-Ausfälle | DevOps Ingenieur |
| DevOps und kontinuierliche Bereitstellung: Infrastrukturressourcen erstellen und verwalten | DevOps Ingenieur |
| DevOps und Sicherheit: Code-Repositorys nach fest codierten Geheimnissen scannen | DevOps Ingenieur |
| DevOps und Sicherheit: Implementieren Sie eine Erkennung nahezu in Echtzeit, um Entwickler sofort zu benachrichtigen, wenn geheime Daten in das Repository übertragen werden | DevOps Ingenieur |
| DevOps und Sicherheit: Erzwingen Sie eine kontinuierliche Überwachung der Codequalität | Softwareentwickler |
| DevOps und Sicherheit: Erkennen und kennzeichnen Sie Indikatoren für potenzielle Sicherheitslücken im Code | Softwareentwickler |
| DevOps und Sicherheit: Implementieren Sie automatisierte Tests für die 10 wichtigsten Sicherheitsrisiken des Open Worldwide Application Security Project (OWASP), um sicherzustellen, dass die Anwendung den branchenüblichen Sicherheitspraktiken entspricht | Sicherheitsingenieur |
| DevOps und Sicherheit: Informiere Entwickler regelmäßig und informiere sie über OWASP-Risiken, indem du Prüfungen in den Entwicklungsprozess integrierst | Sicherheitsingenieur |
| DevOps und Sicherheit: Durchsuchen Sie Bibliotheken und Abhängigkeiten von Drittanbietern auf bekannte Sicherheitslücken | DevOps Ingenieur |
| DevOps und Sicherheit: Scannen Sie den Anwendungscode und die Infrastruktur, um Sicherheitslücken zu erkennen | DevOps Ingenieur |
| DevOps und Sicherheit: Analysieren Sie den Code vor der Bereitstellung auf Sicherheitslücken | Sicherheitsingenieur |
| DevOps und Sicherheit: Setzen Sie Sicherheitsrichtlinien durch, indem Sie verhindern, dass Code mit kritischen Sicherheitslücken zusammengeführt wird | Sicherheitsingenieur |
| DevOps und Sicherheit: Implementieren Sie eine rollenbasierte Zugriffskontrolle (RBAC), um den Zugriff auf sensible Systeme und Daten einzuschränken und sicherzustellen, dass nur autorisiertes Personal auf kritische Ressourcen zugreifen kann | Sicherheitsingenieur |
| DevOps und Sicherheit: Passen Sie die Zugriffskontrollen an die Rollen und Verantwortlichkeiten an, indem Sie sie an Änderungen in der Teamstruktur anpassen | DevOps Ingenieur |
| DevOps und Sicherheit: Testen Sie laufende Anwendungen nahezu in Echtzeit auf Sicherheitslücken, indem Sie Angriffe auf die Produktionsumgebung simulieren | Sicherheitsingenieur |
| DevOps und Sicherheit: Überwachen Sie bereitgestellte Anwendungen kontinuierlich auf Sicherheitslücken | DevOps Ingenieur |
| DevOps und Sicherheit: Planen Sie regelmäßige Schwachstellenscans in allen Umgebungen ein, um Sicherheitslücken zu identifizieren und zu beheben | Sicherheitsingenieur |
| DevOps und Sicherheit: Wenden Sie Patches und Updates auf der Grundlage der Ergebnisse von Schwachstellenscans an, um die Sicherheit Ihrer Systeme aufrechtzuerhalten | DevOps Ingenieur |
| Überwachung der Anwendungsleistung: Kontinuierliche Überwachung der Anwendungsleistung nahezu in Echtzeit, um Leistungsprobleme zu erkennen und zu diagnostizieren, bevor sie sich auf Benutzer auswirken | Ingenieur für Zuverlässigkeit vor Ort |
| Überwachung der Anwendungsleistung: Erkennen Sie Leistungsanomalien, wie z. B. plötzliche Spitzen bei den Antwortzeiten oder erhöhte Fehlerraten, und lösen Sie Warnmeldungen aus | DevOps Ingenieur |
| Überwachung der Anwendungsleistung: Verfolgen Sie Anfragen, während sie sich in einem verteilten System ausbreiten, um Leistungsengpässe und Latenzprobleme zu identifizieren | DevOps Ingenieur |
| Überwachung der Anwendungsleistung: Verwenden Sie verteiltes Tracing, um genau den Dienst oder die Komponente zu ermitteln, die für Ausfälle oder Leistungseinbußen verantwortlich ist | DevOps Ingenieur |
| Aggregation und Analyse von Protokollen: Aggregieren Sie Protokolle aus mehreren Quellen in einem zentralen System, um sie einfach durchsuchen und analysieren zu können, um Trends und Probleme zu identifizieren | Ingenieur für Zuverlässigkeit vor Ort |
| Aggregation und Analyse von Protokollen: Implementieren Sie eine automatisierte Protokollanalyse, um relevante Informationen zu extrahieren und Muster oder Anomalien zu erkennen, die auf Probleme hinweisen könnten | DevOps Ingenieur |
| Aggregation und Analyse von Protokollen: Erfassung und Visualisierung wichtiger Leistungskennzahlen | Ingenieur für Standortzuverlässigkeit |
| Aggregation und Analyse von Protokollen: Überwachen Sie Metriken anhand vordefinierter Service Level Agreements () SLAs | Produktmanager |
| KI-Operationen: Erkennen Sie Vorfälle, analysieren Sie die Ursachen und leiten Sie Korrekturmaßnahmen ein, ohne dass ein menschliches Eingreifen erforderlich ist | DevOps Ingenieur |
| KI-Betrieb: Prognostizieren Sie den future Ressourcenbedarf und optimieren Sie die Kapazitätsplanung, um Ausfälle zu vermeiden | Ingenieur für Zuverlässigkeit vor Ort |
| Kontinuierliche Verbesserung: Überwachen Sie die tatsächlichen Benutzerinteraktionen mit der Anwendung, um Erkenntnisse über die Leistung zu gewinnen und Bereiche mit Verbesserungspotenzial zu identifizieren | UX-Designer |
| Kontinuierliche Verbesserung: Verfolgen Sie die Anwendungsleistung in verschiedenen geografischen Regionen, um weltweit ein einheitliches Benutzererlebnis zu gewährleisten | Produktmanager |
| Dashboard-Überwachung: Erstellen Sie anpassbare Dashboards, um wichtige Kennzahlen, Protokolle und Traces nahezu in Echtzeit zu visualisieren und so einen umfassenden Überblick über den Systemzustand zu erhalten | Ingenieur für Zuverlässigkeit vor Ort |
| Dashboard-Überwachung: Erstellen Sie Dashboards für verschiedene Teams (z. B. Entwicklungs-, Betriebs- und Produktteams), um relevante Einblicke auf der Grundlage ihrer Schwerpunktbereiche zu erhalten | DevOps Ingenieur |
| Einblicke in die Leistung: Führen Sie eine detaillierte Analyse der Anwendungsleistung durch, um Ineffizienzen zu identifizieren und Code oder Infrastruktur zu optimieren | Softwareentwickler |
| Einblicke in die Leistung: Nutzen Sie Leistungseinblicke, um die Anwendungsleistung schrittweise zu verbessern und die Benutzererfahrung im Laufe der Zeit zu optimieren | Produktmanager |
# Generative KI-Anwendungsfälle für Betrieb und Wartung
Nach der Bereitstellung der Software verlagert sich der Schwerpunkt auf Betrieb und Wartung. Generative KI kann traditionelle Ansätze verbessern, indem sie ein proaktiveres und effizienteres Systemmanagement ermöglicht. KI-gestützte Betriebstools überwachen kontinuierlich die Systemleistung und prognostizieren potenzielle Probleme, bevor sie sich auf Benutzer auswirken. Sie führen automatische Ursachenanalysen durch, wenn Probleme auftreten, wodurch die durchschnittliche Zeit bis zur Lösung erheblich verkürzt wird. KI optimiert auch die Systemleistung nahezu in Echtzeit. Sie passt Konfigurationen automatisch an sich ändernde Lastmuster und Benutzerverhalten an. Beispielsweise könnte ein Betriebsteam einen KI-Assistenten verwenden, um vorausschauende Wartungspläne zu erstellen, automatisch Komponenten zu identifizieren, bei denen ein Ausfall wahrscheinlich ist, und präventive Maßnahmen vorzuschlagen. Die KI könnte auch bei der Kapazitätsplanung helfen, indem sie Nutzungstrends analysiert und den future Ressourcenbedarf mit hoher Genauigkeit vorhersagt.
Die folgende Tabelle zeigt Anwendungsfälle für Betrieb und Wartung, die Sie mit generativer KI verbessern können, sowie die Person, die für diese Anwendungsfälle verantwortlich ist.
****
| Unterfähigkeit: Anwendungsfall | Persona |
| --- | --- |
| Incident Management: Managen Sie Vorfälle nahezu in Echtzeit, indem Sie Überwachungstools in Chat-Plattformen integrieren, sodass Teams Probleme direkt in der Chat-Umgebung erkennen, besprechen und lösen können | Ingenieur für Zuverlässigkeit vor Ort |
| Vorfallmanagement: Ermöglichen Sie es Teams, Bereitstellungen zu initiieren, Skripte auszuführen und Befehle direkt von der Chat-Oberfläche aus auszuführen, was den Betrieb rationalisiert | DevOps Ingenieur |
| Code-Upgrades: Aktualisieren Sie Codeabhängigkeiten und Bibliotheken, um den manuellen Aufwand zu reduzieren und sicherzustellen, dass die Codebasis mit den neuesten Versionen auf dem neuesten Stand bleibt | Softwareentwickler |
| Code-Optimierung: Überprüfen Sie den Code auf Optimierungsmöglichkeiten | Softwareentwickler |
| Codeoptimierung: Identifizieren Sie Engpässe im Code und refaktorieren oder optimieren Sie den Code, um die Leistung zu verbessern | Softwareentwickler |
| Technisches Schuldenmanagement: Protokollieren Sie technische Schulden als Teil des Entwicklungsprozesses | Produktmanager |
| Technisches Schuldenmanagement: Priorisieren und behandeln Sie technische Schulden auf der Grundlage von Auswirkungen, Risiken und Kosten und integrieren Sie sie in den regulären Sprint-Planungsprozess | Softwareentwickler |
| Technisches Schuldenmanagement: Reduzieren Sie technische Schulden im vorhandenen Anwendungscode | Softwareentwickler |
| Änderungsmanagement: Implementieren Sie einen Prozess zur Genehmigung von Änderungen, der sicherstellt, dass alle Codeänderungen vor der Implementierung von den erforderlichen Beteiligten überprüft, getestet und genehmigt werden | Manager ändern |
| Änderungsmanagement: Führen Sie eine Folgenabschätzung der vorgeschlagenen Änderungen durch | DevOps Ingenieur |
| Reverse Engineering: Analysieren und verstehen Sie die Struktur und das Verhalten von Legacy-Code | Lösungsarchitekt |
| Reverse Engineering: Erläutern Sie den vorhandenen Code und erstellen Sie eine Dokumentation | Softwareentwickler |
| Code-Modernisierung: Translate Sie Code von einer Programmiersprache in eine andere | Softwareentwickler |
| Code-Modernisierung: Modernisieren Sie älteren Code in die neueste Programmiersprache | Softwareentwickler |
| Leistungsoptimierung: Überwachen und optimieren Sie kontinuierlich die Systemleistung, indem Sie die Ressourcenzuweisung, den Lastenausgleich und die Neukonfiguration der Anwendung optimieren | Ingenieur für Zuverlässigkeit vor Ort |
| Leistungsoptimierung: Identifizieren und überarbeiten Sie den Code, der zu Leistungseinbußen führt, um die Geschwindigkeit und die Reaktionsfähigkeit des Systems zu verbessern | Softwareentwickler |
# Anwendungsfälle für generative KI-Assistenten in der Softwareentwicklung
Die KI-Assistentenfunktion ist das Herzstück der generativen KI-gestützten Entwicklungserfahrung. Dieses intelligente, kontextsensitive System dient als virtueller Kollaborateur für alle Teammitglieder im gesamten SDLC. Stellen Sie sich einen Entwickler vor, der an einem komplexen Code arbeitet. Sie können den KI-Assistenten einfach um Hilfe bitten und er kann relevante Codefragmente bereitstellen, komplizierte Algorithmen erklären oder sogar Optimierungen vorschlagen, die auf dem aktuellen Kontext und den Best Practices basieren. Der KI-Assistent kann einem ITOps Manager helfen, eine Standardarbeitsanweisung zu verstehen, die auf internen Dokumenten basiert. Durch die sofortige, kontextuelle Unterstützung reduzieren KI-Assistenten die kognitive Belastung der Teammitglieder erheblich. Dies hilft ihnen, sich auf übergeordnete Problemlösungs- und kreative Aufgaben zu konzentrieren. Diese Fähigkeit wirkt wie ein Multiplikator, der die Produktivität und Qualität in allen Phasen der Softwareentwicklung steigert.
Die folgende Tabelle zeigt Anwendungsfälle, die Sie mit KI-Assistenten und der Benefited Persona verbessern können.
****
| Anwendungsfall | Persona |
| --- | --- |
| Bieten Sie dem Entwicklungsteam sofortige Unterstützung, indem Sie Fragen zu Anforderungen, Architekturen und Standardarbeitsanweisungen beantworten | Softwareentwicklungsteam |
| Suchen oder rufen Sie Auszüge aus umfangreicher Dokumentation ab oder generieren Sie Zusammenfassungen mithilfe von Abfragen in natürlicher Sprache | Softwareentwicklungsteam |
| Fassen Sie umfangreiche technische Dokumente wie Anforderungsdokumente, Architekturentwurfsdokumentationen und interne Prozesse zusammen | Softwareentwicklungsteam |
| Pflegen Sie eine Bibliothek mit Eingabeaufforderungen, die das Team für allgemeine Aufgaben verwenden kann | Softwareentwicklungsteam |
| Integrieren Sie generative KI nahtlos in bestehende Tools und Systeme | Softwareentwicklungsteam |
| Automatisieren Sie Aufgaben auf verschiedenen Plattformen, Tools und internen Systemen | Softwareentwicklungsteam |
| Schaffen Sie einen zentralen Wissensspeicher, der für alle Teammitglieder zugänglich ist, einschließlich bewährter Verfahren, projektspezifischer Informationen und Teamwissen | Softwareentwicklungsteam |
| Rufen Sie je nach Kontext der Aufgabe relevantes Wissen aus dem Repository ab | Softwareentwicklungsteam |
| Führen Sie automatisierte Codeprüfungen und Ursachenanalysen durch, schlagen Sie Verbesserungen vor, erkennen Sie potenzielle Fehler und führen Sie Problembehebungen durch | Softwareentwickler, DevOps Ingenieur und Techniker für die Zuverlässigkeit von Websites |
| Analysieren Sie Leistungsdaten, um Trends und Muster zu identifizieren, die als Grundlage für Entscheidungen zur Leistungsoptimierung dienen können | Ingenieur für Standortzuverlässigkeit |
| Geben Sie Empfehlungen zur Verbesserung der Effizienz, zur Verringerung der Komplexität und zur Verbesserung der Sicherheit | Softwareentwickler |
| Schlagen Sie Optimierungen für die Nutzung von Cloud-Ressourcen vor, z. B. Skalierungsempfehlungen oder Strategien zur Kosteneinsparung | Softwareentwickler, DevOps Ingenieur, Ingenieur für Standortzuverlässigkeit und Lösungsarchitekt |
| Generieren Sie neue Inhalte, wie z. B. Dokumentation, die auf Code, Benutzerhandbüchern oder Produktversionen basiert | Softwareentwicklungsteam |
# Generative KI-Anwendungsfälle für Analysen und Erkenntnisse
Die Analyse- und Erkenntnisfunktionen helfen dabei, riesige Datenmengen in umsetzbare Erkenntnisse umzuwandeln, die die Entscheidungsfindung und kontinuierliche Verbesserung fördern. Durch den Einsatz generativer KI verarbeitet diese Funktion Daten aus verschiedenen Quellen, darunter Code-Repositorys, Projektmanagement-Tools und Plattformen für die Teamzusammenarbeit, um einen ganzheitlichen Überblick über den Entwicklungsprozess und die Teamproduktivität zu erhalten. Generative KI geht über herkömmliche Kennzahlen hinaus und bietet prädiktive und präskriptive Analysen. Sie kann potenzielle Probleme vorhersagen und gezielte Verbesserungen vorschlagen. Es kann beispielsweise Muster bei Code-Commits, Fehlerbehebungsraten und die Geschwindigkeit der Bereitstellung von Funktionen analysieren, um leistungsstarke Teams zu identifizieren, Engpässe zu lokalisieren und Prozessoptimierungen vorzuschlagen. Darüber hinaus kann es Einblicke in die Teamdynamik und die individuelle Leistung geben. Diese Erkenntnisse helfen Führungskräften, datengestützte Entscheidungen über die Verteilung der Arbeitslast, den Schulungsbedarf und die Teamzusammensetzung zu treffen. Durch die Präsentation dieser Erkenntnisse in interaktiven Dashboards können Stakeholder auf allen Ebenen fundierte Entscheidungen treffen, Prozesse optimieren und die Teamproduktivität kontinuierlich steigern, was zu einer schnelleren Bereitstellung hochwertiger Software führt.
Die folgende Tabelle zeigt Anwendungsfälle für Analysen, die Sie mit generativer KI verbessern können, sowie die Person, die für diese Anwendungsfälle verantwortlich ist.
****
| Anwendungsfall | Persona |
| --- | --- |
| Überwachen Sie die Produktivität von Einzelpersonen und Teams | Entwicklungsleiter |
| Analysieren Sie Produktivitätstrends, um potenziellen Burnout zu erkennen, sodass Sie proaktive Maßnahmen ergreifen können, um das Wohlbefinden und die Produktivität Ihres Teams aufrechtzuerhalten | Entwicklungsleiter |
| Verfolgen Sie, wie oft Codeänderungen in der Produktion implementiert werden, um die Geschwindigkeit und Agilität des Entwicklungsprozesses einzuschätzen | Produktmanager |
| Analysieren Sie Daten zur Bereitstellungshäufigkeit, um Zeiträume mit geringer Bereitstellungsaktivität zu identifizieren, die auf Prozessineffizienzen oder Ressourcenbeschränkungen hinweisen könnten | Produktmanager |
| Messen Sie die Zeit zwischen der Code-Commit und der Implementierung, um Möglichkeiten zur Rationalisierung der Entwicklungs- und Bereitstellungsprozesse zu ermitteln | Leiter der Entwicklung |
| Verfolgen Sie den Prozentsatz der Bereitstellungen, die zu Ausfällen führen, die sofort behoben werden müssen, um die Zuverlässigkeit des Release-Prozesses zu beurteilen | Ingenieur für Zuverlässigkeit vor Ort |
| Identifizieren Sie anhand von Kennzahlen zur Change-Failure-Rate Codebereiche, in denen häufig Probleme auftreten, und leiten Sie so gezielte Refactoring- und Testmaßnahmen ein | Softwareentwickler |
| Überwachen Sie, wie lange es dauert, den Service nach einem Ausfall oder Vorfall wiederherzustellen, um Ausfallzeiten zu reduzieren und die allgemeine Systemstabilität zu verbessern | Ingenieur für Zuverlässigkeit vor Ort |
| Analysieren Sie Trends bei den Wiederherstellungszeiten, um die Reaktionsprozesse bei Vorfällen zu verbessern und die Wiederherstellung nach Systemausfällen zu beschleunigen | DevOps Ingenieur |
| Erstellen Sie ein maßgeschneidertes Dashboard, das wichtige Kennzahlen wie Bereitstellungshäufigkeit, Vorlaufzeit und Fehlerquote bei Änderungen zusammenfasst, um einen umfassenden Überblick über die Entwicklung und den Betriebsstatus zu erhalten | Produktmanager |
| Erstellen Sie Dashboards, die auf die Bedürfnisse verschiedener Teams zugeschnitten sind, um gezielte Einblicke in ihre jeweiligen Verantwortungsbereiche wie Entwicklung, Betrieb oder Geschäft zu bieten | Produktmanager |
| Verfolgen Sie wichtige Leistungsindikatoren (KPIs) des Unternehmens, wie Umsatzauswirkungen, Kundenzufriedenheit und Marktanteil, um die Entwicklungsbemühungen auf umfassendere Geschäftsziele auszurichten | Produktmanager |
| Analysieren Sie die Auswirkungen neuer Funktionen auf das Geschäft KPIs , um deren Erfolg zu beurteilen und die future Produktentwicklung zu steuern | Geschäftsanalyst |
| Überwachen Sie Kennzahlen zur Codequalität wie Codekomplexität, Testabdeckung und Fehlerdichte, um sicherzustellen, dass die Codebasis wartbar und sicher bleibt | Softwareentwickler |
| Identifizieren Sie Bereiche der Codebasis, die überarbeitet werden müssen, um die langfristige Nachhaltigkeit zu fördern und technische Schulden zu reduzieren | Lösungsarchitekt |
# Generative KI-Anwendungsfälle für Wissensmanagement
In jeder Softwareentwicklungsorganisation ist Wissen ein entscheidendes Gut. Die Wissensmanagement-Funktion, die auf generativer KI basiert, verbessert die Art und Weise, wie diese Ressource erfasst, organisiert und genutzt wird. Herkömmliche Wissensmanagementsysteme enthalten oft zu viele Informationen, enthalten veraltete Inhalte oder sind schwer zu durchsuchen, um schnell relevante Informationen zu finden.
Generative KI geht diese Herausforderungen direkt an. Sie generiert und aktualisiert automatisch die Dokumentation auf der Grundlage von Codeänderungen, Konversationen und Projektartefakten. Dadurch wird sichergestellt, dass die Wissensdatenbanken auf dem neuesten Stand bleiben, ohne dass die Teammitglieder manuelle Anstrengungen unternehmen müssen. Noch wichtiger ist, dass KI dieses Wissen auf intuitive Weise zugänglich macht. Teammitglieder können Fragen in natürlicher Sprache stellen, und die KI kann relevante Antworten geben. Die KI kann aus einer Vielzahl von Quellen schöpfen, z. B. aus offizieller Dokumentation, Codekommentaren, Diskussionsfäden und sogar externen Ressourcen. Beispielsweise könnte ein neues Teammitglied, das versucht, eine bestimmte Komponente zu verstehen, die KI fragen: „Wie funktioniert das Authentifizierungsmodul?“ Die KI würde dann eine kurze Erklärung und Links zu relevanten Codeabschnitten, Architekturdiagrammen und aktuellen Änderungen bereitstellen. Sie könnte diese Informationen sogar auf die Rolle und das Fachwissen des Teammitglieds zuschneiden.
Diese Funktion beschleunigt das Onboarding, reduziert sich wiederholende Fragen und fördert den Wissensaustausch im gesamten Unternehmen. Sie trägt dazu bei, institutionelles Wissen zu bewahren, und erleichtert es Teams, komplexe Systeme im Laufe der Zeit zu pflegen und weiterzuentwickeln.
Die folgende Tabelle zeigt Anwendungsfälle für Wissensmanagement, die Sie mit generativer KI erweitern können, sowie die Person, die für diese Anwendungsfälle verantwortlich ist.
****
| Anwendungsfall | Persona |
| --- | --- |
| Schaffen Sie eine einheitliche Plattform, die den Zugriff auf das gesamte projektbezogene Wissen erleichtert | Softwareentwicklungsteam |
| Erfassen Sie Wissen aus verschiedenen Entwicklungsaktivitäten | Softwareentwicklungsteam |
| Stellen Sie erweiterte Suchfunktionen bereit, um schnell relevantes Wissen in einem Repository zu finden | Softwareentwicklungsteam |
| Personalize Sie Lernmodule und Pfade für das Team | Softwareentwicklungsteam |
# Generative KI-Anwendungsfälle für Erweiterbarkeit
Die Erweiterbarkeit ermöglicht eine nahtlose Integration in bestehende Tools und Workflows und ermöglicht es Unternehmen gleichzeitig, das KI-System an ihre spezifischen Bedürfnisse anzupassen. Diese Funktion bietet robuste und anpassbare Schnittstellen APIs SDKs, die die Integration von KI-Funktionen in beliebte Entwicklungs- und Projektmanagement-Tools erleichtern. Unternehmen können Jira beispielsweise um KI-gestützte Funktionen für die automatisierte Ticketpriorisierung, Aufwandsschätzung und Sprint-Planung erweitern. Sie können die Jenkins-Pipelines mit KI für intelligente Build-Optimierung und prädiktive Testauswahl erweitern.
Darüber hinaus ermöglicht die Erweiterbarkeit eine tiefe Integration mit integrierten Entwicklungsumgebungen (IDEs), Versionskontrollsystemen und Code-Review-Plattformen. Die KI kann beim Programmieren helfen, Codeüberprüfungen automatisieren und kontextbezogene Dokumentation generieren.
Die Funktion unterstützt auch das Training und die Feinabstimmung von KI-Modellen anhand unternehmensspezifischer Daten. Dies hilft der KI, unternehmensspezifische Codierungsmuster, architektonische Präferenzen und Fachwissen zu verstehen. Das Ergebnis ist eine relevantere und kontextsensivere Unterstützung für alle integrierten Tools. Durch dieses Maß an Flexibilität und Integration stellt die Erweiterbarkeit sicher, dass sich die KI-gestützte Entwicklungserfahrung mit der Organisation weiterentwickelt. Es kann sich an sich ändernde Technologien und Geschäftsanforderungen anpassen und gleichzeitig bestehende Toolchains und Workflows nahtlos verbessern.
Die folgende Tabelle zeigt Anwendungsfälle zur Erweiterbarkeit, die Sie mit generativer KI verbessern können, sowie die Person, die für diese Anwendungsfälle verantwortlich ist.
****
| Anwendungsfall | Persona |
| --- | --- |
| Integrieren Sie Tools von Drittanbietern in die Entwicklungsumgebung | DevOps Ingenieur |
| Erstellen Sie benutzerdefinierte Automatisierungsworkflows, die auf den einzigartigen Entwicklungsprozess des Teams zugeschnitten sind | DevOps Ingenieur |
| Connect zu verschiedenen APIs Diensten her | DevOps Ingenieur |
| Erstellen Sie Konnektoren für plattformübergreifende Tools | DevOps Ingenieur |