Mit welchen Problemen sich Developer bei der KI-App-Entwicklung herumschlagen, hat jetzt eine IBM-Studie eruiert. Deemerwha studio/Shutterstock.com Während alle die Vorteile generativer KI anpreisen, sind Entwickler davon weniger begeistert. Sie klagen einer IBM-Umfrage zu Folge über mannigfaltige Probleme bei der Erstellung von GenAI-Apps. Im Rahmen der von IBM gesponserten und von Morning Consult durchgeführten Umfrage „Enterprise AI Development: Obstacles & Opportunities“ wurden 1.000 Entwickler in den USA zu den Herausforderungen bei der Erstellung generativer KI-Anwendungen befragt. Ein zentrales Problem ist dabei die Qualifikationslücke der Developer. Weniger als ein Viertel der Anwendungsentwickler betrachten sich als Experten für generative KI, wenn sie ihre Kenntnisse und Berufserfahrung in diesem Bereich bewerten sollen. Entwicklern fehlt das Know-how Von den sieben selbst identifizierten Kategorien der befragten Entwickler (KI-Entwickler, Datenwissenschaftler, Software-Ingenieure, Systementwickler, Ingenieure für maschinelles Lernen (ML), Softwareentwickler, IT-Ingenieure, KI-Ingenieure und Anwendungsentwickler) waren die einzigen Gruppen, in denen sich eine Mehrheit als Experten für generative KI betrachtete, die KI-Entwickler und Datenwissenschaftler. Weniger als die Hälfte derjenigen, die sich als ML-Ingenieure und KI-Ingenieure (38 Prozent) bezeichnen, betrachten sich als Experten für generative KI. Für Ritika Gunnar, General Manager für Daten und KI bei IBM, offenbart dies eine Qualifikationslücke im Bereich der generativen KI. „Für viele Entwickler ist dies Neuland mit einer steilen Lernkurve – und schnelle Innovationszyklen bedeuten, dass ständig neue Technologien auf den Markt kommen“, so die Managerin. Herausforderungen bei der KI-Entwicklung Dabei stehen laut Gunnar selbst diejenigen, deren KI-Kenntnisse auf dem neuesten Stand sind, vor Herausforderungen. So werde die Qualifikationslücke durch einen Mangel an Klarheit in Bezug auf zuverlässige Rahmenbedingungen und Toolkits verschärft. „Die Befragten nannten das Fehlen eines standardisierten KI-Entwicklungsprozesses als eine der größten Herausforderungen, ebenso wie die Priorisierung von Transparenz und Rückverfolgbarkeit“, geht Gunnar ins Detail. Herausforderungen bei der Entwicklung von GenAI-Apps. Morning Consult/IBM, Enterprise AI Development: Obstacles & Opportunities Beide Punkte wurden jeweils von einem Drittel der Befragten genannt, was sie zu den größten Herausforderungen unter den zehn genannten Herausforderungen macht. Dicht darauf folgen die Anpassung an den Unternehmenskontext (32 Prozent), die Änderungsrate von Techniken/Technologie (31 Prozent), die Komplexität der Infrastruktur (29 Prozent) und die Einrichtung von Governance und Compliance (28 Prozent). Viele, aber ungenügende Tools Dem Bericht zufolge verwendet die Mehrheit der Entwickler zwischen fünf und 15 Tools für ihre Arbeit. 35 Prozent nutzen fünf bis zehn, 37 Prozent verwenden zehn bis 15 und ganze 13 Prozent haben 15 Tools oder mehr im Einsatz. Obwohl diese Tools nicht immer ihre Anforderungen erfüllen. Laut Gunnar erwarten die Entwickler von den verwendeten Tools Leistung, Flexibilität, Benutzerfreundlichkeit und Integration. Dies sind laut den Befragten die vier wichtigsten Eigenschaften von KI-Entwicklungs-Tools für Unternehmen. „Allerdings gab mehr als ein Drittel der Befragten an, dass genau diese Eigenschaften am seltensten sind“, schränkt die IBM-Managerin ein. Geringes Interesse an neuen Tools Rund ein Drittel der Befragten bemängelte auch den Zustand von vier weiteren wesentlichen Merkmalen: Qualität der Dokumentation, Kosteneffizienz, Unterstützung und Ressourcen der Gemeinschaft sowie die Tatsache, dass die Tools Open-Source sind. Was Entwickler von KI-Tools erwarten und vermissen. Morning Consult/IBM, Enterprise AI Development: Obstacles & Opportunities Angesichts der Anzahl der Tools, die sie für ihre Arbeit benötigen, ist es nicht verwunderlich, dass Entwickler ungern viel Zeit damit verbringen, ein weiteres Tool in ihr Arsenal aufzunehmen. Zwei Drittel von ihnen sind maximal bereit, zwei Stunden oder weniger in das Erlernen eines neuen KI-Entwicklungstools zu investieren. Weitere Prozent wenden drei bis fünf Stunden dafür auf und nur 11 Prozent mehr als fünf Stunden. Assistenten als Hilfe Im Großen und Ganzen neigen die Developer nicht dazu, sich sehr oft mit neuen Tools zu beschäftigen. Nur 21 Prozent gaben an, dass sie sich monatlich mit neuen Tools auseinandersetzen, während 78 Prozent dies einmal alle ein bis sechs Monate tun. Die Umfrage ergab, dass sie sich dabei jedes Mal etwa sechs neue Tools ansehen. Während mehr als die Hälfte der Entwickler Low-Code– (65 Prozent) und No-Code-Tools (59 Prozent) nutzen, sind Pro-Code-Tools mit 73 Prozent noch immer führend. Nahezu alle Befragten nutzen KI-Codierungsassistenten bei ihrer Entwicklungsarbeit. Dabei geben 41 Prozent an, dass sie dadurch ein bis zwei Stunden pro Tag einsparen. KI-Agenten gehören zum Alltag Interessant ist auch, was die Entwickler in Sachen KI-Agenten zu Protokoll geben. So gut wie jeder (99 Prozent) erforscht oder entwickelt KI-Agenten. Allerdings haben die Developer diesbezüglich etliche Bedenken. Fast ein Drittel sorgt sich um die Vertrauenswürdigkeit, also die Sicherstellung, dass die Ergebnisse korrekt und frei von Voreingenommenheit sind. Knapp ein Viertel befürchtet zudem die Einführung neuer Angriffsvektoren, die von böswilligen Akteuren ausgenutzt werden könnten. LLMs sind kein Problem 22 Prozent sehen zudem in der Einhaltung und Befolgung von Vorschriften ein Problem. Genauso viele Befragte befürchten, dass Agenten zu autonom werden könnten und Menschen die Kontrolle und den Einblick in die Systeme verlieren. Kaum Schwierigkeiten haben die Entwickler dagegen mit der Qualität der Large Language Models (LLMs). Lediglich 19 Prozent der Befragten sehen sie als Herausforderung. Ein Alptraum ist dagegen für mehr als ein Viertel der Developer ein anderer Punkt: Die mangelnde Klarheit über das Geschäftsergebnis/Ziel.
Programmierung von KI-Apps ist laut Entwicklern zu schwierig
Mit welchen Problemen sich Developer bei der KI-App-Entwicklung herumschlagen, hat jetzt eine IBM-Studie eruiert. Deemerwha studio/Shutterstock.com Während alle die Vorteile generativer KI anpreisen, sind Entwickler davon weniger begeistert. Sie klagen einer IBM-Umfrage zu Folge über mannigfaltige Probleme bei der Erstellung von GenAI-Apps. Im Rahmen der von IBM gesponserten und von Morning Consult durchgeführten Umfrage „Enterprise AI Development: Obstacles & Opportunities“ wurden 1.000 Entwickler in den USA zu den Herausforderungen bei der Erstellung generativer KI-Anwendungen befragt. Ein zentrales Problem ist dabei die Qualifikationslücke der Developer. Weniger als ein Viertel der Anwendungsentwickler betrachten sich als Experten für generative KI, wenn sie ihre Kenntnisse und Berufserfahrung in diesem Bereich bewerten sollen. Entwicklern fehlt das Know-how Von den sieben selbst identifizierten Kategorien der befragten Entwickler (KI-Entwickler, Datenwissenschaftler, Software-Ingenieure, Systementwickler, Ingenieure für maschinelles Lernen (ML), Softwareentwickler, IT-Ingenieure, KI-Ingenieure und Anwendungsentwickler) waren die einzigen Gruppen, in denen sich eine Mehrheit als Experten für generative KI betrachtete, die KI-Entwickler und Datenwissenschaftler. Weniger als die Hälfte derjenigen, die sich als ML-Ingenieure und KI-Ingenieure (38 Prozent) bezeichnen, betrachten sich als Experten für generative KI. Für Ritika Gunnar, General Manager für Daten und KI bei IBM, offenbart dies eine Qualifikationslücke im Bereich der generativen KI. „Für viele Entwickler ist dies Neuland mit einer steilen Lernkurve – und schnelle Innovationszyklen bedeuten, dass ständig neue Technologien auf den Markt kommen“, so die Managerin. Herausforderungen bei der KI-Entwicklung Dabei stehen laut Gunnar selbst diejenigen, deren KI-Kenntnisse auf dem neuesten Stand sind, vor Herausforderungen. So werde die Qualifikationslücke durch einen Mangel an Klarheit in Bezug auf zuverlässige Rahmenbedingungen und Toolkits verschärft. „Die Befragten nannten das Fehlen eines standardisierten KI-Entwicklungsprozesses als eine der größten Herausforderungen, ebenso wie die Priorisierung von Transparenz und Rückverfolgbarkeit“, geht Gunnar ins Detail. Herausforderungen bei der Entwicklung von GenAI-Apps. Morning Consult/IBM, Enterprise AI Development: Obstacles & Opportunities Beide Punkte wurden jeweils von einem Drittel der Befragten genannt, was sie zu den größten Herausforderungen unter den zehn genannten Herausforderungen macht. Dicht darauf folgen die Anpassung an den Unternehmenskontext (32 Prozent), die Änderungsrate von Techniken/Technologie (31 Prozent), die Komplexität der Infrastruktur (29 Prozent) und die Einrichtung von Governance und Compliance (28 Prozent). Viele, aber ungenügende Tools Dem Bericht zufolge verwendet die Mehrheit der Entwickler zwischen fünf und 15 Tools für ihre Arbeit. 35 Prozent nutzen fünf bis zehn, 37 Prozent verwenden zehn bis 15 und ganze 13 Prozent haben 15 Tools oder mehr im Einsatz. Obwohl diese Tools nicht immer ihre Anforderungen erfüllen. Laut Gunnar erwarten die Entwickler von den verwendeten Tools Leistung, Flexibilität, Benutzerfreundlichkeit und Integration. Dies sind laut den Befragten die vier wichtigsten Eigenschaften von KI-Entwicklungs-Tools für Unternehmen. „Allerdings gab mehr als ein Drittel der Befragten an, dass genau diese Eigenschaften am seltensten sind“, schränkt die IBM-Managerin ein. Geringes Interesse an neuen Tools Rund ein Drittel der Befragten bemängelte auch den Zustand von vier weiteren wesentlichen Merkmalen: Qualität der Dokumentation, Kosteneffizienz, Unterstützung und Ressourcen der Gemeinschaft sowie die Tatsache, dass die Tools Open-Source sind. Was Entwickler von KI-Tools erwarten und vermissen. Morning Consult/IBM, Enterprise AI Development: Obstacles & Opportunities Angesichts der Anzahl der Tools, die sie für ihre Arbeit benötigen, ist es nicht verwunderlich, dass Entwickler ungern viel Zeit damit verbringen, ein weiteres Tool in ihr Arsenal aufzunehmen. Zwei Drittel von ihnen sind maximal bereit, zwei Stunden oder weniger in das Erlernen eines neuen KI-Entwicklungstools zu investieren. Weitere Prozent wenden drei bis fünf Stunden dafür auf und nur 11 Prozent mehr als fünf Stunden. Assistenten als Hilfe Im Großen und Ganzen neigen die Developer nicht dazu, sich sehr oft mit neuen Tools zu beschäftigen. Nur 21 Prozent gaben an, dass sie sich monatlich mit neuen Tools auseinandersetzen, während 78 Prozent dies einmal alle ein bis sechs Monate tun. Die Umfrage ergab, dass sie sich dabei jedes Mal etwa sechs neue Tools ansehen. Während mehr als die Hälfte der Entwickler Low-Code– (65 Prozent) und No-Code-Tools (59 Prozent) nutzen, sind Pro-Code-Tools mit 73 Prozent noch immer führend. Nahezu alle Befragten nutzen KI-Codierungsassistenten bei ihrer Entwicklungsarbeit. Dabei geben 41 Prozent an, dass sie dadurch ein bis zwei Stunden pro Tag einsparen. KI-Agenten gehören zum Alltag Interessant ist auch, was die Entwickler in Sachen KI-Agenten zu Protokoll geben. So gut wie jeder (99 Prozent) erforscht oder entwickelt KI-Agenten. Allerdings haben die Developer diesbezüglich etliche Bedenken. Fast ein Drittel sorgt sich um die Vertrauenswürdigkeit, also die Sicherstellung, dass die Ergebnisse korrekt und frei von Voreingenommenheit sind. Knapp ein Viertel befürchtet zudem die Einführung neuer Angriffsvektoren, die von böswilligen Akteuren ausgenutzt werden könnten. LLMs sind kein Problem 22 Prozent sehen zudem in der Einhaltung und Befolgung von Vorschriften ein Problem. Genauso viele Befragte befürchten, dass Agenten zu autonom werden könnten und Menschen die Kontrolle und den Einblick in die Systeme verlieren. Kaum Schwierigkeiten haben die Entwickler dagegen mit der Qualität der Large Language Models (LLMs). Lediglich 19 Prozent der Befragten sehen sie als Herausforderung. Ein Alptraum ist dagegen für mehr als ein Viertel der Developer ein anderer Punkt: Die mangelnde Klarheit über das Geschäftsergebnis/Ziel.
Programmierung von KI-Apps ist laut Entwicklern zu schwierig Mit welchen Problemen sich Developer bei der KI-App-Entwicklung herumschlagen, hat jetzt eine IBM-Studie eruiert. Deemerwha studio/Shutterstock.com Während alle die Vorteile generativer KI anpreisen, sind Entwickler davon weniger begeistert. Sie klagen einer IBM-Umfrage zu Folge über mannigfaltige Probleme bei der Erstellung von GenAI-Apps. Im Rahmen der von IBM gesponserten und von Morning Consult durchgeführten Umfrage „Enterprise AI Development: Obstacles & Opportunities“ wurden 1.000 Entwickler in den USA zu den Herausforderungen bei der Erstellung generativer KI-Anwendungen befragt. Ein zentrales Problem ist dabei die Qualifikationslücke der Developer. Weniger als ein Viertel der Anwendungsentwickler betrachten sich als Experten für generative KI, wenn sie ihre Kenntnisse und Berufserfahrung in diesem Bereich bewerten sollen. Entwicklern fehlt das Know-how Von den sieben selbst identifizierten Kategorien der befragten Entwickler (KI-Entwickler, Datenwissenschaftler, Software-Ingenieure, Systementwickler, Ingenieure für maschinelles Lernen (ML), Softwareentwickler, IT-Ingenieure, KI-Ingenieure und Anwendungsentwickler) waren die einzigen Gruppen, in denen sich eine Mehrheit als Experten für generative KI betrachtete, die KI-Entwickler und Datenwissenschaftler. Weniger als die Hälfte derjenigen, die sich als ML-Ingenieure und KI-Ingenieure (38 Prozent) bezeichnen, betrachten sich als Experten für generative KI. Für Ritika Gunnar, General Manager für Daten und KI bei IBM, offenbart dies eine Qualifikationslücke im Bereich der generativen KI. „Für viele Entwickler ist dies Neuland mit einer steilen Lernkurve – und schnelle Innovationszyklen bedeuten, dass ständig neue Technologien auf den Markt kommen“, so die Managerin. Herausforderungen bei der KI-Entwicklung Dabei stehen laut Gunnar selbst diejenigen, deren KI-Kenntnisse auf dem neuesten Stand sind, vor Herausforderungen. So werde die Qualifikationslücke durch einen Mangel an Klarheit in Bezug auf zuverlässige Rahmenbedingungen und Toolkits verschärft. „Die Befragten nannten das Fehlen eines standardisierten KI-Entwicklungsprozesses als eine der größten Herausforderungen, ebenso wie die Priorisierung von Transparenz und Rückverfolgbarkeit“, geht Gunnar ins Detail. Herausforderungen bei der Entwicklung von GenAI-Apps. Morning Consult/IBM, Enterprise AI Development: Obstacles & Opportunities Beide Punkte wurden jeweils von einem Drittel der Befragten genannt, was sie zu den größten Herausforderungen unter den zehn genannten Herausforderungen macht. Dicht darauf folgen die Anpassung an den Unternehmenskontext (32 Prozent), die Änderungsrate von Techniken/Technologie (31 Prozent), die Komplexität der Infrastruktur (29 Prozent) und die Einrichtung von Governance und Compliance (28 Prozent). Viele, aber ungenügende Tools Dem Bericht zufolge verwendet die Mehrheit der Entwickler zwischen fünf und 15 Tools für ihre Arbeit. 35 Prozent nutzen fünf bis zehn, 37 Prozent verwenden zehn bis 15 und ganze 13 Prozent haben 15 Tools oder mehr im Einsatz. Obwohl diese Tools nicht immer ihre Anforderungen erfüllen. Laut Gunnar erwarten die Entwickler von den verwendeten Tools Leistung, Flexibilität, Benutzerfreundlichkeit und Integration. Dies sind laut den Befragten die vier wichtigsten Eigenschaften von KI-Entwicklungs-Tools für Unternehmen. „Allerdings gab mehr als ein Drittel der Befragten an, dass genau diese Eigenschaften am seltensten sind“, schränkt die IBM-Managerin ein. Geringes Interesse an neuen Tools Rund ein Drittel der Befragten bemängelte auch den Zustand von vier weiteren wesentlichen Merkmalen: Qualität der Dokumentation, Kosteneffizienz, Unterstützung und Ressourcen der Gemeinschaft sowie die Tatsache, dass die Tools Open-Source sind. Was Entwickler von KI-Tools erwarten und vermissen. Morning Consult/IBM, Enterprise AI Development: Obstacles & Opportunities Angesichts der Anzahl der Tools, die sie für ihre Arbeit benötigen, ist es nicht verwunderlich, dass Entwickler ungern viel Zeit damit verbringen, ein weiteres Tool in ihr Arsenal aufzunehmen. Zwei Drittel von ihnen sind maximal bereit, zwei Stunden oder weniger in das Erlernen eines neuen KI-Entwicklungstools zu investieren. Weitere Prozent wenden drei bis fünf Stunden dafür auf und nur 11 Prozent mehr als fünf Stunden. Assistenten als Hilfe Im Großen und Ganzen neigen die Developer nicht dazu, sich sehr oft mit neuen Tools zu beschäftigen. Nur 21 Prozent gaben an, dass sie sich monatlich mit neuen Tools auseinandersetzen, während 78 Prozent dies einmal alle ein bis sechs Monate tun. Die Umfrage ergab, dass sie sich dabei jedes Mal etwa sechs neue Tools ansehen. Während mehr als die Hälfte der Entwickler Low-Code– (65 Prozent) und No-Code-Tools (59 Prozent) nutzen, sind Pro-Code-Tools mit 73 Prozent noch immer führend. Nahezu alle Befragten nutzen KI-Codierungsassistenten bei ihrer Entwicklungsarbeit. Dabei geben 41 Prozent an, dass sie dadurch ein bis zwei Stunden pro Tag einsparen. KI-Agenten gehören zum Alltag Interessant ist auch, was die Entwickler in Sachen KI-Agenten zu Protokoll geben. So gut wie jeder (99 Prozent) erforscht oder entwickelt KI-Agenten. Allerdings haben die Developer diesbezüglich etliche Bedenken. Fast ein Drittel sorgt sich um die Vertrauenswürdigkeit, also die Sicherstellung, dass die Ergebnisse korrekt und frei von Voreingenommenheit sind. Knapp ein Viertel befürchtet zudem die Einführung neuer Angriffsvektoren, die von böswilligen Akteuren ausgenutzt werden könnten. LLMs sind kein Problem 22 Prozent sehen zudem in der Einhaltung und Befolgung von Vorschriften ein Problem. Genauso viele Befragte befürchten, dass Agenten zu autonom werden könnten und Menschen die Kontrolle und den Einblick in die Systeme verlieren. Kaum Schwierigkeiten haben die Entwickler dagegen mit der Qualität der Large Language Models (LLMs). Lediglich 19 Prozent der Befragten sehen sie als Herausforderung. Ein Alptraum ist dagegen für mehr als ein Viertel der Developer ein anderer Punkt: Die mangelnde Klarheit über das Geschäftsergebnis/Ziel.
