Fallstudie IGAISE – Impact of generative AI in software engineering

Moderne Softwareorganisationen stehen heute vor dem Problem, dass die Einführung von GenAI-Tools trotz subjektiv wahrgenommener Vorteile teilweise unerwartete negative Effekte auf die gesamte Software-Lieferleistung haben kann. Während Einzelaufgaben wie Code-Reviews oft als effizienter empfunden werden, mangelt es in der Praxis an belastbaren Belegen für eine Steigerung der Gesamtproduktivität. Die Messung dieser Effekte ist zudem durch eine hohe Komplexität geprägt, da es an pragmatischen und kontextbezogenen Evaluierungsmethoden fehlt, um den Einfluss der KI auf kritische Dimensionen wie Softwarequalität und Wartbarkeit isoliert zu betrachten. Ohne eine solche fundierte Faktenbasis riskieren Unternehmen nicht nur ineffiziente Investitionen in neue Werkzeuge, sondern auch eine schleichende Verschlechterung ihrer etablierten Entwicklungsprozesse.

Um diesen Hürden zu begegnen, entwickelten fortiss und Siemens ein strukturiertes Framework, das wissenschaftliche Tiefe mit direkter industrieller Anwendbarkeit kombiniert. Die Lösung bietet detaillierte Leitfäden zur mehrdimensionalen Analyse von GenAI-Einflüssen, wobei insbesondere die Bereiche Geschwindigkeit, Automatisierung, Flow, Qualität, Wartbarkeit und Relevanz im Fokus stehen. Das methodische Fundament bildet dabei eine umfassende Literaturanalyse, die durch kontinuierliches Feedback aus realen Forschungs- und Transferprojekten sowie der industriellen Praxis validiert wurde. Dieser kontextsensitive Bewertungsansatz ermöglicht Unternehmen eine reflektierte Einordnung ihrer KI-Tools und stellt sicher, dass technologische Innovationen gezielt dort eingesetzt werden, wo sie einen messbaren geschäftlichen Wert generieren.

• Veröffentlichung eines Leitfadens zur Messung der Effizienz und Effektivität von GenAI im Software Engineering.
• Bereitstellung von Konzepten und Empfehlungen, um KI-Einflüsse objektiv bewertbar zu machen.
• Vertiefte Erkenntnisse über die Auswirkungen von GenAI auf alle Phasen des SDLC – von der Planung bis zur Wartung.
• Definition wesentlicher Faktoren und Begriffe zur Interpretation von KI-Anwendungen in diversen Szenarien.