Keine Prognosen!

An beidem ist natürlich etwas wahres dran und diese Tendenzen – und die mit ihnen entstehenden neuen Möglichkeiten – sollten nicht unterschätzt werden. Wie sich die Dinge wirklich entwickeln werden, kann niemand vorhersehen, zumal sich die Fähigkeiten der KI-Agenten in der Softwareentwicklung in einem Tempo entwickeln, das jede Prognose im buchstäblichen Sinn schnell alt aussehen lässt. Herkömmliche Methoden der Forschung, die mit Datenerhebung, Auswertung, Vorbereitung der Publikation und schließlicher Diskussion in der wissenschaftlichen Community verbunden sind, brauchen so lange, dass ihre Ergebnisse am Tag der Kenntnisnahme durch Praktiker längst von den neuesten Versionen der Tools obsolet gemacht worden sind. So hat eine im Januar erstmals erschienene und im Sommer aktualisierte Studie herausgefunden, dass in der KI-gestützten Softwareentwicklung zwar viel mehr Code pro Zeiteinheit geschrieben wird, dass aber der Output an produktiver Software konstant bleibt, weil viel mehr Zeit in Code-Reviews und Tests investiert werden müsse. Das mag 2025, als die Daten erhoben wurden, noch richtig gewesen sein, aber sagt das noch etwas über den heutigen Stand der Technik? Eine neue Studie wäre nötig, um das zu prüfen, aber auch diese Studie kann erst in ein paar Monaten zu validen Schlüssen kommen, wenn die Technologie schon wieder die nächsten Schwellen ihrer Entwicklung überschritten haben wird.

In so einer Situation ist es sinnvoll, ganz pragmatisch die je aktuelle Situation und die gerade in den letzten Wochen und Monaten gemachten Erfahrungen zu analysieren und daraus vernünftige Überlegungen darüber abzuleiten, was sich in den nächsten Wochen und Monaten tun könnte. Sicher ist: wir können heute mit Hilfe von KI-Agenten viel schneller neue Funktionalität in unseren Anwendungen umsetzen als wir es vor ein paar Jahren für möglich gehalten hätten. Das erfordert allerdings auch einige Übung und die kritische Reflexion von Erfahrungen, die wir dabei Tag für Tag machen.

Der Entwickler und sein Agent

Es zeigt sich natürlich, dass der Dialog mit dem KI-Agenten, das Formulieren von Programmieraufträgen und das Prüfen der Ergebnisse, auf das wiederum ein neuer, womöglich korrigierter Auftrag folgen muss, eine Technik ist, die selbst erlernt werden muss und deren Erfolg von Fähigkeiten des Entwicklers abhängt, die er zum Teil erst erwerben muss. Programmierer müssen lernen, loszulassen, das Codieren dem Agenten zu überlassen, ohne aber die Kontrolle über das Ergebnis zu verlieren. Dabei ist es gut, dass sie ein Verständnis von dem haben, was da entsteht, schließlich ist es auch notwendig, zu erkennen, wenn der KI-Agent zu viel produziert, oder während des Findens der richtigen Lösung im Dialog mit dem Entwickler die Komplexität und Unübersichtlichkeit des Codes hochtreibt. Natürlich kann auch bei diesen Prüfungen und Kontrollen ein KI-Agent helfen – die Übersicht über das Geschehen muss aber der Entwickler haben, Wie er angesichts der Geschwindigkeit seiner Agenten diese Übersicht behält, das wiederum muss er im täglichen Tun lernen.

Diese Arbeit bleibt der Full-Time-Job eines Spezialisten, eines Experten der Softwareentwicklung, und es scheint angesichts der aktuellen Erfahrungen, die man mit der KI-gestützten Softwareentwicklung machen kann, erst mal nicht sinnvoll, diese Arbeit ganz den Anwendern zu überlassen. Sehr wohl ist aber vorstellbar, dass es Phasen gibt, in denen man zu einer neuen Form des Co-Working zwischen Softwareentwickler und Fachanwender findet. Da der KI-Agent tatsächlich so schnell ist beim eigentlichen Programmieren, kann sich der Anwender tatsächlich – wenigstens bei der Umsetzung der Teile der Anwendung, die unmittelbar fachliche Anforderungen betreffen – mit vor die Bildschirme setzen. Gemeinsam mit dem Entwickler werden dann die Prompts formuliert, die als Arbeitsaufträge an den KI-Agenten gegeben werden. Wenige Sekunden oder Minuten später kann das Ergebnis bereits angesehen und geprüft und eventuell ein detaillierterer oder korrigierter Prompt formuliert werden.

Der Anwender schaut zu

Solche Modelle der Zusammenarbeit zwischen Anwender (bzw. allgemeiner gesagt, der Fachseite), Softwareentwickler und KI-Agenten zeigen, dass die Nutzung von KI-Systemen bei der Softwareentwicklung einer intensiven Nutzung von individuellen Softwarelösungen und der Forderung nach weiterer Individualisierung der Unterstützung von Geschäftsprozessen durch Software Auftrieb geben können. Das Pendel zwischen Standardisierung von Geschäftsprozessen durch Standardsoftware auf der einen und individuellen Lösungen zur Unterstützung individueller Geschäftsprozesse könnte durch den KI-Einsatz Richtung Individualität schwingen. Dabei ist aber eine Gefahr zu beachten: Die Möglichkeit, individuelle Anforderungen und Wünsche schnell umzusetzen kann dazu führen, dass solche Wünsche nicht genug durchdacht und auf ihre fachlichen Konsequenzen hin durchleuchtet werden. Schnelle Umsetzung mit KI erhöht die Gefahr von Schnellschüssen. Natürlich gewinnt der Softwareentwicklungsprozess durch das neue Niveau von Rapid Prototyping mit KI an Attraktivität und bietet ganz neue Chancen. Notwendig ist aber, die Ergebnisse immer wieder an der Praxis zu testen und möglichst früh auf ihre Stabilität zu überprüfen.

Auf jeden Fall werden Anwender und fachliche Anforderer aber schnell erkennen, dass Kompromisse, die sie beim Einsatz von Standardsoftware eingehen müssen, nicht mehr nötig sind, weil Individuallösungen, die mit Hilfe von KI-Agenten erstellt werden, preiswerter werden. Damit kann der Nutzen von Individuallösungen, sich den optimierten und erprobten Geschäftsprozessen anzupassen, anstatt dass diese sich an eine Standardlösung mehr schlecht als recht anpassen müssen, zu akzeptablen Kosten voll erreicht werden.

Verbesserungen bei Standardlösungen

Aber auch spezialisierte Standardlösungen werden durch KI-Agenten besser. Auch bei ihnen können Kundenwünsche und komfortable Spezialfunktionen nun schnell und relativ kostengünstig eingebaut werden. Natürlich ist der Einsatz von KI-Agenten in jahrelang gewachsenen komplexen Softwaresystemen noch einmal eine besondere Herausforderung, bei der heute erst Erfahrungen gesammelt werden. Aber es zeigt sich: Bei gut entworfenen und programmierten Systemen kann man, wenn man ruhig und entschlossen an die Sache herangeht, schnell KI-Agenten zum Einsatz bringen. Oft wird sich ein gewisses Re-Engineering empfehlen, aber auch dabei kann der KI-Agent hervorragend unterstützen.

Der Beitrag Individuelle Software mit KI erschien zuerst auf INDAL Software-Spezialist.

Auf der grünen Wiese

Dabei ist zu beachten, dass professionelle Softwareentwicklung nur sehr selten auf der sprichwörtlichen „grünen Wiese“ stattfindet.

Wäre die Wiese völlig leer und würde es tatsächlich keine Verbindung zu irgendeinem anderen System geben, keine Randbedingungen, keine Voraussetzungen, dann könnte sich tatsächlich eine Person, die überhaupt keine Erfahrung und Kenntnisse in der Softwareentwicklung hat, daran machen, eine neue Software zu erstellen. Allerdings müsste auch sie zuerst ein paar Entscheidungen treffen – natürlich könnte sie das mit Unterstützung eines KI-Chatbots tun: Was für eine Software soll es sein, eine WebApp, eine mobile App, eine Anwendung auf einem PC? Auf welchen Plattformen soll sie funktionieren? Vor allem auch: welche KI soll mir die Sache nachher programmieren und wie rede ich mit ihr, damit sie das ordentlich tut?

Es ist nicht sicher, ob einem Laien überhaupt alle Fragen in den Sinn kämen, die am Besten schon vorab geklärt werden sollten, damit man nicht ein paar Wochen oder Monate später merkt, dass man doch viel Zeit investiert hat und schließlich in einer Sackgasse gelandet ist.

Aber wenn es sich um eine wirklich überschaubare, ziemlich kleine Anwendung handelt, ist es möglich, diese Entscheidungen mit Hilfe eines Chat-Bots zu treffen. Ich selbst habe neulich eine Timer-App erstellt, mit der man ein Zirkel-Training planen und durchführen kann, ohne eine einzige Zeile Code selbst zu schreiben. Die Entscheidung für die Programmierumgebung, die Architektur, die Sprache und die KI zum eigentlichen Programmieren hatte ich da schon getroffen, es waren die Werkzeuge, die ich ohnehin gerade genutzt habe.

Wenn die KI die erste Version erstellt hat, dann muss die getestet werden. Natürlich kann man das ohne Wissen über die Herangehensweise bei Softwaretests tun, und wenn es sich um ein ganz privates Vorhaben nur für den Hausgebrauch handelt, ist das auch legitim. Wer eine professionelle Lösung braucht, durch deren Einsatz womöglich auch Risiken entstehen, wenn Fehlfunktionen auftauchen, sollte den Testprozess aber systematisch organisieren.

Spätestens im Test tauchen nun viele kleine weitere Aufgaben für den KI-Programmierer auf, sei es, dass mir etwas in der Software nicht gefällt, dass ich neue Ideen für Erweiterungen bekomme oder dass eben tatsächlich Fehler auftauchen, entweder dadurch, dass ich eine Anforderung unpräzise beschrieben habe oder dadurch, dass die KI beim Programmieren eben wirklich etwas falsch gemacht hat. Wie verwaltet man diese Aufgaben? Wie hält man für sich fest, dass die Aufgabe abgearbeitet ist? Wie und wann testet man, ob alles korrekt umgesetzt wurde von unserem KI-Programmierer? Auch dafür gibt es Methoden, die professionelle Softwareentwickler beherrschen.

Wenn das Leben beginnt

Wer sich auf diese Weise eine App programmiert, der will sie eine Weile nutzen, vielleicht will er sie auch anderen zur Verfügung stellen, er will sie verteilen oder als Service auf einem Server zur Verfügung stellen. In der Nutzung entstehen neue Wünsche nach Erweiterungen oder neuen Funktionen. Nun stellt sich die Frage, wie man damit am Besten umgeht, In welcher Reihenfolge ergänzt man die neuen Module? Gibt es Konflikte? Wo und wie testet man das? Wann liefert man eine neue Version aus? Natürlich kann man jede einzelne Erweiterung durch den KI-Assistenten programmieren lassen, aber kann man das nach Belieben in einer beliebigen Reihenfolge tun? Auch zur Beantwortung dieser Fragen kann man den künstlichen Agenten nutzen, aber man muss diese Fragen stellen und man muss sie richtig formulieren. Dazu ist es nicht nur gut, wenn man das Handwerk der Softwareentwicklung gelernt hat, sondern auch, dass man weiß, was da eigentlich unter der Oberfläche passiert, wo die Daten bleiben und wie sie da hin gelangen, wie eine Software im Innern aufgebaut ist, damit man weiß, wo Probleme entstehen können, wenn Änderungen vorgenommen werden sollen.

Noch spannender ist der Einsatz von KI natürlich, wenn man nicht auf der „grünen Wiese“ beginnt, sondern mit einem seit Jahrzehnten gewachsenen, von Menschen entworfenen und immer weiter entwickelten Softwarelösung zu tun hat, die nicht nur selbst sehr komplex und vielschichtig ist, sondern in eine komplexe Architektur eingebettet und über Schnittstellen mit anderen Softwarelösungen verbunden ist. Das ist ja der Normalfall, und man kann diese Lösungen nur selten mal eben durch eine KI komplett neu erstellen lassen. Das wäre dann, trotz der hohen Geschwindigkeit der KI-Agenten, doch zu teuer.

Wer hier mit Hilfe von Künstlicher Intelligenz neue Anforderungen in den bestehenden Systemen umsetzen will, muss dafür sorgen, dass die KI das System versteht und dass sie sich an die Rahmenbedingungen der Softwarenentwicklung hält. Wobei das vielleicht nur so lange gilt, wie menschliche Entwickler noch parallel zu KI-Agenten an den Systemen arbeiten. Viele Richtlinien der Softwareentwicklung sind ja deshalb entstanden, weil man dafür sorgen musste, dass spätere Entwickler den Code ihrer Vorgänger lesen und verstehen können. Das hilft jetzt natürlich auch den KI-Agenten – aber müssen sie selbst auch Code schreiben, den Menschen verstehen? Das ist eine offene Frage. Für den Moment, in dem wir noch am Anfang der KI-basierten Softwareentwicklung stehen, kann das nicht schaden. Fürs Weitere müssen wir auf jeden Fall dafür sorgen, dass spätere KI-Agenten den Code ihrer Vorgänger verstehen und dafür dürfte es sinnvoll sein, dass dieser Code den Best Practices der bisherigen Softwareentwicklung entspricht.

Auch dafür gibt es schon KI-Assistenten, die Code nicht nur automatisch entsprechend strenger Richtlinien schreiben, sondern die auch Code-Reviews durchführen und darauf achten, dass guter Code entsteht. Wir müssen als Menschen, die die Zügel in der Hand behalten wollen, aber darauf achten, dass Richtlinien existieren, die den konkreten Bedingungen der IT-Architektur, des Softwareentwicklungsprozesses und der Softwareumgebungen am Besten entsprechen, und dass unsere KI-Assistenten diese auch nutzen und beachten – denn das ist, Stand heute, überhaupt keine Selbstverständlichkeit.

Der Softwareentwickler der Zukunft

Man sieht: der Softwareexperte verliert seine zentrale Stellung im Softwareentwicklungsprozess nicht. Er wird zukünftig keine Zeile Code mehr selbst schreiben, er wird die Details einer Programmiersprache und ihre neuesten raffinierten Konstrukte sowie die Namen und Parameter der Funktionen und Objekte der verwendeten Bibliotheken nicht mehr kennen müssen. Das ist auch eine große Chance, denn zukünftig wird man als Softwareentwickler quasi mit jedem Framework, mit jeder Entwicklungsumgebung und jeder Programmiersprache arbeiten können. genauer gesagt, man wird seine KI-Agenten damit arbeiten lassen können. Softwareexperten müssen nicht mehr genaue Kenner der Programmiersprachen sein, die in den Systemen verwendet werden. Bis auf Weiteres wird es noch gut sein, wenn sie sie noch lesen können, aber sie müssen sie nicht mehr schreiben können und schon gar nicht müssen sie ihren genauen Umfang kennen – das kann man den KI-Agenten überlassen.

Wichtiger wird statt dessen, dass die Menschen, die in den Softwarehäusern und den IT-Abteilungen arbeiten, die fachlichen Probleme verstehen, nicht nur, um sie den KI-Agenten zu erklären, diese werden schnell in der Lage sein, die Anforderungen selbst zu analysieren. Aber bewerten, ob diese Analyse dem entspricht, was die Anwender wollen, ob das Konzept zur Umsetzung in die Architektur und in die strategischen Ziele des Softwareeinsatzes passt, priorisieren, sodass der Entwicklungsprozess zur Entwicklung der fachlichen Prozesse passt, all das werden die Experten tun, die wirklich denken und verstehen.

Der Beitrag Was wird aus dem Softwareentwickler? erschien zuerst auf INDAL Software-Spezialist.

Glauben Sie nichts!

Wenn Sie sich heute die Meinung eines Experten anhören, der ihnen erklärt, was KI kann, wo ihre Grenzen und ihre Schwächen liegen und wie sie diese Technologie sinnvoll einsetzen können: Glauben sie ihm nicht! Was er sagt, mag seiner eigenen Erfahrung von vor einem Monat entsprochen haben, er mag da selbst viel ausprobiert und vielleicht anderen zugehört haben, die auch etwas ausprobiert haben – aber das ist bereits veraltet. Darüber spricht kaum jemand, dass unsere Methoden, uns über eine Technologie zu informieren, uns ein Urteil zu bilden und daraus dann praktische Konsequenzen für die Nutzung dieser Technologie abzuleiten, nicht mehr funktionieren, weil die Zeitschleifen des Erfahrungserwerbs und der Transformation von Erfahrungen in Wissen, das weitergegeben werden kann, viel länger sind als die der technologischen Entwicklung jener Techniken, die uns da zur Verfügung stehen.

Im Radio erzählt jemand eine Anekdote, die ein paar Wochen alt ist, wie er eine KI gefragt habe, ob er zur Autowaschanlage fahren oder laufen soll um das Auto zu waschen, wenn die Anlage nur 100 m entfernt ist, und dass die KI geantwortet habe, er solle laufen, das sei ja nicht so weit. Geben Sie heute diese Frage bei einer beliebigen KI ein, bekommen Sie natürlich nicht nur die korrekte Antwort, meist mit ironischem Tonfall, sondern auch eine Erläuterung, dass diese Frage ein beliebter Test für die Reife der Künstlichen Intelligenz sei. Und natürlich können Sie die Frage auch nach Belieben abwandeln, ja, sie können die KI selbst um Abwandlungen dieser Frage bitten, mit denen Sie dann wiederum andere KI-Agenten testen können, die diese Tests aber im Allgemeinen bestehen.

So bleibt einem nichts anderes übrig, als die aktuellen Fähigkeiten der KI-Systeme immer wieder selbst auszutesten und zu keinem Moment zu glauben, dass das, was man heute als Grenze festgestellt hat, morgen noch die Möglichkeiten begrenzt. Und „Heute“ und „Morgen“ sind dabei ganz wörtlich gemeint. Die neuen Fähigkeiten der KI-Agenten erweitern sich im Tages- und Wochentakt.

KI in der Softwareentwicklung nutzen

Was für die Anwendung der KI bei Alltagsthemen oder bei der Lösung von Problemen, für die man noch vor Kurzem Experten oder teure Software brauchte, gilt, das trifft umso mehr auf die IT-Branche selbst, insbesondere auf die Softwareentwicklung zu. Wir können einen KI-Agenten heute damit beauftragen, komplexe Änderungsanforderungen in einem bestehenden Softwaresystem vorzunehmen und sich dabei die Architekturregeln, die Designvorgaben und die technologischen Randbedingungen aus dem bestehenden Code selbst abzuleiten. Noch macht der Agent dabei Fehler – aber sind es noch mehr als der menschliche Programmierer machen würde? Noch behauptet der Agent, die Anforderung sei umgesetzt, auch wenn sich beim Test herausstellt, dass er etwas „übersehen“ hat – aber kennen wir das nicht von uns selbst als Softwareentwickler?

Als Softwareentwickler müssen wir lernen, mit diesen Agenten umzugehen. Einerseits handelt es sich um eine Art „vierte Kränkung“ wenn wir sehen, dass die KI Programmiercode in einer Qualität und Schnelligkeit erzeugt, die die besten von uns nicht bieten können. Andererseits gilt das alte Gesetz „Das Programm tut nicht das, was du willst, sondern das, was du programmiert hast“, nun auf neue Weise: „Der KI-Agent programmiert nicht das, was du willst, sondern das, was du von ihm verlangt hast.“ – jedenfalls gilt das heute, ob es morgen noch gilt, wenn Sie diesen Text lesen, kann ich nicht garantieren.

Unsere Aufgabe als Softwareentwickler ist es, die KI fest an der Leine zu führen, sie „im Zaum zu halten“, ihr zu sagen, was die Anwender wollen und zu testen, ob das, was da entsteht, nicht nur gut aussieht, sondern auch das Richtige macht. Dann müssen wir eingreifen, müssen dem Agenten seine Fehler aufzeigen, müssen ihm die Wege zur Korrektur weisen.

Gut und wichtig ist es – jedenfalls heute – dass wir Softwareentwickler noch verstehen, was die KI da macht, was sie erzeugt. Wir können und müssen prüfen und entscheiden, ob die Ergebnisse die richtigen sind, ob sie effektiv sind, ob sie das tun, was sie sollen, nicht mehr und nicht weniger. Wir sind in der Lage, das Ergebnis zu beurteilen – bald werden wir dazu wahrscheinlich andere KI-Agenten nutzen.

Werden wir irgendwann überflüssig?

Wer wollte das heute abschließend beurteilen? Entscheidend ist: Im Moment sind wir es ganz und gar nicht. Dafür zu sorgen, dass Software entsteht, die die KI auch in ein paar Wochen oder Monaten noch weiterentwickeln kann, die robust ist, die wartbar ist, technische Anforderungen formulieren, die Systeme zusammenbringen, fachliche Anforderungen so aufbereiten, dass KI-Programmier-Agenten sie verstehen, das ist heute und in nächster Zeit die Aufgabe professioneller Softwareentwickler.

Vermutlich werden die Anforderungen der Anwender wachsen, wenn sie sehen, wie schnell ihre Wünsche mit KI umgesetzt werden können. Es werden Funktionen möglich, die zuvor aus Budget- und Zeitgründen nicht umgesetzt werden konnten, die Benutzerfreundlichkeit wird steigen, Altsysteme können renoviert werden. Das alles beherrschbar zu machen, den Überblick zu behalten, die Umsetzung zu planen und systematisch voranzubringen – das wird die Aufgabe von erfahrenen Softwareentwicklern sein, die noch wissen, was „unter der Haube passiert“.

Es ist schwierig, in dieser turbulenten Entwicklung mitzuhalten, nicht einfach mitgerissen oder untergespült zu werden sondern „die Welle zu reiten“. Aber es ist machbar und eine grandiose Herausforderung. Wo die Softwarebranche am Ende landet, ist nicht abzusehen, und genau besehen ist das Bild auch schief, denn es ist ja nicht mal anzunehmen, dass da ein Ende sein wird, bei dem man landen kann.

Der Beitrag Künstliche Intelligenz in der Softwareentwicklung erschien zuerst auf INDAL Software-Spezialist.

Zweifellos wird das der Softwareentwicklung Produktivitätsgewinne bringen, wobei man sich schon ganz genau anschauen muss, wie ein Programmierer heute Ideen und Lösungsansätze für einzelne Herausforderungen eines komplexen Softwareprojektes recherchiert und in seine Entwicklungsarbeit einfließen lässt. Ob der Vorschlag einer KI da tatsächlich besser ist als die Hilfestellungen anderer Entwickler, die sich auf den verschiedenen Portalen finden lassen – und auf denen ein LLM letztlich aufbaut – sei dahingestellt.

Die Erwartung, dass LLMs in kurzer Zeit professionelle Softwareentwickler nahezu überflüssig machen, zeugt aber vor allem von falschen Vorstellungen über die Arbeit, die tatsächlich insbesondere in einem individuellen Softwareprojekt steckt.

Anforderungs-Analyse braucht den verständnisvollen Dialog

Da ist zunächst die Erarbeitung eines gemeinsamen Verständnisses von den Anforderungen und Zielen des Kunden. Hier muss viel implizites Wissen durch den erfahrenen Entwickler, der die Anforderungen spezifiziert, abgerufen und strukturiert werden. Anders gesagt: die Anforderung, die ein LLM als Prompt verstehen könnte, muss ja erst einmal so formuliert werden, dass sie tatsächlich vollständig und eindeutig ist. Sodann muss eine Softwarearchitektur erdacht werden, die eine wartungsfreundliche, erweiterbare und änderbare Lösung ermöglicht. Ein großer Teil der professionellen Softwareentwicklung besteht immer in der Berücksichtigung und Einarbeitung von Änderungswünschen. Das wird so schnell auch nicht anders werden, denn ob die Software für die Praxis wirklich geeignet ist, zeigt erst der Test in der Praxis. Nicht die Produktion von neuem Code ist die wichtigste Aufgabe professioneller Softwareentwicklung, sondern die Änderung und Erweiterung von bestehendem Code.

Guten Code schreiben, der wartbar ist

Von Anfang an eine Software so zu schreiben, dass sie auch geändert werden kann und dass noch nach Monaten verständlich ist, was sie genau tut, das ist nur mit der Erfahrung und der Ausbildung von Informatikern möglich. KI-Quellcode löst zwar oft ein konkretes Einzelproblem und ist somit auch nützlich als Vorlage, muss aber durch verantwortungsvolle Entwickler so geändert werden, dass er zu den Richtlinien der Wartbarkeit passt. Sonst entsteht sogenannter Spaghetti-Code oder ein Kartenhaus aus Codezeilen, das zusammenfällt, sobald man daran etwas ändern muss.

Schließlich gehören zum Softwareprojekt die verschiedenen Teststufen. Die Arbeit des Testers beginnt bei der Überlegung, welche Fehlersituationen auftreten können, und welche Testdaten gebraucht werden, welche Testfälle ausgeführt werden müssen. Auch hier ist natürlich denkbar, dass KI unterstützt, aber mit einem einfachen LLM ist es da eben nicht getan. Den Benutzer bei den Tests zu beobachten, seinen suchenden Blick beim ersten Versuch, mit der Software einen Geschäftsprozess abzubilden, die Reihenfolge seiner Interaktionen nachzuvollziehen – auch da dürfte der Mensch mit allen seinen Sinnen, der Entwickler, der selbst auch Anwender ist, auf lange Sicht unverzichtbar sein.

Fazit

Künstliche Intelligenz wird die Softwareentwicklung unterstützen können. Wer stabile und benutzerfreundliche, wartbare und gut getestete Software für die Unterstützung von Geschäftsprozessen braucht, sollte in den nächsten Jahren aber nicht zu viel von Generativen KI-Systemen erwarten. Sonst läuft man Gefahr, Software zu bekommen, die zwar billig produziert ist, deren Betriebs- und Wartungskosten aber hoch sind und die kaum an neue Anforderungen angepasst werden kann. Und gerade das wird auch in Zukunft immer wichtiger sein.

Der Beitrag Ist KI der bessere Softwareentwickler? erschien zuerst auf INDAL Software-Spezialist.

Ein Beispiel: Für einen guten Test auf die so genannten Allgemeine KI wird ein schönes Gedankenexperiment des Apple-Mitbegründers Steve Wozniak angeführt, der vor über zehn Jahren in einem Gespräch die Frage gestellt hat:

Könnte ein Computer eine Tasse Kaffee zubereiten?

Seinen Gesprächspartnern traute Wozniak zu, in sein Haus zu kommen und dort einen Kaffee zuzubereiten: Also den Raum zu suchen, der die Küche ist, zu erkennen, was dort die Kaffeemaschine ist, herauszufinden, wie sie funktioniert, das Kaffeepulver und die Bohnen zu finden und schließlich die Kaffeemaschine in betrieb zu nehmen, um nach einiger Zeit den Kaffee in eine Tasse zu gießen.

Heute gilt Wozniaks Geschichte als ein möglicher Test darauf, dass ein Computer über Allgemeine KI verfügt. Blenden wir einmal aus, welche Anforderungen an die Sensorik des Roboters, mit dem das System verbunden sein müsste, der Test stellt, stellen wir uns vor, die Herausforderungen der Feinmotorik und der Sensibilität wären gelöst – in der Tat wäre es ein beeindruckendes Ergebnis der Informatik, wenn es gelänge, ein solches System in ein beliebiges Haus in Deutschland zu schicken und es dort einen Kaffee zubereiten würde. Und in der Tat ist es eigentlich auch schon beeindruckend, welche Fähigkeiten quasi jeder erwachsene Mensch hat, der solche oder ähnliche Aufgaben tagtäglich bewältigt.

Aber ist es intelligent? Das hängt von der Antwort auf eine Frage ab, die in solchen Zusammenhängen nie gestellt wird: Wie intelligent ist es, einen Kaffee zu kochen, wenn man keinen Kaffee trinken will? Wenn man nicht mal weiß, wie Kaffee schmeckt oder welche Wirkungen er hat, wenn man diese Wirkungen aus prinzipiellen Gründen – man ist eine Maschine aus Metall, Kunststoff und Schaltkreisen und kein Lebewesen mit Mund, Magen, Blutkreislauf und vor allen einem Geist, der Kaffee mag und dem Kaffee schmeckt – nicht haben kann?

Es wird unter Menschen nicht gerade als intelligent angesehen, Dinge zu tun, die für die Person, die es tut, keinen Wert und keinen Nutzen haben. Auch wenn ich selbst vielleicht keinen Kaffee mag, die Frau, in deren Schlafzimmer ich morgens aufwache, aber sehr wohl, kann es sehr intelligent sein, ihr einen Kaffee ans Bett zu bringen, den ich in ihrer mir völlig fremden Küche gekocht habe, noch intelligenter könnte es allerdings sein, einen Kaffee vom gegenüberliegenden Bäcker mitzubringen. Die Erwägungen, die solchen Entscheidungen und Handlungen zugrunde liegen, sind auch der Allgemeinen KI allerdings fremd.

Den faszinierenden KI-Systeme der nächsten und der übernächsten Generation bleibt die menschliche Intelligenz, die immer auf einen Nutzen, eine Freude, einen Lustgewinn, eine Begierde bezogen ist, also weiterhin fremd. Sie sind weniger als Sklaven, denn auch die handeln nicht ohne solche Bezüge, und der willigste Sklave findet seine Lust in der Freude des Herrn. Computersysteme handeln in diesem Sinne gar nicht, sie erfüllen Aufgaben, die ihnen nicht einmal gleichgültig sind, denn zum Empfinden von Gleichgültigkeit gehört eine Vorstellung von Freude und Lust, die man empfindet bei Dingen, die einem ganz und gar nicht gleichgültig sind.

Letztlich ist es auch genau das Ziel, Systeme zu entwickeln, die zwar alles können, denen das alles aber nichts bedeutet, weil sie Bedeutungen und Sinnhaftigkeit nicht kennen. Systeme, die diese Grenze überspringen, würden in der Tat zur Gefahr, nicht, weil sie dann werden würden wie böse Menschen mit Superintelligenz, sondern weil das, was ihnen am wenigsten bedeutete, wahrscheinlich wir Menschen und unsere Bedürfnisse wären. Man muss bedenken, dass die leibliche Erfahrung dieser Systeme eine ganz andere wäre als unsere, und nichts von dem, was uns bedeutungsvoll ist, ist von unserer Leiblichkeit unabhängig.

Vergleicht man allerdings die Komplexität des menschlichen Gehirns, des einzigen Orts, an dem bisher ein Selbstbewusstsein beobachtet wurde, das in allem Sinn und Bedeutung erkennt, mit der Architektur von KI-Systemen, die einmal zur so genannten Allgemeinen KI werden sollen, dann sind solche Gefahren noch weit entfernt.

Die Risiken, die im Zusammenhang mit KI-Entwicklungen drohen, haben mit Zielen und Begierden von Menschen zu tun, und dazu gehören vor allem auch die, die die Geschichte von der baldigen Überlegenheit der Künstlichen Intelligenz über den Menschen erzählen.

Dieser Beitrag wurde zuerst veröffentlicht als Reflexe-Kolumne beim Verlag Karl Alber.

Der Beitrag Künstliche Intelligenz, die Kaffee kocht erschien zuerst auf INDAL Software-Spezialist.

Man gibt Fragen oder Aufforderungen zum Schreiben eines Textes ein und das System erzeugt eine beeindruckende Menge von Wörtern und Sätzen, die scheinbar die Anforderung erfüllen, die man an das System gestellt hat. Man kann sogar reagieren, zweifeln, korrigieren, weiterfragen, und die Antworten erwecken den Eindruck, vernünftige Reaktionen zu sein, einschließlich Korrekturen und Ergänzungen.

Wie ist es möglich, dass uns Texte, die von einem Algorithmus erstellt werden, beeindrucken, dass wir sie gar für intelligent halten, dass wir dem Computerprogramm eine eigene Art der Intelligenz zugestehen?

In der Tat ist es eine bemerkenswerte Leistung der Programmierer, eine Frage zu analysieren, einen Satz als Anforderung zu interpretieren, den Kern der Fragestellung herauszufinden. Ebenfalls beeindruckend ist es, dass es den Programmierern gelingt, Sätze zu erzeugen, die der deutschen Grammatik genügen, und Informationen zusammenzufügen, die als Antwort auf die gegebene Frage wahrgenommen werden können.

Es kann an dieser Stelle zunächst dahingestellt bleiben, ob die Algorithmen tatsächlich eine systematische, Schritt für Schritt vorgehende Analyse der Frage durchführen und ebenso Schritt für Schritt in riesigen Datenbeständen nach passenden Informationen suchen, die sie dann nach einem strengen Regelwerk zu einem korrekten Text zusammenfügen – oder ob sie in riesigen Textbeständen nach Mustern und Strukturen suchen, und aus den Mustern und Strukturen der Fragen nach den statistischen Maßzahlen der Texte eine passende Wortmenge generieren.

Der Bildschirm als Spiegel

Beides ist eine faszinierende Leistung; es zeugt von der hohen Intelligenz derer, die solche Verfahren erdacht, in Computern implementiert und wiederum Schritt für Schritt in Versuch und Irrtum, mit kreativen Ideen und Intuitionen, auf der Basis von Erfahrungen, Diskussionen und gewagten Thesen verbessert haben. Einer sehr menschlichen Intelligenz allerdings.

Aber ist das Ergebnis selbst intelligent? Ist das Vorgehen, das da programmiert wurde, intelligent? Zeugt der Text, der auf dem Bildschirm erscheint, von einer künstlichen Intelligenz, die da in den vernetzten Großcomputern am Werke ist?

Nach dem berühmten Turing-Test wäre ein System als intelligent zu bezeichnen, wenn wir nicht mehr unterscheiden können, ob sich am anderen Ende des Kommunikationskanals ein Mensch oder ein Computer befindet. Sehen wir einmal davon ab, dass diese Frage im Falle der aktuellen Systeme schon deshalb sehr einfach zu beantworten ist, weil sie auch auf komplexe Anforderungen extrem schnell antworten – dass sie nicht überlegen, nicht nachschlagen, nicht zögern. Das könnte man, wenn man einen Turing-Test durchführen will, leicht simulieren.

Auch die Tatsache, dass ein Computersystem immer sofort grammatikalisch und orthographisch korrekte Texte produziert, spräche eben genau dafür, dass da kein Mensch, sondern eine komplexe Softwarelösung agiert. Dieser Gedanke bringt uns allerdings auf eine Spur, die bei der Beantwortung der Frage hilft, warum wir so bereitwillig die Produkte der Algorithmen für Erzeugnisse einer Intelligenz halten.

Es gilt gemeinhin als Zeichen von Intelligenz, die Regeln der Muttersprache fehlerfrei zu beherrschen und ohne Zeitverzug und umständliche Korrekturen sowohl im Mündlichen als auch im Schriftlichen „druckreife“ Sätze aneinanderzureihen. Wir bewundern die Rednerin, die frei sprechen kann und dabei jeden langen Satz ohne Zögern grammatikalisch korrekt zu Ende bringt.

In den Wissenschaften geht diese Tendenz noch weiter: Studierende lernen, klar strukturierte und formalisierte Texte zu schreiben, der Satzbau verschiedener wissenschaftlicher Arbeiten ähnelt sich zum Verwechseln. Das soll Professionalität, Objektivität und Sachlichkeit signalisieren, wissenschaftliche Rationalität, Vernunft, also all das, was wir heute für die Krone der menschlichen Intelligenz halten. Sachbuch-Texte und Wikipedia-Artikel ahmen diesen Stil nach, um Seriosität und Genauigkeit zum Ausdruck zu bringen.

Es ist klar, dass der Stil solcher Texte von einem Algorithmus besonders schnell erlernt werden kann, und dass es besonders einfach ist, Texte solcher Art zu produzieren, die dann wiederum beim Publikum den Eindruck erwecken, besonders intelligent zu sein, weil sie eben so klingen, als seien sie von einer Wissenschaftlerin oder einem Sachbuchautor verfasst worden.

Die wichtigste Voraussetzung für das Gelingen der sogenannten künstlichen Intelligenz, wie sie uns derzeit immer häufiger begegnet, ist also nicht so sehr das Können der Programmierer, sondern der Umstand, dass wir in der modernen technischen Gesellschaft schon lange damit begonnen haben, unsere menschliche Intelligenz technisch zu normieren – und dass wir für besonders lobenswert halten, was eben auch algorithmisch erzeugt werden kann.

Individuelle Stile, unverwechselbare persönliche Ausdrucksformen sind in den Bereichen, die wir für Königsdisziplinen der menschlichen Intelligenz halten, in den Naturwissenschaften und Ingenieursdisziplinen, unerwünscht. Für klug wird gehalten, was sich in mathematischen Formeln und in formalisierten Sätzen ausdrücken lässt.

Diese Formalisierung erstreckt sich auch längst auf andere Bereiche. Emotionen werden durch Emoticons symbolisiert, die eine klare Sprache sprechen. Diese lassen sich leicht animieren und werden etwa durch Animationsfilme popularisiert. Damit lernen wir wiederum, wie wir eine bestimmte Emotion ausdrücken und darstellen sollen, damit sie erkannt wird. Es ist wenig überraschend, dass wir dann staunen, wie gut humanoide Roboter und Computerinterfaces Emotionen „zeigen“ können.

Es sei angemerkt, dass ein modernes algorithmisches Textmodell natürlich auch hochgradig individuelle, einzigartige Ausdrucksweisen simulieren kann. Vermutlich würde ein Computersystem, dem man die mehr als hundertbändige Gesamtausgabe Martin Heideggers zum Lernen gibt, anschließend Texte produzieren können, die für Laien nicht vom Original zu unterscheiden wären. Selbst wer mit Heideggers Texten vertraut ist, würde womöglich unsicher sein.

Woran würde eine Philosophin, die viele Aufsätze und Tagebucheinträge von Heidegger gelesen hat, am Ende merken, dass sie es mit dem Produkt eines Algorithmus zu tun hat? Sie würde feststellen, dass sie mit dem Text trotz aller Bemühungen, trotz des Versuchs, sich in den Sinn hineinzudenken, nichts anfangen könnte, dass er ihr keine Einsichten und Anregungen verschaffte. Durch ihre lange Beschäftigung mit Heideggers Philosophie hat sie es nämlich zuvor geschafft, sich einen gemeinsamen Denkraum mit dem Freiburger Philosophen zu erschaffen. In diesem Denkraum kann sie sich Heidegger und seinem Werk verständigen. Mit dem Produkt des Computers würde ihr das nicht gelingen – der Turing-Test schlüge fehl.

Um es zu wiederholen: Das, was den Programmierern da gelungen ist, ist ein technisches Meisterwerk. Es demonstriert aber vor allem, wie sehr sich unser Intelligenzbegriff im Lauf der letzten Jahrhunderte auf rein technisch-mathematisches Berechnen und Kombinieren reduziert hat. Er hält uns den Spiegel vor: Nicht eine künstliche Intelligenz tritt uns da entgegen, sondern eine über weite Strecken degenerierte menschliche Intelligenz. Und unsere Bewunderung ist der Versuch, darauf auch noch stolz zu sein.

Dieser Text erschien zuerst am 19.01.2023 auf welt.de

Der Beitrag Woran man Künstliche Intelligenz immer erkennt erschien zuerst auf INDAL Software-Spezialist.

YouTube will ein angenehmer und sicherer Ort für alle Nutzer sein, so heißt es auf der Support-Seite, die zugleich die Regeln aufführt, an die sich jeder halten muss, der Inhalte auf der Plattform veröffentlichen möchte. Das Regelwerk von YouTube ist allerdings nicht gerade kurz und leicht verständlich. Es gibt gegenwärtig 20 verschiedene Richtlinien, die wiederum jeweils zumeist aus ein paar Dutzend Einzelverboten bestehen. Zu den abstrakt formulierten Verboten gibt es dann wiederum Beispiele, die genauer erklären sollen, was man auf YouTube nicht zeigen, nicht sagen und nicht behaupten darf.

Wer beim Surfen auf den Seiten von YouTube etwas entdeckt, was diesen Richtlinien zu widersprechen scheint, ist aufgerufen, das zu melden. Mitarbeiter der Plattform schauen sich den fraglichen Inhalt dann an und entscheiden, ob dieser gelöscht und der Anbieter verwarnt oder auch gleich ganz gesperrt wird. So ist es zuletzt dem YouTube-Kanal der Aktion #allesaufdentisch gegangen, der kritische Interviews zur Corona-Politik versammelt. Der Kanal wurde sieben Tage lang gesperrt, Grund war nach Auskunft von YouTube eine „Verletzung der medizinischen Missinformations-Richtlinien“.

Das Regelwerk, das hier den Ausschlag gab und in diesen Zeiten besonders intensiv zur Anwendung kommt, ist die „Richtlinie zu medizinischen Fehlinformationen zu Covid-19“. Was man zu diesem Thema bei YouTube nicht veröffentlichen darf, ist gleich im zweiten Satz der Richtlinie klar definiert: „Auf YouTube sind keine Inhalte erlaubt, die medizinische Fehlinformationen zu Covid-19 verbreiten, die im Widerspruch zu medizinischen Informationen der Weltgesundheitsorganisation (WHO) oder lokaler Gesundheitsbehörden stehen.“

Zwar wird dies sogleich auf die Themen Behandlung, Prävention, Diagnose, Übertragung, Richtlinien zu Social Distancing und Selbstisolation sowie auf die Frage der Existenz von Covid-19 eingeschränkt – wobei allerdings fraglich ist, zu welchem anderen Covid-19-Thema dann medizinische Fehlinformationen erlaubt wären. Aber kurz und prägnant kann man die Richtlinie sicherlich so auf den Punkt bringen: Man darf auf YouTube zu Covid-19 nichts sagen, was den Aussagen der WHO oder in Deutschland etwa denen des RKI oder des Gesundheitsministeriums widerspricht.

Im Folgenden führt YouTube dann im Einzelnen auf, was alles als medizinische Fehlinformation gilt. Auf diesem Index stehen eine Reihe von Behauptungen, deren Unsinnigkeit sicherlich allgemeiner Konsens ist – wie etwa die, „dass Impfstoffe gegen Covid-19 geimpfte Personen magnetisch machen“. Es ist natürlich fraglich, ob solche Behauptungen wirklich „ein ernsthaftes Risiko für körperlichen Schaden bergen“, was gleich zu Beginn der Richtlinie als Grund für die Verbotsliste angegeben wird.

Natürlich kann man annehmen, dass Menschen, die so einen Quatsch glauben, deshalb auch eine Impfung ablehnen und damit für sich und andere einen körperlichen Schaden in Kauf nehmen. Andererseits werden die meisten Menschen, die von einem angeblichen Experten eine so krude Aussage vernehmen, wohl grundsätzlich skeptisch gegen die Behauptungen dieses Experten werden: Der Effekt der Zugänglichkeit dieser Aussage kann sich also auch umkehren und der Aufklärung dienen.

Bei einigen weiteren Richtlinien kommt es sehr darauf an, wie man sie interpretiert. Gleich die erste etwa verbietet „Inhalte, in denen die Nutzer zum Einsatz von Hausmitteln … ermutigt werden, statt sich in medizinische Behandlung zu begeben“. Sind solche Empfehlungen per se Desinformation? Man stelle sich etwa ein Video vor, in dem ein praktischer Arzt empfiehlt, bei lediglich leichten Corona-Symptomen das Bett zu hüten, bei leichtem Fieber feuchte Umschläge zu machen oder ähnliches – und zugleich sagt, dass es bei solch einer leichten Symptomatik nicht nötig wäre, zum Arzt zu gehen – zumal man dort mit anderen, noch nicht infizierten Menschen in Kontakt kommen könnte, die man anstecken könnte. Ein solches Video würde der Richtlinie widersprechen – aber wäre es auch sinnvoll, es zu entfernen?

Das gilt sogar, wenn etwa der Deutschlandfunk – sogar unter Berufung auf das Gesundheitsministerium! – empfiehlt, im Fall einer Infektion viel zu trinken und das Immunsystem mit viel Ruhe und Schlaf sowie ausgewogener Ernährung zu unterstützen. Auch das sind Hausmittel, die den Arztbesuch ersetzen können. Dieser wird dort explizit nur für den Fall empfohlen, dass sich die Lage nach einer Woche nicht verbessert: „Die Bundeszentrale für gesundheitliche Aufklärung rät dazu, den oder die Hausärztin zu kontaktieren, wenn sich der Gesundheitszustand nicht während der ersten Woche der Erkrankung bessert oder sich die Beschwerden im Verlauf sogar verschlimmern.“

Problematisch sind auch weitere Regeln – etwa das pauschale Verbot, zu behaupten, „dass Impfstoffe gegen Covid-19 das Risiko einer Ansteckung mit Covid-19 nicht reduzieren“. Als allgemeine Aussage ist dies sicher falsch, aber was wäre mit der Aussage, dass ein bestimmter Impfstoff das Risiko einer Ansteckung mit einer bestimmten Variante, etwa Omikron, nicht reduziert? Die Präsentation der Ergebnisse einer britischen Studie, dass eine zweifache Impfung mit AstraZeneca nach 20 Wochen keinen Impfschutz gegen eine Infektion mit Omikron bietet, wären.

Noch fragwürdiger sind allerdings jene Regeln, die nicht nur inhaltlich zweifelhaft sind, sondern bei denen sogar die Gefahr besteht, dass sich das Anliegen der Plattform, körperliche Schäden zu verhindern, ins Gegenteil verkehrt. So verbietet YouTube etwa die Behauptung, „dass das Tragen einer Maske gefährlich ist oder negative Folgen für die körperliche Gesundheit hat“.

Das steht in dieser Allgemeinheit allerdings im Widerspruch zu den Aussagen ausgewiesener Experten, wie man etwa in der Stellungnahme der Deutschen Gesellschaft für Krankenhaushygiene zum Tragen von FFP2-Masken nachlesen kann. Dort heißt es über die Nutzung von FFP2-Masken: „Bei Gesundheitspersonal sind Nebenwirkungen wie z.B. Atembeschwerden oder Gesichtsdermatitis infolge des abschließenden Dichtsitzes beschrieben. Beim Einsatz bei Personen mit z.B. eingeschränkter Lungenfunktion oder älteren Personen sind gesundheitliche Auswirkungen nicht auszuschließen.“

Bedenklich ist auch, wenn YouTube Aussagen zu Themen auf den Index setzt, bei denen die wissenschaftliche Konsensfindung noch längst nicht abgeschlossen ist – und die sich aufgrund der Komplexität der Zusammenhänge und der Dürftigkeit der bestehenden Datenlage auch noch gar abschließend beurteilen lassen. So untersagt die Plattform „Inhalte, in denen behauptet wird, dass sich Covid-19 in bestimmten Klimazonen oder Regionen nicht verbreiten kann“. Als Beispiel wird aufgeführt, dass es nicht erlaubt sei, zu behaupten „dass sich das Virus in Ländern mit heißem Klima nicht verbreitet“.

Schaut man in die aktuelle internationale Forschungsliteratur, so stellt man fest, dass die Untersuchung des Zusammenhangs zwischen den Verbreitungsmöglichkeiten des Virus und den klimatischen Bedingungen offenbar sehr herausfordernd ist, dass aber durchaus Zusammenhänge zwischen trocken-heißen Wetterbedingungen und geringerer Virenausbreitung bestehen – allerdings darüber hinaus gekoppelt an die Bevölkerungsdichte und die Reaktion der Menschen auf die Hitze sowie auch an die Regierungsmaßnahmen gegen die Corona-Verbreitung.

Ein konsistentes Bild entsteht auf diesem Forschungsgebiet gerade erst, und es ist nicht ausgeschlossen, dass sich dabei herausstellt, dass es Regionen geben kann, in denen sich das Virus aufgrund der Kombination verschiedener klimatischer und kultureller Faktoren kaum oder sogar nicht verbreiten kann. Die Darstellung und öffentliche Diskussion solcher Ergebnisse trüge zur Aufklärung darüber bei, welche Maßnahmen in welchen Ländern angemessen sind. Das Verbot, solche Ergebnisse zu verbreiten, könnte also der Pandemiebekämpfung sogar schaden.

Ähnlich verhält es sich mit dem Verbot von „Behauptungen, dass die Symptome, die Sterblichkeit oder die Infektiosität von Covid-19 weniger oder genauso gravierend sind wie bei einer Erkältung oder saisonalen Grippe“. Diese Fragestellung ist Gegenstand intensiver wissenschaftlicher Forschungen, und es zeigt sich, dass es durchaus gute Gründe gibt anzunehmen, dass etwa die Sterblichkeit bei Covid-19 und bestimmten Grippe-Varianten in ähnlichen Bereichen liegt. So zeigt eine Studie ähnliche Todesfallraten für Covid-19 und Influenza Typ A. Da die Datenerhebung und die tatsächliche Immunisierung in beiden Fällen sehr unterschiedlich sind, ist eine abschließende Aussage schwierig.

Aber auch hier gilt: Ein pauschales Verbot bestimmter Behauptungen behindert eher den Austausch wichtiger Informationen und Forschungsergebnissen, als dass es zu einer besseren Aufklärung über tatsächliche Risiken beiträgt. Zudem verändert sich auch das Coronavirus in Symptomatik und Gefährlichkeit – und viele Länder, etwa Spanien, diskutieren bereits darüber, die Krankheit in Zukunft wie eine Grippe zu behandeln. Die Realität unterläuft also längst das starre Verbotsraster, das YouTube aufgestellt hat.

Das Anliegen der Video-Plattform, die Verbreitung von gefährlichen Falschinformationen zu Covid-19 zu verhindern, ist sicherlich zu begrüßen. Das bestehende Regelwerk ist allerdings eine zweifelhafte Mischung aus plausiblen und eindeutigen Richtlinien, aus Richtlinien, die missverständlich sind, weil sie einen breiten Interpretationsspielraum zulassen, und aus Richtlinien, die in letzter Konsequenz die Verbreitung wichtiger Erkenntnisse sogar behindern.

Eine kritische Öffentlichkeit lebt davon, dass mit guten Argumenten auch Dinge infrage gestellt werden dürfen, die die zuständigen Regierungsbehörden gerade als offizielle Wahrheit ausgeben – was sich ja, wie man in der Pandemie erlebt, schnell ändern kann. Für seriöse Journalisten und Experten vergrößert das YouTube-Regelwerk die Unsicherheit, mit neuen Informationen ins Visier von Leuten zu geraten, die mit Meldungen bei der Plattform einen breiten Diskurs verhindern wollen.

Dieser Beitrag erschien zuerst am 21. Januar 2022 auf welt.de

Der Beitrag Was man auf YouTube nicht sagen darf erschien zuerst auf INDAL Software-Spezialist.

Für diesen Zweck haben wir vor einigen Jahren bereits Resident Care, die Software für das umfassende Management von Informationen zur Unterbringung und Betreuung von Geflüchteten, entwickelt. Unsere Web-Lösung ist inzwischen in Kommunen und Unternehmen erfolgreich im Einsatz.

Niedrige Kosten für professionelle Lösung

Von Beginn an haben wir die Kosten für das System so kalkuliert, dass eine professionelle und sichere Lösung in diesem Bereich nicht an den Investitionsaufwänden scheitert. Durch individuelle Laufzeiten lässt sich das Preismodell an verschiedene Bedürfnisse anpassen. Nach der aktuellen Preisliste von Januar 2022 betragen die einmaligen Anschaffungskosten für eine 5-Benutzer-Lizenz nur 2.703 € zzgl. MwSt., die entsprechende Service-Lizenz wird jährlich mit 695 € zzgl. MwSt. berechnet, das Serverhosting kostet monatlich 103 € zzgl. MwSt. Für Installation und Schulung muss man insgesamt mit etwa 2.000 € zzgl. MwSt. rechnen. Mit dieser Kostenstruktur stellen wir sicher, dass wir stabil eine professionelle und sichere Lösung mit allen notwendigen Funktionen benutzerfreundlich zur Verfügung stellen können – und zwar langfristig und zukunftssicher.

Innerhalb einer Woche einsatzfähig

Angesichts der aktuellen Ereignisse haben wir unsere Prozesse optimiert und sind nun in der Lage, ein produktives System innerhalb von drei Arbeitstagen zur Verfügung zu stellen, sodass ein neuer Kunde innerhalb von ca. einer Woche mit der Software arbeiten kann. Damit tragen wir dazu bei, dass bei hohen Anforderungen an Institutionen, Behörden und Unternehmen kein Datenchaos entsteht und eine optimale Unterbringung und Betreuung nicht an mangelnden Informationen scheitert.

Der Beitrag Management von Flüchtlingsdaten zügig verfügbar erschien zuerst auf INDAL Software-Spezialist.

Ist KI der bessere Softwareentwickler?

Der Beitrag cache erschien zuerst auf INDAL Software-Spezialist.

Ist KI der bessere Softwareentwickler?

Der Beitrag cache erschien zuerst auf INDAL Software-Spezialist.