Steht eine Rollenrevolution an?

Die Geschwindigkeit der technischen Entwicklung im AI-Bereich hat tiefgreifende Auswirkungen auf Rollen im Software-Entwicklungsprozess. Dies sind einige der aktuellen Trends, wie sich wichtige Rollen in der Softwareentwicklung gerade verändern.

Entwickler müssen sich mit ethischen Dimensionen auseinandersetzen – Fragen der Fairness, Verzerrungen in Daten und potenziellen negativen Auswirkungen ihrer Systeme. Dies erfordert ein hohes Maß an Verantwortungsbewusstsein und die Fähigkeit, über die rein technischen Aspekte der Programmierung hinauszudenken.

Business Analysten und Requirements Engineers müssen nun nicht nur funktionale und nichtfunktionale Anforderungen erfassen, sondern auch die Qualität und Verfügbarkeit von Trainingsdaten berücksichtigen und dabei intensiv mit Data Sciences und Machine Learning Experten zusammenarbeiten. Sie müssen dabei ein Verständnis dafür entwickeln, welche Probleme sich für KI-Lösungen eignen und wie man Anforderungen für lernende Systeme spezifiziert.

Projektmanager stehen vor der Herausforderung, Entwicklungsprozesse zu steuern, die weniger deterministisch und stärker iterativ sind. Sie müssen Zeitpläne und Ressourcen für Datensammlung, Modelltraining und kontinuierliche Verbesserung einplanen. Agile Methoden werden noch wichtiger, da KI-Projekte oft einen experimentelleren Charakter haben und häufigere Anpassungen erfordern.

Die Rolle der Tester verändert sich grundlegend. Statt vordefinierte Testfälle mit detailliert ausgearbeiteten Testdaten durchzuführen, müssen sie nun die Leistung und Robustheit von KI-Modellen unter verschiedenen Bedingungen evaluieren. Dies beinhaltet die Überprüfung der Modellgenauigkeit, die Identifizierung von Verzerrungen und die Sicherstellung, dass das System in Grenzsituationen angemessen reagiert. Tester müssen sich dazu mit Konzepten wie Overfitting, Underfitting und der Generalisierungsfähigkeit von Modellen vertraut machen.

Softwarearchitekten stehen vor der Aufgabe, Systeme zu entwerfen, die KI-Komponenten nahtlos integrieren. Sie müssen Architekturen entwickeln, die den Umgang mit großen Datenmengen ermöglichen und später die Echtzeitverarbeitung
von Informationen mittels KI ermöglichen. Gleichzeitig müssen sie Aspekte wie Skalierbarkeit, Wartbarkeit und die Integration mit bestehenden Systemen berücksichtigen. Die Architektur muss flexibel genug sein, um mit der schnellen Entwicklung von KI-Technologien Schritt zu halten.

Ein wichtiger Grundstein, damit Sie in Ihrer Rolle von diesem Veränderungsprozess profitieren können, ist ein solides Grundwissen zu KI und ihrer Funktionsweise. Die KI-Kursschwerpunkte von Spirit in Projects liefern Ihnen dafür erprobtes Methodenwissen.