Nvidia: KI beschleunigt den gesamten Entwicklungsprozess - dreimal mehr Code als früher
Beim Chipkonzern Nvidia soll der Einsatz KI-gestützter Programmierwerkzeuge die interne Softwareentwicklung deutlich beschleunigt haben. Intern genutzte Zahlen deuten auf einen starken Anstieg des Code-Outputs hin.
Beim US-Unternehmen Nvidia soll der Einsatz von KI-gestützten Entwicklungswerkzeugen inzwischen fester Bestandteil des internen Softwareentwicklungsprozesses sein. Nach Angaben aus dem Unternehmen produzierten Entwickler seit der flächendeckenden Einführung entsprechender Tools ein Vielfaches des bisherigen Codes.
Konkret ist von einer internen Nutzung einer angepassten Version der Entwicklungsumgebung Cursor die Rede, die auf KI-gestützte Codegenerierung ausgelegt ist. Das Tool stammt vom Unternehmen Anysphere und soll bei Nvidia unternehmensweit zum Einsatz kommen. Mehr als 30.000 Entwickler sollen das System regelmäßig in unterschiedlichsten Projektbereichen genutzt haben.
Nach internen Aussagen werde Cursor nicht nur zur reinen Code-Erstellung eingesetzt, sondern begleite nahezu den gesamten Software Development Lifecycle. Dazu zählen unter anderem Code-Reviews, das Erstellen von Testfällen, Qualitätssicherung sowie Teile der Fehleranalyse. Gleichzeitig blieben menschliche Entwickler weiterhin für Freigaben, Architekturentscheidungen und die finale Kontrolle verantwortlich. Die KI sei damit zwar eingebettet in die Entwicklung, aber nicht autonom.
Wie Tom's Hardware berichtet, hebt Nvidia besonders die Möglichkeit hervor, komplexe und über die Jahre gewachsene Codebasen effizient zu analysieren. Gerade bei langfristig gepflegten Datenbanken oder Treiberprojekten stoße klassische manuelle Analyse schnell an Grenzen. Hier könne das System Zusammenhänge erfassen, die für einzelne Entwickler nur schwer vollständig überblickbar seien. Auch das Auffinden seltener und hartnäckiger Fehler werde durch automatisierte Analyse beschleunigt.
Darüber hinaus sollen interne Arbeitsabläufe rund um Versionsverwaltung und Fehlerbehebung teilweise automatisiert worden sein. Mithilfe projektspezifischer Regeln könne das Tool Kontext aus Tickets und Dokumentationen berücksichtigen und darauf aufbauend Änderungen inklusive Tests vorschlagen. Ob und in welchem Umfang diese Vorschläge produktiv übernommen werden, liege weiterhin bei den verantwortlichen Teams.
Ausbildungs- und Einarbeitungsprozesse könnten sich durch den Einsatz der KI ebenfalls verkürzt haben. Neue Mitarbeiter erhielten schneller Einblick in bestehende Projekte, während erfahrene Entwickler sich stärker auf konzeptionelle Aufgaben konzentrieren könnten. Nvidia selbst beschreibt dies als eine Verschiebung von Routinearbeit hin zu stärker gestaltenden Tätigkeiten.
Besonders spannend ob der Lobeshymnen auf KI: Nvidia selbst soll bestätigt haben, dass zwar mehr Code produziert würde, allerdings sei trotz des gestiegenen Volumens die Fehlerrate stabil geblieben. Wie und in welchem Umfang sich der aktuell KI-geprägte Ansatz langfristig auf Produktzyklen, Stabilität und Wartung auswirkt, bleibt allerdings noch abzuwarten.
Was halten Sie von dem Einsatz von KI bei Nvidia? Nutzen Sie die Kommentarfunktion und teilen Sie uns Ihre Meinung mit. Beachten Sie beim Kommentieren aber bitte die Forenregeln. Folgen Sie uns außerdem für Neuigkeiten in der Hardware-Welt oder unsere exklusiven Inhalte gern auf Whatsapp und X. Unsere Video-Inhalte (oftmals gewürzt mit einer Prise Humor) finden Sie bei Youtube, Instagram und Tiktok.
Quelle: Tom's Hardware
Das reine Coding macht im Job eines Entwicklers nur einen Bruchteil der Arbeit aus. Es geht viel mehr um Planung, Architektur- und Designentscheidungen, Kommunikation und Koordination. Auch dabei kann ein LLM helfen, aber denkende Menschen nicht ersetzen. Es ist gar nicht so leicht in Worte zu fassen, was den Menschen dabei besser macht. Vielleicht ist es einfach das selbstständige Denken und Kreieren, das ein LLM nunmal so nicht kann.
Was jedenfalls nicht gut funktioniert, ist, dass ein Laie die KI instruiert, eine Software für ihn zu schreiben. Es kommt zwar im besten Fall etwas dabei heraus, das grundsätzlich funktioniert, aber der Laie ist nicht in der Lage, die Qualität zu beurteilen und wird bei der Weiterentwicklung früher oder später Probleme bekommen. Deshalb wird man immer Profis brauchen, die das verstehen und verbessern können, was die KI produziert. Deren Arbeit wird sich zweifellos weiter verändern (das war in der Branche allerdings schon immer der Fall), ersetzt werden sie in absehbarer Zeit aber nicht.
Den Parasiten mit ihrer endlosen Gier genügt das alles nicht mehr weshalb sich nun in der AI Bubble explosionsartig bereichert wird solange es irgendwie geht.
"Privatkonsum", aber nicht unbedingt Gaming. Letztlich ist alles "Privatkonsum".
Selbst B2B ist am Ende Privatkonsum, weil auch die Firma die einer anderen etwas verkauft letztlich Produkte für den Endkonsumenten herstellt, oder Dienstleistungen anbietet.
Eine Firma die Bagger herstellt verkauft diese an Bauunternehmen die dann Straßen und Häuser/Hallen damit baut, welche am Ende von PKW/LKW oder zum Wohnen, oder die Hallen zur Produktion von Waren genutzt werden.
Am Ende steht immer irgendwie der "Bürger", der mit seiner Arbeit den Konsum erbringt.
Genau so muss das sein
Danke Nvidia, dass ihr uns in Sch**ße ertränkt.
Du schreibst, KI-Tools würden in dieser Sache die Entwickler nie ersetzen können. Was genau können dabei nur Entwickler*innen leisten, eine KI aber nicht?
Tatsächlich geht es dabei gar nicht um Intelligenz(en), sondern um Aufwand. In über Jahre entwickelten Codebasen sammelt sich zwangsläufig eine Menge sogenannte technische Schuld an. Neue Technolgien, Design-Entscheidungen, weiterentwickelte Features, veraltete APIs, die weiterhin unterstützt werden müssen, das alles führt zu immer höherer Komplexität, die nur mit viel Erfahrung oder Aufwand zu überblicken ist.
Ich kann mir die Arbeit machen, den ganzen Code selbst durchzugehen, um alle Edge Cases zu finden, die ich bei der Implementierung eines neuen Features nicht berücksichtigt habe. Oder ich beauftrage die KI, das für mich zu tun.Darin ist die nämlich ziemlich gut. Im Ergebnis verstehe ich selbst den Code besser und mache entweder weniger Fehler oder bin produktiver (oder beides).
Kann mir ein Programmierer erklären, was es mit der Aussage zu den stabilen Fehlern auf sich hat? Müsste man annehmen, mehr Code resultiere in höheren ("instabilen") Fehlerraten?
Tatsächlich muss ich hier NVidia ausnahmsweise fast vollständig zustimmen, denn das deckt sich auch mit meinem Arbeitsalltag. KI gibt Profis die Möglichkeit, produktiver zu arbeiten, wenn man sie richtig einsetzt. Sie wird einen aber nie ersetzen können.
Im Grunde kann man sich ein KI-Tool bei der Entwicklung wie einen Praktikanten vorstellen, der sehr gut ausgebildet ist, aber keine Erfahrung hat und in der Firma ganz neu ist. Man muss ihm noch viel Kontext geben, Design-Entscheidungen und Pläne erklären, Rückfragen beantworten. Aber dann ist er sehr effektiv.
Wenn Leute schreiben, dass die KI viel Quatsch hanebüchenen Unsinn produziert, liegt es meistens nicht an der schlechten KI, sondern an schlechten Anweisungen. Ein Praktikant wird auch keine gute Arbeit machen, wenn der, der ihn anleitet, keine Ahnung von dem Thema hat.
Gute Prompts zu schreiben, muss man auch erstmal lernen. Aber wenn man den Dreh raus hat, ist der Gewinn enorm. Bei uns werden dafür extra Schulungen angeboten.