Programmieren mit einer KI

Programmieren mit einem KI‑Agenten

Künstliche Intelligenz (KI) hat die Art und Weise, wie wir programmieren, grundlegend verändert. KI‑Agenten können Code generieren, optimieren und sogar beim Debugging helfen. Dennoch gibt es einige Einschränkungen, die Programmierer bei der Arbeit mit KI beachten sollten.

Probleme mit Reihenfolge und Duplikation

KI‑Agenten haben Schwierigkeiten mit der richtigen Reihenfolge des Codes. Sie können beispielsweise Initialisierungen am Ende einer Datei platzieren, was Laufzeitfehler verursacht. Außerdem kann KI ohne Zögern mehrere Versionen derselben Klasse oder Funktion innerhalb eines Projekts definieren, was zu Konflikten und Verwirrung führt.

Eine Codeplattform mit Speicher und Projektstruktur hilft

Eine Lösung dafür ist die Nutzung von KI‑Codeplattformen, die Speicher und Projektstrukturen verwalten können. Das hilft, die Konsistenz in komplexen Projekten zu bewahren. Leider werden diese Funktionen nicht immer konsequent eingesetzt. Dadurch kann es vorkommen, dass die KI die Zusammenhänge eines Projekts verliert und beim Programmieren unerwünschte Duplikate oder falsche Abhängigkeiten einführt.

Die meisten KI‑Coding‑Plattformen arbeiten mit sogenannten Tools, die das Large Language Model aufrufen können. Diese Tools basieren auf einem offenen Standardprotokoll (MCP).  Es ist daher möglich, eine KI‑Coding‑Agentur an eine IDE wie Visual Studio Code zu koppeln. Gegebenenfalls kann man lokal ein LLM einrichten mit Lama oder Ollama und wähle einen MCP-Server zur Integration. NetCare hat einen MCP-Server erstellt, um beim Debuggen zu helfen und das zugrunde liegende (Linux‑)System zu verwalten. Praktisch, wenn Sie den Code direkt live schalten möchten.
Modelle finden Sie unter huggingface.

IDE-Erweiterungen sind unverzichtbar

Um KI-generierten Code besser zu verwalten, können Entwickler IDE-Erweiterungen nutzen, die die Code‑Korrektheit überwachen. Werkzeuge wie Linter, Typprüfer und fortgeschrittene Code‑Analyse‑Tools helfen, Fehler frühzeitig zu erkennen und zu korrigieren. Sie stellen eine wesentliche Ergänzung zum KI-generierten Code dar, um Qualität und Stabilität zu gewährleisten.

Die Ursache wiederholender Fehler: Kontext und Rolle in APIs

Einer der wichtigsten Gründe, warum KI‑Agenten Fehler immer wieder wiederholen, liegt in der Art und Weise, wie KI‑APIs interpretiert werden. KI‑Modelle benötigen Kontext und eine klare Rollenbeschreibung, um effektiven Code zu erzeugen. Das bedeutet, dass Prompts vollständig sein müssen: Sie müssen nicht nur die funktionalen Anforderungen enthalten, sondern auch das erwartete Ergebnis und die Randbedingungen explizit machen. Um dies zu erleichtern, kannst du die Prompts im Standardformat (MDC) speichern und standardmäßig an die KI senden. Das ist besonders praktisch für generische Programmierregeln, die du anwendest, sowie für die funktionalen und technischen Anforderungen und die Struktur deines Projekts.

Tools wie FAISS und LangChain helfen

Produkte wie FAISS und LangChain bieten Lösungen, um KI besser mit Kontext umgehen zu lassen. FAISS hilft beispielsweise beim effizienten Suchen und Abrufen relevanter Code‑Fragmente, während LangChain beim Strukturieren von KI‑generiertem Code und dem Erhalt des Kontexts innerhalb eines größeren Projekts unterstützt. Auch hier kannst du es ggf. selbst lokal mit RAC‑Datenbanken einrichten.

Fazit: nützlich, aber noch nicht eigenständig

KI ist ein leistungsstarkes Werkzeug für Programmierer und kann dabei helfen, Entwicklungsprozesse zu beschleunigen. Dennoch ist sie noch nicht wirklich in der Lage, eigenständig eine komplexere Codebasis zu entwerfen und zu bauen, ohne menschliche Kontrolle. Programmierer sollten KI als Assistent betrachten, der Aufgaben automatisieren und Ideen generieren kann, aber weiterhin Anleitung und Korrektur benötigt, um zu einem guten Ergebnis zu kommen.

Nehmen Kontakt um zu helfen, die Entwicklungsumgebung aufzubauen, Teams zu unterstützen, das Maximum aus der Entwicklungsumgebung herauszuholen und sich mehr mit Requirements Engineering und Design zu beschäftigen als mit Debuggen und Code schreiben.

 

Gerard

Gerard ist als KI-Berater und Manager tätig. Mit umfangreicher Erfahrung in großen Organisationen kann er ein Problem besonders schnell analysieren und an einer Lösung arbeiten. In Kombination mit einem wirtschaftlichen Hintergrund sorgt er für geschäftlich verantwortungsvolle Entscheidungen.