Innovation Archive - Patrick Steinert

KI in der Softwareentwicklung: Zwischen Hype und echter Relevanz

Patrick Steinert — Thu, 29 May 2025 06:55:22 +0000

Künstliche Intelligenz hat die Softwareentwicklung bereits in ihren Grundzügen verändert – und viele beobachten diesen Trend mit Skepsis. Ist das wirklich relevant? Oder nur der nächste Hype, der bald wieder verpufft? Tatsächlich ist KI mehr als ein nettes Gimmick: Erste Werkzeuge zeigen schon heute, wie sich einfache Anforderungen schnell, effizient und größtenteils zuverlässig umsetzen lassen. Klar müssen die Prompts von Entwicklern erstellt werden um die richtigen Ergebnisse zu erzielen. Aber oft braucht es nur noch rund 20 Prozent Ihrer Fähigkeiten. Was heißt das? Prozesse lassen sich beschleunigen, repetitive Aufgaben abgeben – und das Potenzial ist noch lange nicht ausgeschöpft.

Der bekannte Denker Günther Dück sprach einst von der „Hybris-vs.-Hype“-Kurve: Zuerst wird eine neue Technologie überhyped, dann folgt das Tal der Ernüchterung. Genau dort, wo echte Produktivität entsteht, treten oft die Skeptiker auf den Plan: „Ich hab’s doch gesagt, das bringt alles nichts.“ Doch gerade an diesem Punkt zeigt sich, wer den nächsten Schritt geht – und wer zurückbleibt.

Denn auch wenn KI nicht perfekt ist, ist sie bereits hoch relevant. Perfektion ist keine Voraussetzung für Nutzen. Wer sie heute einsetzt, automatisiert Prozesse, beschleunigt Workflows und schafft Raum für Kreativität. Wer sie ignoriert, bleibt zurück.

Es geht nicht darum, KI zu verklären. Sie wird nicht jeden Menschen ersetzen und auch nicht jede Software automatisch besser machen. Aber sie ist ein mächtiges Werkzeug – und in der Softwareentwicklung in den richtigen Händen ein echter Produktivitäts-Booster. Der Unterschied liegt in der Herangehensweise: Wer technische Kompetenz mit strategischem Denken kombiniert, wer seine Rolle im Entwicklungsprozess anpasst und erkennt, welche Aufgaben sich sinnvoll an die Werkzeuge delegieren lassen, kann mit KI gezielt Softwareprojekte beschleunigen, sogar die Qualität erhöhen und neue Potenziale heben.

Ich erinnere mich gut an die We Are Developers Konferenz 2023 in Berlin. Damals präsentierte Thomas Dohmke, CEO von GitHub, GitHub Copilot. Mein erster Gedanke: “Ganz nett, für kleinere Funktionen sicher hilfreich.” Revolutionär? Wohl kaum. Doch mit der Zeit wurde klar: Das ist kein besserer Code-Vervollständiger, das ist eine neue Art zu arbeiten. Heute sehe ich, wie Tools selbstständig API-Debugging durchführen, Datenbankabfragen erzeugen oder Migrationsskripte vorbereiten – ohne menschliche Hilfe. Das ist mehr als Automatisierung. Das ist ein Paradigmenwechsel.

Unsere Rolle als Entwickler verändert sich. Wir geben der Maschine Aufgaben, denken in Zielen, nicht mehr in jedem einzelnen Befehl. KI wird zum verlässlichen Partner, der rund um die Uhr unterstützt. Wer das versteht, nutzt KI nicht als Gimmick, sondern als strategisches Werkzeug.

Wie also anfangen? Ganz einfach: Tools ausprobieren. Frei verfügbare Versionen testen oder auch mal 10, 20 Euro in einen Test-Monat investieren. Mit privaten Projekten starten, nicht selbst überlegen, sondern dem KI-Werkzeug die Aufgabe geben, Erfahrungen sammeln. Es muss nicht perfekt sein – entscheidend ist, zu lernen. Ebenso, wie ich ein neues Framework oder eine Sprache lerne.

Wie bleibt man auf dem laufenden? Es gibt eine Flut an Informationen. Aber niemand muss alles mitbekommen. Es reicht, ein paar gezielte Quellen zu verfolgen – sei es ein YouTube-Kanal, ein LinkedIn-Newsletter oder ein Blog. Schritt für Schritt entsteht so eine Routine, wie beim Lernen eines neuen Frameworks. Kleine Projekte, Tests, Erkenntnisse. Und plötzlich wird klar, wie viel möglich ist.

Das Neue ist da. Noch nicht perfekt, aber mächtig. Es wächst. Und es wird bleiben.

Jetzt ist der Moment, sich damit auseinanderzusetzen. Jetzt ist die Zeit, zu lernen.

Denn wer heute beginnt, profitiert morgen. Wer aber weiter auf der Schreibmaschine tippt, während andere schon Word und KI nutzen, wird den Anschluss verlieren.

The post KI in der Softwareentwicklung: Zwischen Hype und echter Relevanz appeared first on Patrick Steinert.

Recognizer – a smart scale approach

Patrick Steinert — Tue, 17 Aug 2021 08:01:09 +0000

Im Supermarkt darauf warten, dass der/die Kassierer/in den Code für das zu wiegende Obst oder Gemüse raussucht? Kommt Dir bekannt vor? In einer digitalisierten und hoch-performanten Welt sollte das doch eigentlich nicht nötig sein, oder? Dachte ich mir auch. Also mal schnell was überlegt: Ich wollte doch schon immer mal was mit dem NVIDIA Jetson Nano (Amazon*) machen: ein Edge Device, 120 €, 128 GPU Cores, 472 GFLOPS Rechenleistung, 5 Watt Stromverbrauch. Überzeugt. Für eine Kassenwaage sollte es ja auch kein GPU System für 2.000 € oder mehr sein. Also, taugt es etwas?

Die meisten fertigen Algorithmen zur Objekterkennung sind ja eher auf allgemeine Datensätze trainiert, die zwar Obst und Gemüse beinhalten, aber nur einige wenige Arten. Das Coco-Dataset beinhaltet zum Beispiel Karotten, Bananen, Äpfel, Orangen und Broccoli. Diese Klassiker schafft meist auch das Personal an der Kasse von alleine. Die Algorithmen, bzw, die neuronalen Netze sind also vorhanden, aber sie sind nicht spezifisch trainiert. Ein Training mit spezifischeren Daten wäre möglich: Stichwort Transfer Learning. Dafür brauche ich Bilder von Obst und Gemüse. Obst, das habe ich auf dem Wege gelernt, ist gar kein definierter Begriff. Es wird von Früchten gesprochen. Man lernt nicht aus. Durch eine schnelle Recherche sind ein paar Datensätze gefunden, die Bilder zum Training bieten:

Ich habe schon ein paar Versuche für das Transfer-Training gemacht (dazu dann vielleicht mal mehr in einem anderen Beitrag). Bisher sind die Ergebnisse aber bescheiden. Es gibt zum Glück bessere Ansätze. Ich habe dazu ein Projekt veröffentlicht. Der Code ist auf github zu finden. Vielleicht wird es ja tatsächlich funktionieren, wer weiß das schon. Ist halt ein Side-Project.

The post Recognizer – a smart scale approach appeared first on Patrick Steinert.

Was sind Digitale Assistenten

Patrick Steinert — Fri, 14 Aug 2020 07:07:32 +0000

Was sind eigentlich Digitale Assistenten?
Ich hab mal ein kleines “Erklärungsvideo” produziert. Hier erfahrt ihr, was Digitale Assistenten sind, was sie nicht sind, was sie können und wofür ihr sie nutzen könnt.

Please accept YouTube cookies to play this video. By accepting you will be accessing content from YouTube, a service provided by an external third party.

YouTube privacy policy

If you accept this notice, your choice will be saved and the page will refresh.

The post Was sind Digitale Assistenten appeared first on Patrick Steinert.

Testing Business Ideas – Zusammenfassung

Patrick Steinert — Thu, 27 Feb 2020 15:54:05 +0000

Die Entwicklung von innovativen Produkten und Dienstleistungen ist nicht einfach. In der heutigen Zeit stehen zusätzlich immer kürzere Zeiträume und geringere Budgets zur Verfügung. Daher gilt das Motto “fail fast”. Doch wie bekommt man ausreichend Feedback vom Markt, um gute Entscheidungen zu treffen? Häufig ist man in der eigenen Filterblase gefangen, für große Maßnahmen wie einer Marktforschung fehlt die Zeit. Immerhin gibt es durch Online Kanäle eine Möglichkeit, eine große Gruppe zu erreichen. Doch als kleines Unternehmen fällt es schwer, genug Aufmerksamkeit zu erzeugen. Welche Wege zur Verfügung stehen, um trotzdem die Annahmen zu testen, beantwortet das Buch Testing Business Ideas. Die Autoren rund um Alexander Osterwalder und dem Unternehmen Strategyzer haben bereits mit den Büchern Business Model Generation* und Value Proposition Design* wertvolle Werkzeuge zur Entwicklung von innovativen Produkten und Dienstleistungen erzeugt.

Das Werk Testing Business Ideas baut quasi auf den vorhergehenden Werkzeugen Business Model Canvas und Value Proposition Canvas auf. Bei der Evaluierung von Customer Jobs, Pains, Gains und den dazu passenden Products & Services, Pain Relievers und Gain Creators trifft man Annahmen. Diese Hypothesen zu beweisen ist der Kern des Buches. Beschrieben wird das notwendige Mindset und die optimale Zusammenstellung eines Teams. Damit die Experimente auch einigermaßen wissenschaftlich und vergleichbar aufgesetzt und dokumentiert werden, gibt das Buch Vorlagen zur Hand. Dann gibt es einen ganzen Katalog von 44 Experimenten. Zusätzlich zu einer Beschreibung, liefert das Buch auch eine Einschätzung zu Dauer, Kosten und Werthaltigkeit der Experimente. Darüber hinaus gibt es auch Leitfäden, in welcher Reihenfolge und zu welchen Geschäftsideen (B2B Hardware, B2C SaaS, etc.) die Experimente passen.

Persönlich bin ich in der Entwicklung von B2B Service-Dienstleistungen tätig. Ich entwickle also z.B. Go-to-Market Strategien für technologielastige Beratungs- und Realisierungsleistungen. Daher ist das Buch nur teilweise hilfreich. Denn die Leitungen richten sich an einen recht kleinen Kundenkreis und sind höchst individuell. Belastbare Zahlen durch die Experimente zu erhalten ist schwer. In der Entwicklung von Produkten sowie Dienstleistungen im B2B oder B2C Bereich sind die Experimente sehr hilfreich. Vom Aufbau und Inhalt handelt es sich um ein Top Buch.

Disclaimer: Die enthaltenen Links sind Affiliate Links. Sollte dadurch ein Kauf zustande kommen, erhalte ich einen Geldbetrag.

The post Testing Business Ideas – Zusammenfassung appeared first on Patrick Steinert.