Ein Interview mit Gerrit Verse, Senior Specialist im Bereich Software Solutions bei Consileon
LLMs verändern die Softwareentwicklung spürbar. Code und Tests können schneller erzeugt, Prototypen schneller generiert und Dokumentationen effizienter erstellt werden. Doch der erfolgreiche Einsatz von KI im Software Development Life Cycle (SDLC) entsteht nicht durch ein einzelnes Tool. Gerrit Verse erklärt im Interview, warum Unternehmen klare Leitplanken benötigen, welche Fehler häufig passieren und wie Consileon KI-gestützte Entwicklung praxisnah, sicher und wirksam in Teams integriert.
Herr Verse, warum ist KI-gestützte Softwareentwicklung aktuell so relevant?
KI ist in der Softwareentwicklung angekommen und wird nicht wieder verschwinden. Der Grund dafür ist einfach: Sie kann viele Aufgaben schneller und effizienter erledigen. Dieser Support erstreckt sich mittlerweile über den gesamten SDLC: vom konzeptionellen Sparring und der Qualitätssicherung von User Storys über konkrete Implementierungshilfe und Testgenerierung bis zu Architekturanalysen und detailliertem Reporting.
Gleichzeitig verändert KI nicht nur einzelne Arbeitsschritte, sondern zunehmend die Art, wie Software entwickelt wird. Entwicklungsteams können sich stärker auf fachliche Anforderungen, Lösungsdesign und Qualitätssicherung konzentrieren, während repetitive Tätigkeiten automatisiert werden.
Was machen Unternehmen beim Einsatz von KI in der Softwareentwicklung häufig falsch?
Viele Unternehmen starten mit einem leistungsfähigen Modell und erwarten automatisch bessere Ergebnisse und sofortige Produktivitätsgewinne, die ausbleiben. KI ist kein Selbstzweck. Sie kann ein sehr leistungsfähiges Werkzeug sein, wenn sie gezielt eingesetzt wird. In der Praxis zeigt sich schnell, dass dafür oft wichtige Voraussetzungen fehlen. Daten sind nicht in der benötigten Qualität verfügbar, Verantwortlichkeiten sind unklar oder bestehende Prozesse sind gar nicht darauf ausgelegt, KI sinnvoll zu integrieren.
Ein weiterer Fehler ist, bei ersten Prototypen stehen zu bleiben. Häufig werden beeindruckende Demos gebaut, ohne die dahinterliegenden Arbeitsabläufe grundlegend zu hinterfragen. Das eigentliche Potenzial entsteht aber erst, wenn Unternehmen den Mut haben, ihre Entwicklungsprozesse neu zu denken und KI systematisch in den Software Development Lifecycle einzubinden.
Hinzu kommt das Risiko des blinden Vertrauens. KI kann sehr überzeugend wirken, auch wenn der erzeugte Code fachlich, architektonisch oder qualitativ nicht den Anforderungen entspricht. Dann entstehen Logikfehler, unnötige Komplexität oder andere technische Schulden. KI beschleunigt deshalb nicht automatisch gute Softwareentwicklung, sondern zunächst einmal das, was man ihr vorgibt.
Auf ein kurzes Hoch kommt schnell die ernüchternde Erkenntnis, dass die KI nicht die Qualitätsziele langfristig erfüllen kann, die man sich vorstellt. Ab diesem Punkt beginnt die KI-Ingenieursleistung und die muss gekonnt sein. Erfolgreiche KI-gestützte Softwareentwicklung beginnt deshalb nicht mit dem Tool, sondern mit klaren Prinzipien für den Einsatz von KI. Erst dann können Unternehmen die Potenziale der Technologie nachhaltig und kontrolliert nutzen.
Wie kann KI erfolgreich in der Softwareentwicklung eingesetzt werden?
Unser Ansatz basiert auf drei Säulen: passende Rahmenbedingungen, klare Leitsätze und das richtige Tooling.
Die wichtigste Grundlage sind die Rahmenbedingungen. Unternehmen müssen zunächst klären, welche KI-Lösungen genutzt werden dürfen, wie Beschaffung und Zugriff organisiert sind, welche Sicherheitsanforderungen gelten und wie der Einsatz von KI durch Management und Organisation unterstützt wird. Ohne diese Voraussetzungen scheitern viele Initiativen bereits, bevor sie einen echten Mehrwert erzeugen.
Die zweite Säule sind klare Leitsätze und befähigte Mitarbeiter. Dazu gehört etwa der Grundsatz: so wenig KI wie nötig, so viel wie sinnvoll. Ein weiterer wichtiger Leitsatz lautet: Kontext ist eine Ressource. Jede Information, die einem Modell bereitgestellt wird, muss verarbeitet werden. Deshalb sollte Kontext bewusst ausgewählt und nicht wahllos vergrößert werden. Gleichzeitig müssen Teams verstehen, wie KI funktioniert, wo ihre Grenzen liegen und wie Ergebnisse kritisch bewertet werden können.
Erst die dritte Säule ist das Tooling / AI-Engineering. Hier geht es darum, für jede Aufgabe die passenden Werkzeuge auszuwählen. Ein Teil ist das Modell, jedoch viel wichtiger ist es, wie die Daten durch clevere Ingenieursleistung ihren Weg in den Kontext finden.
Warum ist das richtige Modell für den richtigen Use Case so wichtig?
Weil KI nicht automatisch die beste Lösung für jede Aufgabe ist. Klassische, deterministische Software ist in vielen Situationen deutlich schneller, günstiger und verlässlicher als das neueste und größte KI‑Modell. Wenn eine Aufgabe durch klare Regeln beschrieben werden kann, sollte sie auch regelbasiert gelöst werden. KI kommt primär dort zum Einsatz, wo klassische Ansätze an ihre Grenzen stoßen, etwa bei der Verarbeitung unstrukturierter Daten.
Daraus ergeben sich für uns zwei wichtige Grundsätze: Erstens: deterministisch, wo möglich – KI, wo nötig. Zweitens: Das KI-Modell sollte immer so klein wie möglich gewählt werden. Kleinere Modelle sind häufig kosteneffizienter, schneller und für viele Aufgaben völlig ausreichend. Deshalb betrachten wir jeden Anwendungsfall sehr genau. Geht es um Recherche, Dokumentation, Codegenerierung, Refactoring, Testing oder eine Softwarelösung mit KI? Je nach Aufgabe unterscheiden sich die Anforderungen an Qualität, Geschwindigkeit, Kosten und Kontrolle. Genau diese Differenzierung fehlt in vielen Unternehmen noch. Dabei entscheidet sie häufig darüber, ob KI wirtschaftlich und nachhaltig eingesetzt wird.
Was bedeutet der Leitsatz „So wenig KI wie nötig“?
KI sollte nicht reflexhaft überall eingesetzt werden. Manchmal ist ein klarer Prozess, ein gutes Template oder eine saubere Architekturentscheidung wirksamer als ein KI-Agent. Der Punkt ist: KI soll Komplexität reduzieren, nicht neue schaffen. Wenn ein Entwickler mehr Zeit damit verbringt, KI-Ausgaben zu prüfen, zu korrigieren oder wieder aufzuräumen, weil die Qualität nicht stimmt, ist nichts gewonnen. Deshalb muss man sehr bewusst entscheiden, wo KI wirklich hilft und wo klassische Softwareentwicklung überlegen bleibt.
Welche Rolle spielt menschliche Kontrolle?
Eine zentrale Rolle. Wir sprechen bewusst von KI-gestützter Softwareentwicklung und nicht von autonomer Softwareentwicklung. Der Mensch bleibt verantwortlich für Architektur, Qualität, Sicherheit und die fachliche Korrektheit einer Lösung.
Ein großes Risiko besteht darin, dass Teams die Kontrolle über ihre eigenen Systeme verlieren. Wenn KI große Mengen Code erzeugt, ohne dass nachvollzogen wird, warum bestimmte Entscheidungen getroffen wurden, entstehen sogenannte kognitive Schulden. Die Software funktioniert zunächst, aber nach einiger Zeit versteht niemand mehr vollständig, wie sie aufgebaut ist oder welche fachlichen Anforderungen ursprünglich dahinterstanden. Wartung, Weiterentwicklung und Fehlerbehebung werden dadurch deutlich schwieriger.
KI-generierter Code muss deshalb konsequent geprüft, getestet und in den fachlichen Kontext eingeordnet werden. Code Reviews werden dadurch sogar anspruchsvoller. Ziel ist nicht, möglichst viel Arbeit an die KI abzugeben, sondern die Kontrolle über die eigene Lösung jederzeit zu behalten. Deshalb sehen wir die Rolle der KI eher als die eines sehr leistungsfähigen Junior-Partners: Sie unterstützt bei der Umsetzung, liefert Vorschläge und beschleunigt viele Arbeitsschritte. Die Verantwortung für die fachlichen Entscheidungen und die Bewertung der Ergebnisse bleibt jedoch beim Menschen.
Wo bringt KI heute schon den größten Mehrwert?
Der größte Mehrwert entsteht überall dort, wo unstrukturierte Informationen verarbeitet werden müssen. Genau das war lange eine Schwäche klassischer Software. KI kann Texte, Dokumente, E-Mails, Quellcode oder andere unstrukturierte Daten verarbeiten und in eine nutzbare Form bringen.
In der Softwareentwicklung betrifft das beispielsweise bestehende Codebasen, Anforderungen, User Storys oder Dokumentationen. KI kann helfen, Zusammenhänge zu erkennen, Informationen zu strukturieren, fehlende Dokumentation zu ergänzen oder dabei helfen, sich schneller in komplexe Systeme einzuarbeiten. Auch die Generierung von Code, Tests oder technischen Dokumentationen profitiert davon.
Wichtig ist dabei, dass der eigentliche Mehrwert nicht im Schreiben einzelner Codezeilen liegt. Der größere Hebel entsteht, wenn KI dabei hilft, Wissen zugänglich zu machen, Zusammenhänge sichtbar zu machen und Informationen effizient aufzubereiten. Denn genau diese Tätigkeiten waren bislang oft zeitaufwendig, manuell und schwer zu automatisieren.
Gleichzeitig gilt auch hier: KI liefert Unterstützung und Vorschläge, aber keine absolute Wahrheit. Die fachliche Bewertung und die Verantwortung für das Ergebnis bleiben beim Menschen.
Was braucht es, damit Entwickler KI wirklich im Alltag nutzen?
Wenn die organisatorischen und technischen Rahmenbedingungen geschaffen sind, ist Befähigung der wichtigste Erfolgsfaktor. Entwickler müssen verstehen, wie KI arbeitet, wo ihre Stärken liegen, aber auch, wo ihre Grenzen sind. Die bloße Kenntnis von Prompt-Techniken wird oft überschätzt und ist nur der erste Schritt. Der eigentliche Wert entsteht erst durch ein fundiertes Systemverständnis: Wie steuere ich den Kontext gezielt? Wo liegen die architektonischen Grenzen des Modells? Und vor allem: Wie validiere ich den Output methodisch? KI ist ein massiver Beschleuniger, aber die Endverantwortung für Code-Qualität und Wartbarkeit lässt sich nicht an ein LLM wegdelegieren, sie bleibt rundum beim Entwickler.
Gleichzeitig verändert KI die Zusammenarbeit in Entwicklungsteams. Niemand möchte ungeprüften, KI‑generierten Code reviewen, dessen Entstehung oder fachlicher Hintergrund nicht nachvollziehbar ist. Deshalb müssen Rollen, Verantwortlichkeiten und Qualitätsprozesse teilweise neu gedacht werden. Die Frage lautet nicht mehr nur: Wer schreibt den Code? Sondern auch: Wer versteht ihn, bewertet ihn und übernimmt langfristig die Verantwortung dafür?
Deshalb setzen wir auf praxisnahe Unterstützung direkt im Team. Nicht abstrakt in Schulungen, sondern am echten Code, an realen Anforderungen und innerhalb bestehender Entwicklungsprozesse. So entsteht Schritt für Schritt die Kompetenz, KI sinnvoll, effizient und verantwortungsvoll im Arbeitsalltag einzusetzen.
Wie unterstützt Consileon Unternehmen konkret?
Wir beginnen bei der Problemstellung. Jedes Unternehmen, jedes Entwicklungsteam und jeder Anwendungsfall ist anders. Deshalb hören wir genau zu, welche Herausforderungen bestehen, welche Ziele erreicht werden sollen und warum bisherige Ansätze möglicherweise nicht den gewünschten Erfolg gebracht haben.
Dabei verbinden wir langjährige Erfahrung in der Softwareentwicklung mit fundierter KI-Expertise. Consileon entwickelt seit vielen Jahren selbst Software und beschäftigt sich bereits seit 2018 intensiv mit dem Einsatz von KI in unterschiedlichen Anwendungsfeldern. Diese Erfahrung und die kontinuierliche Weiterentwicklung helfen uns, Grenzen dieser Technik auszuweiten und Lösungen zu entwickeln, die viele für schwer bis unmöglich hielten.
Je nach Situation unterstützen wir auf unterschiedlichen Ebenen: von strategischen Fragen rund um Governance, Toolauswahl und Entwicklungsprozesse über den fachlichen Austausch auf Expertenebene bis hin zur direkten Mitarbeit in Projekten. Gemeinsam mit unseren Kunden entwickeln wir passende Vorgehensweisen, etablieren Leitplanken für den verantwortungsvollen Einsatz von KI und helfen dabei, Teams nachhaltig zu befähigen.
Dabei geht es uns nicht darum, möglichst viel KI einzusetzen. Unser Ziel ist, für jeden Anwendungsfall die sinnvollste Lösung zu finden – effizient, nachvollziehbar und langfristig tragfähig.
Was ist Ihr wichtigster Rat an Unternehmen, die KI in der Softwareentwicklung einsetzen möchten?
Stellen Sie sich nicht zuerst die Frage, welches Tool Sie kaufen sollten. Stellen Sie sich die Frage: Welches Problem möchten wir eigentlich lösen? KI ist kein Ziel an sich, sondern ein Werkzeug. Wenn sie dabei hilft, ein konkretes Problem besser, schneller oder wirtschaftlicher zu lösen, kann sie einen enormen Mehrwert schaffen. Wenn nicht, ist möglicherweise ein anderer Ansatz die bessere Wahl.
Wichtig ist außerdem, dem Thema die notwendige Rückendeckung zu geben. Erfolgreiche KI-Initiativen entstehen nicht allein durch Technologie. Sie benötigen klare Rahmenbedingungen, die Unterstützung des Managements und die richtigen Menschen, die den Wandel gestalten können. Gleichzeitig sollten Unternehmen den Mut haben, bestehende Prozesse zu hinterfragen und neu zu denken. Das größte Potenzial entsteht oft nicht dadurch, dass man bestehende Abläufe etwas schneller macht, sondern dadurch, dass man sie grundlegend verbessert.
Und vielleicht der wichtigste Punkt: Nehmen Sie die Menschen mit. Trotz aller technologischen Fortschritte spielt der Mensch weiterhin die entscheidende Rolle. Er definiert die Ziele, bewertet die Ergebnisse, übernimmt Verantwortung und sorgt dafür, dass aus technologischen Möglichkeiten tatsächlich nachhaltiger Mehrwert entsteht. KI kann vieles beschleunigen, aber gute Entscheidungen bleiben eine menschliche Aufgabe.
KI-gestützte Softwareentwicklung mit Consileon: von der Toolauswahl bis zur praktischen Befähigung
Consileon begleitet Unternehmen entlang der gesamten KI-Reise: von der strategischen Beratung über Governance und Toolauswahl bis hin zur Integration in Entwicklungsprozesse und der Umsetzung konkreter KI-Lösungen. Dabei verbinden wir KI-Expertise mit langjähriger Erfahrung in der Softwareentwicklung – praxisnah, technologieoffen und immer mit Fokus auf nachhaltigen Mehrwert.
