In der KI- und Entwickler-Bubble dreht sich viel zu oft alles darum, welches Modell diese Woche ein paar Prozentpunkte besser abschneidet. Mal liegt GPT vorne, dann Claude, dann Gemini, DeepSeek oder Qwen. Für die tägliche Arbeit ist dieses Wettrennen aber nur begrenzt hilfreich, wenn die aktuellen Frontier-Modelle längst gut genug sind, um damit sehr produktiv Software zu bauen.
Entscheidend ist nicht nur das Modell selbst, sondern der Harness: die Arbeitsumgebung, in der das Modell ausgeführt wird. Kann die KI auf die Codebasis zugreifen, Tests ausführen, den Browser steuern, Screenshots machen, Dokumentation lesen und mit anderen Systemen interagieren? Ohne diese Werkzeuge bleibt selbst ein starkes Modell langsam und eingeschränkt.
Die eigentliche Frage lautet deshalb nicht, welches Modell gerade Platz eins belegt. Wichtiger ist, wie der eigene Entwicklungsworkflow so optimiert wird, dass generierter Code verlässlich das tut, was er soll, Coding Standards einhält und möglichst sicher bleibt, auch wenn nicht mehr jede Zeile manuell gelesen wird.
Beim produktiven Einsatz von KI in der Softwareentwicklung zählt nicht nur das beste Frontier-Modell, sondern vor allem der Harness: Zugriff auf Code, Tests, Browser, Screenshots, Dokumentation und Werkzeuge. Wer diese Umgebung sinnvoll nutzt, kann den eigenen Entwicklungsworkflow deutlich produktiver und verlässlicher gestalten.
Schreibe einen Kommentar