Die Softwareentwicklung befindet sich in einem bemerkenswerten Wandel. Künstliche Intelligenz (KI) spielt dabei eine zentrale Rolle – nicht nur als ein technisches Buzzword, sondern als treibende Kraft, die die Art und Weise, wie Software geschrieben, getestet und bereitgestellt wird, grundlegend verändert. Doch was macht KI eigentlich so relevant für die Branche?

Die Antwort liegt in ihrer Fähigkeit, zentrale Herausforderungen zu adressieren: steigender Wettbewerbsdruck, wachsende Komplexität moderner Softwareprojekte und der anhaltende Fachkräftemangel. KI-gestützte Tools wie GitHub Copilot und andere generative KI-Systeme schaffen Abhilfe, indem sie den Entwicklungsprozess effizienter, schneller und präziser machen.

Von Routinearbeit zu Innovation

Jeder Softwareentwickler kennt das: ein erheblicher Teil der Arbeit besteht aus repetitiven Aufgaben, wie dem Schreiben von Boilerplate-Code, dem Überprüfen von Syntax oder dem Debugging. Diese Tätigkeiten sind notwendig, halten aber kreative Arbeit oft auf. KI-Tools übernehmen diese Routinen und verschaffen Entwicklern mehr Raum für komplexe, innovative Herausforderungen. Aber nicht nur High-level Aufgaben, sondern auch immer mehr komplexere Aufgabenstellungen können KI-Tools inzwischen übernehmen oder zumindest erheblich Arbeit abnehemen.

Produktivität und Qualität auf einem neuen Level

Studien zeigen, dass der Einsatz von KI in der Softwareentwicklung zu deutlichen Produktivitätssteigerungen führt. Laut einer aktuellen Untersuchung von MIT und Princeton, die wir in den folgenden Kapiteln genauer betrachten, ermöglicht der Einsatz von KI-gestützten Tools wie GitHub Copilot eine durchschnittliche Produktivitätssteigerung von 26 %. Noch eindrucksvoller: Weniger erfahrene Entwickler konnten ihre Leistung um bis zu 39 % steigern.

Doch nicht nur die Geschwindigkeit profitiert. Auch die Qualität des Codes verbessert sich. KI-generierte Vorschläge sind oft besser lesbar, wartbar und erfüllen hohe funktionale Standards – eine Eigenschaft, die insbesondere bei langfristigen Projekten entscheidend ist.

KI als strategisches Werkzeug

Die Bedeutung von KI reicht jedoch über die reine Produktivität hinaus. Unternehmen, die KI frühzeitig und strategisch in ihre Entwicklungsprozesse integrieren, sichern sich einen Vorsprung. Sie können komplexe Projekte mit weniger Ressourcen realisieren, ihre Teams besser skalieren und schneller auf Marktanforderungen reagieren. Für kleine und mittelständische Softwarefirmen in der DACH-Region könnte dies der Schlüssel sein, um im internationalen Wettbewerb zu bestehen.

Rückblick auf bestehende Studien: GitHub Copilot und Code-Qualität

Die Einführung von GitHub Copilot vor zwei Jahren hat die Softwareentwicklung grundlegend verändert. Bisherige Untersuchungen zeigten bereits vielversprechende Ergebnisse, aber eine entscheidende Frage blieb offen: Verbessert GitHub Copilot tatsächlich die Code-Qualität? Eine umfassende Studie von GitHub selbst liefert nun überzeugende Antworten.

Methodik der Studie

GitHub führte eine randomisierte kontrollierte Studie mit 202 erfahrenen Entwicklern durch. Die Hälfte der Teilnehmer nutzte GitHub Copilot, während die andere Hälfte ohne KI-Unterstützung arbeitete. Alle Entwickler erhielten die Aufgabe, API-Endpunkte für einen Webserver zu programmieren. Die Bewertung erfolgte durch Unit-Tests und Expertenreviews.

Zentrale Erkenntnisse

1. Gesteigerte Funktionalität: Entwickler mit GitHub Copilot hatten eine 56% höhere Wahrscheinlichkeit, alle 10 Unit-Tests zu bestehen. Dies deutet auf eine signifikant verbesserte Funktionalität des Codes hin.
2. Verbesserte Lesbarkeit: Code, der mit GitHub Copilot geschrieben wurde, wies deutlich weniger Lesbarkeitsfehlwer auf. Entwickler konnten im Durchschnitt 13,6% mehr Codezeilen ohne Lesbarkeitsprobeleme schreiben.
3. Allgemein bessere Code-Qualität:
   • 56 % höhere Wahrscheinlichkeit, dass Unit Tests bestanden werden.
   • 13,6 % mehr lesbare Codezeilen
   • 3,6 % höhere Zuverlässigkeit
   • 2,5 % höhere Wartbarkeit
4. Höhere Genehmigungsraten: Code, der mit GitHub Copilot erstellt wurde, hatte eine 5% höhere Wahrscheinlichkeit, genehmigt zu werden. Dies bedeutet, dass der Code schneller zusammengeführt und in Produktion gebracht werden kann.

Tiefere Einblicke

Die Studie zeigte, dass Entwickler mit GitHub Copilot 18,2 Codezeilen pro Fehler schrieben, im Vergleich zu 16,0 Zeilen ohne das Tool. Dies entspricht einer Verbesserung von 13,6% und kann zu erheblichen Zeitersparnissen führen, da weniger Korrekturen und Überarbeitungen notwendig sind.

Interessanterweise waren die Commits der GitHub Copilot-Gruppe zwar zahlreicher, aber im Durchschnitt kleiner. Dies deutet darauf hin, dass Entwickler mehr Zeit für die Verfeinerung und Qualitätsverbesserung des Codes aufwenden konnten, anstatt sich hauptsächlich auf die grundlegende Funktionalität zu konzentrieren.

Fazit

Diese Studie liefert den ersten kontrollierten Nachweis für den positiven Einfluss von GitHub Copilot auf die Code-Qualität. Sie bestätigt frühere Forschungsergebnisse, die zeigten, dass 85% der Entwickler mehr Vertrauen in ihren Code hatten und 88% sich produktiver fühlten, wenn sie GitHub Copilot nutzten.

Die Ergebnisse unterstreichen, dass KI-Tools wie GitHub Copilot nicht nur die Entwicklungsgeschwindigkeit erhöhen, sondern auch maßgeblich zur Verbesserung der Code-Qualität beitragen. Dies hat weitreichende Implikationen für die Softwareentwicklung, von schnelleren Entwicklungszyklen bis hin zu robusteren und wartungsfreundlicheren Codebases.

In den folgenden Abschnitten werden wir uns ansehen, wie diese Erkenntnisse mit den neuesten Studien von MIT und Princeton übereinstimmen und welche praktischen Konsequenzen sich daraus für Entwickler und Unternehmen ergeben.

Neue Erkenntnisse aus der MIT/Princeton-Studie

Die kürzlich veröffentlichte Studie von Forschern des MIT und der Princeton University liefert bahnbrechende Erkenntnisse zur Auswirkung von generativer KI auf die Produktivität von Softwareentwicklern. Diese groß angelegte Untersuchung analysierte Daten aus drei randomisierten Feldexperimenten bei Microsoft, Accenture und einem anonymen Fortune-100-Elektronikhersteller. Insgesamt wurden dabei 4.867 Softwareentwickler beobachtet. Die Ergebnisse sind sowohl für Unternehmen als auch für einzelne Entwickler von großer Bedeutung.

Produktivitätssteigerung von 26% durch KI-Tools

Der zentrale Befund der Studie ist eine durchschnittliche Steigerung der Produktivität um beeindruckende 26,08% (Standardabweichung: 10,3%) bei Entwicklern, die das KI-Tool GitHub Copilot nutzten. Diese Produktivitätssteigerung wurde anhand der Anzahl abgeschlossener Aufgaben gemessen.

Konkret zeigte sich:

• Die Zahl der wöchentlichen Pull Requests (ein Maß für abgeschlossene Aufgaben) stieg um 26,08%.
• Die Anzahl der Commits erhöhte sich um 13,55%.
• Die Häufigkeit von Code-Kompilierungen (Builds) nahm sogar um 38,38% zu.

Diese Zahlen sind besonders bemerkenswert, wenn man bedenkt, dass sie aus realen Arbeitsumgebungen stammen und nicht aus kontrollierten Laborexperimenten. Sie zeigen, dass KI-gestützte Coding-Assistenten wie GitHub Copilot tatsächlich einen signifikanten Einfluss auf die tägliche Arbeit von Softwareentwicklern haben können.

Stärkere Effekte bei weniger erfahrenen Entwicklern (bis zu 39%)

Ein besonders interessanter Aspekt der Studie ist die Analyse der Produktivitätssteigerungen in Abhängigkeit von Erfahrung und Seniorität der Entwickler. Hier zeigten sich deutliche Unterschiede:

• Entwickler mit kürzerer Betriebszugehörigkeit (unter dem Median) steigerten ihre Produktivität um 27% bis 39%.
• Bei Entwicklern mit längerer Betriebszugehörigkeit lag die Steigerung nur bei 8% bis 13%.
• Junior-Entwickler verzeichneten Produktivitätszuwächse von 21% bis 40%.
• Senior-Entwickler kamen auf Steigerungen von 7% bis 16%.

Diese Ergebnisse legen nahe, dass KI-Tools besonders für Berufseinsteiger und weniger erfahrene Entwickler ein mächtiges Werkzeug zur Produktivitätssteigerung sein können. Sie ermöglichen es Neulingen, schneller auf einem höheren Niveau zu arbeiten und komplexe Aufgaben effizienter zu bewältigen.

Interessanterweise zeigte sich auch, dass jüngere und weniger erfahrene Entwickler eher bereit waren, das KI-Tool zu adoptieren und kontinuierlich zu nutzen:

• Entwickler mit kürzerer Betriebszugehörigkeit waren 9,5 Prozentpunkte wahrscheinlicher, Copilot zu nutzen (84,3% vs. 74,8%).
• Junior-Entwickler waren 5,3 Prozentpunkte wahrscheinlicher, das Tool zu adoptieren (82,1% vs. 76,8%).

Diese Zahlen unterstreichen, wie wichtig es für Unternehmen sein kann, gerade jüngeren Teammitgliedern Zugang zu KI-gestützten Entwicklungstools zu geben. Es könnte ein Weg sein, um die Einarbeitungszeit zu verkürzen und die Produktivität neuer Mitarbeiter schneller zu steigern.

Die Ergebnisse dieser Studie sind ein starkes Argument für den Einsatz von KI in der Softwareentwicklung. Sie zeigen, dass Tools wie GitHub Copilot das Potenzial haben, die Produktivität signifikant zu steigern - insbesondere bei weniger erfahrenen Entwicklern. Für Unternehmen bedeutet dies, dass die Integration solcher Tools in den Entwicklungsprozess einen echten Wettbewerbsvorteil darstellen kann. Gleichzeitig eröffnen sich für Entwickler neue Möglichkeiten, ihre Fähigkeiten zu erweitern und effizienter zu arbeiten.

Es bleibt spannend zu beobachten, wie sich diese Technologien weiterentwickeln und welche langfristigen Auswirkungen sie auf die Softwarebranche haben werden. Eines ist jedoch klar: KI-gestützte Entwicklungstools sind keine vorübergehende Modeerscheinung, sondern werden die Art und Weise, wie wir Software entwickeln, nachhaltig verändern.

Akzeptanz und Nutzung: Gründe für die 60–70%ige Annahmerate von KI-Vorschlägen

Die MIT/Princeton-Studie liefert interessante Einblicke in das Nutzungsverhalten der Entwickler im Umgang mit KI-generierten Code-Vorschlägen. Trotz der offensichtlichen Produktivitätsvorteile zeigt sich, dass nicht alle von GitHub Copilot vorgeschlagenen Code-Snippets übernommen werden. Lassen Sie uns die Gründe für die 60-70%ige Annahmerate genauer betrachten.

Akzeptanzrate von KI-Vorschlägen

Die Studie zeigt, dass durchschnittlich etwa 60-70% der von GitHub Copilot generierten Code-Vorschläge von den Entwicklern angenommen und in ihren Code integriert wurden.

Diese Zahlen werfen wichtige Fragen auf:

1. Warum werden nicht alle KI-Vorschläge akzeptiert?
2. Welche Faktoren beeinflussen die Entscheidung eines Entwicklers, einen Vorschlag anzunehmen oder abzulehnen?

Die Rolle des Entwicklers: Warum Schulungen unverzichtbar bleiben

Die Akzeptanzrate von 60-70% unterstreicht, dass die Rolle des menschlichen Entwicklers auch in Zeiten von KI-Assistenten unverzichtbar bleibt. Hier einige Gründe:

1. Kritisches Denken: Die Tatsache, dass nicht alle KI-Vorschläge angenommen werden, zeigt, dass Entwickler die Vorschläge kritisch prüfen. Sie nutzen ihr Fachwissen, um zu entscheiden, welche Vorschläge sinnvoll sind und welche nicht.
2. Kontextverständnis: Entwickler verstehen den größeren Zusammenhang eines Projekts, die spezifischen Anforderungen und die Unternehmensrichtlinien. Diese Aspekte kann ein KI-Tool nicht vollständig erfassen, was erklärt, warum einige Vorschläge abgelehnt werden.
3. Codequalität und -stil: Entwicklerteams haben oft spezifische und verschiedene Vorstellungen von Code-Stil und -Qualität, die nicht immer mit den KI-Vorschlägen übereinstimmen.
4. Projektspezifische Anforderungen: KI-generierte Vorschläge können manchmal allgemeine Lösungen liefern, die für spezifische Projektanforderungen angepasst werden müssen.

Diese Faktoren unterstreichen die Notwendigkeit von Schulungen, damit Entwickler lernen, KI-Vorschläge effektiv zu bewerten und zu nutzen.

Einschränkungen von GitHub Copilot: Szenarien, in denen Copilot weniger effektiv ist

Die Studie deutet auch auf Situationen hin, in denen GitHub Copilot-Vorschläge weniger effektiv oder weniger häufig angenommen werden könnten:

1. Komplexe, projektspezifische Aufgaben: Bei Aufgaben, die ein tiefes Verständnis der Projektarchitektur oder spezifischer Geschäftslogik erfordern, könnten Copilot-Vorschläge weniger passend sein.
2. Hochspezialisierte Domänen: In Bereichen mit sehr spezifischem Fachwissen oder proprietären Technologien könnte die Genauigkeit der KI-Vorschläge eingeschränkt sein, wenn diese Kontextinformationen der KI nicht zur Verfügung stehen.
3. Sicherheitskritische Bereiche: In Bereichen, wo Sicherheit höchste Priorität hat, könnten Entwickler zögern, KI-generierte Vorschläge ohne gründliche Überprüfung zu akzeptieren.
4. Innovatives Design: Bei der Entwicklung völlig neuer Lösungsansätze oder Architekturen könnten die auf existierendem Code basierenden KI-Vorschläge weniger nützlich sein, da die dem LLM zu Grunde liegenden Daten meist über ein Jahr alt sind.

Mögliche Alternativen: Beispiele für andere Tools und deren Stärken.

Während sich die Studie auf GitHub Copilot konzentriert, gibt es andere KI-gestützte Entwicklungstools, die  in bestimmten Szenarien höhere Akzeptanzraten erzielen könnten:

CursorAI

Cursor AI outperforms GitHub Copilot in several key areas:

1. Code generation and accuracy: Cursor excels at generating and refining entire code blocks, adapting to your coding style and project context over time. It's particularly effective for larger, more complex tasks and projects.
2. Customization and personalization: Cursor AI offers more flexibility in customizing the coding experience, with its learning algorithm adapting to your specific coding style.
3. Multi-file edits and project-wide understanding: Cursor has a better grasp of the entire project context, allowing it to make changes across multiple files and enhance code consistency.
4. Standalone editor with deep AI integration: Unlike Copilot, which is an extension, Cursor offers a dedicated editor with more comprehensive AI features.
5. API integration: Cursor provides more flexibility with API integration compared to Copilot's limited integration outside of OpenAI models.
6. Advanced features: Cursor offers superior capabilities in error detection, refactoring support, and debugging for larger projects.
7. Custom documentation context: Cursor can index documentations to improve its understanding and suggestions. For example up-to-date API or framework docs or internal project files.

While GitHub Copilot excels in multi-language support and integration with the GitHub ecosystem, Cursor AI's comprehensive approach to project understanding and code generation makes it a more powerful tool for many developers, especially those working on large, complex projects

Codeium Windsurf

1. Windsurf provides (at this time) unlimited access to larger Codeium models, GPT-4, and Claude Sonnet.
2. Windsurf features full repo context awareness, which is more comprehensive than GitHub Copilot's capabilities.
3. Windsurf emphasizes user control and data security, with no training on non-permissive data. It offers encryption for data in transit and optional zero-day data retention.
4. Windsurf supports multiple deployment methods, including SaaS, on-premises, and in-VPC, while GitHub Copilot is SaaS-only.
5. Windsurf supports over 70 programming languages, compared to GitHub Copilot's approximately 40.

JetBrains AI

JetBrains AI offers several advantages over GitHub Copilot, particularly for developers who are already integrated into the JetBrains ecosystem:

1. Advanced refactoring tools specific to JetBrains environments
2. It focuses more on structuring projects rather than just generating code snippets
3. The AI analyzes your project's structure and provides tailored recommendations
4. It adapts to various coding styles, offering a more personalized experience
5. Built-in documentation generation feature integrated into the editor
6. The tool is powered by JetBrains' own models, which aim to provide higher quality suggestions for Java-related tasks

Fazit: KI als strategischer Vorteil in der Softwareentwicklung

Die MIT/Princeton-Studie liefert überzeugende Belege dafür, dass KI-gestützte Tools wie GitHub Copilot einen signifikanten strategischen Vorteil in der Softwareentwicklung bieten können. Lassen Sie uns die wichtigsten Erkenntnisse zusammenfassen und ihre Implikationen für die Zukunft der Branche betrachten.

Zusammenfassung der Haupterkenntnisse

1. Deutliche Produktivitätssteigerung: Die Studie zeigt eine durchschnittliche Produktivitätssteigerung von 26,08% bei Entwicklern, die GitHub Copilot nutzen. Dies ist ein beachtlicher Zuwachs, der sich direkt auf die Effizienz und Geschwindigkeit von Softwareprojekten auswirken kann.
2. Besonderer Nutzen für weniger erfahrene Entwickler: Jüngere und weniger erfahrene Entwickler profitierten am meisten von den KI-Tools, mit Produktivitätssteigerungen von bis zu 39%. Dies zeigt, dass KI-Tools als Ausgleichsfaktor in Entwicklungsteams wirken können.
3. Selektive Annahme von KI-Vorschlägen: Die Tatsache, dass Entwickler nur 60-70% der KI-Vorschläge annehmen, unterstreicht die weiterhin wichtige Rolle menschlicher Expertise und kritischen Denkens im Entwicklungsprozess.
4. Unterschiedliche Adoptionsraten: Die Studie zeigt, dass jüngere und weniger erfahrene Entwickler eher bereit sind, KI-Tools zu adoptieren und kontinuierlich zu nutzen.

Strategische Implikationen für Unternehmen

1. Wettbewerbsvorteil durch frühe Adoption: Unternehmen, die KI-Tools frühzeitig in ihre Entwicklungsprozesse integrieren, können einen signifikanten Vorsprung in Bezug auf Entwicklungsgeschwindigkeit und Effizienz gewinnen.
2. Optimierung der Teamzusammensetzung: Die unterschiedlichen Effekte auf erfahrene und weniger erfahrene Entwickler legen nahe, dass eine ausgewogene Teamzusammensetzung optimal sein könnte, um die Vorteile von KI-Tools voll auszuschöpfen.
3. Fokus auf Weiterbildung: Unternehmen sollten in Schulungen investieren, die Entwickler nicht nur in der Nutzung von KI-Tools unterweisen, sondern auch ihre Fähigkeiten zur kritischen Bewertung von KI-Vorschlägen schärfen.
4. Anpassung der Entwicklungsprozesse: Die Integration von KI-Tools könnte eine Überarbeitung bestehender Entwicklungsprozesse und Best Practices erfordern, um deren Potenzial voll auszuschöpfen.
5. Kosteneffizienz: Die Produktivitätssteigerungen könnten zu signifikanten Kosteneinsparungen führen, insbesondere bei großen Entwicklungsteams oder komplexen Projekten.

Ausblick auf die Zukunft der Softwareentwicklung

1. KI als Standard-Tool: Es ist zu erwarten, dass KI-gestützte Entwicklungstools in naher Zukunft zum Standardrepertoire eines jeden Softwareentwicklers gehören werden.
2. Evolvierende Rolle des Entwicklers: Die Rolle des Softwareentwicklers wird sich weiter in Richtung eines “KI-Dirigenten” entwickeln, der KI-Tools geschickt einsetzt, um komplexe Probleme zu lösen.
3. Beschleunigte Innovation: Die erhöhte Produktivität könnte zu einer Beschleunigung der Innovationszyklen in der Softwareentwicklung führen, was wiederum neue Herausforderungen und Möglichkeiten mit sich bringt.
4. Ethische und rechtliche Überlegungen: Mit der zunehmenden Integration von KI in den Entwicklungsprozess werden auch Fragen zu Urheberrecht, Haftung und ethischer Nutzung von KI-generierten Code an Bedeutung gewinnen.
5. Kontinuierliche Verbesserung der KI-Tools: Es ist zu erwarten, dass die Qualität und Präzision der KI-Vorschläge weiter zunehmen wird, was möglicherweise zu noch höheren Akzeptanz- und Produktivitätsraten führen könnte.

Abschließende Gedanken

Die neue MIT und Princeton Studie zeigt einen wichtigen Durchbruch in der Entwicklung von Software. Sie verdeutlichen, dass KI-Tools wie GitHub Copilot nicht nur theoretisches Potenzial haben, sondern in der Praxis bereits signifikante und messbare Vorteile bieten. Für Unternehmen und Entwickler gleichermaßen wird es entscheidend sein, diese Tools zu verstehen, zu adoptieren und effektiv in ihre Arbeitsabläufe zu integrieren.

Die Zukunft der Softwareentwicklung liegt nicht in der Ersetzung menschlicher Entwickler durch KI, sondern in einer synergetischen Zusammenarbeit zwischen Mensch und Maschine. Unternehmen, die diese Synergie am besten nutzen können, werden in der sich schnell entwickelnden Technologielandschaft einen entscheidenden Vorteil haben.

Letztendlich unterstreicht diese Studie, dass KI in der Softwareentwicklung nicht mehr nur eine Option, sondern zunehmend eine Notwendigkeit ist, um wettbewerbsfähig zu bleiben und Innovation voranzutreiben. Die Herausforderung und Chance für die Branche besteht darin, diese Werkzeuge verantwortungsvoll und effektiv einzusetzen, um das volle Potenzial der menschlichen Kreativität und der künstlichen Intelligenz zu entfalten.

Weiterführende Informationen: Verweis auf die vollständige Studie

Für all jene, die tiefer in die Materie eintauchen und die detaillierten Ergebnisse, Methoden und Analysen der Studie erkunden möchten, ist die vollständige Studie unter folgendem Link verfügbar:

The Effects of Generative AI on High Skilled Work: Evidence from Three Field Experiments with Software Developers

Diese umfassende Forschungsarbeit, verfasst von Kevin Zheyuan Cui (Princeton University - Bendheim Center for Finance), Mert Demirer (Massachusetts Institute of Technology (MIT)), Sonia Jaffe (Microsoft Research), Leon Musolff (University of Pennsylvania - Business & Public Policy Department), Sida Peng (Microsoft Corporation) und Tobias Salz (Massachusetts Institute of Technology (MIT); National Bureau of Economic Research (NBER)), bietet einen tiefgehenden Einblick in die Auswirkungen generativer KI auf hochqualifizierte Arbeit, insbesondere im Bereich der Softwareentwicklung.

Was Sie in der vollständigen Studie finden:

1. Detaillierte Methodologie: Erfahren Sie mehr über den Aufbau und die Durchführung der drei Feldexperimente bei Microsoft, Accenture und dem anonymen Fortune-100-Elektronikhersteller.
2. Statistische Analysen: Tauchen Sie ein in die umfangreichen statistischen Daten und Analysen, die den in diesem Blogbeitrag präsentierten Ergebnissen zugrunde liegen.
3. Zusätzliche Erkenntnisse: Entdecken Sie weitere interessante Beobachtungen und Schlussfolgerungen, die über den Rahmen dieses Blogbeitrags hinausgehen.
4. Diskussion der Implikationen: Lesen Sie die ausführliche Diskussion der Forscher über die möglichen langfristigen Auswirkungen ihrer Erkenntnisse auf die Softwareentwicklungsbranche und darüber hinaus.
5. Limitationen und zukünftige Forschungsrichtungen: Erfahren Sie mehr über die Grenzen der aktuellen Studie und welche Fragen für zukünftige Forschungen offen bleiben.

The AI Software Company unterstützt B2B Softwarefirmen in der DACH-Region dabei, ihre Entwicklungsprozesse mit KI effizienter, schneller und zukunftssicher zu gestalten.

Neugierig, wie du KI in deinem Software Team sinnvoll einsetzt? Melde dich für unseren Newsletter an und erhalte wertvolle Tipps, Einblicke und Updates!

‍