KI-gestützte Coding-Agenten versprechen, Softwareentwicklung schneller und effizienter zu machen. Sie können Code generieren, Tests ausführen und sogar vorhandene Programme modifizieren. Ein prakischer Test mit vier verschiedenen Coding-Agenten zeigt jedoch, dass der Schein trügt, auch wenn der generierte Code alle automatisierten Tests besteht, können erhebliche Probleme verborgen bleiben.
Im Test wurden die vier KI-Coding-Agenten damit beauftragt, Code in einer .NET-Bibliothek zur Datenprüfung zu ändern. Diese Bibliothek ist ein Beispiel für kritische Geschäftssoftware, bei der Zuverlässigkeit essentiell ist. Obwohl alle vier Agenten Code generierten, der die bestehenden Unit-Tests bestand, also "grüne" Tests zeigte, enthielten die Lösungen dennoch verschiedene Probleme.
Diese Probleme reichten von Logikfehlern über Sicherheitslücken bis hin zu Performance-Problemen, die automatische Tests nicht erfasst hatten. Der Grund liegt darin, dass automatisierte Tests nur das prüfen, was explizit im Test festgelegt wurde. Sie können keine unvorhergesehenen Fehler entdecken oder subtile Sicherheitsprobleme erkennen. KI-generierter Code ist insbesondere anfällig für solche "blinden Flecken".
Dies unterstreicht eine wichtige Erkenntnis für Unternehmen, die KI-Coding-Tools einsetzen: Automatisierung ist hilfreich zur Produktivitätssteigerung, aber es ist kein Ersatz für menschliche Code-Reviews und umfassenderes Testen. Entwickler müssen den von KI generierten Code sorgfältig überprüfen, nicht nur Tests durchlaufen lassen.
Für KMU mit Softwareentwicklung bedeutet dies, dass ein Einsatz von KI-Coding-Agenten eine klare Qualitätsicherungs-Strategie voraussetzt. Die Agenten können routine-Programmieraufgaben automatisieren und Entwickler bei wiederholten Aufgaben entlasten, aber kritische Code-Bereiche erfordern weiterhin manuelles Review durch erfahrene Entwickler. Dies ist besonders wichtig in sicherheits- oder geschäftskritischen Anwendungen.