Aus der Cloud-Transformation lernen, während wir uns der KI zuwenden

Entwicklungsteams jeder Größe sind begeistert von den Möglichkeiten, mit KI-Tools Software zu entwickeln. Coding-Assistenten wie Google Gemini und GitHub Copilot können die Entwicklung so stark beschleunigen wie nie zuvor. Entwickler setzen diese Tools bereits ein – unabhängig davon, ob die Unternehmensleitung sie offiziell freigegeben hat.

Wenn Ihr Team überlegt, wie es diese neue Technologie am besten einführt, kommt Ihnen dieser Wandel vielleicht wie ein Déjà-vu vor. Die Botschaften rund um KI – neue Geschwindigkeits- und Innovationsstufen und vieles mehr – klingen wahrscheinlich wie eine weitere digitale Transformation, die wir vor etwa zehn Jahren erlebt haben: die Einführung der Cloud.

Die Cloud-Transformation hat die Softwareentwicklung in vielerlei Hinsicht verändert. Teams mussten ihre Prozesse verbessern und ihre Geschwindigkeit steigern, um mit neuen Technologien wie Infrastructure-as-Code (IaC) und Containern zurechtzukommen.

Auch KI-Technologien werden die Art und Weise verändern, wie wir Software entwickeln. Entwickler können KI nutzen, um Code in einem Bruchteil der Zeit zu generieren, die sie für das manuelle Schreiben benötigen würden. Eine vergleichbare Steigerung von Geschwindigkeit und Effizienz haben wir bereits erlebt, als die Cloud-Transformation begann.

Doch viele von uns kennen auch die typischen Herausforderungen solcher technologischen Umbrüche, etwa neue Sicherheitsrisiken und Unklarheiten bei der Zuständigkeit. Für manche Unternehmen mag KI ein gewaltiger Sprung sein, doch sie unterscheidet sich nicht grundlegend von anderen Veränderungen, die wir bereits durchlebt haben. Die Erkenntnisse aus dem Wechsel zur Cloud vor zehn Jahren lassen sich gut auf die Veränderungen übertragen, die neue KI-Technologien heute mit sich bringen.

Erkenntnisse aus der Cloud-Transformation

Für viele Unternehmen brachte die Cloud-Transformation bereits bestehende Probleme ans Licht. Ineffiziente Übergaben zwischen Teams oder veraltete Tools waren in einer On-Premises-Umgebung vielleicht unbemerkt geblieben. Nach dem Wechsel in die Cloud ließen sich diese Ineffizienzen jedoch nicht länger verbergen. Unternehmen erkannten schnell, dass sie sich in drei Bereichen weiterentwickeln mussten.

DevOps-Tools einführen

Als Unternehmen auf einen Cloud-DevOps-Ansatz umstellten, stellten sie schnell fest, dass viele vorhandene Tools für On-Premises-Umgebungen nicht mehr ausreichten. Insbesondere Sicherheitsteams mussten auf Tools umsteigen, die mit dem schnellen Wandel eines iterativen DevOps-Ansatzes Schritt halten konnten. Andernfalls würden sie Entwickler ausbremsen und die Effizienz des Unternehmens beeinträchtigen.

Um sich an dieses neue Tempo anzupassen, setzten Unternehmen auf DevSecOps und integrierten Sicherheitstests in den gesamten Softwareentwicklungszyklus, statt bis zum Ende des Prozesses damit zu warten. Der Übergang zu DevSecOps bedeutete, dass Teams herkömmliche Tools hinter sich lassen und neue, speziell für die Cloud entwickelte Tools einführen mussten. Diese Tools müssen schnelle Tests ermöglichen, auf agile Prozesse wie CI/CD abgestimmt sein und nahtlos mit Cloud-Technologien wie Containern und Open-Source-Code zusammenarbeiten.

Erkenntnis: Um die digitale Transformation voranzutreiben, sollten Sie Tools einführen, die speziell für neue Technologien entwickelt wurden und sich nahtlos in agile Workflows einfügen.

Auch die neuen KI-Technologien von heute erfordern den passenden Tech-Stack. Teams sollten bei der Auswahl ihrer Tools darauf achten, wie gut diese zu modernen KI-Lösungen passen. Außerdem müssen die Tools speziell auf die Besonderheiten von KI-generiertem Code zugeschnitten sein – etwa mit Labels, die KI-generierten von menschengeschriebenem Code unterscheiden.

Gemeinsame Verantwortung fördern

Durch die Cloud-Migration veränderte sich auch, wie Unternehmen gemeinsame Verantwortung wahrnahmen. So wurde die IT-Infrastruktur nicht mehr durch physische Systeme gebildet, die dem IT-Team gehörten, sondern durch Infrastructure-as-Code (IaC), das die Entwicklungsteams selbst bereitstellen mussten. Außerdem mussten die Entwicklungsteams Verantwortung für die Sicherheit während des gesamten Softwarelebenszyklus übernehmen und Schwachstellen in ihrem Code aufspüren und beheben.

Um die gemeinsame Verantwortung für verschiedene Bereiche des SDLC zu fördern, führten Unternehmen Cloud-Kompetenzzentren und Programme für Security Champions ein. Diese Schulungsprogramme versetzten Teams in die Lage, gemeinsam sichere und hochwertige Anwendungen für die Cloud zu entwickeln.

Erkenntnis: Um die digitale Transformation voranzutreiben, sollten Sie Schulungsprogramme und Kompetenzzentren einrichten, die Best Practices im gesamten Unternehmen fördern.

Auch Teams, die KI einführen möchten, ohne Sicherheit oder Qualität zu gefährden, sollten Schulungsprogramme zu Best Practices für KI in Betracht ziehen und gegebenenfalls ein KI-Kompetenzzentrum einrichten.

Integrierte Prozesse schaffen

Beim Wechsel vom Wasserfallmodell zu einem DevSecOps-Ansatz mussten Teams Prozesslücken schließen und beispielsweise Sicherheitstests in Entwicklungs-Workflows integrieren. Die Übergaben zwischen den Entwicklungsphasen mussten reibungslos funktionieren und möglichst wenige Kontextwechsel erfordern. So begannen Teams, Sicherheits-Tools und -Prozesse einzusetzen, die sich in gängige Entwicklungs-Tools wie CI/CD-Tools, Repositories und CLIs integrieren ließen. Diese nahtlosen Integrationen ermöglichten einen umfassenderen Ansatz und halfen Teams, das volle Potenzial der Cloud für mehr Geschwindigkeit und Zusammenarbeit auszuschöpfen.

Erkenntnis: Um die digitale Transformation voranzutreiben, sollten Sie Prozesslücken schließen, Kontextwechsel minimieren und Sicherheit in bestehende Entwickler-Workflows integrieren.

Auch der sichere Einsatz von KI erfordert integrierte Prozesse – etwa einen Security Companion, der sich in bestehende GenAI-Workflows einfügt. Wenn Entwickler zu viele zusätzliche Schritte ausführen müssen, um ihren KI-generierten Code abzusichern, wird der eigentliche Zweck des KI-Einsatzes – eine schnellere Entwicklung – zunichtegemacht.

Mit dem Tempo der KI Schritt halten

KI bewirkt genau das, was die Cloud vor zehn Jahren bewirkt hat: Sie steigert die Fähigkeit von Unternehmen, Anwendungen schneller und effizienter zu entwickeln. Doch wie bei der Cloud-Migration müssen Unternehmen gezielte Schritte unternehmen, um sich reibungslos und sicher an diese Veränderungen anzupassen.

Snyk hat kürzlich eine einzigartige Zusammenarbeit mit Gemini Code Assist angekündigt, um Unternehmen beim Umstieg auf KI-gestützte Entwicklung zu unterstützen. Durch diese Partnerschaft werden die Funktionen von Snyk Code in die bestehenden Workflows von Entwicklungsteams integriert, die Gemini nutzen. Entwickler können so ihren KI-generierten Code in Sekundenschnelle scannen und von Gemini erstellten Code im Kontext der übrigen Anwendung bewerten. Anschließend erhalten sie direkt in der IDE Schritt-für-Schritt-Vorschläge zur Behebung. Indem Entwickler Schwachstellen in ihrem KI-generierten Code direkt beim Commit finden und beheben, können sie mit dem von KI ermöglichten Tempo weiterarbeiten, ohne die Sicherheit zu gefährden.

Erfahren Sie mehr über unsere Partnerschaft mit Gemini Code Assist.