Kontaktieren Sie uns
Wir von accompio helfen Ihnen gerne.
20.10.2026
KI kann Code in kürzester Zeit erzeugen und Entwicklungsteams dabei helfen, Ideen schneller in funktionierende Software umzusetzen. Doch mehr Geschwindigkeit bedeutet nicht automatisch bessere Software. Ohne klare Architektur, standardisierte Prozesse und ein Verständnis für den späteren Betrieb können Systeme schnell unübersichtlich und schwer wartbar werden.
Dag Dammann, Senior IT Consultant bei accompio, unterstützt Unternehmen dabei, Softwareentwicklung, Automatisierung und IT-Infrastruktur weiterzuentwickeln. Im Interview erklärt er, warum KI etablierte Architekturprinzipien nicht ersetzt, welche Rolle Cloud-Native-Ansätze und Platform Engineering spielen und wie Unternehmen KI sinnvoll in ihre Entwicklungsprozesse integrieren.
Im vollständigen Experteninterview erklärt Dag Dammann, Senior IT Consultant bei accompio, wie Unternehmen KI in der Softwareentwicklung sinnvoll einsetzen, technische Komplexität reduzieren und ihre Entwicklungsprozesse zukunftsfähig gestalten können.
KI verändert die Softwareentwicklung vor allem durch Geschwindigkeit. Ideen lassen sich schneller in Programmcode übersetzen, Lösungen zügiger prototypisieren und bestehende Ansätze neu bewerten. Dadurch entstehen Möglichkeiten, Prozesse und technische Lösungen grundlegend zu überdenken.
Gleichzeitig verschwinden die bisherigen Herausforderungen nicht. Software muss weiterhin verständlich, wartbar und zuverlässig betreibbar sein. Werden immer mehr Funktionen schneller entwickelt, steigt auch der Aufwand, Änderungen zu testen, auszurollen und im Betrieb stabil zu halten.
Hier zeigt sich ein grundlegender Zielkonflikt aus dem DevOps-Umfeld: Entwicklung möchte neue Funktionen möglichst schnell bereitstellen, während der Betrieb Stabilität und Verfügbarkeit sicherstellen muss. KI kann die Entwicklung beschleunigen – doch ohne passende Automatisierung und Betriebsprozesse kann sich der Engpass lediglich verschieben.
Unternehmen sollten deshalb nicht allein messen, wie schnell Code entsteht. Entscheidend ist, ob die gesamte Wertschöpfung von der Idee über die Entwicklung und Bereitstellung bis zum Betrieb effizienter wird.
Eine zentrale Grundlage für wartbare Software ist eine Architektur mit klar abgegrenzten Komponenten und Aufgaben. Statt ein einziges Werkzeug für möglichst viele Probleme zu entwickeln, sollten einzelne Komponenten konkrete Aufgaben übernehmen und sich sinnvoll miteinander kombinieren lassen.
Das reduziert die Komplexität. Entwickler müssen weniger Zusammenhänge gleichzeitig überblicken und können Änderungen gezielter umsetzen. Dasselbe Prinzip hilft KI-Systemen: Je klarer eine Aufgabe eingegrenzt ist, desto weniger Kontext muss das Modell berücksichtigen.
Dag Dammann beschreibt diesen Zusammenhang über die sogenannte kognitive Last. Während Menschen nur eine begrenzte Menge an Informationen gleichzeitig sinnvoll verarbeiten können, arbeiten KI-Modelle innerhalb eines begrenzten Kontextfensters. Große, unübersichtliche Systeme erschweren deshalb sowohl die menschliche Arbeit als auch die gezielte Nutzung von KI.
Cloud-Native-Architekturen und Microservices können dabei helfen, Verantwortlichkeiten und Schnittstellen klar zu definieren. Sie sind kein Selbstzweck, schaffen aber eine Grundlage, auf der Anwendungen modular entwickelt, betrieben und erweitert werden können.
Auch die Architektur selbst sollte dabei nicht vollständig an die KI delegiert werden. Dammann setzt bewusst zuerst die Struktur: Er legt fest, welche Komponenten benötigt werden, wie sie kommunizieren und welche Sprachen oder Frameworks zum Einsatz kommen. Anschließend kann KI bei der konkreten Implementierung unterstützen – innerhalb nachvollziehbarer Leitplanken.
„Die gebaute Software muss so übersichtlich sein, dass sie irgendwann noch einmal verstanden wird.“
Dag Dammann, Senior IT Consultant bei accompio
Cloud-Native-Ansätze helfen dabei, Anwendungen so aufzubauen, dass sie standardisierte Cloud-Plattformen und Orchestrierungslösungen nutzen können. Container und Plattformen wie Kubernetes stellen dafür etablierte Mechanismen bereit, die Unternehmen nicht für jede Anwendung neu entwickeln müssen.
Platform Engineering baut auf diesem Gedanken auf: Teams erhalten standardisierte Plattformen und wiederverwendbare Abläufe, um Anwendungen effizienter bereitzustellen und zu betreiben. Automatisierung, Sicherheitsprüfungen und Monitoring lassen sich dadurch besser in bestehende Prozesse integrieren.
Auch Standards wie Containerisierung und GitOps schaffen wiederholbare Abläufe. Das verursacht zunächst Aufwand, erleichtert später jedoch den Betrieb und die Zusammenarbeit. Neue Mitarbeitende finden sich schneller zurecht, wenn sie bekannte Konzepte wiedererkennen. Für KI gilt etwas Ähnliches: Gängige Technologien und etablierte Standards sind in vielen Modellen bereits gut repräsentiert. Sie müssen daher weniger individuelle Sonderlösungen erklären und können auf bekanntem Wissen aufbauen.
Der Vorteil liegt also nicht allein in der Technologie. Standards schaffen gemeinsame Schnittstellen, reduzieren unnötige Komplexität und erleichtern es, Entwicklung, Sicherheit und Betrieb miteinander zu verbinden.
Mit zunehmender KI-Unterstützung wird es wichtiger, nicht nur einzelne Programmierschritte zu beherrschen. Gefragt sind laut Dammann verstärkt sogenannte T-Shaped Developer: Fachkräfte mit breitem Wissen über den gesamten Software-Lebenszyklus und zusätzlicher Tiefe in einem bestimmten Bereich.
Dieser Lebenszyklus umfasst unter anderem Planung und Architektur, Entwicklung, Tests, Release, Betrieb und Monitoring. Wer diese Phasen im Zusammenhang versteht, kann besser beurteilen, welche Auswirkungen eine Änderung auf das Gesamtsystem hat.
Diese Perspektive ist auch bei der Arbeit mit KI entscheidend. Entwickler müssen Aufgaben präzise formulieren, geeignete Leitplanken setzen und die erzeugten Ergebnisse kritisch bewerten können. Dazu gehört, technische Entscheidungen zu verstehen und Fehler nachvollziehbar zu analysieren, statt sich ausschließlich auf das Ergebnis des Modells zu verlassen.
KI verschiebt damit einen Teil der Arbeit: Weniger Zeit muss möglicherweise in die manuelle Umsetzung einzelner Codeabschnitte fließen. Dafür gewinnen Architekturverständnis, Problemanalyse, Prozesswissen und die Bewertung technischer Lösungen an Bedeutung.
Bevor Unternehmen KI-gestützte Softwareentwicklung skalieren, sollten sie ihre bestehenden Prozesse überprüfen und dokumentieren. Sind Abläufe unklar oder widersprüchlich, kann Automatisierung die zugrunde liegenden Probleme sogar schneller und in größerem Umfang reproduzieren.
Ein häufiger Fehler besteht darin, direkt mit dem größten und schwierigsten Problem zu starten. Scheitert das Vorhaben, entstehen nicht nur Kosten, sondern möglicherweise auch Vorbehalte gegenüber der neuen Technologie.
Dammanns Empfehlung lautet deshalb, mit einer klaren Zielvorstellung zu starten und zunächst einen überschaubaren Anwendungsfall auszuwählen. Dieser muss nicht das größte Problem im Unternehmen lösen. Wichtig ist, dass sich der Ansatz in einem begrenzten Rahmen testen und bewerten lässt.
So können Teams Erfahrungen sammeln, technische und organisatorische Herausforderungen erkennen und den Einsatz anschließend schrittweise ausweiten. KI wird damit nicht als isoliertes Werkzeug eingeführt, sondern als Bestandteil eines durchdachten Entwicklungsprozesses.
accompio unterstützt Unternehmen dabei, Entwicklungsprozesse, Softwarearchitektur und IT-Infrastruktur für Ihre Lösungen und Anforderungen aufeinander abzustimmen.
KI bietet Unternehmen die Chance, Software schneller zu entwickeln und bestehende Prozesse neu zu gestalten. Nachhaltig wird dieser Vorteil jedoch erst, wenn Architektur, Standards und Betriebsprozesse mitwachsen.
Modulare Systeme, Cloud-Native-Technologien und standardisierte Abläufe schaffen die Grundlage dafür, dass KI-generierter Code verständlich und wartbar bleibt. Gleichzeitig brauchen Entwicklungsteams Mitarbeitende, die den gesamten Software-Lebenszyklus verstehen, klare Vorgaben machen und Ergebnisse fachlich beurteilen können.
Dag Dammanns zentrale Empfehlung: Unternehmen sollten die technischen Grundlagen beherrschen, Prozesse transparent machen und mit kleinen, kontrollierbaren Schritten beginnen. Denn Geschwindigkeit allein bringt wenig, wenn die Richtung nicht stimmt.
„Wenn man etwas nicht langsam kann, dann kann man es in der Regel auch nicht schnell.“
Dag Dammann, Senior IT Consultant bei accompio
Dag unterstützt Unternehmen bei der Integration von KI in der Softwareentwicklung, damit Lösungen nicht nur schneller entstehen, sondern auch langfristig betrieben und weiterentwickelt werden können.
KI kann Programmcode schneller erzeugen, Prototypen unterstützen und bestehende Lösungen neu bewerten. Architektur, Qualitätskontrolle, Wartbarkeit und Betrieb bleiben jedoch wichtige Aufgaben, die weiterhin fachlich begleitet werden müssen.
Eine klare, modulare Architektur reduziert Komplexität und grenzt Aufgaben und Verantwortlichkeiten voneinander ab. Dadurch können Entwickler und KI-Systeme einzelne Komponenten leichter verstehen, bearbeiten und testen.
Cloud Native bezeichnet Ansätze, bei denen Anwendungen für den Betrieb auf Cloud-Plattformen und standardisierten Umgebungen ausgelegt werden. Dadurch lassen sich bestehende Plattformfunktionen, Automatisierung und etablierte Betriebsabläufe nutzen, statt individuelle Lösungen für jede Anwendung zu entwickeln.
T-Shaped Developer verfügen über breites Wissen über den gesamten Software-Lebenszyklus und gleichzeitig über vertiefte Kenntnisse in einem bestimmten Fachgebiet. Das hilft ihnen, KI gezielt anzuleiten und die Ergebnisse im Gesamtkontext zu bewerten.
Unternehmen sollten zunächst ihre Prozesse und Ziele klären, relevante Abläufe dokumentieren und mit einem überschaubaren Anwendungsfall beginnen. Nach einer Bewertung der Ergebnisse kann der Einsatz schrittweise erweitert werden.
