Folge 317 - Zwischen KI-Hype und KI-Vampire - wie wir den Einsatz von KI im Alltag erleben

Der nachfolgende Text wurden mit KI erstellt und kann Fehler enthalten. Fehler gefunden? Bei GitHub editieren

Wichtige Keytakeaways

KI-Tools verdichten die Arbeit und erhöhen die kognitive Belastung, statt Arbeitszeit einzusparen und mehr Freizeit zu schaffen.
Der Druck zur schnelleren Produktion entsteht durch Konkurrenzerwartungen, nicht durch echte Produktivitätsgewinne von zehnmal so produktiven Entwickler:innen.
Standards in Softwareentwicklung steigen durch KI-Einsatz, was zu mehr statt weniger Arbeit führt.
IDEs und Entwicklungswerkzeuge werden zunehmend für LLMs optimiert statt für menschliche Entwickler:innen.
Review-Müdigkeit und kognitive Überlastung entstehen durch die Menge an KI-generiertem Code, der überprüft werden muss.
Der Ansatz, KI als Black Box zu behandeln, führt zum Verlust von technischen Fähigkeiten und Verständnis für den generierten Code.

Wird man mit KI wirklich zehnmal so produktiv oder entsteht nur der Anschein davon?
Führt der Einsatz von KI zum Verlust von Programmier- und Code-Review-Fähigkeiten bei Entwicklern?
Wie sollten Entwickler die Balance zwischen Code-Review und blindem Vertrauen in KI-Output finden?
Welche Standards in der Softwareentwicklung verändern sich durch KI-Einsatz und in welche Richtung?
Wie können Entwicklungswerkzeuge und Dokumentation besser für LLMs optimiert werden?
Wie können IDEs und Language Server die KI-Assistenten unterstützen, besseren Code zu erzeugen?

Cognitive Debt: Ansammlung kognitiver Belastung und mentaler Schulden, die durch ständige Entscheidungen und Code-Reviews mit KI entstehen.
Review-Müdigkeit (Review Fatigue): Abnehmende Konzentration und Qualität bei Code-Reviews durch große Mengen an KI-generiertem Code.
MCP-Server (Model Context Protocol): Protokoll-Server, das Language-Server mit AI-Assistants verbindet und aktuelle Informationen zu Bibliotheken-Versionen bereitstellt.
Behavioral Driven Development (BDD): Testmethodik z.B. mit Gherkin-Spezifikationen, die die KI zur automatischen Test-Generierung verwenden kann.
AI-Brain-Fry: Zustand mentaler Erschöpfung durch intensive KI-Nutzung und ständige kognitive Bewertung von generierten .Ausgaben
Dunning-Kruger-Effekt: Phänomen, bei dem fehlende Fachkenntnisse zur Überschätzung der eigenen Kompetenz führen; relevant beim Code-Review von KI-Output ohne tiefes Verständnis.