Sie wollen sich an der KI nicht die Finger verbrennen?
KI löst nicht nur Probleme, sondern schafft auch neue:
Halluzinationen, Vendor Lock-In, AI Bloat, Entwickler-Burnout, unkalkulierbare Kosten.
Optimierter, kontrollierter KI-Kontext mit
Virtual Developer ist eine Plattform zur Modellierung, Generierung (ohne KI) und Dokumentation von Software-Systemen.
Wir haben eine Vorstellung davon, wie wir Sie am besten bei der Nutzung von KI unterstützen können. Es gibt zum jetzigen Zeitpunkt erst eine frühe Alpha-Version dieser Unterstützung. Kontaktieren Sie uns, wenn Sie daran interessiert sind, diese Produkt-Funktion zu Ihrem Vorteil mitzugestalten. Im folgenden finden Sie Informationen dazu, was es Ihnen bringen und wie es funktionieren soll …
Der Code-Rahmen ist deterministisch generiert. Darin wird – wenn Sie es wollen – mit KI programmiert, ohne den Rahmen zu verändern. Virtual Developer liefert in generierten Markdown-Dateien jeweils den passenden Kontext, um die Fachlichkeit gezielt mit Hilfe von KI implementieren zu können.
Helfen Sie Ihrem Team beim KI-Einsatz
Mit KI-Fehlern umgehen
Halluzinationen können bei der Nutzung von KI nicht ausgeschlossen werden. Wird beim Review des mit KI-Unterstützung generierten Codes mit Hilfe von Tests oder Code-Analysen festgestellt, dass der Code Fehler enthält, muss das nicht sofort behoben werden. Es genügt erst mal, den Status der zugehörigen Task im Modell auf „AI Error“ zu setzen. Dadurch hat das Team die Situation auf dem Schirm und kann die Behebung einplanen.
KI frei wählen
Virtual Developer hat keine Verbindung zu KI-Diensten. Wenn Sie die KI-Unterstützung von Virtual Developer nutzen wollen, können Sie selbst den KI-Anbieter wählen. Es werden lediglich maßgeschneiderte Markdown-Dateien generiert. Egal ob LLMs in der Cloud oder lokal genutzt werden: Ihr Team bleibt am Steuer.
Unnötigen Code vermeiden
Die Aufgaben der KI werden durch den von Virtual Developer generierten Code kleiner. Neigt die KI trotzdem noch dazu, zu viel und zu komplizierten Code für die Implementierung einer Fachlogik-Hülle zu liefern, fällt dies auf. Der Review-Prozess für den durch die KI generierten Code, wird durch den Bezug zu den im Modell sichtbaren Tasks unterstützt. Ihr Team legt fest, welche Fachlogik-Hüllen verbessert werden müssen.
Ihr Team entlasten
Der durch die KI erstellte Code folgt klar formulierten Aufgaben. Ihr Team kann nachvollziehen, wie weit die Implementierung ist. Durch das Vorgehen produziert die KI weniger Code. Das wiederum führt dazu, dass Ihr Team weniger Ordnungs- und Prüfungsaufgaben hat. Die Ungewissheit und der Stress-Level sinken.
Sparsam mit KI-Tokens umgehen
Der Token-Verbrauch ist geringer als wenn man der KI stets eine komplette Code-Base zum Analysieren gibt. Der Generator liefert die Software-Architektur und „weiß“ deswegen, welcher Code für welche Aufgabe relevant ist. Ein Entwickler muss sich nicht mühsam im Dialog mit der KI sinnvolle Prompts erarbeiten. Dadurch werden weitere Tokens gespart.
KI-Unterstützung im Modell sichtbar machen
Mit der Sprache „Function“ erstellt Ihr Team Fachlogik-Hüllen im Modell. Das ermöglicht es Generatoren, gezielt KI-Unterstützung für die Fachlichkeit zu liefern. Durch die zusätzliche Nutzung der Sprache „Artificial Intelligence“ behält Ihr Team die Kontrolle über den KI-Einsatz und sieht, wo KI verwendet wird, und wo nicht.
Anleitung für Mensch und KI generieren
Die generierten Anleitungen im Markdown-Format können sowohl von Menschen, als auch von KI für die Programmierung genutzt werden. Ihr Team kann jederzeit entscheiden, von wem eine Implementierung umgesetzt werden soll.
Implementierung testen
Zu den Fachlogik-Hüllen werden passende Test-Hüllen generiert. Auch darin kann Code mit KI implementiert werden. Genügt das nicht, können zusätzlich weitere Test Cases für die Fachlogik-Hüllen modelliert werden. Ihr Team entscheidet von Fall zu Fall, ob ein mit KI generierter Code durch ebenfalls mit KI generierten Testcode getestet wird oder Ihr Team den Testcode selbst schreibt.
Aufgaben-orientiert Fortschritt kontrollieren
Die Generierung erstellt im Modell Tasks für die manuelle Implementierung. Diese können Personen zugewiesen werden. Der Task-Status wird vom Generator und vom Entwickler aktuell gehalten. Im Modeler kann Ihr Team damit stets den aktuellen Zustand der Entwicklung mit KI sehen.
In 3 Schritten zur mit KI implementierten Fachlichkeit
Aufgabenorientiertes Arbeiten, eins nach dem anderen
Fachlichkeit im Modell beschreiben
Im Modell werden Modellelemente erstellt, die Fachlogik-Hüllen darstellen. Diese werden, wie bei allen anderen Typen von Modellelementen auch, mit natürlicher Sprache dokumentiert. Im Modell wird mit weiteren Modellierungssprachen der Kontext einer Fachlogik festgelegt. Das ist wichtig, damit die KI später gezielt agieren kann.
Markdown und Aufgaben generieren
Die Generierung erstellt pro manuell zu implementierender Fachlogik-Hülle ein Modellelement, das eine Programmier-Aufgabe darstellt. Passend zur Aufgabe werden Markdown-Dateien generiert. Diese enthalten Anleitungen zur Lösung der Aufgaben.
Mit oder ohne KI Fachlichkeit programmieren
Die Markdown-Dateien und der Programm-Code werden der KI zugänglich gemacht. Ein Entwickler sagt der KI, welche Aufgabe sie erledigen soll, also welche Markdown-Datei sie auswerten soll. Der Code wird von KI programmiert.
Alternativ kann ein Entwickler jederzeit selbst eine Aufgabe durch manuelle Programmierung erledigen. Die Anleitung dafür ist dieselbe.
Wir sprechen gerne mit Ihnen darüber, wie Sie Ihren KI-Einsatz effektiv gestalten können.
Ich bin Marcus, ein echter Mensch – schreiben Sie mir direkt, wenn Sie das Thema beschäftigt.