Der Einfluss großer Sprachmodelle auf die Softwareentwicklung: Chancen und Herausforderungen

Der Drahtseilakt der Large Language Models in der Softwareentwicklung: Eine Perspektive für Praktiker

Die Integration großer Sprachmodelle (LLMs) in die Softwareentwicklung hat das Potenzial, die Branche grundlegend zu verändern. Diese Modelle bieten Vorteile wie die Automatisierung von Prozessen und die Steigerung der Arbeitsproduktivität. Gleichzeitig bringen sie jedoch auch Herausforderungen mit sich, die von der individuellen Entwicklungskompetenz bis hin zu gesellschaftlichen Auswirkungen reichen. Eine aktuelle Studie beleuchtet diese vielschichtigen Effekte und gibt Praktikern wertvolle Einblicke in den ausgewogenen Umgang mit LLMs.

Chancen und Herausforderungen auf verschiedenen Ebenen

Die Untersuchung identifizierte sowohl positive als auch negative Auswirkungen des LLM-Einsatzes auf vier Ebenen: Individuen, Teams, Organisationen und die Gesellschaft. Diese differenzierte Betrachtung ist essenziell, um die Komplexität der LLM-Adoption vollständig zu erfassen.

Individuelle Ebene: Produktivitätssteigerung versus Kompetenzrückgang

Auf individueller Ebene bieten LLMs eine Reihe von Vorteilen. Sie können die Softwareentwicklung beschleunigen, indem sie einfache, sich wiederholende Aufgaben automatisieren und den Zeitaufwand reduzieren. Viele Befragte berichteten, dass LLMs ihnen helfen, sich auf komplexere Probleme zu konzentrieren, anstatt sich mit trivialen Schwierigkeiten aufzuhalten. Dies wird durch die Fähigkeit der LLMs erreicht, Boilerplate-Code schnell zu generieren oder bei der Behebung von Syntaxfehlern zu unterstützen. Ein weiterer wesentlicher Vorteil ist die Möglichkeit, Lernchancen zu nutzen. Entwickler können LLMs als Lehrmittel verwenden, um alternative Lösungsansätze zu erkunden, sich mit neuen Programmiersprachen vertraut zu machen oder Domänenwissen zu erwerben. Dies kann das Verständnis verbessern und den Lernprozess beschleunigen.

LLMs tragen zudem dazu bei, den Entwicklungsfluss aufrechtzuerhalten, indem sie Unterbrechungen minimieren, die durch die Suche nach Informationen oder das Beheben kleinerer Fehler entstehen würden. Das Gefühl eines "sicheren Raums" wurde ebenfalls genannt, da Entwickler LLMs unvoreingenommen Fragen stellen können, ohne Kollegen zu stören.

Demgegenüber stehen jedoch erhebliche Nachteile. Der Einsatz von LLMs kann die Softwareentwicklung verlangsamen, wenn Entwickler aufgrund von Halluzinationen oder falschen Vorschlägen neue Konversationen beginnen oder umfangreiche Überprüfungen durchführen müssen. Dies führt zu einem erhöhten Aufwand für Entwickler, da die Notwendigkeit der Validierung und Korrektur die anfänglich eingesparte Zeit wieder aufzehren kann. Die Codequalität kann beeinträchtigt werden, da LLMs Lösungen vorschlagen können, die nicht den unternehmensinternen Standards entsprechen oder fehlerhaft sind. Dies kann langfristig zu Wartungsproblemen führen.

Ein weiteres kritisches Thema ist der Verlust von Lernmöglichkeiten. Eine übermäßige Abhängigkeit von LLMs kann dazu führen, dass Entwickler wichtige Fähigkeiten nicht ausreichend entwickeln. Dies betrifft insbesondere unerfahrene Entwickler, die möglicherweise nicht die notwendige Intuition und das tiefgreifende Verständnis aufbauen, um LLM-Vorschläge kritisch zu bewerten. Die Persönlichkeit von Entwicklern kann negativ beeinflusst werden, indem sie zu Faulheit oder Apathie führt, wenn Routineaufgaben vollständig delegiert werden. Dies kann auch zu einem Rückgang der Entwicklerfähigkeiten und einer Schädigung des Rufs von Entwicklern führen, wenn fehlerhafter Code, der von LLMs generiert wurde, auf ihren Namen zurückfällt. Schließlich können Interaktionen mit LLMs den Entwicklungsfluss stören, beispielsweise durch Kontextwechsel oder Ablenkung durch zu viele Vorschläge.

Team-Ebene: Weniger Unterbrechungen, weniger Mentoring

Auf Teamebene können LLMs Unterbrechungen reduzieren, da Entwickler bevorzugt LLMs konsultieren, anstatt Kollegen zu stören. Sie dienen als zusätzliche Unterstützung bei technischen Fragen, indem sie schnelle Anleitungen oder alternative Ansätze bieten und so als zweite Meinung fungieren können.

Allerdings können LLMs auch zu einem Verlust von Mentoring-Möglichkeiten führen. Wenn unerfahrene Entwickler sich primär an LLMs wenden, entfallen wertvolle Interaktionen mit Senior-Entwicklern, die für den Aufbau von sozialen Kompetenzen und tiefgreifendem Wissen entscheidend sind.

Organisationsebene: Kosteneinsparungen und Sicherheitsbedenken

Für Organisationen können LLMs zu Kosteneinsparungen beitragen, indem sie zum Beispiel die Zeit zur Fehlerbehebung verkürzen. Die Studie hebt hervor, dass dies besonders für kleinere Unternehmen von Vorteil sein kann, bei denen jede Zeitersparnis direkt monetär spürbar ist.

Auf der Kehrseite stehen jedoch Probleme mit Codelizenzen. Die Herkunft des von LLMs generierten Codes ist oft unklar, was zu rechtlichen Unsicherheiten bezüglich Urheberrecht und Lizenzgebühren führen kann. Dies kann Unternehmen dazu veranlassen, den Einsatz von LLMs zu verbieten oder die Einführung zu verzögern. Des Weiteren bestehen erhebliche Sicherheits- und Datenschutzbedenken. Die Weitergabe sensibler Unternehmensdaten an LLMs birgt Risiken, und die Möglichkeit, dass LLMs Code mit Sicherheitslücken vorschlagen, erfordert einen vorsichtigen Umgang. Schließlich sind die Kosten für die Nutzung von LLMs, insbesondere die Kosten pro Token bei hochvolumigen Interaktionen, ein Faktor, der die Skalierbarkeit und Planung beeinflusst.

Gesellschaftliche Ebene: Unternehmertum und Vertrauenserosion

Auf gesellschaftlicher Ebene können LLMs das Unternehmertum fördern, indem sie das Prototyping beschleunigen und den Bedarf an großen Teams reduzieren. Sie fungieren auch als Berater für alltägliche Fragen, was ihre Nützlichkeit über die reine Softwareentwicklung hinaus unterstreicht.

Jedoch besteht die Gefahr der Erosion des sozialen Vertrauens. Der Missbrauch von LLMs, beispielsweise bei Bewerbungsgesprächen oder zur Verbreitung von Falschinformationen, kann das Vertrauen in digitale Inhalte und menschliche Interaktionen untergraben. Zudem wird eine Arbeitsmarktkrise befürchtet, insbesondere für weniger spezialisierte Fachkräfte, da die Automatisierung bestimmte Aufgaben überflüssig machen könnte.

Ausgewogener Umgang mit LLMs: Empfehlungen für Praktiker

Um die Vorteile von LLMs zu maximieren und gleichzeitig die Risiken zu minimieren, sind spezifische Strategien erforderlich. Die Studie identifiziert mehrere Best Practices für einen ausgewogenen Einsatz:

• LLM-Fähigkeiten erkunden: Entwickler sollten aktiv verschiedene LLMs testen und ihre Stärken für unterschiedliche Aufgaben verstehen. Dies beinhaltet auch die Weiterentwicklung des eigenen Verständnisses der Technologie.
• Pragmatische Haltung einnehmen: Eine langsame und überlegte Einführung von LLMs ist ratsam. Wenn ein LLM nicht hilfreich ist, sollte man nicht zögern, es abzuschalten und Aufgaben manuell zu erledigen.
• Zeitersparnis und Lernmöglichkeiten ausbalancieren: Insbesondere unerfahrene Entwickler müssen ein Gleichgewicht finden zwischen der Nutzung von LLMs zur Zeitersparnis und der Notwendigkeit, ihre eigenen Fähigkeiten durch Übung zu entwickeln. Selbstkontrolle ist hierbei entscheidend.
• Geeignete Anwendungsfälle verstehen: LLMs eignen sich hervorragend für einfache, wiederkehrende Aufgaben und populäre Themen, sind jedoch weniger effektiv bei komplexen oder unternehmensspezifischen Problemen.
• Verschiedene LLMs für verschiedene Aufgaben kombinieren: Entwickler sollten LLMs als Werkzeuge betrachten und je nach Aufgabe das am besten geeignete Modell wählen. Dies kann zu einem "agentischen Software-Engineering" führen, bei dem verschiedene KI-Agenten zusammenarbeiten.
• LLMs zur Code-Verbesserung statt zur Code-Generierung nutzen: Statt Code von Grund auf neu generieren zu lassen, sollten Entwickler LLMs eher zur Verbesserung und Verfeinerung bestehenden Codes verwenden. Dies erhält ein ausgewogenes Maß an Kontrolle und schützt die eigenen Fähigkeiten.
• LLMs lokal ausführen: Um Datenschutz- und Sicherheitsbedenken zu adressieren, kann das lokale Hosten von LLMs eine praktikable Option sein, auch wenn dies mit einem höheren Aufwand verbunden sein kann.

Implikationen für die Praxis

Die Erkenntnisse der Studie legen nahe, dass die Vorteile von LLMs in der Softwareentwicklung nicht ohne Kosten kommen. Eine übermäßige Abhängigkeit kann Entwicklern langfristig schaden, während ein kontrollierter Einsatz zu einer Reifung der Fähigkeiten führen kann. Die Studie betont die Notwendigkeit eines "ausgewogenen Kontrollansatzes", der von hoher Selbstbeherrschung bis zu einer gewissen Lockerung der Kontrolle reicht. Techniken wie Test-Driven Development (TDD) in Kombination mit LLMs können hierbei helfen, die Qualität zu sichern.

LLMs können auch dazu beitragen, den Entwicklungsfluss zu fördern und Unterbrechungen zu minimieren, was die Entwicklererfahrung (DevEx) verbessert. Es ist jedoch wichtig zu erkennen, dass die Auswirkungen auf unerfahrene und erfahrene Entwickler unterschiedlich sein können. Während erfahrene Entwickler auf ihre "Muskelerinnerung" zurückgreifen können, um den Verlust von Kodierungsfähigkeiten zu kompensieren, müssen unerfahrene Entwickler diese Fähigkeiten erst noch aufbauen.

Schließlich unterstreicht die Studie die Rolle von LLMs als "Champion für Prototyping", da sie die schnelle Entwicklung von Minimum Viable Products (MVPs) ermöglichen. Gleichzeitig wird die "große Macht und große Verantwortung" im Umgang mit LLMs betont, insbesondere im Hinblick auf Code-Eigentum und die Einhaltung rechtlicher Rahmenbedingungen.

Ausblick und zukünftige Forschungsfelder

Die Studie identifiziert mehrere Bereiche für zukünftige Forschung, darunter:

• Wie beeinflussen LLMs die soziale Intelligenz und die menschliche Zusammenarbeit in Softwareprojekten?
• Wie verändern LLMs die Zeitnutzung von Entwicklern und welche Auswirkungen hat dies auf die Produktivität?
• Welche Rolle spielt "Faulheit" bei der Interaktion von Entwicklern mit LLMs?
• Wie beeinflussen LLMs die Intuition von Entwicklern, die traditionell eine wichtige Rolle in der Softwareentwicklung spielt?
• Tragen LLMs zum Burnout in Softwareprojekten bei, insbesondere wenn der Druck steigt, Verantwortlichkeiten zu erweitern?
• Welche kontroversen Anwendungsfälle von LLMs (z.B. für Testgenerierung oder Fehlerbehebung) müssen genauer untersucht werden?

Zusammenfassend lässt sich sagen, dass LLMs ein zweischneidiges Schwert in der Softwareentwicklung darstellen. Sie bieten immense Chancen zur Effizienzsteigerung und Innovation, bergen aber auch Risiken, die sorgfältig gemanagt werden müssen. Ein ausgewogener, bewusster und kritischer Umgang mit diesen Technologien ist entscheidend für ihren nachhaltigen Erfolg in der Praxis.

Bibliography - Ferino, S., Hoda, R., Grundy, J., & Treude, C. (2025). Walking the Tightrope of LLMs for Software Development: A Practitioners' Perspective. arXiv preprint arXiv:2511.06428. - Tabarsi, B., Reichert, H., Limke, A., Kuttal, S., & Barnes, T. (2025). LLMs' Reshaping of People, Processes, Products, and Society in Software Development: A Comprehensive Exploration with Early Adopters. arXiv preprint arXiv:2503.05012. - Baltes, S., Angermeir, F., Arora, C., Muñoz Barón, M., Chen, C., Böhme, L., ... & Wagner, S. (2025). Evaluation Guidelines for Empirical Studies in Software Engineering involving LLMs. arXiv preprint arXiv:2508.15503. - Santos, I., Magalhaes, C., & de Souza Santos, R. (2025). Model-Assisted and Human-Guided: Perceptions and Practices of Software Professionals Using LLMs for Coding. arXiv preprint arXiv:2510.09058. - Chen, X., Gao, C., Chen, C., Zhang, G., & Liu, Y. (2025). An Empirical Study on Challenges for LLM Application Developers. ACM Transactions on Software Engineering and Methodology. - Gao, C., Hu, X., Gao, S., Xia, X., & Jin, Z. (2024). The Current Challenges of Software Engineering in the Era of Large Language Models. arXiv preprint arXiv:2412.14554.