Codeentwicklung mit KI: Prozessorspezifische Optimierung

Softwareentwicklung mit künstlicher Intelligenz bedeutet mehr, als nur Codevorschläge zu erhalten. Auch die Umsetzung natürlichsprachlich formulierter Anforderungen in Code, die Untersuchung von Fehlern und die Vorbereitung von Änderungen an bestehenden Anwendungen gehören dazu. Dennoch dominieren bei der Codegenerierung höhere Programmiersprachen wie Java, Python und JavaScript. Daraus ergibt sich eine wichtige Frage: Was würde sich ändern, wenn KI statt leicht lesbarem Code direkt für die Zielhardware optimierten Code erzeugen würde?

Ein wesentlicher Grund für die Verbreitung höherer Programmiersprachen liegt darin, dass Codebeispiele und erläuternde Quellen zu diesen Sprachen in den Trainingsdaten umfangreich vertreten sind. Diese Präferenz lässt sich jedoch nicht allein mit dem erklären, was das Modell gelernt hat. Auch Bibliotheken, Entwicklungswerkzeuge, Wartungsanforderungen und die Kompatibilität mit bestehenden Systemen beeinflussen die Sprachwahl. Bei einer Unternehmensanwendung ist es ebenso wichtig, dass der Code verständlich, testbar und wartbar ist, wie dass er funktioniert. Eine größere Hardwarenähe ist deshalb nicht für jedes Projekt der richtige Ausgangspunkt.

Bei der Bewertung prozessorspezifischer Codegenerierung muss zwischen Assemblersprache und Maschinencode unterschieden werden. Assemblersprache ist eine maschinennahe Sprache, die Prozessorbefehle symbolisch darstellt; zur Ausführung wird sie in Maschinencode übersetzt. Auch bei Anwendungen, die in höheren Programmiersprachen entwickelt werden, nehmen Compiler oder Laufzeitumgebungen verschiedene Optimierungen vor. Dass KI Assemblercode erzeugt, bedeutet daher für sich genommen noch keine schnellere Anwendung. Entscheidend ist, die Eigenschaften der Zielhardware passend zur Arbeitslast zu nutzen.

Betrachten wir eine Anwendung, die Daten stapelweise verarbeitet, etwa eine Lohn- und Gehaltsabrechnung. In verschiedenen Sprachen geschriebene Versionen derselben Aufgabe können unterschiedlich lange benötigen. Diesen Unterschied allein der Programmiersprache zuzuschreiben, wäre jedoch irreführend. Algorithmus, Datenzugriff, Speichernutzung und Laufzeitumgebung müssen gemeinsam untersucht werden. Wird eine KI-gestützte, prozessorspezifische Optimierung erwogen, sollte zunächst der Engpass ermittelt und anschließend mit denselben Daten unter gleichen Bedingungen gemessen werden. Nur durch einen solchen Vergleich lässt sich bewerten, welchen Gewinn maschinennäherer Code erzielen kann.

Bei X Mind Solutions betrachten wir dieses Thema über die Sprachwahl hinaus anhand der Arbeitslast und der Systemanforderungen. Der Beitrag von KI zur Entwicklung zielhardwaregerechten Codes ist ein untersuchenswerter Ansatz. Verbesserungen bei Leistung und Energieeffizienz lassen sich jedoch ohne Messungen nicht versprechen. Entscheidungen im Unternehmen sollten nicht allein auf Geschwindigkeitserwartungen beruhen, sondern auch Anforderungen an Korrektheit, Sicherheit, Wartung und Portabilität berücksichtigen. Die Zukunftsfrage könnte daher weniger lauten, welche Sprache eine andere ersetzt, sondern welcher Ansatz eine bestimmte Aufgabe unter geeigneteren Bedingungen erfüllt.