Künstliche Intelligenz in DevOps. Auswirkungen auf die Qualität und Geschwindigkeit des Softwareentwicklungsprozesses

Inhaltsverzeichnis

• 1 Motivation und Einleitung
• 2 Theoretischer Hintergrund
• 2.1 Künstliche Intelligenz (KI)
• 2.1.1 Grundlagen und Definitionen
• 2.1.2 Machine Learning (ML)
• 2.1.3 Deep Learning (DL)
• 2.1.4 Artificial Neural Networks (ANN)
• 2.1.5 Natural Language Processing (NLP)
• 2.1.6 Transformer-basierte neuronale Netzwerke
• 2.1.7 Herausforderungen und Limitationen
• 2.2 DevOps
• 2.2.1 Grundlagen und Definitionen
• 2.2.2 Continuous Integration (CI)
• 2.2.3 Continuous Delivery (CD)
• 2.2.4 Continuous Deployment (CD)
• 2.2.5 Infrastructure as Code (IaC)
• 3 KI im Kontext von DevOps
• 3.1 KI-gestütztes Pair-Programming
• 3.2 Generierung und Optimierung von Code
• 3.3 Generierung von Tests
• 3.4 Unterstützung in der Fehleranalyse, Codebeschreibung und beim Erlernen neuer Programmierkompetenzen
• 4 Empirische Untersuchung eines realen Softwareprojekts
• 4.1 Durchführung einer Entwickler-Umfrage
• 4.2 Projektüberblick und Planung
• 4.3 Architektur und Technologielandschaft
• 4.4 Implementierung und Dokumentation
• 4.5 Einrichtung einer CI/CD-Pipeline
• 4.6 Analyse und Ergebnisse
• 4.6.1 Auswirkungen auf Softwarequalität
• 4.6.2 Auswirkungen auf Effizienz und Produktivität in der Softwareentwicklung
• 4.6.3 Zukunftsperspektiven und Weiterentwicklung

Zielsetzung und Themenschwerpunkte

Diese Bachelor-Arbeit untersucht die Rolle der Künstlichen Intelligenz (KI) in DevOps und deren Auswirkungen auf die Qualität und Geschwindigkeit von Softwareentwicklungsprozessen. Die Arbeit analysiert den Einfluss von KI auf verschiedene Aspekte des DevOps-Workflows und präsentiert die Ergebnisse einer empirischen Untersuchung.

• Einführung in KI und DevOps Konzepte
• Anwendung von KI in verschiedenen Phasen des Softwareentwicklungsprozesses
• Empirische Evaluation der Auswirkungen von KI auf Softwarequalität und -effizienz
• Analyse der Herausforderungen und Limitationen des Einsatzes von KI in DevOps
• Zukunftsperspektiven und Weiterentwicklungen im Bereich KI und DevOps

Zusammenfassung der Kapitel

Kapitel 1 dient als Einleitung und Motivation für die Arbeit. Kapitel 2 liefert einen theoretischen Hintergrund zu KI (inklusive Machine Learning, Deep Learning, und NLP) und DevOps (einschließlich CI/CD und IaC). Kapitel 3 beleuchtet den Einsatz von KI im Kontext von DevOps, beispielsweise durch KI-gestütztes Pair-Programming und automatisierte Codegenerierung. Kapitel 4 beschreibt eine empirische Untersuchung eines realen Softwareprojekts, inklusive der Methodik, der durchgeführten Entwicklerumfrage, und der Architektur des Projekts. Die Analyse der Auswirkungen auf Softwarequalität und Effizienz wird ebenfalls in Kapitel 4 dargestellt.

Schlüsselwörter

Künstliche Intelligenz, DevOps, Machine Learning, Deep Learning, Natural Language Processing, Continuous Integration, Continuous Delivery, Continuous Deployment, Softwarequalität, Softwareentwicklung, Effizienz, Produktivität, Empirische Untersuchung, CI/CD Pipeline.