Um interne Produktivitätssteigerungen zu erzielen und Kundenprodukte effizienter zu entwickeln, hat das multinationale Dienstleistungsunternehmen Accenture Gesamtinvestitionen in Höhe von drei Milliarden Dollar für generative künstliche Intelligenz (GenAI; Generative AI) eingeplant. Nachdem ein Drittel des Budgets investiert ist, manifestieren sich Accenture zufolge erste, bemerkenswerte Ergebnisse durch den Einsatz von GitHub Copilot:
- 90 Prozent der Accenture-Entwickler fühlen sich bei ihrer Tätigkeit wohler.
- 95 Prozent haben durch die Einbindung des GenAI-Tools mehr Spaß an ihrer Arbeit.
- Die Entwicklerproduktivität ist durch die Entlastung bei Routinetätigkeiten um 40 Prozent gestiegen.
Der Return on Investment ist jedoch aus anderer Perspektive beeindruckend: In den ersten sechs Monaten des laufenden Geschäftsjahres hat sich Accenture im Bereich Generative AI bereits Kundenbuchungen im Wert von rund einer Milliarde Dollar gesichert – davon mehr als die Hälfte im zweiten Quartal. Das hat auch Auswirkungen auf die Belegschaft: Die 40.000 Mitarbeiter starke KI-Workforce von Accenture soll sich in Zukunft verdoppeln.
Die Kollegen unserer US-Schwesterpublikation Computerworld hatten vor kurzem die Gelegenheit, mit dem Executive zu sprechen, unter dessen Ägide sämtliche Innovations- und Forschungsprojekte bei Accenture laufen: Adam Burden, Chief Software Engineer und Global Lead for Innovation. Im Interview gibt der Manager unter anderem dazu Einblicke, welche Herausforderungen der Einsatz von GenAI-Tools für sein Unternehmen aufgeworfen hat – und welche unerwarteten Benefits die Technologie realisieren konnte.
Wie hat sich GenAI auf Ihre Arbeit, die der Softwareentwickler und der Belegschaft allgemein ausgewirkt?
Adam Burden: Ich würde sagen, das Generative-AI-Fieber hat uns auf mehreren Ebenen erfasst. Dort, wo wir die Technologie in Teams integriert haben, hat sie sich zu einem integralen, natürlichen Bestandteil der Workflows entwickelt. Wir haben zum Beispiel ein Tool, das auch ich ständig nutze. Das System heißt Amethyst und unterstützt mich dabei, interne Wissensquellen und Ressourcen aufzutun. Dieses Tool ist ziemlich beliebt – ich würde sagen es ist zum Accenture-internen Mainstream geworden. Ein anderes GenAI-System, das wir einsetzen, heißt Writer und unterstützt dabei, Inhalte zu generieren. Das Tool entstammt ursprünglich unserer Marketingabteilung und hat sich inzwischen zum De-Facto-Standard entwickelt, wenn es darum geht, Mitarbeiter dabei zu unterstützen, erste Content-Entwürfe zu erstellen – und auch bessere Texte zu schreiben.
Mit Blick auf die Softwareentwicklung würde ich sagen, dass Engineers und Developer in ihrem Arbeitsalltag am stärksten von KI profitieren. Wir beschäftigen – je nach Zählweise – zwischen 150.000 und 200.000 Software Engineers, die GitHub Copilot schon heute auf sehr unterschiedliche Art und Weise einsetzen. Natürlich nutzen wir auch unsere eigenen, intern entwickelten Tools, die inzwischen auch vollständig in Generative AI eingebettet sind. Eines unserer Kundenprojektteams ist 1.600 Mitarbeiter stark – jeder einzelne davon verwendet GenAI und die Projekte werden auch ausgeliefert.
Wofür setzen Ihre Software-Ingenieure generative KI hauptsächlich ein?
Burden: Es geht dabei um mehr als nur die Softwareentwicklung. Es gibt diverse Aspekte, die in diesem Bereich für Verunsicherung sorgen, insbesondere wenn es um den Part der Code-Generierung geht. KI ist an dieser Stelle eine gute Inspirationsquelle, aber man sollte sehr genau prüfen, was da genau generiert wird. Andererseits haben die anderen Bereiche der Softwareentwicklung, die offen gesagt sehr stark dem Pareto-Prinzip folgt, zu 80 Prozent nichts damit zu tun, Code zu schreiben.
Laut unseren Entwicklern ist der von Copilot und anderen GenAI-Tools generierte Programmcode zu 70 bis 80 Prozent einsetzbar – in manchen Fällen auch mehr. Natürlich werden diese Code-Teile besonders gründlich überprüft – und sie kommen vor allem bei internen Projekten zum Einsatz, weniger bei Kunden. Ein weiterer positiver Aspekt, von dem unsere Developer berichten: Sie sind um 40 bis 50 Prozent produktiver.
Vor seinem Einsatz als Chief Software Engineer und Global Innovation Lead war Adam Burden als Head of Technology für das US-Geschäft von Accenture verantwortlich.
Foto: Accenture
Welche persönlichen Erfahrungen haben Sie mit KI gesammelt?
Burden: In meiner Rolle als Chief Software Engineer habe ich die Technologie für verschiedene Zwecke eingesetzt. Zum Beispiel in Form einer quelloffenen E-Commerce-Anwendung namens SimplCommerce. Diese KI liest im Grunde den kompletten Quellcode ein – und wir sprechen hier von einigen hunderttausend Zeilen C#-Code. Das Ziel bestand dabei darin, herauszufinden, inwiefern uns Generative AI dabei unterstützen kann, Applikationen besser zu warten. Dabei fand ich besonders bemerkenswert, wie mir die KI dabei helfen konnte, mich in einer mir bis dahin unbekannten Anwendung zurechtzufinden. Das Tool hat dann auch tatsächlich auf Anweisung einen Fehler im Code gefunden – das war allerdings nicht das Beste.
Wirklich toll war, Copilot im Rahmen einer internen Demo zu präsentieren und das zu tun, was man dabei eigentlich nicht tun sollte: Ich hab die Teilnehmer gebeten, der KI Input zu geben, was ihrer Meinung nach der E-Commerce-Anwendung noch fehlt. Ein Vorschlag war dabei, eine Wunschliste hinzuzufügen. Es war schockierend wie die KI das in die User Stories eingearbeitet hat und dabei Aspekte zu Tage gefördert, an die ich nicht gedacht hätte. Etwa eine Funktion hinzuzufügen, um die Wunschliste auf Social Media zu teilen. Am Ende des Tages hat die KI tatsächlich ein besseres Produkt erstellt, als ich es im Alleingang geschafft hätte.
Was ich damit sagen will: Ich bin davon überzeugt, dass uns diese Tools tatsächlich besser machen werden. Bis zu einem gewissen Grad verleihen sie Superkräfte, die einen Softwareentwickler besser machen können. Es ist eine Art Mikrokosmos von Experiences, den unsere Mitarbeiter gerade erkunden.
Wo liegt Ihr Fokus beim Einsatz von Generative AI?
Burden: Wir setzen die Technologie hauptsächlich für User Stories und die Code-Generierung ein. Was letztgenannten Bereich angeht, haben wir allerdings verstärkt ein Auge auf die KI, denn hier ist sie noch nicht ganz ausgereift. In Sachen Pre- und Post-Software-Development spielt KI aber ohne Zweifel schon eine große Rolle. Alleine das deckt jedoch circa 80 Prozent der anfallenden Arbeit ab und realisiert im Ergebnis viele Vorteile.
Warum vertrauen Sie Generative AI noch nicht hundertprozentig?
Burden: Die Hauptbedenken beziehen sich auf Sicherheitsaspekte. Zum Beispiel die Frage, worauf das Modell, auf dem Sie aufbauen, eigentlich trainiert wurde. Wir haben deshalb damit begonnen, eigene Small Language Models mit einer sehr überschaubaren Codebasis zu entwickeln. Wenn Sie ein öffentlich verfügbares KI-Modell nutzen, können Sie schlicht nicht wissen, wie es entstanden ist. Für Fälle, in denen wir Tools einsetzen, die auf solchen Modellen basieren, haben wir einen sehr präskriptiven Prozess mit Sicherheitsüberprüfungen und anderen Leitplanken für die eigentliche Code-Generierung aufgesetzt. Zudem deuten Tools wie Devin oder Poolside bereits darauf hin, dass künftig verstärkt geschlossene Softwarebibliotheken zum Einsatz kommen, was das Vertrauen in diese Produktkategorie steigern dürfte.
Wir hatten noch keinen Fall, indem ein mit Copilot generierter Code eklatante Sicherheitslücken aufgewiesen hat. Was wir gesehen haben, waren einige schwächere Code-Beispiele und auch ein paar schlechte Algorithmen, die weniger gut funktioniert haben. Deshalb überprüfen wir den Output der KI weiterhin. Da wir mit Hunderten von verschiedenen Programmiersprachen arbeiten, hat sich zudem gezeigt, dass GenAI nicht ganz so gut performt, wenn es darum geht, Pascal- oder Fortran-Code zu erzeugen. Das liegt zum Teil daran, dass es für modernere Sprachen auch weit mehr Bibliotheken gibt – man denke nur an Java.
Bringen Sie der Technologie genug Vertrauen entgegen, um sie im Bereich Citizen Development einzusetzen und so eigene Business-Applikationen zu erstellen?
Burden: Die No-Code- und Low-Code-Anbieter da draußen machen diesbezüglich meiner Meinung nach einen guten Job und integrieren zunehmend GenAI-Funktionen in ihre Produkte, die auch Citizen Developer beflügeln können.
Ich kann mir für uns aktuell schwer vorstellen, dem Business einfach ein GenAI-Tool zu übergeben und einen Prompt dazu zu liefern. Offen gesagt hätten Nicht-Entwickler Schwierigkeiten damit, Software zu erstellen, die sowohl unseren Unternehmensstandards entspricht als auch den verschiedenen Architekturmustern und -modellen folgen kann, die für uns wichtig sind. Ich bin aber hundertprozentig davon überzeugt, dass diese Tools mit der Zeit besser werden.
Welche Leitplanken haben Sie eingezogen, um Problemen in Bezug auf Sicherheit, Datenschutz oder Urheberrecht vorzubeugen?
Burden: Wir setzen auf Kontrollen beim Software-Check-in-Prozess und stellen Nachweise über den Code bereit, der geschrieben wurde. So können wir jederzeit nachvollziehen, woher der Code stammt, und ihn pflegen. Und natürlich kümmern wir uns auch um alle Sicherheitsaspekte. Wie bereits erwähnt, lassen wir nicht zu, dass ungefiltert Code generiert wird. Generative AI kann uns inspirieren und uns dabei unterstützen, Dinge schneller zu erledigen. Aber sie direkt in Produktionssystemen einzusetzen, ist definitiv nichts, womit wir uns zu diesem Zeitpunkt beschäftigen. Dass wir irgendwann an diesen Punkt kommen werden, ist ziemlich sicher, aber das wird noch einige Zeit dauern.
Über welche Produktivitäts- und Effizienzsteigerungen können Sie berichten?
Burden: Im Bereich der Pre- und Post-Entwicklung ist die Produktivität um circa 40 Prozent gestiegen. Das hängt allerdings auch immer von der Legacy-Umgebung ab. Wenn keine Dokumentation für den Code oder die Anwendung existiert, sinkt der Wert entsprechend.
Was uns außerdem überrascht hat, war, dass Generative AI auch in Kombination mit Package Software wie SAP Mehrwert bringt. Das sind sicher keine 40 Prozent Produktivitätssteigerung, bringt uns aber weiter.
Können Sie genauer erläutern, was unter der Kombination von “Package Software” und GenAI zu verstehen ist?
Burden: Mit SAP verhält es sich nicht viel anders als mit der Softwareentwicklung: Neben der Systemkonfiguration gibt es noch jede Menge anderer Dinge zu erledigen – Key Decision Documents oder Testskripte zum Beispiel. Bei diesen Tasks kann die Technologie unterstützen.
Halten Sie es für notwendig, Ihre Datenbestände zu bereinigen, bevor Sie eine KI-Lösung ausrollen? Oder läuft das parallel zur Pilotphase?
Burden: Wenn es darum geht, KI als Tool einzusetzen, ist das nicht unbedingt nötig. Wenn Sie hingegen eine unternehmensweite Wissensdatenbank aufbauen wollen, ist meiner Meinung nach eine saubere Datengrundlage nötig. Ganz generell sollten Sie in diese Grundlage investieren, wenn Sie KI im Enterprise-Umfeld einsetzen wollen. Die gute Nachricht: Diejenigen, die diesbezüglich noch in Rückstand sind, können auch Generative AI nutzen, um ihre Daten zu bereinigen.
Können Sie das ausführlicher erläutern?
Burden: Mit Hilfe von Generative AI ist es zum Beispiel möglich, Dubletten oder falsch formatierte Inhalte innerhalb von großen Datenmengen zu identifizieren – inklusive Empfehlungen darüber, wie die bereinigten Daten aussehen sollten. Davon abgesehen haben wir festgestellt, dass die Technologie sich auch gut für die Anreicherung von Daten eignet.
Wie sind Sie vorgegangen, um Ihre Mitarbeiter in Sachen KI zu schulen, um zu gewährleisten, dass die Technologie sicher und verantwortungsvoll eingesetzt wird?
Burden: In großen Schritten. Wir wollten hier zwei Gruppen adressieren – diejenigen, die KI einsetzen und die, die die Tools bauen. Insgesamt wollen wir unsere KI-Workforce von derzeit 40.000 auf 80.000 Mitarbeiter verdoppeln.
Auch mit Blick auf unser Gesamt-Investment in Höhe von drei Milliarden Dollar geht es im Wesentllichen um die Menschen, die diese Systeme entwickeln werden – und die, die sie nutzen. Für sie haben wir ein internes Schulungssystem namens TQ – Technology Quotient – auf die Beine gestellt, dessen GenAI-Kurs bereits hunderttausendfach absolviert wurde. Das Ziel ist dabei, die Mitarbeiter zu befähigen, besser mit der Technologie umzugehen. Dazu kommen viele weitere, tiefergehende Kursen zur Nutzung generativer KI sowie den diversen Systemen, auf denen sie läuft. Wir bemühen uns also massiv, unsere Belegschaft neu zu skalieren.
Und: Es gibt keine KI-Workforce da draußen, die man anwerben könnte. Man muss seine eigene aufbauen. Wir empfehlen deshalb auch regelmäßig unseren Kunden, ihren Fokus in Sachen KI vor allem auf die Schulung und Weiterbildung zu legen.
Wie vermitteln Sie Ihre Botschaft bezüglich des Schulungsbedarfs und wie motivieren Sie Ihre Mitarbeiter dazu, sich aktiv zu beteiligen?
Burden: Das ist bei uns eine Top-Down-Angelegenheit: Unsere CEO hat es zu einer Priorität erklärt, unser Business für die GenAI-Ära vorzubereiten. Schließlich bildet die Technologie eine der wichtigsten Säulen, wenn es künftig darum geht, Dienstleistungen für unsere Kunden zu erbringen. Das ist auch so in unseren Schulungsmaterialien verankert.
Wir hören aber aus allen Bereichen, dass die Teilnahme an den GenAI-Kursen hoch priorisiert wird. Unsere Mitarbeiter sind ganz generell darauf erpicht, sich regelmäßig neu zu erfinden und nehmen das Angebot gerne an. Natürlich setzen wir darüber hinaus auch auf Gamification und andere Konzepte, um einen angemessenen Durchdringungsgrad im Unternehmen zu erreichen.
Die obligatorische Frage zum Schluss: Wird KI zum Jobkiller?
Burden: Sie wird neue, andere Jobs entstehen lassen. Prompt Engineer ist dabei nur das geläufigste Beispiel. Wir werden eine Menge gewöhnliche Dinge automatisieren und dafür mehr Raum haben, um Außergewöhnliches zu leisten. Wir gehen davon aus, dass die allermeisten Menschen davon profitieren werden, ihre Skills in Sachen KI zu erweitern.
Dass Arbeitsplätze vernichtet werden, glaube ich nicht – eher, dass die Arbeit an sich besser und erfüllender sein wird. Als Software Engineer kann ich mich jetzt mit wesentlich komplexeren und wichtigeren Problemen beschäftigen. Das ist sowohl für die Menschen als auch die Wirtschaft eine großartige Entwicklung. (fm)
- Andreas Schneider, IBM
„KI ist nur so gut wie die Daten, die sie füttert. Unternehmen benötigen daher eine AI- und Data-Plattform, um Modelle möglichst kontextspezifisch und kollaborativ zu trainieren, zu validieren und zu deployen. Gleichzeitig darf dabei nicht aus den Augen verloren werden, alle Beteiligten auch abzuholen. Dass Veränderungen, beispielsweise durch die Automation von Geschäftsprozessen, nicht immer auf Begeisterung stoßen, ist völlig menschlich. Soziale Aspekte und Ängste muss man deshalb genauso berücksichtigen wie Technologie und eine umfangreiche Governance von KI-Modellen.“ - Daniel Hummel, KI Reply
„Es reicht nicht aus, lediglich theoretisch über KI-Lösungen zu diskutieren und sie zu skizzieren. Stattdessen sollten wir diese Lösungen mithilfe von Mockups simulieren, um ihren Nutzen und ihre Machbarkeit besser zu verdeutlichen. Dank der neuesten Fortschritte in der KI können wir sie schnell in Proof-of-Concepts (PoCs) umwandeln. Dies eröffnet uns die Möglichkeit, sofort auf Veränderungen zu reagieren und den nächsten Schritt in Richtung Realisierung zu gehen. Für mich ist es von zentraler Bedeutung, die uns zur Verfügung stehenden Modelle bestmöglich zu nutzen. Damit können wir in Deutschland eigenständige Innovationen vorantreiben, anstatt die Lösungen anderer zu adaptieren.“ - Michael Koch, Lufthansa Industry Solutions
„Die Nutzung von KI bringt bereits heute viele Vorteile, wir müssen den Umgang damit aber noch erlernen. Die Vision: Wir sollten KI wie ein Flugzeug verwenden. Denn auf dem Weg in den Urlaub vertrauen wir der Technik und machen uns keine Gedanken darüber, wie zum Beispiel ein Triebwerk funktioniert. Der Weg ist sicherlich noch weit, aber mit den derzeit verfügbaren Sprachmodellen und KIs können wir schon heute einfach und verlässlich gewinnbringende Lösungen entwickeln, die aktuelle Sicherheits- und Datenschutzvorgaben berücksichtigen. Eine gute Lösung sollte verwendet werden, egal welche KI im Einsatz ist. Voraussetzung dafür ist, dass sie alle ethischen und gesetzlichen Rahmenbedingungen im Sinne einer Trustworthy AI und des EU-AI-Acts einhält.” - Christian Eckstein, MVTec Software
„Der Anteil von KI in Bildverarbeitungssystemen ist niedriger, als man vielleicht vermuten würde. Und das hat einen einfachen Grund: Die Modelle, die unsere Kunden selbst trainieren, müssen lokal ausgeführt werden. Die Idee, dass der Anlagenbetrieb von einer Internetverbindung oder einer Cloud abhängt, ist sehr absurd in der Industrie. Auch, dass Bilddaten von Fehlerteilen zum Beispiel nach aussen geschickt werden, ist für die meisten undenkbar. Weil die Modelle lokal ausgeführt werden, braucht es eine entsprechende Hardware. Eine GPU, die in der Fertigung gekühlt werden muss – auch das ist schwierig. Und schließlich ist KI für die meisten Anwendungen der Bildverarbeitung zu langsam. Die Inspektion von Folie zum Beispiel, die mit zig Metern pro Sekunde durch die Anlage läuft – da käme kein Modell hinterher.“ - Björn Ständer, Oracle
„Ein breites Einsatzgebiet für KI gibt es heute schon im Bereich Gesundheitswesen. Die Kombination aus supervised and unsupervised Leaning erschliesst neue Möglichkeiten im Bereich Diagnose und Behandlung. Dabei werden z.B. Messdaten von Smart Devices mit Modellen von Digital Twins kombiniert, um Erkenntnisse für eine Früherkennung oder neue Behandlungsmethoden zu gewinnen. Der Einsatz anonymisierter Bilderkennung unterstützt das Krankenhauspersonal beim Monitoring von Patienten und alarmiert Pflegekräfte über kritische Situationen – durch eine intelligente Automatisierung mit KI kann das Personal von Routinetätigkeiten entlastet werden – in Zeiten von Fachkräftemangel und steigendem Kostendruck dient der Einsatz von KI dem Wohl Patienten als auch der Kostenoptimierung des Providers.“ - Alexander Siebert, Retresco
„Mit ChatGPT haben wir zum ersten Mal eine White Collar Revolution. Vorher waren es die Kuka-Roboter, welche die Blue Collar Worker in den Fabriken bedroht haben. Nun sind plötzlich die Kreativprozesse betroffen, was Unternehmen vor große Herausforderungen stellt. Sowohl intern, weil die Marketing-Abteilungen um ihre Jobs fürchten, andererseits aber damit arbeiten müssen, um effizient zu bleiben. Aber auch von außen, weil plötzlich eine ganz andere Wettbewerbssituation gegeben ist. Mit KI-Sprachmodellen können kleine 1-Personen-Betriebe viel leichter Geschäftsmodelle aufbauen, welche sehr schnell herkömmliche Angebote bedrohen können.“ - Johannes Bohnet, Seerene
„Selbst vergleichsweise einfache Softwareprojekte entziehen sich durch ihre im wahrsten Sinne des Wortes übermenschliche Komplexität einem holistischen menschlichen Verständnis und damit der strategischen Steuerung durch menschliche Akteure. Seerene nutzt KI einerseits, um aus den Daten, die in den Software-Entwicklungsabteilungen bereits vorhanden sind, die Sichtbarkeit von Software-Produktionsprozessen bis hin zur Managementebene zu erreichen. Zum anderen setzen wir AI direkt in der Software-Entwicklung ein, um Vorhersagen treffen zu können, wo aus den Tätigkeiten heraus eine zukünftige Gefahr besteht, dass dort Fehlerquellen in den Code gelangen könnten.“
Dieser Beitrag basiert auf einem Artikel unserer US-Schwesterpublikation Computerworld.