Weitere Informationen

Hintergrund

Die zunehmende Verbreitung von AI-gestützten Entwicklungswerkzeugen wie GitHub Copilot oder ChatGPT verändert die Art und Weise, wie Software entsteht grundlegend. Unter dem Begriff „Vibe Coding" wird dabei ein Entwicklungsparadigma verstanden, bei dem Entwickler:innen großteils AI-generierten Code übernehmen, ohne ihn vollständig zu verstehen oder zu überprüfen. Während kurzfristig Produktivitätsgewinne entstehen, stellt sich die Frage, welche langfristigen Qualitätsrisiken damit verbunden sind, insbesondere hinsichtlich technischer Schulden. Klassische Qualitätsmetriken wurden für menschlich geschriebenen Code entwickelt und könnten für AI-generierten Code nur bedingt geeignet sein.

Aufgabenstellung

Ziel der Arbeit ist es, technische Schulden im Kontext AI-gestützter Softwareentwicklung systematisch zu untersuchen. Dabei sollen zunächst bestehende Konzepte technischer Schulden und klassische Qualitätsmetriken aufgearbeitet und auf ihre Eignung für AI-generierten Code geprüft werden. Mögliche Schwerpunkte umfassen:

• Systematische Literaturanalyse zu Qualitätseigenschaften von AI-generiertem Code und bekannten Qualitätsrisiken
• Untersuchung der Eignung klassischer Metriken (z.B. Komplexität, Kopplung, Duplikation) zur Bewertung AI-generierten Codes
• Empirische Analyse und Vergleich von AI-generiertem und menschlich geschriebenem Code anhand definierter Qualitätskriterien
• Ableitung erweiterter oder angepasster Qualitätskriterien speziell für AI-gestützte Entwicklung

Eigene Ideen und Schwerpunkte können in Absprache eingebracht werden.