Connect with us

Entwicklung & Code

GitLab 18.5: GitLab Duo Planner unterstützt Product Manager mit KI


close notice

This article is also available in
English.

It was translated with technical assistance and editorially reviewed before publication.

Mit 57 Neuerungen ist GitLab 18.5 erschienen. Die Entwicklungsplattform bietet unter anderem den KI-Agenten GitLab Duo Planner als Beta-Version – um Produktmanager mithilfe künstlicher Intelligenz bei ihrer Planung zu unterstützen. Auch Beta-Releases des GitLab Security Analyst sowie des Maven Virtual Registry UI und eine neue persönliche Homepage für GitLab-User sind enthalten.

Weiterlesen nach der Anzeige


Product Owner AI Day, Online-Konferenz am 6. November 2025

Product Owner AI Day, Online-Konferenz am 6. November 2025

(Bild: ipopba/stock.adobe.com)

Der Product Owner AI Day von iX und dpunkt.verlag zeigt dir am 6. November 2025, wie du als Product Owner, Produktmanagerin oder mit deinem Team KI konkret in deine Arbeit integrieren kannst – von der Discovery bis zum Rollout.

Der GitLab Duo Planner ist ein spezialisierter KI-Agent, mit dem Product Manager laut GitLab-Ankündigung im Sinne eines „proaktiven Teammitglieds“ zusammenarbeiten können. Dadurch müssen Product Manager einige Aufgaben nicht mehr manuell erledigen, etwa das Priorisieren von Arbeit oder das Zusammenfassen von Planungsdaten. Der Planner kann unter anderem beim Analysieren von Backlogs helfen sowie Priorisierungsframeworks wie RICE (Reach, Impact, Confidence, Effort) oder MoSCoW (Must have, Should have, Could have, Won’t have) anwenden.

Derzeit befindet sich der GitLab Duo Planner in der Beta-Phase und ist auf GitLab.com in allen bezahlpflichtigen GitLab-Editionen verfügbar. Zu den Limitierungen der Beta zählt, dass der Planner lediglich read-only auf Daten zugreifen, keine projektübergreifende Dependency-Analyse durchführen kann und benutzerdefinierte Workflows möglicherweise nicht versteht.


GitLab 18.5 präsentiert den GitLab Duo Planner.

GitLab 18.5 präsentiert den GitLab Duo Planner.

GitLab 18.5 präsentiert den GitLab Duo Planner.

(Bild: GitLab)

Als weiterer KI-Agent im Beta-Status steht der GitLab Security Analyst auf GitLab.com bereit – jedoch nur für User der Editionen Duo Core, Duo Pro und Duo Enterprise sowie Ultimate mit Add-on für GitLab Duo. Das Security-Tool kann unter anderem alle Sicherheitslücken in einem Projekt auflisten, detaillierte Informationen dazu liefern, die Schweregrade von Sicherheitslücken aktualisieren oder Issues für Sicherheitslücken erstellen.

Weiterlesen nach der Anzeige

Laut dem GitLab-Team lassen sich somit mühsame, repetitive Sicherheitsworkflows durch KI-gestützte Automatisierung und intelligente Analyse umsetzen, während Entwicklerinnen und Entwickler sich auf konkrete Sicherheitsbedrohungen konzentrieren können.

Zu den Highlights in GitLab 18.5 zählt darüber hinaus eine persönliche Homepage für alle GitLab-Nutzerinnen und -Nutzer. Diese soll als zentraler Überblick über To-Do-Items, zugewiesene Issues, Merge und Review Requests und zuletzt angesehene Inhalte dienen:


Persönliche Homepage für GitLab-User

Persönliche Homepage für GitLab-User

Persönliche Homepage für GitLab-User

(Bild: GitLab)

Weitere Details zu allen größeren Neuerungen in Version 18.5 bietet der GitLab-Blog.


(mai)



Source link

Entwicklung & Code

Apple: KI-Modell erkennt Softwarefehler mit 98 Prozent Genauigkeit


Apple hat ein neues Machine-Learning-Modell zur Vorhersage von Softwarefehlern vorgestellt. Wie der iPhone-Hersteller auf seiner Blogseite zur Machine-Learning-Forschung mitteilt, kombiniert das als ADE-QVAET bezeichnete System verschiedene KI-Techniken und erreichte in Tests eine Genauigkeit von 98,08 Prozent. Das Modell könnte die Qualitätssicherung in der Softwareentwicklung erheblich verbessern.

Weiterlesen nach der Anzeige

Entwickelt haben ADE-QVAET die Apple-Forscher Seshu Barma, Mohanakrishnan Hariharan und Satish Arvapalli. Die Abkürzung steht für Adaptive Differential Evolution based Quantum Variational Autoencoder-Transformer Model. Das System soll bestehende Probleme bei der automatischen Fehlererkennung lösen.

Die Besonderheit des Systems liegt in der Kombination mehrerer fortschrittlicher Machine-Learning-Ansätze: Der Quantum Variational Autoencoder (QVAE) ist auf Mustererkennung in den Daten spezialisiert, die Transformer-Komponente kann Code-Zusammenhänge verstehen und die Adaptive Differential Evolution (ADE) dient zur automatischen Optimierung während des Lernens.

In praktischen Tests zeigte ADE-QVAET gute Ergebnisse: Bei einem Trainingsanteil von 90 Prozent erreichte das Modell eine Genauigkeit von 98,08 Prozent, eine Präzision von 92,45 Prozent, einen Recall-Wert von 94,67 Prozent und einen F1-Score von 98,12 Prozent. Diese Werte liegen deutlich über denen herkömmlicher Differential-Evolution-Modelle, die Apple zum Vergleich heranzog.

Das ADE-QVAET-Modell nutzt einen Trick: Es verwendet Ideen aus der Quantencomputer-Forschung, läuft aber auf klassischen Computern. Dadurch kann es Muster in Daten besser erkennen. Die Transformer-Architektur, die ursprünglich für die Verarbeitung natürlicher Sprache entwickelt wurde, kann Abhängigkeiten über längere Code-Sequenzen hinweg erfassen. Auf diese Weise kann sie typische Fehlermuster erkennen, die bei isolierter Betrachtung einzelner Code-Zeilen leicht zu übersehen sind.

Weiterlesen nach der Anzeige

Für Softwareentwickler und Qualitätssicherungsteams könnte ADE-QVAET erhebliche Effizienzgewinne bringen. Normalerweise erfordert die Fehlersuche in großen Codebases viel manuelle Arbeit und Expertise. Ein KI-System, das potenzielle Fehlerquellen mit hoher Genauigkeit identifiziert, würde es Entwicklern ermöglichen, ihre Ressourcen gezielter einzusetzen und kritische Probleme frühzeitig zu erkennen.

Ob und wann Apples Forschung aber in die Entwicklungsumgebung Xcode einfließt, ist noch unklar. Bislang hat sich Apple dazu nicht geäußert. Die Veröffentlichung als Research-Paper deutet jedoch darauf hin, dass Apple aktiv an der Verbesserung von Entwicklerwerkzeugen durch Machine Learning arbeitet.

Trotz der guten Ergebnisse bleiben Herausforderungen bestehen. Laut Apple Research kämpfen ML-Modelle trotz der Fortschritte durch das ADE-QVAET-Modell weiterhin mit verschiedenen Datentypen und der Generalisierung auf unbekannte Codebases. Vereinfacht gesagt: Das Modell wird unsicher, wenn es Code analysieren soll, der ganz anders aufgebaut ist, als es dies von seinen Trainingsdaten kennt. Aus diesem Grund komme es darauf an, dass die KI mit qualitativ hochwertigen Daten trainiert wird.


(mki)



Source link

Weiterlesen

Entwicklung & Code

Die Produktwerker: Produktstrategie, OKRs und Discovery sinnvoll kombinieren


Viele Produktteams wirken nach außen extrem beschäftigt: Sie planen, tracken, messen, dokumentieren und liefern fleißig Features. Doch trotz all der Aktivität bleibt oft ein ungutes Gefühl: Kommt man wirklich voran – oder ist man einfach nur beschäftigt?

Weiterlesen nach der Anzeige

In dieser Podcastfolge spricht Oliver Winter mit Tim Herbig, Produktcoach, Autor und langjähriger Begleiter von Produktteams, über die zentrale Frage: Was macht echten Fortschritt aus? Tim Herbig hat mit „Real Progress“ gerade sein erstes Buch veröffentlicht – und teilt darin und in dieser Episode seine Überzeugung, dass Wirkung vor Beschäftigung steht. Produktteams sollten ihre Arbeit nicht an ausgelasteten Sprints oder ausgefüllten Roadmaps messen, sondern an der Veränderung, die sie bei Nutzerinnen und Nutzern sowie im Unternehmen bewirken.


Product Owner Day 2025, Online-Konferenz

Product Owner Day 2025, Online-Konferenz

(Bild: deagreez/123rf.com)

So geht Produktmanagement: Auf der Online-Konferenz Product Owner Day von dpunkt.verlag und iX am 13. November 2025 kannst du deinen Methodenkoffer erweitern und dich von den Good Practices anderer Unternehmen inspirieren lassen. Tim Herbigs Vortrag dreht sich um Real Progress.

Im Gespräch wird deutlich: Fortschritt entsteht nicht durch die Methoden oder Frameworks allein. Sondern durch Denken, Reflektieren und das bewusste Zusammenspiel von Produktstrategie, Discovery und Delivery. Wenn diese Disziplinen nicht miteinander verbunden werden, bleibt vieles Stückwerk – und verpufft im Alltag.

Tim Herbig berichtet offen, wie Feedback, kontinuierliches Lernen und mutige Entscheidungen ihn beim Schreiben seines Buchs vorangebracht haben – und warum genau diese Haltung auch für Product Owner und Produktteams entscheidend ist. Denn Feedback ist kein Kontrollinstrument, sondern ein Werkzeug für Entwicklung. Und Entscheidungen brauchen nicht nur Mut, sondern auch die Disziplin, den eigenen Fokus immer wieder auf Wirkung auszurichten.

Weiterlesen nach der Anzeige

Eine inspirierende Folge für alle, die sich weniger Output, aber dafür Outcome und echten Impact wünschen. Und für alle, die das Gefühl kennen: „Wir tun viel – aber was bewirkt es eigentlich?“

Die aktuelle Ausgabe des Podcasts steht auch im Blog der Produktwerker bereit: „Real Progress„.


(mai)



Source link

Weiterlesen

Entwicklung & Code

software-architektur.tv: Requirements Engineering mit req42


Von schlechten Anforderungen haben wir alle bereits gehört. Aber wie können Softwarearchitekten und -architektinnen mit fehlenden oder unklaren Requirements umgehen? Und wie hängen Anforderungen und Architekturentscheidungen eigentlich zusammen? In dieser Episode beantwortet Peter Hruschka, Mitbegründer von req42 und langjähriger Requirements-Engineering-Experte, diese und weitere Fragen. Das req42-Template bietet eine schlanke, Docs-as-Code-kompatible Struktur für Requirements-Dokumentation – und lässt sich nahtlos mit arc42 kombinieren.

Weiterlesen nach der Anzeige

Peter Hruschka teilt seine Erfahrungen aus Jahrzehnten der Projektarbeit: vom Übergang zwischen Problemraum und Lösungsraum über die Rolle von Qualitätszielen bis hin zu praktischen Notationen wie PAM.

Spoiler: Requirements Engineering und Softwarearchitektur gehören zusammen!

Diese Woche erscheint software-architektur.tv nicht freitags im Livestream, sondern Ralf und Peter haben das Video im Vorfeld aufgenommen.

software-architektur.tv ist ein Videocast von Eberhard Wolff, Blogger sowie Podcaster auf iX und bekannter Softwarearchitekt, der als Head of Architecture bei SWAGLab arbeitet. Seit Juni 2020 sind über 250 Folgen entstanden, die unterschiedliche Bereiche der Softwarearchitektur beleuchten – mal mit Gästen, mal Wolff solo. Seit mittlerweile mehr als zwei Jahren bindet iX (heise Developer) die über YouTube gestreamten Episoden im Online-Channel ein, sodass Zuschauer dem Videocast aus den Heise Medien heraus folgen können.

Weiterlesen nach der Anzeige

Weitere Informationen zu der Folge finden sich auf der Videocast-Seite.


(rme)



Source link

Weiterlesen

Beliebt