Connect with us

Künstliche Intelligenz

Software Testing: Software-Engineering von morgen


In dieser Episode sprechen Richard Seidl und Ina Schieferdecker über Next-Gen Software Engineering und Qualität im KI-Zeitalter. Schieferdecker plädiert für Shift-left und klare Testspezifikationen. Das Duo diskutiert, wie Low-Code und No-Code das modellbasierte Arbeiten stärken. Ina Schieferdecker warnt vor durchgewunkenem Code und stellt die Idee eines Model-Bus vor, der Anforderungen, Architektur, Tests und Ausführung über Werkzeuge synchron hält.

Weiterlesen nach der Anzeige

Prof. Dr.-Ing. Ina Schieferdecker ist unabhängige Forscherin und Honorarprofessorin für Softwarebasierte Innovationen an der Technischen Universität Berlin. Sie ist Mitglied der Deutschen Akademie der Technikwissenschaften (acatech) und Ehrenmitglied des German Testing Board e.  V. (GTB) sowie aktiv im International Software Testing Qualifications Board. Darüber hinaus ist sie Präsidiumsmitglied der Gesellschaft für Informatik sowie Vorstandsmitglied von Informatics Europe. Ihre Forschungsinteressen umfassen Software Quality Engineering, offene Datenplattformen und die Twin-Transformation von Digitalisierung und Nachhaltigkeit. Sie ist u.a. Preisträgerin des Deutschen Preises für Software-Qualität des ASQF, der GI-TAV und des GTB.


GenAI Summit 2026, Linien

GenAI Summit 2026, Linien

(Bild: TechSolution)

Der betterCode() GenAI Summit zeigt alle Aspekte der KI-gestützten Softwareentwicklung von geeigneten Tools über praktische Anwendungen bis zu den Auswirkungen auf Entwicklungsteams.

Das Programm des betterCode() GenAI Summit behandelt aktuelle Tools, Best Practices und Möglichkeiten, aber auch die Risiken und rechtlichen Rahmenbedingungen KI-gestützter Softwareentwicklung. Unter anderem gibt es Vorträge zu folgenden Themen:

  • Coding Agents im Praxiseinsatz: Auswahl und Orchestrierung
  • KI in der Praxis: Strategien zur Modernisierung komplexer Legacy-Systeme
  • Spec-Driven Development: Das Ende des Vibe Coding
  • Sicherheitsnetze für den sicheren Einsatz von Coding-Agenten
  • KI-generierter Code zwischen Effizienzgewinn und Rechtsrisiko
  • Design Patterns für das Zeitalter der Agenten

Bis zum 21. April sind die Tickets zum vergünstigten Frühbuchertarif von 999 Euro (zzgl. 19 % MwSt.) verfügbar.

Bei diesem Podcast dreht sich alles um Softwarequalität: Ob Testautomatisierung, Qualität in agilen Projekten, Testdaten oder Testteams – Richard Seidl und seine Gäste schauen sich Dinge an, die mehr Qualität in die Softwareentwicklung bringen.

Die aktuelle Ausgabe ist auch auf Richard Seidls Blog verfügbar: „Software-Engineering von morgen – Ina Schieferdecker“ und steht auf YouTube bereit.

Weiterlesen nach der Anzeige


(mdo)



Source link

Künstliche Intelligenz

Wissensgrundlagen zur Softwareentwicklung für Windows auf Arm64


Energieeffiziente Arm-Prozessoren gewinnen auch in Windows-Umgebungen an Bedeutung. Moderne Arm-Chips integrieren neben CPU und GPU auch neuronale Prozessoren (NPUs) für KI-Aufgaben, was auf Windows-Geräten neue Anwendungsszenarien ermöglicht. Für Entwickler ist dieser Trend mehr als eine reine Plattformfrage. Mit dem Wechsel der Prozessorarchitektur verändern sich grundlegende technische Annahmen – etwa zu Performance, Energieverbrauch und Kompatibilität bestehender Anwendungen. Um diese Auswirkungen einordnen zu können, lohnt sich ein Blick auf die architektonischen Unterschiede zwischen x64- und Arm64-Systemen.

Arm-CPUs folgen dem RISC-Prinzip (Reduced Instruction Set Computer) und sind auf Energieeffizienz ausgelegt. In der Praxis bedeutet das längere Akkulaufzeiten von 15 bis 20 Stunden Dauerbetrieb, während klassische x64-Laptops nach weniger Stunden erneut zu laden sind. Arm-Prozessoren erzeugen zudem weniger Abwärme und erlauben schlanke Lüfterdesigns.

  • Mit Windows 11 on Arm, nativer x64-Emulation und Toolsupport durch Visual Studio gewinnt Arm64-Targeting an Relevanz.
  • Frameworks wie Flutter, .NET MAUI, React Native und Unity, die auf plattformübergreifende Konsistenz angewiesen sind, profitieren von der einheitlichen CPU-Basis von Android, iOS und Windows.
  • Entwicklerinnen und Entwickler müssen ihre Entwicklungsstrategien, Build-Prozesse und Testumgebungen anpassen, wenn sie ihre Windows-Anwendungen Arm-tauglich machen oder neue Applikationen nativ schreiben möchten.


Dr. Veikko Krypczyk

Dr. Veikko Krypczyk

Dr. Veikko Krypczyk ist als Softwareentwickler und Trainer auf Blazor, WinUI 3 und .NET MAUI spezialisiert. Sein Wissen gibt er über Workshops und Seminare weiter.

Arm64 verwendet einen reduzierten, konsistenten Befehlssatz mit vielen Registern, während x64-CPUs komplexe CISC-Befehle (Complex Instruction Set Computer) und eine begrenzte Registeranzahl nutzen (weitere Unterschiede siehe Red-Hat-Seite). Für Entwickler ändert sich dadurch etwa der Umgang mit Inline-Assembler und bestimmten Compileroptimierungen: Sie müssen Portierungen speziell für Arm-Registernamen, Aufrufs- und Speicherkonventionen kompilieren. Gut geschriebener C- und C++-Code lässt sich jedoch mit einem anderen Compiler-Backend neu übersetzen, ohne die Logik anpassen zu müssen.


Das war die Leseprobe unseres heise-Plus-Artikels „Wissensgrundlagen zur Softwareentwicklung für Windows auf Arm64“.
Mit einem heise-Plus-Abo können Sie den ganzen Artikel lesen.



Source link

Weiterlesen

Künstliche Intelligenz

Fritzbox 7632: Fritz‘ günstigster Router für G.fast-Anschlüsse


Weiterlesen nach der Anzeige

Fritz (früher AVM) bringt die Fritzbox 7632 in den Handel. Sie ist der günstigste WLAN-Router des Herstellers, der die Übertragungstechnik G.fast unterstützt. Sie ist für kurze Kupferkabel innerhalb eines Hauses gedacht, wenn eine Glasfaserleitung nur bis zum Gebäude läuft (Fiber to the Building, FTTB), nicht aber bis in die eigenen vier Wände (Fiber to the Home, FTTH).

Manche Provider bauen Glasfaser bei Mehrfamilienhäusern etwa nur bis zum Keller aus. In den Wohnungen gibt es dann Internet über die Telefonleitung, im Bestfall mit G.fast-Unterstützung. Mit einem erweiterten Frequenzbereich von 212 MHz ermöglicht die Fritzbox 7632 ein Gigabit pro Sekunde im Down- und Upload. Der Router funktioniert alternativ auch an VDSL-Anschlüssen mit Supervectoring bis 300 Mbit/s.

Die restliche Ausstattung der Fritzbox 7632 entspricht einem Einsteiger-Router mit Wi-Fi 7. Sie funkt parallel in den 2,4- und 5-GHz-Bändern mit je zwei MIMO-Streams. Bei 5 GHz sind bis zu 2880 Mbit/s brutto möglich (bei 160 Megahertz Signalbreite); im 2,4-GHz-Band kommt der Router auf 690 Mbit/s. Auf das 6-GHz-Band verzichtet Fritz bei dem Modell.

Die Fritzbox 7632 hat vier Ethernet-Anschlüsse, einen mit 2,5 Gbit/s und drei mit je 1 Gbit/s. Der 2,5-Gbit/s-Anschluss fungiert auch als WAN-Port für ein externes Modem.

An einem USB-A-Port (bis 5 Gbit/s, USB 3.2 Gen 1, früher USB 3.0 genannt) lassen sich ein Drucker, ein Datenträger für einen eigenen Medienserver oder ein Mobilfunkstick für eine Internetabsicherung anschließen.

Weiterlesen nach der Anzeige

Der restliche Funktionsumfang entspricht dem Fritzbox-Standard: eine DECT-Basis (Digital Enhanced Cordless Telecommunications) für Telefone, DECT Ultra Low Energy (ULE) für Smart-Home-Geräte und alle Annehmlichkeiten von FritzOS.

Die unverbindliche Preisempfehlung liegt bei 269 Euro. Erste Händler wollen die Fritzbox 7632 ab Mitte Februar ausliefern. Die teurere Fritzbox 7682 (ab 310,98 €) hat doppelt so schnelles WLAN und mehr 2,5-Gbit/s-Ethernet, allerdings nur USB 2.0. Wer kein G.fast benötigt und mit USB 2.0 auskommt, kann zur günstigeren DSL-Fritzbox 7690 (ab 218,25 €) greifen.


(mma)



Source link

Weiterlesen

Künstliche Intelligenz

Studie: KI-Einsatz führt zu Mehrarbeit statt Entlastung


close notice

This article is also available in
English.

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

Forscher der Berkeley Haas School of Business warnen: Der Einsatz Künstlicher Intelligenz führt zwar dazu, dass Mitarbeiter schneller arbeiten und teilweise ihre Arbeitszeit sogar freiwillig ausdehnen – all dies aber möglicherweise auf Kosten ihrer Gesundheit. Es drohten Ermüdungserscheinungen, geschwächte Entscheidungsfähigkeit und Burnout. Als eine Art Zwischenbilanz der noch in Arbeit befindlichen Studie empfehlen die Forscher Unternehmen, klare Regeln für den Gebrauch von KI zu etablieren.

Weiterlesen nach der Anzeige

In der achtmonatigen Feldstudie zwischen April und Dezember 2025 wurde ein US-amerikanisches Tech-Unternehmen mit rund 200 Mitarbeitern untersucht. Das Unternehmen stellte den Angestellten dabei einen Zugang zu kommerziellen KI-Tools bereit, schrieb die Nutzung allerdings nicht vor. Die Zwischenergebnisse der Studie wurden jetzt im Harvard Business Review veröffentlicht.

Arbeitgeber dürfte es auf den ersten Blick freuen, dass der KI-Einsatz zu einer Arbeitsintensivierung führte. Mitarbeiter arbeiteten schneller, sie übernahmen ein breiteres Aufgabenspektrum und dehnten ihre Arbeitszeit aus – und dies oftmals freiwillig und ohne explizite Aufforderung. Die Forscher vermuten, dass die KI den Mitarbeitern das Gefühl gibt, mehr schaffen zu können und dass sich dies motivierend auswirkt.

Sie stellten auch Veränderungen im Arbeitsrhythmus fest: Es wurden an den Arbeitstagen weniger natürliche Pausen gemacht, es gab einen ständigen Wechsel zwischen verschiedenen Aufgaben, was durch das Auswerten von KI-Rückmeldungen und die wachsende Zahl von Aufgaben begünstigt wurde.

Weiterlesen nach der Anzeige

Dadurch, dass sich die Interaktion mit der KI in Chatform eher wie Plaudern als nach formaler Arbeit anfühlt und diese als Partner wahrgenommen wird, verschwammen auch die Grenzen zwischen Arbeit und dem restlichen Leben. Manche Arbeitshandlung fühlte sich plötzlich nicht mehr nach Arbeit an, weshalb auch die Hemmschwelle sank, Arbeit in die frühen Morgenstunden und den Abend zu verlagern.

Die Kehrseite der Medaille sei allerdings, dass sich nach Abklingen anfänglicher Begeisterung das Gefühl der Überforderung einstelle, weil Mitarbeiter dann plötzlich die „stille Zunahme“ der Arbeitslast spüren. Gesundheitliche Folgen seien chronische Ermüdung und Burnout. Den Unternehmen drohe in der Folge erhöhte Mitarbeiterfluktuation. Vorgesetzten falle es aber schwer, zu unterscheiden, was echte Produktivitätsgewinne seien und was nur nicht nachhaltige Intensität sei.

Um negative Folgen zu schwächen oder im besten Falle zu verhindern, raten die Forscher dazu, klare Grenzen zu setzen, wie KI eingesetzt werden soll und wann die Nutzung gestoppt werden sollte. Auch sollten Ausweitungen des Geschäftsumfangs bewusste Entscheidungen sein und nicht sich selbst überlassen bleiben. Ein nachhaltiger Produktivitätsgewinn sei nur dann zu erreichen, wenn sorgfältig bestimmt wird, wie weit KI integriert werden soll. Es brauche Zeit und Disziplin, eine neue Balance zu finden.


(mki)



Source link

Weiterlesen

Beliebt