Wie KI Low-Code/No-Code-Entwicklung für DevOps beeinflusst

Low-Code und No-Code in der DevOps-Umgebung

Low- und No-Code-Tools sind darauf ausgelegt, die Programmierung zu demokratisieren. Sie tun dies, indem sie Modelle oder Vorlagen für verschiedene Arten von Anwendungen einführen und einfache Mechanismen zum Ausfüllen von Details ohne umfangreiche Codeeingabe durch die Entwickler bereitstellen.

Der Hauptunterschied zwischen Low-Code- und No-Code-Tools ist das Ausmaß, in dem sie eine vollständige Abkehr von traditionellen Programmiersprachen ermöglichen. Im Gegenzug haben diese Tools einen begrenzten Umfang an Anwendungsentwicklung, den sie unterstützen können.

Aus DevOps-Perspektive bieten Low-Code- und No-Code-Tools eine seltsame Mischung aus größerer Konsistenz und geringerer Gesamtkontrolle über den Code. Plattformen für Low- und No-Code-Entwicklung neigen dazu, Code auf der Grundlage eines bestimmten Modells zu generieren, und die allgemeinen Überlegungen zu Tests und Bereitstellung dieses Codes sind eher modellspezifisch als anwendungsspezifisch, insbesondere bei No-Code. Infolgedessen sind die Bereitstellungsprozesse ziemlich standardisiert, vor allem bei No-Code.

In Kombination mit KI werden Low-Code- und No-Code-Entwicklung einen ähnlichen Schwerpunkt in der DevOps-Umgebung haben, aber mit breiterer Wirkung. Unabhängig davon, ob das Unternehmen Low-Code oder No-Code einsetzt, können die Teams am meisten von KI profitieren, wenn sie sich auf einen der beiden Ansätze konzentrieren. Der erste Ansatz ist eine Low- oder No-Code-Plattform mit integrierter KI. Der zweite besteht darin, eine mit KI ausgestattete Plattform zum Anwendungs-Monitoring zu wählen, auf der die Teams dann spezifische DevOps-Tools einsetzen können.

Die Rolle der KI-unterstützten Entwicklung

Die Rolle der KI bei der Optimierung der Low-/No-Code-Pipeline variiert je nach den beteiligten Schritten. Letztendlich geht es bei Low-Code- und No-Code-Tools darum, dass sich die Entwickler nicht auf Betriebsexperten oder Programmierer verlassen müssen, um DevOps in ihrem Namen zu verwalten. Die meisten der beliebten Low- und No-Code-Tools sind eigentlich Entwicklungsplattformen, die DevOps- und Agile-Entwicklungsfunktionen enthalten. Künstliche Intelligenz (KI) ist eine neuere Ergänzung dieses Funktionsspektrums, ist aber noch nicht weit verbreitet.

Microsoft hat seine Power Platform mit integrierter KI beworben. Power Platform umfasst ein Low-Code-Tool namens Power Apps, ein No-Code-Tool zur Datenvisualisierung, Power BI, und eine Plattform zur Workflow-Automatisierung namens Power Automate. Andere Low-/No-Code-Plattformen mit integrierter KI sind die Appian-Plattform, Mendix Assist und Pega.

Die meisten dieser Plattformen nutzen die Copilot-Technologie, um KI-Funktionen hinzuzufügen, wenn sie Programme oder Skripte erstellen. Diese Tools sind oft einfacher zu bedienen und leistungsfähiger als solche, die Code mit wenig oder gar keinem menschlichen Eingriff generieren. Power Apps-Benutzer finden die KI-Copilot-Funktionen wertvoll. KI kann auch in Power BI ohne Code nützlich sein, aber da Tools ohne Code in der Regel grafisch oder formularbasiert sind, werden einige Benutzer KI dort nicht so hilfreich finden.

Die Verwendung eines Plattform-Tools für Low-/No-Code hat aus der DevOps-Perspektive Einschränkungen, da sich diese Tools im Vergleich zu diskreten Tools nicht so leicht in einen beliebigen DevOps-Workflow einfügen. Bei der No-Code-Entwicklung ist dieses Problem weniger wahrscheinlich, da professionelle Entwickler und ihre Tools und Arbeitsabläufe nur selten zum Einsatz kommen. Da Low-Code von einem Entwicklungsteam für Routineaufgaben verwendet werden kann, ist es wichtig sicherzustellen, dass eine Low-Code-Plattform mit den übrigen Elementen des Workflows integriert werden kann.

Implementierung von KI in der Low-/No-Code-Entwicklung

Wenn ein Unternehmen nicht über eine einzige Plattform für Low-/No-Code verfügt, ist eine übergreifende, auf Sichtbarkeit ausgerichtete und mit KI ausgestattete Betriebsplattform eine gute Strategie. Die meisten No-Code- und einige Low-Code-Anwendungen laufen ohne die Überwachung und Planung durch das IT-Ops-Team. Das bedeutet, dass die Beobachtbarkeit sowohl auf Anwendungs- als auch auf Ressourcenebene für die Optimierung der Kosten und der Qualität der Erfahrung wichtiger ist. Allgemeine, mit KI ausgestattete Plattformen wie Dynatrace bieten eine gute Gesamttransparenz für Anwendungen und Ressourcen. Es ist auch möglich, Plattformen wie Prometheus um KI-Tools zu erweitern.

Im Allgemeinen verwenden sowohl Low-Code- als auch No-Code-Technologien entweder ein Komponenten-Drag-and-Drop-Modell, ein Tabellen-/Formularmodell oder ein Assistenten-/Assistenzmodell. Low-Code bietet mehr Agilität und Flexibilität, da es Entwicklern ermöglicht, Komponenten mit herkömmlichen Programmierwerkzeugen zu erstellen. Diese Komponenten können dann dem bereits zusammengestellten Inventar von Dingen hinzugefügt werden, um eine Anwendung zu erstellen.

No-Code erlaubt zwar begrenzte Anpassungsmöglichkeiten, verlässt sich aber fast vollständig auf generierte Elemente. Bei Low-Code-Anwendungen bevorzugen die Entwickler in der Regel ein Copilot- oder Assistentenmodell, das Code vorschlägt. Tools wie der Copilot von GitHub können sowohl als Low-Code-Hilfe als auch als allgemeines Entwickler-Tool dienen. Man kann sogar argumentieren, dass die durch generative KI unterstützte Codierung selbst ein Low-Code-Ansatz ist.

Im Bereich No-Code geht der aktuelle Trend eher zur KI-gestützten Generierung von Visualisierungen und Dokumenten als zur Ergänzung der traditionellen No-Code-Techniken. Der KI-Effekt in diesem Bereich ist ein Schub in Richtung Output-Zentrierung, so dass No-Code mit KI eher zu einer Datenanalysestrategie als zu einer Entwicklungsstrategie wird.

Genauso wie Codeerstellung mit generativer KI eine Form von Low-Code ist, sind viele der KI/ML-Anwendungen, die in der Cloud oder als eigenständige Software verfügbar sind, Formen von Low- oder No-Code. Akkio, Amazon SageMaker, Apple Create ML, Google AutoML und eine Vielzahl von sich entwickelnden GPT-basierten Tools können Diagramme und Tabellen aus Daten generieren, was einer von KI weiterentwickelten Form von No-Code ähnelt.

Die in der Cloud gehosteten KI-zentrierten Ansätze für Low- und No-Code sind nicht mit einer echten Bereitstellung verbunden; betrachten Sie sie als Low- und No-Code-as-a-Service. Der Aufwand an Zeit, Geld und Engagement, der in diesen Ansatz fließt, ist bei weitem der größte im Bereich Low-/No-Code, so dass er in Zukunft wahrscheinlich dominieren wird. Bei diesem Ansatz werden die traditionellen Modelle zur Anwendungserstellung gegen KI ausgetauscht, so dass die Benutzer tatsächlich eine KI-Anwendung erstellen, anstatt in irgendeiner Weise zu programmieren.

DevOps ist der Workflow, der die Entwicklung mit der Bereitstellung verbindet. Low- und No-Code-Technologien unterstützen Citizen Developer und DevOps-Experten, die einfache Anwendungen erstellen. KI spielt bei dieser Entwicklung heute eine wichtige Rolle und wird in Zukunft sicherlich eine größere Rolle spielen. KI kann auch die Test-, Bereitstellungs- und Verwaltungsaufgaben in einem DevOps-Ablauf verbessern. Der beste Ansatz, um KI in eine dieser Aufgaben einzubinden, ist die Verwendung von Tools, die KI integrieren, anstatt zu versuchen, KI unabhängig zu nutzen.