Die Informatik umfasst eine Reihe von Disziplinen, die mit der automatisierten Verarbeitung von Informationen zu tun haben, von der physischen Hardware über die Software-Schichten bis hin zu Netzwerken und Datensicherheit. Seit 2024 zeichnen sich mehrere technische Veränderungen ab, die diesen Bereich neu gestalten: Integration von künstlicher Intelligenz in Entwicklungsumgebungen, neue hardwarebasierte Architekturen für neuronale Berechnungen und ein europäischer Rechtsrahmen, der den Projektteams direkte Vorgaben auferlegt.
EU-IA-Gesetz: Was der Rechtsrahmen für IT-Projekte ändert
Das IA-Gesetz der Europäischen Union wurde 2024 endgültig verabschiedet, mit einer schrittweisen Inkraftsetzung. Diese Verordnung klassifiziert Systeme der künstlichen Intelligenz nach Risikostufen und legt sowohl für Herausgeber als auch für Integratoren spezifische Verpflichtungen fest.
Für die IT-Teams sind die Konsequenzen konkret. Systeme, die als hochriskant eingestuft werden (automatisierte Rekrutierung, Bank-Scoring, KI-gestützte medizinische Geräte), müssen Dokumentationspflichten, Transparenz der Modelle und das Management der Trainingsdaten einhalten.
Sogar interne Automatisierungsprojekte sind betroffen, sobald sie Entscheidungen betreffen, die Personen beeinflussen. Die Daten governance wird zu einer technischen Voraussetzung, nicht nur zu einer rechtlichen. Ein Unternehmens-Chatbot-Projekt muss beispielsweise bereits in der Planungsphase ein Register der verwendeten Daten für das Training und einen Mechanismus zur Erklärung der gegebenen Antworten vorsehen.
Lesetipp : Entdecken Sie die Eleganz und Kunst der Hochzeiten von Les Mariés de Sylvie
Die Erkundung der IT-Welt von The Web Brains ermöglicht es, diese regulatorischen Entwicklungen und deren Auswirkungen auf die Berufe im digitalen Bereich zu verfolgen.
Co-Programmierung IA: GitHub Copilot, CodeWhisperer und die Entwicklung von Code im Unternehmen
Seit 2023 haben die in IDE integrierten generativen KI-Tools die Art und Weise verändert, wie Code produziert wird. GitHub Copilot, Amazon CodeWhisperer, Google Duet AI und Microsoft Copilot beschränken sich nicht darauf, Zeilen zu vervollständigen: Sie schlagen ganze Blöcke vor, lesen bestehenden Code durch und bieten Korrekturen an.
Den Berichten von GitHub aus den Jahren 2023 und 2024 zufolge wird ein erheblicher Teil des Codes in Unternehmen und im Open Source nun von der KI vorgeschlagen oder überprüft. Der Entwickler verbringt mehr Zeit mit Validierung, Korrektur und Anleitung als damit, jede Anweisung manuell zu schreiben.
Was sich im Alltag für einen Entwickler ändert
Der Gewinn liegt nicht nur in der Schreibgeschwindigkeit. Die Co-Programmierung verändert die Art der gesuchten Fähigkeiten:
- Die Fähigkeit, einen präzisen technischen Prompt zu formulieren (ein erwartetes Verhalten, einen Grenzfall, eine Leistungsanforderung zu beschreiben), wird ebenso wichtig wie die syntaktische Beherrschung einer Sprache.
- Die kritische Überprüfung des von der KI generierten Codes nimmt einen zentralen Platz ein, da die Vorschläge Sicherheitsanfälligkeiten oder unerwünschte Abhängigkeiten einführen können.
- Unit-Tests und kontinuierliche Integration werden zum Sicherheitsnetz, das es ermöglicht, die erhöhte Produktionsgeschwindigkeit zu absorbieren, ohne die Qualität zu beeinträchtigen.
Dieser Wandel betrifft alle Programmiersprachen und Profile, vom Junior-Entwickler bis zum technischen Leiter. Die Ankündigungen von Microsoft während der Build 2024 bestätigen, dass diese Integration auf Büroanwendungen und Projektmanagement-Tools ausgeweitet wird.
KI-orientierte PCs: neue Hardware-Architekturen und Auswirkungen auf den Arbeitsplatz
Seit Ende 2023 treiben Microsoft, Qualcomm, Intel und AMD eine neue Generation von PCs mit NPU (Neural Processing Unit) voran. Diese Chips, die für neuronale Berechnungen entwickelt wurden, ermöglichen es, KI-Aufgaben lokal auszuführen, ohne die Cloud in Anspruch zu nehmen.
Der Unterschied zu einem herkömmlichen Prozessor liegt in der Architektur: Eine NPU ist für massiv parallele Matrixoperationen optimiert, die typisch für neuronale Netzwerke sind. Eine CPU verarbeitet diese Berechnungen, benötigt jedoch viel mehr Energie und Zeit für ein vergleichbares Ergebnis.
Konkrete Anwendungen an einem Arbeitsplatz
Die lokale Verarbeitung von KI eröffnet Möglichkeiten, die vor zwei Jahren auf einem Laptop nicht existierten. Die Echtzeit-Spracherkennung, die gleichzeitige Übersetzung während Videokonferenzen, die intelligente Unschärfe des Video-Hintergrunds oder die Analyse medizinischer Bilder vor Ort funktionieren nun ohne Internetverbindung.
Für Unternehmen, die Datenschutzanforderungen unterliegen, eliminieren lokale KI-Verarbeitungen den Datenverkehr zu entfernten Servern. Rechtsanwaltskanzleien, Gesundheitseinrichtungen und industrielle Forschungsbüros profitieren direkt von der Einhaltung der DSGVO.
Cloud-Computing und Edge-Computing: Wo die Grenze der Datenverarbeitung ziehen?
Die Cloud bleibt das Fundament der meisten professionellen IT-Infrastrukturen. Die großen Anbieter (AWS, Azure, Google Cloud) erweitern weiterhin ihre Kataloge an verwalteten Diensten, insbesondere im Bereich der künstlichen Intelligenz und Datenanalyse.
Edge-Computing ersetzt nicht die Cloud. Es ergänzt sie, indem es die Datenverarbeitung näher an die physische Quelle bringt. Eine Fabrik mit IoT-Sensoren, ein Netzwerk von Geschäften mit visueller Bestandsaufnahme, ein autonomes Fahrzeug: All diese Fälle erfordern eine sehr geringe Latenz, die die Cloud allein nicht garantieren kann.
Kriterien für die Wahl zwischen Cloud und Edge
- Die akzeptable Latenz: Unterhalb von einigen Millisekunden erfüllt nur eine lokale oder Edge-Verarbeitung das Bedürfnis.
- Das Volumen an Rohdaten: Terabytes an Videos in die Cloud zu übertragen, ist teuer in Bezug auf Bandbreite. Filtern und Komprimieren im Edge reduziert die Kosten.
- Die regulatorischen Anforderungen: In einigen Sektoren ist es vorgeschrieben, dass die Daten nicht einen definierten geografischen Bereich verlassen, was zu einer hybriden Architektur führt.
Der aktuelle Trend besteht nicht darin, ein Modell durch ein anderes zu ersetzen, sondern in einer verteilten Architektur, in der jede Schicht das behandelt, was sie am besten kann. Der Arbeitsplatz mit NPU, der Edge-Server am Rand und die zentralisierte Cloud bilden drei komplementäre Ebenen.
Die Informatik von 2025 zeichnet sich durch diese Überlagerung technischer Schichten aus, die jeweils unterschiedlichen regulatorischen, materiellen und wirtschaftlichen Anforderungen unterliegen. Die Wahl einer Architektur erfolgt nicht mehr ausschließlich nach Leistungsmerkmalen, sondern auch nach Konformität, Datensouveränität und der Fähigkeit, KI dort zu integrieren, wo sie einen messbaren Wert bringt.