“Wir haben Software schon immer schneller angebaut, als wir über sie nachgedacht haben.” (Richard Seidl)
Jetzt schimpfen wir alle über KI-Slop, über generierte Texte, die keiner lesen will, und über Apps, die nach drei Wochen niemand mehr öffnet. Das nervt, keine Frage, aber es gab Slop schon lange vorher: Den haben wir selbst gebaut, in Handarbeit und über Jahrzehnte.
Schau Dir mal eine gewachsene Systemlandschaft an: Da hängt Modul an Modul, und an jedem hängen noch ein paar Schnittstellen, die irgendwann irgendwer gebraucht hat. Es gibt Masken mit Feldern, die keiner mehr befüllt, und Reports, die jeden Montag erzeugt und von niemandem geöffnet werden. Ich habe hier vor gut zwei Jahren über den Additive Bias geschrieben, unsere Neigung, Probleme lieber durch Dazubauen zu lösen als durch Weglassen. Das gilt bis heute, geändert hat sich jetzt das Tempo. Und dass wir jetzt noch weniger drüber nachdenken.
Denn jetzt kommt die KI dazu, und was machen wir damit? Wir bauen noch mehr Software mit noch mehr Features, nur eben schneller. Was früher ein Sprint war, ist heute ein Nachmittag: hier ein Prototyp, da ein neues Tool, und obendrauf schnell noch ein Agent. Slop heißt im Englischen eigentlich nichts anderes als Pampe, und von der produzieren wir gerade jede Menge.
Wer schon mal eine Soße gekocht hat, weiß, dass sie durch Einkochen besser wird, die Köche nennen das Reduktion. Für Software heißt das: Wir hätten jetzt ein Riesen-Potenzial mit KI im Bestand, also darin, die Software, die wir schon haben, zu verbessern, zu verschlanken und zu optimieren. Das war bisher mühsam und undankbar, denn freiwillig wühlt sich kaum jemand durch Code, an dem ganze Generationen von allerlei Menschen herumgebaut haben.
Ein paar Inspirationen dazu
Als Erstes toten Code, Dubletten und überflüssige Abhängigkeiten aufspüren, das ist mit KI mittlerweile ein No-Brainer geworden. Da tauchen Funktionen auf, die niemand mehr aufruft, dieselbe Logik an drei Stellen mit jeweils kleinen Abweichungen und Bibliotheken, die irgendwann mal jemand eingebunden hat, warum auch immer. Raus damit.
Dann Features finden, die niemand nutzt, und sie tatsächlich stilllegen. Mit KI ist die Liste der Kandidaten schnell erstellt. Unbequem wird es danach: Irgendwer muss dem Fachbereich sagen, dass eine Funktion abgeschaltet wird.
Genauso lohnt es sich, Altsysteme zu verstehen. Jeder kennt dieses eine System, das nur noch eine Handvoll Leute wirklich durchblickt. KI kann helfen, so etwas lesbar zu machen, zu erklären und verständlich zu dokumentieren und dabei gleich die fehlenden Tests nachzuziehen. Ohne Sicherheitsnetz traut sich niemand, irgendwas anzufassen, mit einem Netz aus Tests wird Aufräumen auf einmal machbar.
Deckt die Software den Geschäftsprozess von heute überhaupt noch ab, oder bilden wir mit viel Aufwand einen Ablauf nach, den es so längst nicht mehr gibt? Prozess-Refactoring, und auch hier hilft KI: Wenn sie Prozess und Code nebeneinanderlegt, werden die Lücken sichtbar und der Ballast gleich mit.
Jede Funktion, die wir so stilllegen, und jede Dublette, die verschwindet, macht ein System besser, ohne dass ein einziges neues Feature dazugekommen ist: Es wird verständlicher, lässt sich leichter testen und ist für das Team, das morgen damit arbeiten muss, eine deutlich kleinere Last.
Ich glaube, die Zeit, die uns KI schenkt, gehört ins Nachdenken.
