Architectural Intelligence: Ist AI die bessere Softwarearchitekt:in

Wie heißt es so schön? Nicht die KI wird dir den Job nehmen, sondern diejenigen, die verstehen, wie man sie nutzt. Übertragen auf das Berufsbild der Softwarearchitekt:innen bedeutet das, sinnvolle KI-Szenarien zu entwickeln, die uns dabei unterstützen, unsere Arbeitsweise als Architekt:innen und die von uns zu fällenden Architekturentscheidungen zu verbessern. Leichter gesagt als getan. Denn dazu gilt es zunächst einmal die Möglichkeiten und Grenzen von KI zu verstehen und das, was uns als Mensch grundlegend von ihr unterscheidet. Was kann die KI bereits heute leisten und was eher nicht? Welche KI-basierten Tools können uns bei der Architekturarbeit unterstützen? Inwieweit sind die Ergebnisse der KI dabei belastbar und vertrauenswürdig? Und last but not least die alles entscheidende Frage: Liefern wir Menschen am Ende überhaupt noch den entscheidenden Mehrwert?

Transcript

1. #WISSENTEILEN Software Architecture meets AI Architectural Intelligence Lars Röwekamp | open knowledge GmbH | @mobileLarson
2. (Architecture, Cloud, AI & ML) Lars Röwekamp @mobileLarson CIO New Technologies OPEN KNOWLEDGE
3. Worum geht es in dem Talk?
4. AI meets Architecture Kann AI uns in der täglichen Arbeit helfen? AI 2 AI 1 AI 3
5. Das neue Normal Wo ist KI in der Software Entwicklung heute bereits normal?
6. Das neue Normal (Gen)AI und CODING • Code-Vervollständigung • Code-Generierung • Code-Review • Code-Dokumentation • Testgenerierung • Bug Fixing GenAI Voodoo
7. Das neue Normal (Gen)AI und CODING • Code-Vervollständigung • Code-Generierung • Code-Review • Code-Dokumentation • Testgenerierung • Bug Fixing GenAI Voodoo
8. Das neue Normal (Gen)AI und SOFTWARE ARCHITECTURE
9. Das neue Normal (Gen)AI und SOFTWARE ARCHITECTURE „Wie wirkt sich (Gen)AI auf Softwarearchitektur aus?“
10. Das neue Normal (Gen)AI und SOFTWARE ARCHITECTURE „Wie wirkt sich (Gen)AI auf Softwarearchitektur aus?“ 1. „Wie verändert (Gen)AI die Art und Weise, wie wir als Softwarearchitekten arbeiten?“ 2. „Wie verändert (Gen)AI die Dinge, die wir architektonisch gestalten?“
11. Daily Business Was machen Software Architekt:innen eigentlich?
12. („The six core activities for software architects.“, ISAQB) 3 2 4 5 6 1
13. („The six core activities for software architects.“, ISAQB) 3 2 4 5 6 Clarification of Requirements and Constraints
14. („The six core activities for software architects.“, ISAQB) 3 4 5 6 Clarification of Requirements and Constraints Design of Structures
15. („The six core activities for software architects.“, ISAQB) 4 5 6 Clarification of Requirements and Constraints Design of Structures Design of cross-sectional Concepts
16. („The six core activities for software architects.“, ISAQB) 5 6 Clarification of Requirements and Constraints Design of Structures Design of cross-sectional Concepts Evaluation of Architectures
17. („The six core activities for software architects.“, ISAQB) 6 Clarification of Requirements and Constraints Design of Structures Design of cross-sectional Concepts Evaluation of Architectures Communication of Architectures
18. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures Support during Implementation („The six core activities for software architects.“, ISAQB)
19. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures Support during Implementation („The six core activities for software architects.“, ISAQB) Wie kann GenAI uns dabei helfen?
20. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures Support during Implementation („The six core activities for software architects.“, ISAQB) Was kann GenAI gut* und was nicht so gut?
21. Was kann GenAI? Das ist schon ein bisschen Voodoo, oder?
22. Generative AI die Wahrsager-Maschine
23. Die Idee: Frage und Antwort liegen SEMANTISCH dicht beieinander. LLM Voodoo Wie generiert das LLM eine Antwort?
24. Die Idee: Frage und Antwort liegen SEMANTISCH dicht beieinander. Die semantische Nähe wird MATHEMATISCH mit Hilfe von Vektoren abgebildet. LLM Voodoo Wie generiert das LLM eine Antwort?
25. Hund Katze Tiger Maus Hamburg Berlin Madrid Amazonas Embedding Model 0.6 0.3 0.1 … 0.8 0.5 0.3 … 0.4 0.2 0.9 … Embeddings (semantische Vektoren)
26. Hund Katze Tiger Maus Hamburg Berlin Madrid Amazonas Embedding Model 0.6 0.3 0.1 … 0.8 0.5 0.3 … 0.4 0.2 0.9 … Embeddings (semantische Vektoren) Berlin: Stadt, Europa, Hauptstadt von Deutschland, …
27. Hund Katze Maus Tiger Hamburg Berlin Madrid Amazonas Embedding Model 0.6 0.3 0.1 … 0.8 0.5 0.3 … 0.4 0.2 0.9 … Hund Katze Tiger Maus Hamburg Berlin Madrid Amazonas Berlin: Stadt, Europa, Hauptstadt von Deutschland, …
28. Hund Katze Maus Tiger Hamburg Berlin Madrid Amazonas Embedding Model 0.6 0.3 0.1 … 0.8 0.5 0.3 … 0.4 0.2 0.9 … Hund Katze Tiger Maus Hamburg Berlin Madrid Amazonas
29. Hund Katze Maus Tiger Hamburg Berlin Madrid Amazonas „Kannst du mir ein paar europäische Hauptstädte nennen?“ Embedding Model 0.8 0.5 0.4 … „Kannst du mir …“: Stadt, Europa, Hauptstadt, … FRAGE:
30. Hund Katze Maus Tiger Hamburg Berlin Madrid Amazonas Embedding Model 0.8 0.5 0.4 … „Kannst du mir …“: Stadt, Europa, Hauptstadt, … „Kannst du mir ein paar europäische Hauptstädte nennen?“ FRAGE:
31. Hund Katze Maus Tiger Hamburg Berlin Madrid Amazonas Embedding Model 0.8 0.5 0.4 … „Kannst du mir …“: Stadt, Europa, Hauptstadt, … Unser Ziel? „Kannst du mir ein paar europäische Hauptstädte nennen?“ FRAGE:
32. Hamburg Berlin Madrid Amazonas Unser Ziel? Alles dafür tun, dass „Frage“ und „Antwort“ möglichst dicht beieinander liegen!
33. man woman king queen Ok, aber was ist jetzt das Tolle daran?
34. man woman king queen queen – woman + man = king Ok, aber was ist jetzt das Tolle daran? Wir können damit rechnen und „verstehen“.
35. man woman king queen Ok, aber was ist jetzt das Tolle daran? Wir können damit rechnen und „verstehen“. doctor – man + woman = ?
36. man woman king queen Ok, aber was ist jetzt das Tolle daran? Wir können damit rechnen und „verstehen“. doctor – man + woman = nurse
37. Transformer (LLM Layer) John wants his bank to cash the … ? Transformer (LLM Layer) John wants his bank to cash the … (verb) (verb) (John‘s) (finance) John wants his bank to cash the … ? (verb) (verb) (male) Enough context information to be able to „guess“ the next word. cheque ( ... ) Generative AI unter der Haube Tokens transformiert in Embeddings context aka hidden state
38. Large Language Model John wants his bank to … Large Language Model Next Token increase cash close … Probability 0.2 0.4 0.1 … Next Token account cheque money order … Probability 0.15 0.75 0.05 … John wants his bank to cash the … Generative AI unter der Haube
39. Generative AI unter der Haube CONTENT GENERIEREN CONTENT BESCHREIBEN CONTENT BEWERTEN CONTENT KORRIGIEREN
40. Generative AI unter der Haube CONTENT GENERIEREN CONTENT BESCHREIBEN CONTENT BEWERTEN CONTENT KORRIGIEREN Texte Bilder Sprache
41. Generative AI unter der Haube CONTENT GENERIEREN CONTENT BESCHREIBEN CONTENT BEWERTEN CONTENT KORRIGIEREN Quellcode Diagramme Dokumente Tabellen Skripte Module/Klassen Abhängigkeiten Dokumentation Beschreibungen Änderungen Code Analysen Kritikalität Inkonsistenzen NaN Fehleranalysen „Bug“ Fixing Refactoring Bereinigung Synthetic Data Self Healing Texte Bilder Sprache
42. GenAI als Sparringspartner Wie stelle ich die richtigen Fragen?
43. GenAI als Sparringspartner „Wir brauchen einen Web Shop!“
44. GenAI als Sparringspartner „Wir brauchen einen Web Shop!“ Und du bist der verantwortliche Architekt!
45. GenAI als Sparringspartner
46. GenAI als Sparringspartner
47. GenAI als Sparringspartner
48. GenAI als Sparringspartner
49. Role Instruction Example 1 Context Example n Question Wie sollte ein guter Prompt aufgebaut sein? Who am I (or the assistant)? What is my intention? What are helpful examples? Are there any additional information? BTW: what is the task I ask for? GenAI als Sparringspartner
50. You Can you suggest a good software architecture? LR GenAI als Sparringspartner
51. You Can you suggest a good software architecture? LR You Acting as an experiences software architect, you want to develop a new SaaS application for healthcare billing with the following requirements [YOUR REQ. HERE]. Can you suggest an architecture and its main buidling block as a starting point for further discussion? The output format should be in markdown and follow the ok arch. design rules. The following examples should serve a a guide when generating the architecture proposal: … LR Output Example Context Question Role Acting as an experiences software architect, you want to develop a new SaaS application for healthcare billing with the following requirements [YOUR REQ. HERE] Can you suggest an architecture as a starting point for further discussion including the main building blocks ? The output should be in markdown and follow the ok arch. design rules. The following examples should serve as a guide when generating the architecture proposal: …. . GenAI als Sparringspartner
52. User LLM Answer System Prompt User Prompt GenAI als Sparringspartner
53. User LLM Answer System Prompt User Prompt Prompting Patterns: • Pros and Cons • Stepwise Interaction • Flipped Interaction • Discussion of Experts / Think Tank GenAI als Sparringspartner Prompting Pattern
54. User LLM Answer System Prompt User Prompt Judge AI Metrics LLM Metrics RAG Metrics GenAI als Sparringspartner AI as a Judge
55. LLM User Retrieval Answer System Prompt User Prompt Context Augmention GenAI als Sparringspartner RAG Systems
56. LLM User Retrieval Answer (Vector)DB Lookup Relevance Ranking Chunk Selection Content Trimming Prompt Augmention System Prompt User Prompt Context Augmention GenAI als Sparringspartner RAG Systems
57. User System Prompt User Prompt Answer AI Agent(s) Workflow Automation Function Calling GenAI als Sparringspartner Agentic AI
58. Agentic AI Ok, kommt jetzt noch mehr Voodoo2 ?
59. Agentic AI vs. Generic AI CONTENT GENERIEREN CONTENT BESCHREIBEN CONTENT BEWERTEN CONTENT KORRIGIEREN Quellcode Diagramme Dokumente Tabellen Skripte Module/Klassen Abhängigkeiten Dokumentation Beschreibungen Änderungen Code Analysen Kritikalität Inkonsistenzen NaN Fehleranalysen „Bug“ Fixing Refactoring Bereinigung Synthetic Data Self-Healing
60. Agentic AI vs. Generic AI CONTENT GENERIEREN CONTENT BESCHREIBEN CONTENT BEWERTEN CONTENT KORRIGIEREN Quellcode Diagramme Dokumente Tabellen Skripte Module/Klassen Abhängigkeiten Dokumentation Beschreibungen Änderungen Code Analysen Kritikalität Inkonsistenzen NaN Fehleranalysen „Bug“ Fixing Refactoring Bereinigung Synthetic Data Self-Healing „intelligente“ Koordination
61. Gen AI AI Agents Agentic AI CREATES Generiert neuen Content, wie z.B. Texte, Bilder oder Quellcode. ACTS Führt Aufgaben automatisch auf der Basis von Zielen und Umgebung aus. THINKS Koordiniert eine Reihe von KI-Agenten, um komplexe Ziele und Vorhaben zu erreichen.
62. LLM Task Output Result Gen AI AI Agents Goal Agent Tools Output Objective Sub-Agents Output Tools & Memory Agentic AI
63. AGENT MODEL SERVICES Long-Term Memory Vector Datastore Execution Loop in out Plan Action Memory [ST] Tools Content Data Devices Code Services Human APPLICATION Function Calling LLM A #2 A #n . . . FLIGHTWHEEL Agentic AI vs. Generic AI
64. Daily Business v2 Wo kann KI Software Architekt:innen unterstützen?
65. CONTENT GENERIEREN CONTENT BESCHREIBEN CONTENT BEWERTEN CONTENT KORRIGIEREN Quellcode Diagramme Dokumente Tabellen Skripte Module/Klassen Abhängigkeiten Dokumentation Beschreibungen Änderungen Code Analysen Kritikalität Inkonsistenzen NaN Fehleranalysen „Bug“ Fixing Refactoring Bereinigung Synthetic Data Self-Healing „intelligente“ Koordination Was kann Agentic AI? Friendly Reminder
66. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures Support during Implementation („The six core activities for software architects.“, ISAQB) Die 6 Kernaktivitäten Friendly Reminder
67. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures Support during Implementation CONTENT GENERIEREN CONTENT BESCHREIBEN CONTENT BEWERTEN CONTENT KORRIGIEREN
68. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures Support during Implementation CONTENT GENERIEREN CONTENT BESCHREIBEN CONTENT BEWERTEN CONTENT KORRIGIEREN
69. Daily Business v3 KI in der Architekturarbeit auf dem Prüfstand.
70. Daily Business v3 Hands-on AI
71. Daily Business v3 Hands-on AI
72. Daily Business v3 Hands-on AI
73. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures Support during Implementation „That sounds like a great project!“ #WTF*, du bist eine Maschine! *(what a terrible fraud)
74. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures Support during Implementation „…, let‘s define key … .“ Was heißt hier „let us“?
75. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures Support during Implementation potenzielle fachliche Anforderungen benennen
76. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures Support during Implementation potenzielle fachliche Anforderungen benennen Unique set of requirements?
77. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures Support during Implementation potenzielle fachliche Anforderungen benennen Some pleasant surprises included!
78. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures Support during Implementation potenzielle fachliche Anforderungen benennen Some pleasant surprises included, too!
79. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures Support during Implementation potenzielle nicht-fachliche & technische Anforderungen benennen large, many, fast, …
80. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures Support during Implementation nützliches Bonus Material (du hast zwar nicht gefragt, aber …) Reasoning via for, if, … Explaining „business“
81. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures Support during Implementation OMG! This is great, isn‘t it? nützliches Bonus Material (du hast zwar nicht gefragt, aber …)
82. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures Support during Implementation Lücken & Mehrdeutigkeiten in Anforderungen erkennen
83. Clarification of Requirements and Constraints Design of cross-sectional Concepts Evaluation of Architectures Communication of Architectures Design of Structures Support during Implementation Building Blocks identifizieren und Strukturen ableiten
84. Clarification of Requirements and Constraints Design of cross-sectional Concepts Evaluation of Architectures Communication of Architectures Design of Structures Support during Implementation Building Blocks identifizieren und Strukturen ableiten Good Service Design? Good Module Design?
85. Clarification of Requirements and Constraints Design of cross-sectional Concepts Evaluation of Architectures Communication of Architectures Design of Structures Support during Implementation Building Blocks und Strukturen visualisieren
86. Clarification of Requirements and Constraints Design of cross-sectional Concepts Evaluation of Architectures Communication of Architectures Design of Structures Support during Implementation Building Blocks und Strukturen visualisieren
87. Clarification of Requirements and Constraints Design of cross-sectional Concepts Evaluation of Architectures Communication of Architectures Design of Structures Support during Implementation Building Blocks und Strukturen visualisieren
88. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures Support during Implementation Übergreifende Konzepte „entwerfen“ und dokumentieren
89. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Communication of Architectures Evaluation of Architectures Support during Implementation Architektur bewerten gemäß einer vorgegebenen Methode 1. Present ATAM 2. Present business drivers 3. Present the architecture 4. Identify architectural approaches 5. Generate quality attribute utility tree 6. Analyze architectural approaches 7. Brainstorm and prioritize scenarios 8. Analyze architectural approaches (with the added) 9.Present results
90. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Communication of Architectures Evaluation of Architectures Support during Implementation Architektur bewerten gemäß einer vorgegebenen Methode
91. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Communication of Architectures Evaluation of Architectures Support during Implementation Architektur bewerten gemäß einer vorgegebenen Methode
92. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Communication of Architectures Evaluation of Architectures Support during Implementation Architektur bewerten gemäß einer vorgegebenen Methode
93. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures Support during Implementation Template für Architekturdokumentation vorschlagen
94. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures Support during Implementation Dokumentation auf Basis vorhandener Quellen erzeugen
95. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures Support during Implementation Dokumentation auf Basis vorhandener Quellen erzeugen
96. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures Support during Implementation Dokumentation auf Basis vorhandener Quellen erzeugen
97. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures Support during Implementation Dokumentation auf Basis vorhandener Quellen erzeugen
98. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures Support during Implementation Source Code auf Basis von Beschreibungen generieren
99. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures Support during Implementation Basis für den ersten Service generieren
100. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures Support during Implementation Refactoring: Value Objects und Builder Pattern
101. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures Support during Implementation Refactoring: Domain Events and Event Publisher
102. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures Support during Implementation Bug Fixing: Tests laufen nicht (mehr) korrekt
103. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures Support during Implementation Bug Fixing: Tests laufen nicht (mehr) korrekt
104. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures Support during Implementation Refactoring: aktuelle Java Features nutzen
105. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures Support during Implementation Refactoring: JPA einbinden (bisher nur In-Memory Persistence)
106. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures Support during Implementation Refactoring: JPA Testing via Quarkus & Testcontainer
107. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures Support during Implementation Refactoring: Bootstraping mit generierten Demo Daten
108. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures Support during Implementation Refactoring: weiteren Service erzeugen
109. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures Support during Implementation Refactoring: weiteren Service erzeugen
110. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures Support during Implementation Refactoring: weiteren Service erzeugen
111. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures Support during Implementation Refactoring: Docker Capabilities hinzufügen
112. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures Support during Implementation Refactoring: Docker Capabilities hinzufügen
113. Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures Support during Implementation Refactoring: Docker Capabilities hinzufügen
114. Support during Implementation Clarification of Requirements and Constraints Design of cross-sectional Concepts Design of Structures Evaluation of Architectures Communication of Architectures
115. #openToWork?!
116. Human vs. AI Was unterscheidet uns Menschen eigentlich von der KI?
117. Lars: „How intelligent are you compared to a human?“
118. „It is comparatively easy to make computers exhibit adult level performance on intelligence tests or playing checkers, and difficult or impossible to give them the skills of a one-year-old when it comes to perception and mobility.“ ( Moravec's paradox, 1988)
119. „We know how to read a situation, body language and gauge appropriate behaviour. That is an area where AI is currently very poor at.“ ( Avraham Poupko, 2024)
121. vs.
122. trainiertes LLM
123. Weltwissen Werkzeuge Daten trainiertes LLM
124. Weltwissen Werkzeuge Daten trainiertes LLM Prompt
125. Weltwissen Werkzeuge Daten trainiertes LLM „kreativer“ Text Prompt
126. Mensch Werkzeuge Wissen
127. Mensch Kultur Werkzeuge Erfahrung Evolution Wissen
128. Mensch Werkzeuge Erfahrung Evolution echte (Inter)Aktion Kultur Wissen
129. genAI Mensch
130. genAI Mensch günstig schnell skalierbar antwortet „fragt“ scheut das Risiko kennt „Fakten“
131. genAI Mensch günstig schnell skalierbar antwortet „fragt“ scheut das Risiko kennt „Fakten“ teuer langsam einmalig fragt fühlt antwortet liebt das Abenteuer versteht Kontext
132. genAI Mensch Der Mensch versteht Zusammenhänge und kann dadurch kontext-spezifisch entscheiden. Die genAI (er)kennt Fakten und Muster und kann daher statistisch relevant Antworten geben.
133. Super Power Was ist die wirkliche Stärke von Software Architekt:innen?
134. Adaptability Descisions Comms Leadership („The four characteristics of great software architects.“, Tom Betts)
135. Adaptability Descisions Comms Leadership („The four characteristics of great software architects.“, Tom Betts) Learns by Mistakes
140. Das ist eine Falle! ;-)
143. Es werden keine konstruktiven Fragen gestellt. Es findet kein wirklicher Dialog statt. Es werden keine Entscheidungen getroffen. Es findet keine Anpassung an den Kontext statt. Old John versucht nicht den Kontext zu verstehen. Seine Argumente sind sehr allgemein gehalten. Fragen zu den Anforderungen des Systems fehlen völlig. Es werden keine Erfahrungen in die Diskussion eingebracht. Annahmen werden nicht hinterfragt oder gar korrigiert. Und genau das macht uns Menschen aus!
144. GenAI ist gut darin … • Texte für verschiedene Zielgruppen aufzubereiten • uns als Sparrings-Partner zu dienen • mit uns Brainstorming zu betreiben • Design-Optionen aufzuzeigen • Architektonische Trade-offs zu erklären • für uns Architectural Decision Records zu verfassen • parallel mehrere Szenarien durchzuspielen • und vieles mehr … GenAI kann uns aber unterstützen!
145. vs.
146. „LLM is a tool and not a replacement for your critical thinking. Always use it as a colaborator not as a decision-maker.“ vs. und Adel Ghlamallah, Software Architect, Book Author
147. KI-Tools sind deine neuen „Kollegen“, die dich gerne bei deiner Architekturarbeit unterstützen. Nicht mehr, aber auch nicht weniger. vs. und Lars Röwekamp, Software Architect, AI Euphorist & Realist
148. Takeaways Was kann ich aus diesem Talk mitnehmen?
149. GenAI ist ein Tool. Menschen nutzen Tools.
150. GenAI ist ein Tool. Menschen nutzen Tools. GenAI kennt „Fakten“. Menschen verstehen.
151. GenAI ist ein Tool. Menschen nutzen Tools. GenAI kennt „Fakten“. Menschen verstehen. GenAI unterstützen. Menschen entscheiden.
152. „The software architect will not be replaced by AI but by another software architect who makes smart use of AI.“
153. „Be the smart Architect.“
154. Zeit für Fragen? Immer!
155. #WISSENTEILEN Vielen Dank! #WISSENTEILEN by open knowledge GmbH @_openKnowledge | @mobileLarson Lars Röwekamp, CIO New Technologies
156. #WISSENTEILEN #WISSENTEILEN BILDNACHWEIS Folie 21: © photoplotnikov - istockphoto.com Folie 23: © Mix und Match Studios - shutterstock.com Folie 23: © Mix und Match Studios - shutterstock.com All other pictures, drawings and icons originate from • pexels.com, • pixabay.com, • unsplash.com, • flaticon.com or are created by my own.