Der Begriff Pull Request beschreibt in der Softwareentwicklung die Prüfung von Quellcode, bevor Änderungen in die zentrale Codebasis übernommen werden. Für diesen Prozess bringen derzeit mehrere Anbieter neue KI-gestützte Review-Funktionen auf den Markt.
Eine aktuelle Analyse von FindSkill.ai, die auf Basis der jüngsten Releases von sechs KI-Werkzeugen für Pull-Request-Reviews erstellt worden ist, kommt zu dem Ergebnis, dass die Modelle derzeit vor allem bei verbreiteten Programmiersprachen wie Python, Java, TypeScript, Go und Rust ihre Stärken ausspielen können.
Bei Technologien außerhalb dieser „Modell-Stärkezone“ nehme die Trefferqualität dagegen ab. Als Beispiele für Programmiersprachen mit erhöhter False-Positive-Rate nennt der Beitrag unter anderem COBOL, Clojure, OCaml und Verilog. In solchen Umgebungen wird empfohlen, KI-gestützte Pull-Request-Reviews zunächst in Pilotprojekten zu testen, bevor sie breit eingesetzt würden.
Dazu erklärt Barun Roy Chowdhury, Senior Software Engineer bei DPS: „Pull Requests sind grundsätzlich auch in COBOL-Umgebungen möglich, werden im Mainframe-Umfeld der Finanzbranche bislang jedoch noch vergleichsweise selten eingesetzt. Einzelne Institute haben entsprechende DevOps-Verfahren aber bereits erfolgreich auch für ihre Mainframe-Teams etabliert. Ob KI-gestützte Pull-Request-Reviews künftig auch bei COBOL-Modulen zuverlässig Mehrwert liefern, muss aus meiner Sicht zunächst in Proof-of-Concepts und Pilotprojekten unter realen Bedingungen getestet werden.“
Darüber hinaus weist die Analyse darauf hin, dass KI-Reviews zwar Fehler, Stilprobleme und einfache Sicherheitslücken erkennen könnten, Architekturentscheidungen und langfristige Systementwicklungen jedoch weiterhin menschliche Reviews erfordern würden. (td)





