Die Präsentation eines neuen KI-Modells zeigt, wie grosse Codebasen analysiert und Altanwendungen schrittweise modernisiert werden können. Besonders spannend: synthetische Daten, nicht als Massenware, sondern gezielt erzeugt, um Lernlücken zu schliessen – auch wenn belastbare Details noch fehlen. Für Unternehmen bleibt jedoch klar: Technische Machbarkeit genügt nicht. Wer geschäftskritische Systeme per KI baut, muss die Funktionsweise des Codes verstehen, sonst wachsen technische Schulden. Vielversprechend ist deshalb die Erzeugung nachvollziehbarer Low-Code-Artefakte wie Workflows oder Datenmodelle, die Fachbereiche einbinden.
Die offizielle Vorstellung von GPT-5 zeigt eindrucksvoll, welches Potenzial KI-Modelle für die Softwareentwicklung und die Modernisierung von Legacy-Systemen bieten. Gerade für große Unternehmen gilt jedoch: Technische Machbarkeit allein reicht nicht – eine verantwortungsvolle Umsetzung bleibt entscheidend.
Aus Forschungsperspektive klang bei der offiziellen Präsentation von OpenAI insbesondere ein Aspekt interessant – auch wenn es an Details noch mangelte: der Einsatz synthetischer Daten. Dabei geht es nicht nur darum, mehr Daten zu erzeugen, sondern gezielt die richtigen Daten zu generieren. OpenAI hat bislang kaum (oder gar keine) akademische Veröffentlichungen vorzuweisen. Umso spannender wäre es, wenn die Forschungsgemeinschaft die Möglichkeit bekäme, diese Ansätze im Rahmen von Peer Reviews zu bewerten und praktisch zu erproben.
Ebenfalls demonstriert wurde, wie GPT-5 in der Lage ist, große Mengen an Code zu verstehen, einschließlich der Entscheidungen auf Architektur- und Designebene. GPT-5 ist damit sicherlich nicht allein auf dem Markt, aber es ist ein weiteres Beispiel dafür, wie KI-Lösungen dazu beitragen, Legacy-Systeme und bestehende Anwendungen zu transformieren – indem sie sich sukzessive durch den Altcode arbeiten. Das ist auch deshalb entscheidend, weil viele Unternehmen innovative Technologien wie KI nutzen wollen, von ihren Altanwendungen aber gewissermaßen als Geiseln gehalten werden. Modelle wie das jetzt präsentierte GPT-5 bieten hier einen möglichen Ausweg.
Die Vorstellung, dass GPT-5 eine vollständige Anwendung von Grund auf entwickeln kann, ist zweifellos beeindruckend. Für Unternehmen darf diese Möglichkeit aber nicht der Weg sein, um geschäftskritische Anwendungen zu bauen. Sie müssen weiterhin verstehen, wie der erzeugte Code funktioniert – andernfalls laufen sie Gefahr, technische Schulden weiter anzuhäufen. Weitaus spannender ist hingegen die Idee, dass GPT-5 und vergleichbare Modelle Low-Code-Artefakte wie Workflows oder Datenmodelle erzeugen können, die auch für Fachanwender nachvollziehbar und verständlich sind.
Autor: Peter van der Putten, Director AI Lab and Lead Scientist bei Pegasystems.
Pegasystems
Pegasystems ist ein weltweit führendes Unternehmen im Bereich der Software für Customer Engagement und digitale Prozessautomatisierung. Mit seiner Plattform unterstützt Pega Unternehmen dabei, komplexe Geschäftsprozesse zu automatisieren, Kundeninteraktionen zu verbessern und operative Effizienz zu steigern. Die Software von Pega, die auf Technologien wie Künstlicher Intelligenz und Machine Learning basiert, wird in verschiedenen Branchen eingesetzt, darunter Finanzdienstleistungen, Gesundheitswesen und Telekommunikation.
