Schon die Preview zu GitHub Copilot im Jahr 2021 ließ das Potenzial von generativen KI-Tools im Bereich der Softwareentwicklung erkennen. Zwei Jahre später wird Copilot immer besser, kostet Geld (auch für Einzel-, beziehungsweise Privatpersonen) - und hat außerdem Konkurrenz bekommen.

Letzteres hat auch dazu geführt, dass sich der Anwendungsbereich der Coding-Assistenten auf Generative-AI-Basis signifikant erweitert hat. Und inzwischen können die Tools mehr als nur Code zu generieren, wie unser Test zeigt.

3 Gen-AI-Tools für Entwickler im Test

Zunächst ein kurzer Überblick über die in diesem Artikel getesteten Gen-AI-Coding-Tools:

• Amazon CodeWhisperer konkurriert als "Coding Companion" direkt mit Copilot. Das Tool lässt sich ebenso in die IDEs Visual Studio Code und JetBrains integrieren, sowie generiert Codevorschläge als Reaktion auf Kommentare und -vervollständigungen auf Grundlage vorhandenen Codes. Zudem kann das Amazon-Tool Sicherheitsprobleme aufdecken. CodeWhisperer unterstützt fünf Programmiersprachen umfassend und weitere zehn in geringerem Maße. Optional ist CodeWhisperer sowohl in der Lage, seinen Code zu flaggen und protokollieren als auch Codevorschläge zu filtern, die Open-Source-Trainingsdaten ähneln.

• Google Bard stellt eine webbasierte Schnittstelle zum Large Language Model LaMDA (Language Model for Dialogue Applications) dar. Bard kann inzwischen bei Programmieraufgaben und angrenzenden Themen unterstützen. Sollte Bard Code ausgeben, der potenziell einer Open-Source-Lizenz unterliegt, werden die Quellen und entsprechenden Informationen mitgeliefert. Darüber hinaus kann Bard auch Code erklären.

• GitHub Copilot X ist eine ganze Reihe von Preview-Features, die den ursprünglichen Copilot um Chat- und Terminalschnittstellen, Support für Pull Requests und GPT-4-Integration erweitern. Um auf die Funktionen von Copilot X zugreifen zu können, ist aktuell ein Copilot-Abo obligatorisch. Das ermöglicht es Ihnen, sich auf eine Warteliste setzen zu lassen (in unserem Fall dauerte es circa vier Wochen, bis die Einladung zur Teilnahme erfolgte).

Wie die Tools getestet wurden

Für diesen Test haben wir den drei getesteten Gen-AI-Coding-Tools eine etwas komplexere Scraping-Aufgabe gestellt: die Artikel auf Infoworld.com unter Berücksichtigung verschiedener Kriterien aufzulisten. Dazu bekamen die Tools jeweils ein Outline - aber keine zusätzliche Hilfe. Die Tools, die Code-Erklärungen unterstützen, durften sich dafür zudem an einem Python-Codebeispiel aus einem MIT-Einführungskurs in die Informatik versuchen.

Das Outline für die getesten Generative-AI-Coding-Tools:

Scrape infoworld.com front page:

Open https://www.infoworld.com/

Find all articles by looking for links with 'article' in the href; extract title, author, date from each

List all articles alphabetically by title; eliminate duplicates

List all articles alphabetically by author last name

List all articles latest first