Mit der zunehmenden Einführung von DevOps kommen die Software-Releases täglich in Schwung
Um schnellere Software-Releases zu ermöglichen, praktizieren DevOps-Teams jetzt auch ModelOps, und fast ein Drittel nutzt künstliche Intelligenz und Algorithmen des maschinellen Lernens für die Code-Überprüfung - mehr als doppelt so viele wie im letzten Jahr.
DevOps ist mehr als das neueste Schlagwort der Branche für agileres Computing - es ist der einzige Weg, Software-Releases so schnell auf den Markt zu bringen, wie es das Unternehmen verlangt, und gleichzeitig Qualität und Sicherheit zu gewährleisten. Künstliche Intelligenz und maschinelles Lernen werden zunehmend eingesetzt, um diesen Prozess zu unterstützen. Angesichts des Tempos der Veröffentlichungen ist der Prozess einfach zu viel, um ihn manuell zu überwachen. Und es funktioniert gut für viele IT-Shops.
Das ist das Wort von GitLab, das eine Umfrage unter 5.001 Technologiemanagern und -fachleuten veröffentlicht hat, die ein deutliches Wachstum der DevOps-Praktiken in den letzten 12 Monaten feststellt. Im Jahr 2022 gab ein beträchtlicher Teil der Befragten (47 %) an, dass DevOps oder DevSecOps ihre bevorzugte Methodik ist, was einem Anstieg von fünf Prozentpunkten gegenüber 2021 entspricht.
Mit diesem Anstieg von DevOps geht auch eine zunehmende Kadenz bei der Softwarebereitstellung einher, wie die Umfrage zeigt. 7 von 10 DevOps-Teams (70 %) veröffentlichen kontinuierlich Code - definiert als einmal täglich oder alle paar Tage - ein Anstieg von 63 % gegenüber dem Vorjahr. Mindestens 60 % der Entwickler veröffentlichen Code schneller als zuvor. Ganze 35 % gaben an, dass sie Code doppelt so schnell veröffentlichen, während 15 % Code drei- bis fünfmal schneller veröffentlichen. 8 % gaben an, dass der Code mehr als fünfmal schneller aus der Tür fliegt.
Um dies zu erleichtern, wird die Softwarebereitstellung auf ein höheres Maß an Automatisierung ausgerichtet - die Umfrage ergab, dass 62 % der DevOps-Teams ModelOps oder die Governance und das Lebenszyklusmanagement von Modellen der künstlichen Intelligenz anwenden. Mindestens 31 % der Teams nutzen aktiv KI- und maschinelle Lernalgorithmen für die Codeüberprüfung, mehr als doppelt so viele wie im letzten Jahr. Die Umfrage ergab auch, dass 37 % der Teams KI/ML beim Softwaretest einsetzen (gegenüber 25 %), und weitere 20 % planen, KI/ML in diesem Jahr einzuführen. Weitere 19 % planen, in den nächsten zwei bis drei Jahren KI/ML-gestützte Tests einzuführen.
Paradoxerweise herrscht in vielen Geschäften immer noch die Wasserfallmethode der Code-Freigabe vor, bei der Software entworfen und dann den QA-Teams oder Benutzern über die Wand geworfen wird. Der Prozentsatz der Teams, die Wasserfall verwenden, ist in diesem Jahr im Vergleich zum Vorjahr um 16 % gestiegen, berichten die Autoren der Umfrage. "Wasser/Scrum/Fall"-Praktizierende verzeichneten einen Anstieg von 23 % gegenüber dem letzten Jahr, fügen sie hinzu.
Die DevOps-Rollen verschieben sich weiter, wie die Umfrage ebenfalls zeigt. Entwickler übernehmen Ops-Jobs, Ops konzentriert sich auf Cloud- oder Plattform-Engineering, und Sicherheitsexperten sind in den Entwicklerteams aktiver.
Die Ausbreitung von Toolchains und die Sicherheit werden als die dringendsten Herausforderungen für DevOps-basierte Softwarebereitstellungen genannt, wie die Umfrage ebenfalls zeigt. Die Konsolidierung der Toolchain hat hohe Priorität, da 69 % der Manager oder Fachleute ihre Toolchains konsolidieren möchten, um Herausforderungen mit Überwachung, Entwicklungsverzögerungen und negativen Auswirkungen auf die Entwicklererfahrung zu bewältigen. Fast 40 % der Entwickler verbringen zwischen einem Viertel und der Hälfte ihrer Zeit mit der Wartung oder Integration komplexer Toolchains - mehr als doppelt so viel wie im Jahr 2021.
Sicherheit hat Cloud Computing als wichtigsten Investitionsbereich in DevOps-Teams überholt. Trotz des Wunsches, die Sicherheit nach links zu verlagern, stecken viele Unternehmen in ihrem Ansatz und ihren Ergebnissen noch im Entstehen - nur 10 % der Befragten gaben an, zusätzliches Budget für die Sicherheit erhalten zu haben. Darüber hinaus geben 50 % der Sicherheitsexperten in der Umfrage an, dass Entwickler Sicherheitsprobleme nicht erkennen - das sind 75 % der Schwachstellen.
Auf die Frage, was sie nutzen könnten, um ihre Arbeit besser zu erledigen, wünschen sich die Entwickler in der Studie mehr und bessere Code-Überprüfungen, automatisierte Tests und eine bessere Planung (alle mit 31 %). An zweiter Stelle stand KI/ML für das Schreiben und Überprüfen von Code (27 %), gefolgt von der Wiederverwendung von Code (26 %). "Diese Antworten stellen keine signifikante Abweichung von dem dar, was Entwickler im letzten Jahr gesagt haben, was vielleicht unterstreicht, wie schwierig es ist, systemische Prozess- und Technologieänderungen vorzunehmen", schlussfolgern die Autoren der Umfrage.