Nach Berichten südkoreanischer Medien zeigt eine Analyse über den aktuellen Zustand der südkoreanischen Softwareindustrie, dass Südkorea neben Ressourcen wie Künstlicher Intelligenz (AI) Modellen, Rechenleistung und Daten mit einem noch entscheidenderen Mangel konfrontiert ist: der unzureichenden Aktualisierung des Software-Engineering-Systems. Insbesondere in öffentlichen Software- und traditionellen Systemintegrationsprojekten bleibt die Entwicklungs- und Managementmethodik oft auf dem Niveau der 90er Jahre in den USA stehen, was ein bedeutendes Hindernis für die Industrialisierung von AI darstellt. AI-Analysen zeigen, dass die Wettbewerbsfähigkeit von AI nicht nur von Modellen, Halbleitern oder Datenreserven abhängt, sondern auch davon, ob es gelingt, durch ausgereifte Software-Engineering-Fähigkeiten die Technologie stabil in nachhaltige Dienstleistungen und Industriesysteme umzuwandeln.
Diese Fähigkeit umfasst nicht nur die Anzahl der Programmierer, sondern auch die Definition von Anforderungen, Architekturdesign, Tests, Bereitstellung, Betrieb und Wartung sowie die damit verbundenen organisatorischen Prozesse und institutionellen Arrangements. Der Bericht weist darauf hin, dass das Software-Engineering in den USA in den letzten 30 Jahren von einmaligen IT-Planungen schrittweise zu Unternehmensarchitekturmanagement übergegangen ist; von der Wasserfallentwicklung zu iterativer, agiler (Agile) und DevOps-Methodik; und von traditionellen dreischichtigen Monolitharchitekturen zu serviceorientierten Architekturen (SOA), cloud-nativen und AI-Agenten-Kooperationsentwicklungen.
Südkoreanisches Software-Engineering-System muss aktualisiert werden, um die AI-Industrialisierung zu fördern
Im Vergleich dazu hat Südkorea zwar in der Mitte der 2000er Jahre den Aufbau von Unternehmensarchitekturen gefördert und sich frühzeitig mit agilen Methoden, SOA usw. beschäftigt, jedoch wurden diese Ansätze in vielen Institutionen und Unternehmen nicht wirklich in die täglichen Entscheidungen und Entwicklungsprozesse integriert und blieben oft nur auf Dokumentations-, Projektliefer- oder Konzeptniveau. Öffentliche Projekte basieren weiterhin hauptsächlich auf Wasserfallvertragsstrukturen, die im Voraus festgelegte Umfang, Zeitrahmen und Abnahmebedingungen beinhalten, was die kontinuierliche Iteration und schnelle Lieferung einschränkt. Praktiken wie testgetriebene Entwicklung, kontinuierliche Integration, Code-Reviews und objektorientierte Analyse und Design sind ebenfalls nicht weit verbreitet.
Der Bericht hebt hervor, dass dieses Problem nach dem Beginn einer neuen Phase, in der AI-Agenten am Codieren teilnehmen, noch ausgeprägter wird. Obwohl AI die Entwicklungseffizienz steigern kann, wird es schwieriger, Fehler, Illusionen und Wartungsprobleme im generierten Code zu kontrollieren, wenn es an klaren Spezifikationen, automatisierten Tests, kontinuierlicher Integration/ kontinuierlicher Lieferung (CI/CD) und architektonischen Einschränkungen mangelt. Die Analyse empfiehlt, dass Südkorea gleichzeitig die Anpassung des öffentlichen Softwarebeschaffungssystems, die Ausbildung von Unternehmensarchitektur-Talenten sowie den Aufbau von Fähigkeiten in den Bereichen Anforderungsengineering, testgetriebene Entwicklung (TDD), CI/CD, cloud-native und AI-Agenten-Engineering vorantreiben muss, um die AI-Investitionen tatsächlich in industrielle Wettbewerbsfähigkeit umzuwandeln.