»Refactoring: Kapazitätstechnische Perspektive
Vorher
- Was soll die KI verstehen, planen, ändern oder prüfen – und welches Modell eignet sich jeweils?
- Reichen Kontextfenster, GPU-Speicher und Laufzeit für einen repräsentativen Auftrag?
- Wie viel Zeit haben Fachverantwortliche, Entwickler und Betrieb für Prüfung und Einführung?
Währenddessen
- Wo warten Arbeiten auf Kontext, Modell, Tests oder menschliche Prüfung?
- Erzeugt die KI mehr Änderungen, als das Team zuverlässig abnehmen kann?
- Wie viele Änderungen dürfen gleichzeitig offen sein?
Nachher
- Wie viele fachlich akzeptierte Änderungen wurden mit welchem Gesamtaufwand erreicht?
- Welcher Engpass begrenzt weitere Arbeiten?
- Welche Aufgaben sind mit dem lokalen Modell und den vorhandenen Ressourcen wiederholbar machbar?