Früher war die Fehlersuche eine Leistungssportart. Call-Stack ausdrucken, Klassennamen überfliegen, tippen, raten, hoffen. Wer in einem großen System mit ähnlich benannten Modulen unterwegs war, weiß, wie schnell aus "das haben wir gleich" ein halber Arbeitstag wurde. Harald Binkle kennt das aus der Praxis – und hat deshalb wenig Geduld für den Zustand, der lange als normal galt.
Sein Ansatz: Den Call-Stack samt Fehlermeldung direkt dem Copiloten übergeben, der Zugriff auf den Quellcode hat. Der analysiert, welche Aufrufketten infrage kommen, und liefert Lösungsvorschläge. Nicht als Ersatz für Entwickler:innen-Urteil, aber als erster Filter, der das Raten deutlich verkürzt. Bei Performance-Problemen auf Azure-Infrastruktur geht das noch weiter: Der Azure Copilot durchforstet Telemetriedaten, Application Insights, Service-Metriken und Alert-Historien – und liefert eine eingeordnete Analyse, wo das Problem tatsächlich sitzt. Nicht irgendwo in den Logs. Konkret.
Technical Debt ist das zweite große Thema von Harald. Veraltete Libraries, CVEs, API-Deprecations, Frameworks, die drei Majorversionen hinterherhinken – das kennt jedes Team. Neu ist, wie viel davon automatisiert behebbar ist. GitHub Copilot bringt seit Neuestem einen Autofix-Mechanismus mit: CodeQL-Analysen laufen im Hintergrund, entdecken Vulnerabilities und erzeugen automatisch einen Pull Request. Entwickler:innen müssen nur noch drüberschauen und abnicken. Ähnlich funktioniert es mit Dependabot, der Abhängigkeiten analysiert, verfügbare Updates bewertet – inklusive automatisch ausgeführter Unit-Tests – und dann einschätzt, ob ein Upgrade sicher durchführbar ist. In 90 Prozent der Fälle, sagt Harald, reicht ein kurzer Blick, bevor man den PR freigibt.
Darf es etwas mehr sein
Bei größeren Migrationen, wenn nicht ein einzelnes Package, sondern ein ganzes Framework aktualisiert werden muss, ist die KI-Unterstützung noch umfangreicher. Für Java, C# und inzwischen auch C++ gibt es agentische Frameworks, die direkt in der IDE unterstützen. In Azure lassen sich Migrationsassistenten für Infrastruktur und Datenbanken mit dem Azure Copilot verknüpfen – der wiederum Zugriff auf den Quellcode hat. Das Ergebnis: Assessments, die zeigen, welche Code-Änderungen nötig sind, wenn sich die Infrastruktur ändert. Kein stundenlanges Wälzen von Dokumentationen mehr, sondern ein strukturiertes Durchklicken.
Zur Legacy-Dokumentation hat Harald eine klare Haltung: Ja, KI kann Architekturdiagramme, Flussdiagramme und Ist-Zustands-Dokumentation aus dem Quellcode erzeugen – und aktuell halten, mit jedem Pull Request. Was fehlt, ist das Warum hinter einer Änderung. Aber auch das lässt sich schließen, wenn Tickets aus Jira oder GitHub Issues in den Kontext eingebunden werden. Und langfristig? Harald denkt, dass die Dokumentation irgendwann den Quellcode ablöst. Die Prosa-Spezifikation als neue Programmiersprache – und was im Hintergrund generiert wird, ist Nebensache.
Infinite AI Conference 2026, 30. Juni bis 1. Juli 2026, Mannheim
https://www.developer-world.de/infinite-ai
Harald Binkle verfügt über mehr als zwei Jahrzehnte Erfahrung in der Schnittmenge von Business und IT, hauptsächlich in Unternehmen, die auf Microsoft-Technologien setzen. Er war in unterschiedlichsten Bereichen tätig: Entwicklung, Projektmanagement, Produktverantwortung, Kundensupport und Beratung. In Software-Entwicklungsprozessen für Consumer-, B2B- und Enterprise-Anwendungen hat er Projekte wie das Produktionsleitsystem (MES) für Mercedes-Benz begleitet. Als Full-Stack-Entwickler und Architekt liegt sein Schwerpunkt auf dem Frontend; er ist verantwortlich für Entwicklung, Implementierung und Wartung von Cloud-Anwendungen auf Basis von Microservices-Architekturen. In den vergangenen Jahren hat er sich als Speaker, Trainer und Coach auf React-UIs und Tools wie GitHub Copilot fokussiert.
