GitLab, Atlassian und MongoDB: Ein Blick unter die KI-Haube

14. September 2023

Im zweiten Teil unserer Serie analysieren wir die KI-Strategien stark wachsender Unternehmen aus dem Sektor Softwareentwicklung und Datenspeicherung. Wie sich GitLab, Atlassian und MongoDB in Position bringen, um von dem KI-Boom zu profitieren. 

Im ersten Teil unserer Serie zu den KI-Strategien von Softwareanbietern haben wir zunächst eine Übersicht gebracht und das Untersuchungsdesign erläutert. Heute starten wir die Analyse der KI-Strategien einzelner Unternehmen. Zunächst geben wir einen Überblick für die drei Unternehmen aus dem Bereich Softwareentwicklung und Datenspeicherung, GitLab, Atlassian und MongoDB. Danach zeigen wir auf, wie die Unternehmen KI in ihrem operativen Betrieb einsetzen.

GitLab enthüllt: Ein Blick in die Zukunft

GitLab ist eine webbasierte Plattform, die eine Reihe von Tools für Softwareentwicklung, Zusammenarbeit und DevOps anbietet, die es Programmierern ermöglicht, den gesamten Softwareentwicklungsprozess, von der Planung und Codierung bis hin zu Tests, Bereitstellung und Überwachung zu verwalten. GitLab ist sowohl in einer kostenlosen als auch in einer kostenpflichtigen Version erhältlich und bietet verschiedene Funktionen, die sich  in den Entwicklungslebenszyklus integrieren lassen. Dieses Toolkit dreht sich nicht nur um Git, ein leistungsstarkes, verteiltes Versionskontrollsystem, sondern erweitert dessen Fähigkeiten um ein Spektrum von Funktionen, die für eine effiziente und kollaborative Softwareentwicklung wichtig sind.

Im Kern ermöglicht GitLab Teams Nutzern eine robuste Versionskontrolle, um Quellcode zu speichern, zu verwalten und zu überwachen sowie Änderungen zu verfolgen. Zu den Funktionen zählen Code-Review, Merge-Requests und Inline-Kommentare. Dies fördert die effektive Teamarbeit und ermöglicht es Entwicklern, mühelos an Codeänderungen mitzuarbeiten.

GitLab verwaltet den Lebenszyklus der Softwareentwicklung und bietet ein integriertes Issue-Tracking-System für eine sorgfältige Aufgabenverwaltung. Es erleichtert die Bearbeitung von Aufgaben, Bugs und Feature Requests, gewährleistet eine nahtlose Integration mit Codeänderungen und bietet einen Überblick über den Projektfortschritt. Entwicklerteams können die Dokumentation innerhalb der Plattform erstellen und aktualisieren und so die Transparenz und Zugänglichkeit verbessern.

Mit der wachsenden Bedeutung der Containerisierung erwartet das Unternehmen, dass die Integration einer Container-Registry in GitLab besonders attraktiv für Nutzer wird. Diese Funktion ermöglicht es Teams, Docker-Container-Images effizient zu speichern und zu verwalten und die Containerisierung nahtlos in die CI/CD-Pipeline zu integrieren. 

Sicherheit und Compliance sind in der heutigen Software-Landschaft von großer Bedeutung, und hier greift der Sicherheitsscanner von GitLab und identifiziert Schwachstellen in der Codebasis, während die Funktionen zur Unterstützung der Compliance die Einhaltung verschiedener Vorschriften und Standards gewährleisten soll. 

Die All-in-One-Plattform von GitLab zielt darauf ab, den Softwareentwicklungs- und -bereitstellungsprozess zu rationalisieren, indem sie eine integrierte Umgebung für Versionskontrolle, Zusammenarbeit, CI/CD und mehr bietet. Der Fokus auf DevOps-Praktiken hilft Teams, schnellere Entwicklungszyklen, eine bessere Zusammenarbeit und eine höhere Softwarequalität zu erreichen.

Synergie der Innovation: KI und der Weg von GitLab

GitLab will in mehrfacher Hinsicht von der KI-Revolution profitieren. Mittels KI bietet GitLab Entwicklern neue Features und Funktionen an, die ihre Arbeit effizienter und produktiver machen sollen. So hat GitLab beispielsweise Code Suggestions implementiert, die Entwicklern mithilfe von KI Vorschläge für das Schreiben von Code unterbreiten und ihnen so helfen, ihren Code effizienter zu schreiben. Diese Funktion wird voraussichtlich in diesem Jahr nicht nur auf gitlab.com, sondern allgemein verfügbar sein.

Zweitens kann GitLab mit Hilfe von KI seine DevSecOps-Plattform verbessern, indem es KI in den gesamten Lebenszyklus der Softwareentwicklung einbezieht. GitLab hat KI-Funktionen entwickelt, wie z. B. „Suggested Reviewers“ für die Codeüberprüfung, „Explain this Vulnerability“ für die Behebung von Sicherheitslücken und Value Stream Forecasting für die Vorhersage der zukünftigen Teameffizienz. Diese KI-Funktionen tragen zur Verbesserung des gesamten Softwareentwicklungsprozesses bei und ermöglichen Teams eine effektivere Arbeit.

Drittens erweitert KI den adressierbaren Markt von GitLab, indem sie die Softwareentwicklung einfacher und für ein breiteres Publikum zugänglich macht. KI-gestützte Tools wie Code Suggestions können Nachwuchs- und Endnutzer anziehen und so den Pool an Personen erweitern, die Software entwickeln können. Diese gesteigerte Nachfrage nach Softwareerstellung kann den Bedarf an mehr Entwicklern erhöhen, was wiederum Chancen für GitLab schafft.

Darüber hinaus kann die DevSecOps-Plattform von GitLab diese Bemühungen unterstützen, wenn Unternehmen maschinelle Lernmodelle und KI in ihre Anwendungen integrieren. GitLab sieht in ModelOps, der Integration von Data Science-Teams mit Entwicklungs-, Sicherheits- und Betriebsteams, eine große Chance. Durch das Hinzufügen von ModelOps-Funktionen zu seiner Plattform kann GitLab die Anforderungen von Data-Science-Teams erfüllen und die Zusammenarbeit zwischen verschiedenen Rollen ermöglichen.

Insgesamt erweitert KI die Fähigkeiten von GitLab, verbessert die Produktivität der Entwickler, erweitert den adressierbaren Markt und positioniert GitLab als umfassende KI-gestützte DevSecOps-Plattform.

Atlassian entfesselt: Pionierarbeit für die Zukunft

Atlassian ist auf die Entwicklung von Software-Tools für die Zusammenarbeit von Teams aus den Bereichen Softwareentwicklung und Projektmanagement spezialisiert. Sie werden eingesetzt, um die Produktivität zu steigern, Arbeitsabläufe zu optimieren und die Kommunikation zwischen Entwicklern zu verbessern und sie zu operativer Exzellenz zu verhelfen. Die Produkte von Atlassian werden in vielen Branchen eingesetzt, darunter Softwareentwicklung, IT, Marketing, Projektmanagement.

Bei Jira steht das Projektmonitoring im Mittelpunkt. Es ermöglicht Teams die Planung, Überwachung und Ausführung von Aufgaben über ein ganzes Spektrum von Projekten hinweg. Die Fähigkeiten von Jira werden besonders in der Softwareentwicklung genutzt, vor allem bei der Fehlerverfolgung, dem Problem- und im agilen Projektmanagement. 

Confluence unterstützt wiederum Zusammenarbeit und Dokumentation. Diese Plattform bietet Teams eine kollaborative Plattform, auf der Dokumente, Wikis und Inhalte erstellt, gemeinsam genutzt und synchronisiert werden können. Ihre Aufgabe ist es, eine Kultur des Wissensaustauschs und ein rationalisiertes Informationsmanagement zu fördern.

Bitbucket ist eine Repository-Management-Lösung und bildet die Grundlage für eine Kontrolle der Codebasis und die Zusammenarbeit bei der Softwareentwicklung. Darüber hinaus setzt es sich für Continuous Integration und Continuous Delivery (CI/CD) Pipelines ein und gewährleistet einen reibungslosen Übergang von der Codeerstellung zur Bereitstellung.

Trello ist ein Tool für das visuelle Projektmanagement. Über eine intuitive Oberfläche mit Boards, Listen und Karten können Teams ihre Aufgaben allgemein und ihr Workflow-Management zusammenstellen. 

In Krisenzeiten steht Opsgenie im Rampenlicht. Als Plattform für Incident Management und Alarmierung gibt sie den Teams die Werkzeuge an die Hand, die sie benötigen, um auf Vorfälle zu reagieren und diese umgehend zu lösen. Dies umfasst Alarmierung, Bereitschaftsplanung und Ereignisverfolgung für ein nahtloses Ereignis-Management.

Für diejenigen, die sich mit den Feinheiten von Git-Repositories auseinandersetzen müssen, dient Sourcetree als Orientierungshilfe. Dieser grafische Git-Client vereinfacht die Verwaltung von Git-Zweigen, Commits und Merges innerhalb einer leicht zugänglichen Benutzeroberfläche und verbessert so die Effizienz der Codeverwaltung.

Schließlich wird Statuspage zu einem Leuchtturm der Transparenz. Es erleichtert die Kommunikation bei Serviceunterbrechungen oder bei geplanten Ausfallzeiten, indem es Echtzeit-Updates zum Service- und Anwendungsstatus liefert und Nutzer und Stakeholder auf dem Laufenden zu halten.

Verstärkte KI: Der Evolutionssprung von Atlassian

KI spielt eine wichtige Rolle im operativen Geschäft. Atlassian Intelligence, powered by AI, ist in alle Cloud-Editionen von Atlassian eingebettet und wird kostenlos angeboten. Diese Strategie zielt darauf ab, die Dynamik und die Migration von Kunden von Server- und Rechenzentren in die Cloud voranzutreiben. Atlassian erhofft sich, mehr Kunden zur Migration in die Cloud durch den Einsatz von KI bewegen zu können. 

Darüber hinaus soll Atlassian Intelligence die Wettbewerbsfähigkeit von Produkten steigern und die Konversionsraten für Neukunden sowie die Profitabilitätsraten gegenüber den Wettbewerbern in allen Märkten verbessern und neue Kunden gewinnen. Darüber hinaus sind einige Funktionen von Atlassian Intelligence in Premium- und Enterprise-Editionen verfügbar, was zu zusätzlichen Upgrades auf höherwertige Editionen führen kann.

Insgesamt sieht Atlassian in Atlassian Intelligence Möglichkeiten zur Monetarisierung. Die Unternehmensphilosophie besteht jedoch darin, sich zunächst auf Forschung und Entwicklung und die Schaffung von Kundennutzen zu konzentrieren. Atlassian zielt darauf ab, durch den Aufbau einer Reihe von Kernfähigkeiten langfristig von der KI-Welle zu profitieren .

Das Management setzt große Hoffnungen auf AI. Es soll die Migration der Kunden in die Cloud fördern, die Wettbewerbsfähigkeit der Produkte verbessern und Möglichkeiten zur Monetarisierung bieten. Das Unternehmen ist optimistisch, was das Potenzial von KI und ihre Rolle bei der Entfesselung des Potenzials von Entwickler-Teams angeht.

MongoDB offengelegt: Eine Reise beginnt

MongoDB bietet ein Open-Source-NoSQL-Datenbankmanagementsystem an, das für die Speicherung und Verwaltung unstrukturierter oder halbstrukturierter Daten konzipiert ist. Es fällt in die Kategorie der dokumentenorientierten Datenbanken, was bedeutet, dass es Daten in einem JSON-Dokumenten ähnlichen Format speichert, was es für verschiedene Arten von Anwendungen und Anwendungsfällen flexibel und skalierbar macht.

Zu den wichtigsten Merkmalen und Funktionen von MongoDB gehören:

Im Bereich der Datenbankverwaltung erweist sich MongoDB als dynamische Lösung, die eine Vielzahl innovativer Funktionen einführt, um die Landschaft der Datenspeicherung und -zugänglichkeit neu zu gestalten. Hier ein genauerer Blick auf die zentralen Aspekte:

Im Mittelpunkt des Designs von MongoDB steht der dokumentenorientierte Speicheransatz. Im Gegensatz zu herkömmlichen relationalen Datenbanken, die auf Tabellen und Zeilen basieren, speichert MongoDB Daten in Sammlungen von JSON-ähnlichen Dokumenten. Dieses adaptive Schema gibt Entwicklern die Freiheit, mit Daten zu arbeiten, die nicht einer starren Tabellenstruktur entsprechen, und fördert so Flexibilität und Kreativität.

Skalierbarkeit steht bei der Architektur von MongoDB im Mittelpunkt. MongoDB ist für die horizontale Skalierung ausgelegt, d. h. es kann Daten über mehrere Server oder Cluster verteilen. Diese Skalierbarkeit erweist sich als entscheidend, wenn es darum geht, große Datenmengen zu verarbeiten und einen Anstieg des Benutzerverkehrs zu bewältigen, ohne die Leistung zu beeinträchtigen.

Eine Eigenschaft ist die Flexibilität, die auf das  dynamische Schema zurückgeht. Das Hinzufügen oder Entfernen von Feldern aus Dokumenten hat keine Auswirkungen auf andere Dokumente innerhalb der Sammlung. Dies ist bei Szenarien wichtig, in denen sich Datenstrukturen im Laufe der Zeit weiterentwickeln, und es erspart den Entwicklern die Zwänge statischer Schemata.

Abfragen mühelos gemacht: MongoDB verfügt über eine Abfragesprache, die mit JSON vergleichbar ist und es den Benutzern ermöglicht, Daten abzurufen, zu filtern und zu sortieren. Diese Abfragemöglichkeit ist entscheidend für die Gewinnung aussagekräftiger Erkenntnisse und Informationen aus komplexen Datensätzen.

Die Effizienz beim Abrufen von Daten wird durch Indizes weiter gesteigert, die die Abfrageleistung erheblich verbessern. MongoDB unterstützt eine Reihe von Indizes, darunter Single-Field- und Compound-Indizes sowie geospatiale Indizes für standortbezogene Daten.

MongoDB bietet eine Reihe von Aggregationsfunktionen, mit denen Benutzer komplizierte Datentransformationen, Berechnungen und Aggregationen direkt in der Datenbank durchführen können. Dies vereinfacht die Datenverarbeitung und verbessert die analytischen Möglichkeiten.

Zuverlässigkeit und Ausfallsicherheit sind in jedem Datenbanksystem von größter Bedeutung. MongoDB berücksichtigt dies durch die integrierte Replikation, die es ermöglicht, Datenkopien auf mehreren Servern zu speichern. Diese Strategie gewährleistet eine hohe Verfügbarkeit und schützt vor Datenverlusten im Falle von Serverausfällen.

Bei der Verwaltung großer Datenmengen kommt die Sharding-Funktion von MongoDB ins Spiel. Bei dieser Technik werden die Daten durch Partitionierung auf mehrere Server oder Cluster verteilt, was eine effiziente Handhabung großer Datenmengen ermöglicht.

Im Kern setzt MongoDB auf die Effizienz von JSON at the Core. Für die Datenspeicherung wird das BSON-Format (Binary JSON) verwendet, das die effiziente Speicherung verschiedener Datentypen ermöglicht, von Strings über Arrays und Zahlen bis hin zu eingebetteten Dokumenten.

Darüber hinaus unterstützt MongoDB dynamische Abfragen, die es Entwicklern ermöglichen, Daten abzurufen, ohne vorher ein Schema festlegen zu müssen. Diese Anpassungsfähigkeit ist besonders wertvoll in Szenarien, in denen die Datenstrukturen fließend sind.

Im Hinblick auf Anwendungen, die auf standortbezogene Daten angewiesen sind, erweist sich die Unterstützung von MongoDB für Geospatial Queries als eine zentrale Funktion. Sie ermöglicht es Entwicklern, nahtlos mit geografischen Daten zu arbeiten und öffnet die Türen zu einer Vielzahl von standortbezogenen Anwendungen.

Erkundung des KI-MongoDB-Nexus

MongoDB profitiert in mehrfacher Hinsicht von KI. Etliche KI-Unternehmen und Entwickler von maschinellem Lernen (ML) gehören zu den Kunden von MongoDB, etwa Hugging Face, Tekion, One AI und Nuro. Da die Nachfrage nach KI-Anwendungen weiter steigt, erhofft sich MongoDB, mehr Kunden aus diesem Bereich zu gewinnen.

MongoDB sieht sich als Profiteur bei der Integration hin zu KI-fähigen Anwendungen; Unternehmen werden von älteren Technologien auf die Technologie von MongoDB migrieren, so die Hoffnung. Viele bestehende Anwendungen werden umgestaltet, um KI-Funktionen einzubinden, und MongoDB sieht sich dafür gerüstet. Geschwindigkeit, Skalierbarkeit und die multiplen Funktionen sollen zu einer attraktiven Wahl für KI-Anwendungen werden.

MongoDB erwartet, dass KI die Produktion von mehr Anwendungen beschleunigen und eine größere Nachfrage nach operativen Datenspeichern schaffen wird. KI werde wahrscheinlich zu einer schrittweisen Erhöhung der Softwareentwicklungsgeschwindigkeit führen und Unternehmen in die Lage zu versetzen,  ihre Softwareambitionen zu steigern, da die Produktivität der Entwickler durch den Einsatz von MongoDB steigt, zumal  es  ein umfassendes Spektrum an Funktionen bieten, die auf performante und skalierbare Weise bereitgestellt werden. Darüber hinaus wird die MongoDB-Plattform Atlas von Kunden zunehmend als Plattform für die Entwicklung und Ausführung neuer KI-Anwendungen gewählt. Die Plattform bietet eine performante und skalierbare Lösung mit einer Vielzahl von Funktionen und ist damit für KI-Workloads bestens geeignet.

Insgesamt bieten das Wachstum von KI-Anwendungen und der Bedarf an modernen Datenplattformen, die die Anforderungen von KI-gesteuerten Anwendungen bewältigen können, Chancen für MongoDB, neue Kunden zu gewinnen und seine Marktpräsenz zu erweitern.

In der nächsten Folge folgt die Analyse der KI-Strategien für Unternehmen aus den Bereichen Business Intelligence und Business-Planung.

Abonniere hier unseren kostenfreien Newsletter

Disclaimer

Dieser Beitrag stellt eine Meinungsäußerung und keine Anlageberatung dar. Bitte beachte die rechtlichen Hinweise.

Autor

  • Stefan Hartmann

    Stefan schaut auf eine mehr als 20-jährige Erfahrung in den Bereichen Aktien, festverzinsliche Wertpapiere, Derivate und Hedge Funds zurück. In seiner Tätigkeit als globaler Leiter des Quantitativen Research Teams bei ABN AMRO, hat er über 300 institutionelle Kunden in den USA, Europa und Asien zu allen Fragen des Investment Prozesses beraten. Zuvor war er 10 Jahre bei Salomon Smith Barney als Leiter des quantitativen Research Teams für Europa tätig, wo er Top Rankings in den großen Research Surveys erzielte. Stefan hat über 50 Research Veröffentlichungen zu allen Aspekten des Investment Prozesses in Aktien, festverzinsliche Wertpapiere und Währungen publiziert.

Stefan Hartmann

Stefan Hartmann

Stefan schaut auf eine mehr als 20-jährige Erfahrung in den Bereichen Aktien, festverzinsliche Wertpapiere, Derivate und Hedge Funds zurück. In seiner Tätigkeit als globaler Leiter des Quantitativen Research Teams bei ABN AMRO, hat er über 300 institutionelle Kunden in den USA, Europa und Asien zu allen Fragen des Investment Prozesses beraten. Zuvor war er 10 Jahre bei Salomon Smith Barney als Leiter des quantitativen Research Teams für Europa tätig, wo er Top Rankings in den großen Research Surveys erzielte. Stefan hat über 50 Research Veröffentlichungen zu allen Aspekten des Investment Prozesses in Aktien, festverzinsliche Wertpapiere und Währungen publiziert.

Aktuelle Beiträge

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert

Neueste Beiträge

Tags

Neuste Kommentare

Twitter

Instagram