ChatGPT in der Softwarewartung: Sinnvolle und unsinnige Anwendungsfälle

In vielen IT-Teams läuft ChatGPT inzwischen nebenbei mit. Ein Entwickler kopiert eine Fehlermeldung hinein. Ein anderer lässt sich einen Regex erklären. Ein dritter fragt, warum eine zehn Jahre alte Funktion überhaupt existiert. Das passiert oft ohne Absprache und ohne Regeln.

Für Entscheider stellt sich eine einfache Frage: Hilft ChatGPT bei der Softwarewartung wirklich, oder ist es nur ein weiteres Werkzeug das Zeit kostet statt spart? Die ehrliche Antwort lautet: beides, je nachdem wofür man es einsetzt.

Dieser Artikel trennt sinnvolle von unsinnigen Anwendungsfällen. Konkret, ohne Übertreibung in beide Richtungen.

Die Ausgangslage ist meistens dieselbe: eine gewachsene Anwendung, wenig Dokumentation, ein Team das schnell vorankommen will. ChatGPT verspricht genau das. Ob es hält, hängt von der Aufgabe ab.

Wo ChatGPT bei der Softwarewartung wirklich hilft

ChatGPT ist stark bei Aufgaben mit klarem Input und überprüfbarem Output. Bei Legacy-Code trifft das öfter zu als man denkt.

Alten Code erklären

Wer eine gewachsene PHP-Anwendung aus 2012 übernimmt, kennt das Problem: Funktionen ohne Kommentare, kryptische Variablennamen, keine Dokumentation. ChatGPT liest solchen Code und erklärt in normaler Sprache was er tut.

Das ersetzt keinen erfahrenen Entwickler. Aber es beschleunigt die Einarbeitung erheblich. Aus Stunden werden oft Minuten, bis man versteht was eine Funktion überhaupt macht.

Regex und kleine Skripte schreiben

Reguläre Ausdrücke sind notorisch schwer zu lesen und zu schreiben. ChatGPT übernimmt diese Fleißarbeit zuverlässig. Gleiches gilt für kleine Hilfsskripte: eine CSV-Datei umformatieren, Logdateien filtern, Testdaten generieren.

Diese Aufgaben sind eng begrenzt und leicht zu prüfen. Genau dafür ist ein Sprachmodell geeignet.

CVEs und Fehlermeldungen einordnen

Bei einer neuen Sicherheitsmeldung fragen sich viele Entwickler zuerst: Betrifft das uns überhaupt? ChatGPT hilft dabei, eine CVE-Beschreibung in normale Sprache zu übersetzen und einzuschätzen, welche Voraussetzungen für einen Angriff nötig sind.

Die endgültige Entscheidung, ob gehandelt werden muss, bleibt trotzdem Aufgabe eines Menschen. Aber die erste Einordnung geht spürbar schneller.

Dokumentation nachträglich erstellen

Viele Legacy-Systeme haben keine oder veraltete Dokumentation. ChatGPT kann aus dem Code eine erste Beschreibung ableiten: Was macht dieses Modul, welche Parameter nimmt diese Funktion entgegen, welche Abhängigkeiten bestehen.

Ein Mensch muss das Ergebnis trotzdem gegenlesen. Aber der erste Entwurf, der sonst tagelang manuell entsteht, steht in Minuten.

Wo ChatGPT an seine Grenzen stößt

Genauso wichtig wie die Stärken sind die Grenzen. Wer sie ignoriert, handelt sich neue Probleme ein statt alte zu lösen.

Sicherheitsrelevante Entscheidungen

Ob eine Sicherheitslücke kritisch ist, hängt vom konkreten System ab: welche Daten betroffen sind, wie das System eingebunden ist, wer Zugriff hat. ChatGPT kennt diesen Kontext nicht und rät oft zu allgemein.

Eine Einschätzung wie "das ist wahrscheinlich unkritisch" kann teuer werden, wenn sie falsch ist. Sicherheitsentscheidungen gehören in die Hände von jemandem, der das System wirklich kennt.

Architektur und größere Refactorings

Bei kleinen, klar abgegrenzten Aufgaben liefert ChatGPT brauchbare Vorschläge. Bei der Frage, wie ein ganzes System umgebaut werden sollte, wird es unzuverlässig. Dem Modell fehlt der Überblick über gewachsene Abhängigkeiten, historische Entscheidungen und ungeschriebene Regeln im Code.

Wer ein KI-Agenten Code-Review einsetzt, um Änderungen automatisch prüfen zu lassen, sollte genau diese Grenze kennen. Ein Agent findet formale Probleme. Er versteht selten, warum eine Ausnahme im Code absichtlich dort steht.

Auch bei Tests gilt das. ChatGPT schreibt brauchbare Testfälle für einzelne Funktionen. Ob die richtigen Fälle getestet werden, also ob die wichtigen Randfälle eines Geschäftsprozesses abgedeckt sind, muss weiterhin jemand beurteilen, der das Fachgebiet kennt.

Vorschläge ungeprüft übernehmen

Der größte Fehler ist nicht die Nutzung von ChatGPT, sondern das blinde Vertrauen in die Antworten. Code, der auf den ersten Blick funktioniert, kann trotzdem Sicherheitslücken oder Fehler enthalten, die erst später auffallen.

Dieses Muster hat inzwischen einen Namen: Vibe Coding. Gemeint ist, Code zu übernehmen weil er richtig wirkt, ohne ihn wirklich zu verstehen. Bei neuen Projekten ist das riskant. Bei gewachsener Legacy-Software, wo ein einziger Fehler den ganzen Betrieb stören kann, ist es gefährlich.

Datenschutz beim Einsatz von ChatGPT

Ein Punkt wird oft übersehen: Was in ChatGPT eingefügt wird, verlässt das eigene System. Bei Code mit Kundendaten, internen Zugangsdaten oder personenbezogenen Informationen ist das ein DSGVO-Thema.

Vor jeder Nutzung sollte klar sein, welche Daten ChatGPT sehen darf und welche nicht. Eine einfache Regel hilft: Kein Produktivcode mit echten Daten, keine Zugangsdaten, keine Kundeninformationen. Testdaten und anonymisierte Ausschnitte sind meist unproblematisch.

Diese Regel klingt banal, wird in der Praxis aber häufig übersehen. Ein Entwickler unter Zeitdruck kopiert schnell einen Fehler samt Log-Ausschnitt in den Chat, ohne die enthaltenen Kundendaten zu entfernen. Genau solche Momente entscheiden, ob ChatGPT im Team zum Risiko wird oder nicht.

Wer ChatGPT über eine eigene API-Anbindung einsetzt statt über die öffentliche Oberfläche, hat mehr Kontrolle über diese Fragen. Wie eine solche Anbindung in eine bestehende PHP-Anwendung aussieht, beschreiben wir in einem eigenen Artikel zur ChatGPT-API-Integration.

So setzen Sie ChatGPT sinnvoll in der Wartung ein

Drei Regeln helfen dabei, den Einsatz produktiv statt riskant zu machen.

Erstens: Nutzen Sie ChatGPT für begrenzte, überprüfbare Aufgaben. Code erklären, Skripte schreiben, erste Dokumentationsentwürfe erstellen. Nicht für Architekturentscheidungen oder Sicherheitsbewertungen.

Zweitens: Prüfen Sie jede Antwort, bevor sie in produktiven Code einfließt. Ein zweites Augenpaar, ob menschlich oder als zusätzliche Testsuite, ist Pflicht.

Drittens: Legen Sie fest, welche Daten ChatGPT sehen darf. Eine kurze schriftliche Regel reicht, verhindert aber teure Missverständnisse.

Ob und wie KI grundsätzlich in eine bestehende Legacy-Anwendung passt, ist eine größere Frage als nur ChatGPT. Einen Überblick dazu gibt unser Artikel darüber, was KI in Legacy-Software leisten kann.

Fazit: Werkzeug, kein Ersatz

ChatGPT verändert die Softwarewartung, aber nicht so grundlegend wie mancher Hype vermuten lässt. Es beschleunigt begrenzte, wiederkehrende Aufgaben spürbar. Es ersetzt kein Verständnis für das eigene System und keine Verantwortung für Entscheidungen.

Wer diese Grenze kennt, gewinnt Zeit ohne neues Risiko einzukaufen. Wer sie ignoriert, tauscht ein altes Problem gegen ein neues.

Sprechen Sie uns an, wenn Sie wissen wollen, wo KI in Ihrer Software sinnvoll ansetzt und wo nicht. Das Erstgespräch ist kostenlos.