Treffer: Objektorientierte Softwareentwicklung mit Generativer KI – Experimentelle Case Study zu Prompting Strategien mit GPT-4.

This paper presents an experimental case study on the application of GPT‑4 in the domain of object-oriented software development. The study aims to assess the effectiveness of GPT‑4 in generating functional and high-quality code, exploring the role of prompt engineering in guiding the model to achieve specific software development objectives. In the experimental case studies, GPT‑4 was tasked with progressively complex programming challenges. The first case, a Java-based student management system, demonstrated GPT-4's capacity to generate structured, functional code in response to specific prompts. However, it also revealed the need for precise, context-rich prompts to create maintainable and high-quality software solutions. The second case, the "Snake" game, presented a more complex scenario. GPT‑4 initially produced general approaches and pseudocode, requiring iterative prompting and error analysis to develop a functional game. This case highlighted the limitations of GPT‑4 in handling complex programming tasks without detailed guidance. The results of these studies suggest that GPT‑4 can be a valuable tool in software development when combined with thoughtful prompting strategies and a deep understanding of software development principles. However, the necessity of human expertise in critical decision-making and complex design tasks is underscored. The limitations of GPT‑4 in automated testing and its current inability to independently handle complex software projects are also discussed. The paper concludes with a discussion on the integration of generative AI in software engineering methodologies and the ethical implications of biases observed in GPT-4's responses. This study contributes to understanding the potential and limitations of generative AI in software development and highlights the ongoing need for human oversight and expertise in the field. [ABSTRACT FROM AUTHOR]

Zusammenfassung: Diese Studie untersucht die Anwendung und Effektivität von GPT‑4 im Bereich der objektorientierten Softwareentwicklung zur Generierung von funktionalem und qualitativ hochwertigem Code. In den experimentellen Fallstudien wurde GPT‑4 mit zunehmend komplexen Programmieraufgaben betraut. Der erste Fall, ein auf Java basierendes Studentenverwaltungssystem, demonstrierte die Fähigkeit von GPT‑4, strukturierten, funktionalen Code als Reaktion auf spezifische Prompts zu generieren. Es zeigte jedoch auch die Notwendigkeit für präzise, kontextreiche Prompts auf, um wartbare und qualitativ hochwertige Softwarelösungen zu erstellen. Im zweiten Fall, das Spiel „Snake", produzierte GPT‑4 anfangs allgemeine Ansätze und Pseudocode und benötigte iteratives Prompting und Fehleranalyse, um ein funktionierendes Spiel zu entwickeln. Dieser Fall unterstrich die Grenzen von GPT‑4 bei der Bewältigung komplexer Programmieraufgaben ohne detaillierte Anleitung. Die Ergebnisse dieser Studien deuten darauf hin, dass GPT‑4 ein wertvolles Werkzeug in der Softwareentwicklung sein kann, wenn Prompting-Strategien mit einem tiefen Verständnis der Prinzipien der Softwareentwicklung kombiniert werden. Jedoch wird die Notwendigkeit menschlicher Expertise bei kritischen Entscheidungen und komplexen Designaufgaben hervorgehoben. Das Papier schließt mit einer Diskussion über die Integration von generativer KI in Techniken und Methoden des Software-Engineerings und die ethischen Implikationen von Verzerrungen, die in den Antworten von GPT‑4 beobachtet wurden. Diese Studie trägt zum Verständnis des Potenzials und der Grenzen generativer KI in der Softwareentwicklung bei und unterstreicht die anhaltende Notwendigkeit menschlicher Aufsicht und Expertise in diesem Bereich. [ABSTRACT FROM AUTHOR]

Copyright of HMD: Praxis der Wirtschaftsinformatik is the property of Springer Nature and its content may not be copied or emailed to multiple sites without the copyright holder's express written permission. Additionally, content may not be used with any artificial intelligence tools or machine learning technologies. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)