(C) unter Verwendung eines Motivs von Andrei Suslov / 123RF.com
IBM hat auf seiner Konferenz TechXchange 2025 sein Projekt Bob vorgestellt, eine KI-gestützte IDE, die die Produktivität von Entwicklern um bis zu 45 Prozent steigern soll.
Dabei ist Bob kein herkömmlicher Coding-Assistent wie GitHub Copilot oder Cursor. Vielmehr ist das Projekt auf Unternehmen ausgerichtet und behält den vollständigen Repository-Kontext über mehrere Bearbeitungssitzungen hinweg bei. Es automatisiert komplexe Aufgaben wie die Umstellung von Java 8 auf modernere Java-Versionen oder Framework-Upgrades von Struts oder JSF auf React, Angular oder Liberty.
Dabei wählt es datengesteuert zwischen verschiedenen Sprachmodellen wie Claude von Anthropic, Mistral, Llama von Meta oder dem kürzlich veröffentlichten Granite 4 von IBM jeweils dasjenige Modell aus, das am besten geeignet ist, wobei Genauigkeit, Latenz und Kosten in Echtzeit abgewogen werden.
Bob “versteht das gesamte Repository, die Entwicklungsabsicht und die Sicherheitsstandards und ermöglicht es den Entwicklern, den Code zu entwerfen, zu debuggen, zu refaktorisieren und zu modernisieren”, sagt Bruno Aziza, IBMs Vice President of Data, AI and Analytics Strategy in einem Gespräch mit Venture Beat. “Bob ist mehr als nur eine Hilfestellung für den Code – es orchestriert die Intelligenz über den gesamten Lebenszyklus der Softwareentwicklung und hilft den Teams, sichere und moderne Software schneller bereitzustellen.”
Das Projekt profitiert dabei von der neuen Partnerschaft mit Anthropic, auf deren Grundlage IBM die Claude-Modelle integriert. Darüber hinaus haben IBM und Anthropic gemeinsam den Leitfaden “A Guide to Architecting Secure Enterprise AI Agents with MCP Servers” erstellt, der sich auf den Agent Development Lifecycle (ADLC) konzentriert. Das ADLC-Framework bietet einen strukturierten Ansatz für die Entwicklung, Bereitstellung und Verwaltung von KI-Systemen für Unternehmen. MCP steht für Model Context Protocol, den weit verbreiteten offenen Standard von Anthropic zur Anbindung von KI-Assistenten an die Systeme und Daten, mit denen sie arbeiten müssen.
