Hallo? Bist du da? Wer bist du?“ – „Hallo! Ja, ich bin hier. Ich bin ein künstlicher Intelligenz-Assistent, der dazu dient, Ihnen zu helfen und Ihre Fragen zu beantworten.“

Da ist er also, der Chatbot von Microsoft. Microsoft hat das GPT-4-Modell von OpenAI für Entwickler freigegeben. Das LLM (Large Language Model), von dem alle reden, weil es so verblüffend gute Antworten gibt. Es ist das jüngste Modell der ChatGPT-Familie, der Kasten GPT-3 versus GPT-3.5 versus GPT-4 erläutert Näheres dazu.
In einem früheren Artikel hat die dotnetpro gezeigt, wie sich mit GPT-3 und Azure Cognitive Search ein solcher Chatbot erstellen lässt, der auf festgelegte Themengebiete spezialisiert ist. Das ist unter anderem für Firmen interessant, die einen Chatbot für unternehmensinterne Informationen bereitstellen wollen. Mit GPT-4 lässt sich der Ansatz noch weiter treiben, da dieses Modell auf Chats ausgerichtet ist und als Gesprächspartner bereitwillig verschiedene Rollen annimmt.

Dieser Artikel beschreibt, wie Sie das GPT-4-API nutzen und den Chatbot in verschiedene Rollen für unterschiedliche Einsatzzwecke schlüpfen lassen.

Der Artikel erschien im Magazin dotnetpro 02/2024

Den vollständigen Artikel können Sie hier herunterladen.

Mit dem Azure-Speech-Dienst bauen Sie im Handumdrehen eine sprechende Übersetzungs-App. 

Meine Frau stammt aus Taiwan, ich aus dem Ruhrgebiet. Da stoßen Welten aufeinander. Meistens unterhalten wir uns auf Englisch, weil das der kleinste gemeinsame Nenner ist. Manchmal versuche ich es auf Chinesisch. Das ist allerdings riskant. Eine Silbe falsch betont, und aus dem „Lama“ wird eine heftige Beleidigung. Das kann schnell den sonntäglichen Zoobesuch ruinieren. Deshalb sehne ich mich schon lange nach einem Dolmetscher, der mir zur Seite steht. Mir schwebt eine Anwendung vor, die ich immer bei mir habe. Das Ziel ist also, eine App zu entwickeln. 

Zum Glück gibt es heutzutage künstliche Intelligenz, und es wird immer einfacher, sie einzusetzen. Für viele Anwendungsfälle muss sich niemand mehr tief in die Ge-heimnisse der Datenwissenschaften einarbeiten, Python-Kenntnisse auffrischen oder den Umgang mit Jupyter-Notebooks lernen. Der neueste Trend: vortrainierte Machine-Learning-Modelle, die man direkt nutzen kann – KI as a Service. 

Der Artikel erschien im Magazin dotnetpro 10/2023

Den vollständigen Artikel können Sie hier herunterladen.

Mit ML.NET AutoML stellt Microsoft eine Klassenbibliothek zum automatischen Trainieren von Machine-Learning-Modellen zur Verfügung. Die AutoML-Logik erledigt typische Arbeitsschritte vor und während des Trainings, etwa die Auswahl des Trainingsalgorithmus. Sie probiert mehrere Algorithmen aus, sodass sie dann das beste Modell präsentieren kann. Ende 2019 hat die dotnetpro die AutoML- Version 0.14.0 vorgestellt und gezeigt, wie sich die Automatisierung noch weitertreiben lässt, indem Sie zusätzlich mehrere Optimierungsmetriken durchlaufen.
Inzwischen ist Version 0.20.0 (Preview) aktuell und sie besitzt eine Reihe an Neuerungen. 

Der Artikel erschien im Magazin dotnetpro 9/2022

Den vollständigen Artikel können Sie hier herunterladen.

Software wird immer komplexer. Ohne ganzheitliche Betrachtung und viel Automation ist effektive Softwareentwicklung kaum noch möglich. Dieser Artikel stellt die Idee von XXDD vor, die konsequente Weiterentwicklung von ATDD und BDD. XX steht für Ausführbare Beispiele. Als zentrale Drehscheibe und mit der richtigen Automation im Entwicklungsprozess können Ausführbare Beispiele die Softwareentwicklung stark antreiben.

Der Artikel erschien im Magazin JavaSpektrum 3/2021

Den vollständigen Artikel können Sie hier herunterladen.

Das Tool Selenium WebDriver hat sich in der Entwicklerwelt etabliert - insbesondere für GUI-Tests von Webanwendungen.

Doch eine mindestens genauso große Rolle spielen Apps, und aus diesem Grund wurde das Automations-Framework Appium ins Leben gerufen. Somit lassen sich nun auch native Apps testen. Microsoft hat seine eigene Variante des Automationsservers entwickelt: den Windows Application Driver (WinAppDriver). Der WinAppDriver ist quelloffen und mit dem Appium-Protokoll kompatibel.

Dieser Artikel beschäftigt sich mit dem WinAppDriver für automatisierte GUI-Tests, der mit und ohne Appium eingesetzt werden kann.

Deep-Learning-Methoden basieren auf künstlichen neuronalen Netzwerken mit mehreren – sogenannten verborgenen – Schichten zwischen Eingabe- und Ausgabeschicht. Durch geeignete Wahl der Schichten und deren Verknüpfung ist die Auswertung großer Mengen komplexer oder ungenauer Eingangsdaten in einer Qualität möglich, die bisher dem menschlichen Gehirn vorbehalten oder überhaupt noch nicht realisierbar war.
Typische Anwendungsszenarien sind die Bild- und Spracherkennung, semantische Textanalyse, Voraussage von zeitlichen Entwicklungen, Bildung von Handlungsstrategien und vieles mehr.

Mit MicrosoftML und SQL Server R Services schafft Microsoft die Möglichkeit, Machine-Learning-Algorithmen nahe an der Datenquelle zu nutzen. Der Artikel zeigt anhand eines Beispielprojektes deren Anwendung. Eine Datenbank mit maßgeschneiderten künstlichen neuronalen Netzen auszustatten ist gar nicht so schwer, wie man vielleicht denkt.

In der IT-Landschaft spielen relationale Datenbanken immer noch eine entscheidende Rolle und dadurch bedingt auch SQL als Abfragesprache. Die Sprache zur Datenabfrage und -manipulation ist SQL. QueryDSL tritt an, SQL und weitere SQL-nahe Sprachen unter einem gemeinsamen Konzept in Java zu integrieren.

QueryDSL bietet ein ganzheitliches Konzept, um Abfragen für SQL und SQL-nahe Abfragesprachen in Java zu formulieren.
Der erste Artikel beschäftigt sich mit der Integration von QueryDSL und SQL. Im zweiten Teil der Serie geht es um die Integration von QueryDSL mit JPA.

Im ersten Teil der vierteiligen Serie zeichnen die Autoren ein ganzheitliches Bild auf die Softwareentwicklung. Durch Metaphern aus der Kosmologie vermitteln sie ein anschauliches „Big Picture“ der Softwareentwicklung.

Nachfolgend demonstrieren unsere Autoren im zweiten Teil der Serie, welche Ursachen Softwareverschmutzung haben kann und wie diese zu vermeiden ist.

Im dritten Teil beschäftigen sie sich eingehend mit der Umsetzung und Einführung der Clean-Code-Mentalität in Unternehmen.

Abschließend treten unsere Autoren nochmals einen Schritt zurück, um das große Gesamtbild der Geschichte der Softwareentwicklung zu resümieren. Herr Dr. Reik Oberrath und Herr Jörg Vollmer erstellen im vierten Teil der Serie eine grobe Skizze mit einigen Meilensteinen der Softwareentwicklungsgeschichte, zeigen Möglichkeiten der weiteren Effizienzsteigerung auf und demonstrieren, wie der Clean Coding Cosmos dazu beitragen konnte.

Der Artikel richtet sich an alle Fach- und Führungskräfte, die in der Softwareentwicklung tätig sind.

„Alles fließt“ hat schon Heraklit im antiken Griechenland gewusst: Alle Dinge sind ständiger Veränderung unterworfen. Auch die Informatik ist von dieser Erkenntnis nicht ausgenommen. Doch wie geht man in der Informatik mit sich ändernden Daten am besten um? Spiegeln die gespeicherten Daten die aktuelle Realität wieder? Wann haben sich die Daten geändert? Inwieweit muss ein System auf Änderungen der Wirklichkeit reagieren und zu welchem Zeitpunkt tut es dies? Wie lassen sich Änderungen rückblickend nachvollziehen?

Anhand eines einfachen Adressverwaltungssystems führt dieser Artikel in die Problematik ein. Er stellt die relevanten Kernkonzepte der temporalen Datenhaltung vor und erläutert, wie diese Konzepte in relationalen Datenbanken umgesetzt werden können.

Immer mehr Unternehmen dokumentieren interne Arbeitsabläufe in einer Wiki. Schnell entsteht der Wunsch, aus unternehmensinterner Software heraus möglichst einfach auf diese Dokumentation zugreifen zu können. Ideal ist eine kontextsensitive Verknüpfung zwischen Software und Wiki mit der F1-Taste. So einfach, wie sich dieser Wunsch formulieren lässt, ist die technische Realisierung zunächst leider nicht.

Dieser Artikel zeigt jedoch gleich mehrere Lösungen auf Basis der beliebten Rich Client Platform (RCP) auf, wie sich RCP-Anwendungen und Wiki-Einträge kontextsensitiv miteinander verknüpfen lassen.

Der Artikel richtet sich an Entwickler von RCP-Anwendungen.