Raphael Pansi

• Mit der zunehmenden Verbreitung generativer KI-Tools wie ChatGPT und GitHub Copilotin der modernen Softwareentwicklung steigt das Potenzial für eine grundlegende Veränderung verschiedener Entwicklungsprozesse. Diese Arbeit untersucht die Faktoren, die die Akzeptanz und Nutzung generativer KI-Tools durch Entwickler*innen in agilen Softwareentwicklungsteams beeinflussen. Auf Grundlage der Unified Theory of Acceptance and Use of Technology (UTAUT) und einschlägiger Forschungsergebnisse wurde eine quantitative Online-Umfrage mit 352Entwickler*innen durchgeführt. Die Ergebnisse zeigen, dass die Leistungserwartung der stärkste Treiber der Verhaltensabsicht ist – insbesondere die erwartete Steigerung von Effizienz und Produktivität. Auch die Aufwandserwartung und der soziale Einfluss haben einen positiven, jedoch geringeren Effekt auf die Nutzungsabsicht. Bei der Aufwandserwartung fallt insbesondere der wahrgenommene Aufwand für die Überprüfung und Korrektur generierten Codes ins Gewicht, während beim sozialen Einfluss externe Branchentrends eine stärkere Wirkung haben als interne Vorgaben. Neben der Verhaltensabsicht beeinflussen auch begünstigende Bedingungen das tatsächliche Nutzungsverhalten – insbesondere eine unterstützende technische Infrastruktur und organisatorische Maßnahmen wie Schulungen. Überraschenderweise zeigt sich ein negativer Zusammenhang zwischen der Anwendung agiler Praktiken und der Nutzung generativer KI-Tools, während entwicklungsnahe Tätigkeiten wie Code-Refactoring einen positiven Zusammenhang mit dem Nutzungsverhalten aufweisen. Die Erkenntnisse liefern praxisrelevante Implikationen: Unternehmen sollten nicht nur den Mehrwert generativer KI-Tools kommunizieren, sondern auch gezielte Unterstützung und Schulungen zur effektiven Nutzung bereitstellen. Zudem besteht weiterer Forschungsbedarf zur optimalen Integration generativer KI-Tools in agile Entwicklungsprozesse.
• With the increasing expansion of generative AI tools such as ChatGPT and GitHubCopilot in modern software development, the potential for a fundamental transformation of various development processes is growing. This thesis aims to identify the factors that influence the acceptance and use of generative AI tools in agile software development teams. Based on the Unified Theory of Acceptance and Use of Technology (UTAUT) and existing research, a quantitative online survey was conducted with 352 developers.The results indicate that performance expectancy is the strongest driver of behavioral intention – particularly the expected increase in efficiency and productivity. Effort expectancy and social influence also have a positive, but weaker, effect on usage intention. Regarding effort expectancy, the perceived effort required for reviewing and correcting AI-generated code is particularly significant, while in the case of social influence, external industry trends have a stronger impact than internal company policies. Beyond behavioral intention, facilitating conditions also influence the actual usage behavior– particularly the availability of a supportive technical infrastructure and organizational measures, such as training programs. Unexpectedly, a negative correlation was found between the application of agile practices and the use of generative AI tools, while development-related activities such as code refactoring show a positive correlation with usage behavior. The findings have practical implications: companies should not only communicate the benefits of generative AI tools but also offer targeted support and training to promote their effective use. Additionally, further research is needed to determine the optimal integration of generative AI tools into agile development processes.