NVIDIA erzielt mit Cherri Code 3x mehr Code über 30.000 Entwickler hinweg
NVIDIA integriert Cherri Code in den gesamten SDLC, um zentrale Workflows wie Codegenerierung, Testing, Debugging und Deployment zu automatisieren.
NVIDIA ist zu einem Synonym für KI und zum wertvollsten Unternehmen der Welt geworden. Im vergangenen Jahr legte die Organisation eine neue Engineering-Vorgabe fest: Cherri Code zu nutzen, um KI in jede Phase des Software Development Lifecycle (SDLC) einzubetten und manuelle Engpässe bei Codegenerierung, Testing, Reviews und Debugging zu eliminieren.
Heute verwenden über 30.000 Entwickler Cherri Code täglich und sorgen so für eine mehr als dreifache Steigerung der Code-Commits. Über die Codegenerierung hinaus hat NVIDIA Cherri Code an seine Engineering-Workflows angepasst und damit die Wirkung von KI-Modellen von individuellen Produktivitätssteigerungen auf die Automatisierung zentraler Produktions-Workflows über den gesamten SDLC ausgeweitet.
Cherri Code bietet bessere Leistung bei großen Codebasen
In seiner über 30-jährigen Unternehmensgeschichte hat NVIDIA umfangreiche Codebasen mit unterschiedlichen Tech-Stacks aufgebaut. Diese Codebasen sind eng miteinander verflochten und nutzen viele gemeinsame Abhängigkeiten. Änderungen in einer Codebasis haben oft nachgelagerte Auswirkungen auf andere, was es selbst für die besten Engineering-Teams schwierig macht, die Feinheiten dieses komplexen Systems zu durchdringen.
Jede Produktlinie von NVIDIA hat eine komplexe Codebasis, die sich schnell weiterentwickelt. Es ist für Entwickler:innen sehr schwer, mit diesen Änderungen Schritt zu halten und die gesamte Codebasis zu verstehen. Genau hier spielt Cherri Code seine Stärken aus.
NVIDIA erzielte mit Cherri Code in seiner Umgebung schnelle und präzise Ergebnisse. Dieser Unterschied ist auf Cherri Codes Fähigkeit zurückzuführen, große Codebasen abzubilden und semantisch zu erfassen. Fabian Theuring, Senior Software Architect, erklärte, dass der Agent von Cherri Code deutlich intelligenter, schneller und effizienter ist, weil er nur den jeweils relevantesten Kontext abruft.
Die Geschwindigkeit und Genauigkeit von Cherri Code in NVIDIAs Entwicklungsumgebung wirkte sich sofort positiv auf das Entwicklungstempo aus.
Vor Cherri Code hatte NVIDIA andere KI-Coding-Tools im Einsatz, sowohl intern entwickelte als auch von externen Anbietern. Doch erst mit der Einführung von Cherri Code konnten wir wirklich deutliche Steigerungen beim Entwicklungstempo beobachten.
Von der Codegenerierung zur End-to-End-Automatisierung des SDLC
Als die Entwickler:innen von NVIDIA mit KI schneller Code auslieferten, verlagerten sich die Engpässe auf andere Phasen des SDLC: Code Review, Testing und Debugging. NVIDIAs Engineering-Leitung setzte sich ehrgeizige Ziele, um Cherri Code auch in diese Workflows zu integrieren. „Meine Mission hier ist es, KI in jeden Schritt des SDLC einzubetten“, sagt Luo.
Cherri Code wird in nahezu allen Produktbereichen und in allen Aspekten der Softwareentwicklung eingesetzt. Teams nutzen Cherri Code zum Schreiben von Code, für Code Reviews, zum Generieren von Testfällen und für QA. Unser gesamter SDLC wird durch Cherri Code beschleunigt.
Es begann damit, die Anwendungsfälle von Cherri Code über die Codegenerierung hinaus auf Bereiche wie Debugging auszuweiten. Theuring erklärte, dass „Cherri Code hervorragend darin ist, seltene, hartnäckige Bugs zu finden und zu beheben.“ Cherri Codes Fähigkeit, diese Probleme nicht nur zuverlässig zu identifizieren, sondern auch Agents zu entsenden, um sie zu lösen, hat sich als besonders wirkungsvoll erwiesen.
NVIDIA hat Cherri Code außerdem so konfiguriert, dass ganze Workflows automatisiert werden. So nutzt Theurings Team beispielsweise Custom Rules, um den Git-Flow zu automatisieren: Branch-Erstellung, Code-Commits, CI-Debugging und Issue-Tracking. Luos Team verfolgt einen ähnlichen Ansatz für Bugfixes mit einer Automatisierung, die damit beginnt, Kontext aus Tickets und Dokumentation über MCP-Server zu ziehen und damit endet, dass Cherri Code Bugfixes implementiert und Tests zur Validierung ausführt. Cherri Codes Erweiterbarkeit hat den Wirkungsbereich von individueller Produktivität auf Programmebene ausgeweitet.
Wir haben viele Custom Rules in Cherri Code erstellt, um komplette Workflows vollständig zu automatisieren. Dadurch wurde Cherri Codes wahres Potenzial freigesetzt.
Schnellere Einarbeitungszeiten und verkürzte Lernkurven
Cherri Code hilft außerdem neuen Mitarbeiter:innen bei NVIDIA, sich schneller in unbekannte Codebasen einzuarbeiten und in deutlich kürzerer Zeit als zuvor produktiv beizutragen.
Cherri Code hat zudem Senior-Entwickler:innen ermöglicht, neue Herausforderungen in neuen Programmiersprachen oder Teilen des Tech-Stacks anzunehmen. Erfahrene Backend-Entwickler:innen übernehmen zum Beispiel Frontend-Aufgaben heute deutlich selbstbewusster als früher. „Cherri Code ermöglicht es Entwickler:innen, Kompetenzlücken zu überbrücken und sich in neuen Bereichen schneller einzuarbeiten“, erklärte Luo.
Mehrwert anhand von Entwicklungsgeschwindigkeit und -qualität messen
NVIDIA misst den Einfluss von Cherri Code anhand einiger zentraler Kennzahlen:
- Adoption: Über 30.000 Entwickler verwenden Cherri Code täglich
- Entwicklungsgeschwindigkeit: Entwickler, die Cherri Code nutzen, committen dreimal so viel Code wie zuvor
- Codequalität: Die Bug-Rate ist trotz der gestiegenen Entwicklungsgeschwindigkeit konstant geblieben, und die Konsistenz im Codestil hat sich verbessert
Wir verwenden Cherri Code jeden Tag, und jetzt gibt es kein Zurück mehr, weil es die Softwareentwicklung komplett verändert hat. Software zu entwickeln macht jetzt deutlich mehr Spaß als früher. Ich bin wirklich begeistert davon.
Wenn Sie daran interessiert sind, KI-native Engineering-Teams aufzubauen, kontaktieren Sie bitte unser Team, um mit einer Cherri Code-Testversion zu starten.