DeepSWE

DeepSWE ist ein Computerprogramm, das andere Programme repariert. Man gibt ihm eine Fehlermeldung aus einem echten Softwareprojekt, etwa „das Datum wird falsch angezeigt“. Das Programm durchsucht daraufhin selbstständig die Dateien des Projekts, sucht die schadhafte Stelle und schreibt eine Korrektur. Der Name setzt sich aus „deep“ für die zugrunde liegende Lerntechnik und „SWE“ für Software Engineering zusammen, also für die Arbeit von Programmiererinnen und Programmierern. Veröffentlicht wurde DeepSWE 2025 von der Firma Together AI gemeinsam mit einer Forschungsgruppe der Universität Berkeley. Anders als viele bekannte KI-Systeme ist es frei verfügbar: Jeder darf es herunterladen, untersuchen und verändern.

Warum ein offenes Modell für Codearbeit Aufsehen erregte

Bis dahin galt: Wer eine KI wollte, die eigenständig Programmierarbeit erledigt, musste bei großen amerikanischen Anbietern zahlen. Deren Systeme sind Geschäftsgeheimnisse. Niemand von außen kann nachprüfen, wie sie trainiert wurden. DeepSWE zeigte, dass ein vergleichsweise kleines, offenes Modell in dieselbe Leistungsklasse vorstoßen kann.

Gemessen wird das an einem Test namens SWE-Bench Verified. Er enthält hunderte echte Fehler aus öffentlichen Softwareprojekten, deren korrekte Lösung bekannt ist. DeepSWE löste davon rund 59 Prozent selbstständig. Das war zum Zeitpunkt der Veröffentlichung der beste Wert unter den frei verfügbaren Modellen dieser Größe. Zum Vergleich: Noch 2023 lagen die besten Systeme bei unter fünf Prozent.

Wirtschaftlich ist das relevant, weil Softwarepflege teuer ist. Ein großer Teil der Arbeitszeit von Entwicklern fließt nicht in Neues, sondern in das Beheben alter Fehler. Wenn ein Modell auch nur einen Teil davon übernimmt, verschiebt das Kostenrechnungen in ganzen Branchen. Und weil DeepSWE offen ist, können Firmen es auf eigenen Rechnern betreiben, ohne ihren Quellcode an einen Anbieter zu schicken.

Lernen durch Belohnung statt durch Abschreiben

Die meisten Sprachmodelle lernen, indem sie riesige Textmengen lesen und vorhersagen, welches Wort als Nächstes kommt. DeepSWE beginnt zwar mit so einem vortrainierten Modell, ging danach aber einen anderen Weg. Es wurde mit bestärkendem Lernen weitertrainiert. Das bedeutet: Das Modell probiert eine Lösung aus, und das Ergebnis wird bewertet. Für gute Ergebnisse gibt es eine Belohnung, für schlechte nicht.

Entscheidend ist, woher diese Bewertung kommt. Sie stammt nicht von Menschen, sondern von den automatischen Tests des Softwareprojekts. Läuft der Test nach der Änderung durch, war die Reparatur richtig. Fällt er durch, war sie falsch. Diese Rückmeldung ist eindeutig und lässt sich millionenfach wiederholen, ohne dass jemand zusehen muss. Das ist der Grund, warum Programmieren sich für diese Trainingsart besonders gut eignet.

Ein Vergleich hilft: Ein Schüler kann Mathematik lernen, indem er fremde Lösungswege auswendig lernt. Oder indem er selbst rechnet und danach am Ergebnis merkt, ob es stimmt. Die zweite Methode ist langsamer, aber sie erzeugt echtes Verständnis für Zwischenschritte. DeepSWE arbeitet nach dem zweiten Prinzip. Dabei entstanden Verhaltensweisen, die niemand programmiert hat: Das Modell prüft seine eigenen Änderungen nach und verwirft Ansätze, die in eine Sackgasse führen.

DeepSWE im Werkzeugkasten der Entwickler

Direkt in Berührung kommt man mit DeepSWE selten, denn es ist kein Chatprogramm für den Alltag. Es läuft innerhalb sogenannter Coding-Agenten. Das sind Programme, die dem Modell Zugriff auf Dateien, Suchfunktionen und eine Kommandozeile geben. Das Modell entscheidet dann Schritt für Schritt, welches Werkzeug es als Nächstes benutzt.

In Nachrichten taucht der Name meist im Zusammenhang mit zwei Debatten auf. Die erste dreht sich um offene gegen geschlossene KI-Modelle. Die zweite um die Frage, wie sehr Programmierberufe sich verändern. DeepSWE dient dabei oft als Beleg dafür, dass der Abstand zwischen frei verfügbarer und kommerzieller Technik kleiner wird.

Ein häufiger Irrtum ist, ein solches Modell könne komplette Programme von null an schreiben. Das kann es nicht zuverlässig. Seine Stärke liegt in klar umrissenen Aufgaben innerhalb bestehender Projekte, für die ein Test existiert. Fehlt dieser objektive Prüfstein, sinkt die Trefferquote deutlich. Auch bei den gelösten Aufgaben schaut am Ende ein Mensch über die Änderung, bevor sie in echte Software übernommen wird.