NVIDIA erzielt mit Cursor 3x mehr Code über 30.000 Entwickler hinweg
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: Cursor zu nutzen, um KI in jede Phase des Software Development Lifecycle (SDLC) einzubetten und manuelle Engpässe bei Codegenerierung, Tests, Reviews und Debugging zu eliminieren.
Heute verwenden über 30.000 Entwickler Cursor täglich und sorgen so für eine mehr als dreifache Steigerung der Code-Commits. Über die Codegenerierung hinaus hat NVIDIA Cursor 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.
Cursor 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 Cursor seine Stärken aus.
NVIDIA erzielte mit Cursor in seiner Umgebung schnelle und präzise Ergebnisse. Dieser Unterschied ist auf Cursors Fähigkeit zurückzuführen, große Codebasen abzubilden und semantisch zu erfassen. Fabian Theuring, Senior Software Architect, erklärte, dass der Agent von Cursor deutlich intelligenter, schneller und effizienter ist, weil er nur den jeweils relevantesten Kontext abruft.
Die Geschwindigkeit und Genauigkeit von Cursor in NVIDIAs Entwicklungsumgebung wirkte sich sofort positiv auf das Entwicklungstempo aus.
Vor Cursor hatte NVIDIA andere KI-Coding-Tools im Einsatz, sowohl intern entwickelte als auch von externen Anbietern. Doch erst mit der Einführung von Cursor 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 Cursor auch in diese Workflows zu integrieren. „Meine Mission hier ist es, KI in jeden Schritt des SDLC einzubetten“, sagt Luo.
Cursor wird in nahezu allen Produktbereichen und in allen Aspekten der Softwareentwicklung eingesetzt. Teams nutzen Cursor zum Schreiben von Code, für Code Reviews, zum Generieren von Testfällen und für QA. Unser gesamter SDLC wird durch Cursor beschleunigt.
Es begann damit, die Anwendungsfälle von Cursor über die Codegenerierung hinaus auf Bereiche wie Debugging auszuweiten. Theuring erklärte, dass „Cursor hervorragend darin ist, seltene, hartnäckige Bugs zu finden und zu beheben.“ Cursors 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 Cursor 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 Cursor Bugfixes implementiert und Tests zur Validierung ausführt. Cursors Erweiterbarkeit hat den Wirkungsbereich von individueller Produktivität auf Programmebene ausgeweitet.
Wir haben viele Custom Rules in Cursor erstellt, um komplette Workflows vollständig zu automatisieren. Dadurch wurde Cursors wahres Potenzial freigesetzt.
Schnellere Einarbeitungszeiten und verkürzte Lernkurven
Cursor hilft außerdem neuen Mitarbeiter:innen bei NVIDIA, sich schneller in unbekannte Codebasen einzuarbeiten und in deutlich kürzerer Zeit als zuvor produktiv beizutragen.
Cursor 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. „Cursor 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 Cursor anhand einiger zentraler Kennzahlen:
- Adoption: Über 30.000 Entwickler verwenden Cursor täglich
- Entwicklungsgeschwindigkeit: Entwickler, die Cursor 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 Cursor 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 Cursor-Testversion zu starten.