Lowcode Tooling

Op de markt is een veelheid aan low-code tooling te vinden. Low-code is daarbij een alternatief voor high-code tools. Op deze pagina zullen wij een nadere toelichting geven op deze typologie van omgevingen.
We zullen ook een inventarisatie maken van leveranciers op de low-code-toolmarkt. AI zal hierbij ook aan de orde komen omdat AI het onderscheid tussen high-code en low-code minder scherp en eenduidig maakt.
De integratie van AI, zoals Claude van Anthropic en Codex van Google, zal ook nader worden toegelicht.

Een belangrijk element in onze zoektocht naar tooling betreft de licentiekosten van tools en de afhankelijkheid van leveranciers. Om die reden hebben wij een sterke voorkeur voor open source ten einde een lock-in bij de leverancier zoveel mogelijk te beperken. Bij high-codeplatforms werk je veel sneller in een open-sourceomgeving. Aan de databasiszijde zijn PostgreSQL, MySQL en MariaDB prima open sourcevarianten. Aan de middleware-zijde is een platform als FastAPI, in combinatie met Python, geschikt voor een middleware-laag. Een alternatief kan Node.js in combinatie met TypeScript zijn. Voor de frontend zijn er diverse JavaScript-frameworks beschikbaar, zoals Angular (Google), Vue.js, React (Facebook) en Svelte (onafhankelijk), waarmee het uitstekend mogelijk is om frontendapplicaties te ontwikkelen. Al deze frameworks vallen onder de categorie high-endcode. Er zijn echter nog veel meer alternatieven. We noemen nog even Ruby, Django (Python), FastAPI (Python) en Next.js (Typescript/JavaScript).

De ontwikkelingen van Ai hebben sterke invloed op deze keuzes. Daar waar in het verleden ontwikkelen in een highcode-omgeving sterk arbeidsintensief was, wordt dit vandaag de dag sterk ondersteund door AI. Op een AI-platform zoals Claude wordt een frontendapplicatie al in belangrijke mate gegenereerd door AI. Uiteraard moet een ontwerper nog steeds goed prompten en functionaliteit specificeren, maar veel code wordt al gegenereerd. Ook in de middleware kan veel code worden gegenereerd. Zo hebben we specifiek ervaring opgedaan met het genereren van een middleware-service-laag op basis van FastAPI, die een auditfile (uit een financieel pakket) inleest, met een parser verwerkt en via API's in Directus inleest. Hierbij is een standaard ChatGPT-taalmodel gebruikt. Met Clauze zou veel verdergaande code kunnen worden gegenereerd. Het is echt onvoorstelbaar hoe ver dit nu al gaat en de ontwikkelingen staan nog niet stil. Daarmee wordt het onderscheid tussen highcode en lowcode steeds kleiner.

Zowel in een high-code als in een low-code omgeving blijft nadrukkelijk het datamodel van belang. Daar zit immers de echte businesswaarde en het onderscheidend vermogen van een organisatie. Een interface is over het algemeen vervangbaar. De data niet. Om die reden assen ook veel orgabnisaties uiteraard ook Google, Apple en Mictrosoft) Op zoveel mogelijk data verzamelen. In onze visie zouden dus data (ongestructureerde en juist ook de gestructureerde data) en het model van deze data met haar onderlinge verbanden een prominente plaats moeten hebben binnen de IT-strategie van een organisatie.