Ende des Programmierens oder neue Renaissance? Die unsichtbare Krise der KI

💡 Kurzzusammenfassung:

• KI kann aus Junior-Arbeit nützliche ebenso wie lästige Wiederholung entfernen. Eine erledigte Aufgabe ist nicht zwingend eine erworbene Fähigkeit.
• Das Risiko besteht nicht darin, dass KI Menschen unfähig macht. Es entsteht, wenn Teams delegieren, ohne den Kampf, die Erklärung, das Feedback und die Prüfung zu schaffen, durch die Ingenieurinnen und Ingenieure Verantwortung lernen.
• Organisationen, die künftig erfahrene Engineers brauchen, müssen diese Lernschleifen bewusst gestalten. KI kann helfen, wenn sie erklärt, kritisiert, testet und Begründungen sichtbar macht.

Die lauteste Frage rund um KI-gestütztes Programmieren lautet, ob künftig weniger Menschen zum Schreiben von Software gebraucht werden. Eine leisere Frage ist mindestens ebenso wichtig: Woher kommt die nächste Generation erfahrener Ingenieurinnen und Ingenieure?

Lange erfüllte die frühe Arbeit in der Softwareentwicklung zwei Zwecke. Sie brachte ein Projekt voran und gab weniger erfahrenen Entwicklern wiederholt Kontakt mit der Mechanik realer Systeme. Ein kleines Feature, ein fehlschlagender Test, ein verwirrender Produktionsfehler oder ein Kommentar im Review konnten langsam und frustrierend sein. Sie lehrten aber Ursache und Wirkung.

KI verändert diesen Tausch. Eine erfahrene Person kann einen Teil dieser Arbeit heute schneller erledigen. Eine Junior-Entwicklerin oder ein Junior-Entwickler kann eine plausible Antwort erhalten, bevor überhaupt eine eigene Hypothese entstanden ist. Das ist nützlich. Es kann aber die risikoarmen Situationen entfernen, in denen man lernt, wie sich ein System verhält, wenn die Antwort nicht offensichtlich ist.

Dies ist kein Plädoyer dafür, mühsame Arbeit zu bewahren. Es ist ein Plädoyer dafür, wahrzunehmen, was sie nebenbei lehrte.

Die fehlende Mitte einer Engineering-Karriere

Die meisten fähigen Senior Engineers wurden nicht durch einen einzelnen Kurs oder einen heroischen Durchbruch ausgebildet. Sie sammelten viele kleine Korrekturen: einen Test, der eine Annahme aufdeckte; eine Reviewerin, die fragte, warum eine Grenze existiert; einen Vorfall, der sie zwang, einen Fehler über Systeme hinweg zu verfolgen; und eine Design-Diskussion, die zeigte, was die erste Lösung übersehen hatte.

Solche Erfahrungen bilden mentale Modelle. Mit der Zeit sieht ein Engineer ein Ticket nicht mehr als Satz von zu schreibenden Zeilen. Er oder sie erkennt Verträge, Fehlermodi, Datenflüsse, Nutzer und die Kosten, falsch zu liegen.

Viele Einstiegsaufgaben sind wiederholbar genug, um durch KI beschleunigt zu werden. Sie sind oft auch begrenzt genug, um Fehler gefahrlos zu machen, zu erklären und zu reparieren. Entfernen Organisationen diese Aufgaben einfach, können sie weniger Junioren einstellen oder die verbleibende Arbeit zu Prompt-und-Akzeptieren-Routinen machen. Keines von beidem garantiert, dass ein Junior Engineer ein System selbstständig betreiben kann.

Das ist eine Beobachtung über einen Lernweg, keine Vorhersage, dass jede Junior-Rolle verschwindet. Einstellungsmuster werden je nach Unternehmen, Markt und Arbeit unterschiedlich sein. Das praktischere Problem lautet: Ein Team kann die lokale Auslieferung beschleunigen und zugleich den Weg schwächen, auf dem es seine eigene Senior-Kompetenz erneuert.

Was die ersten Belege sagen – und nicht sagen

Die Evidenz zu KI und Softwarelernen ist noch jung. In einem randomisierten Experiment von 2026 untersuchte Anthropic Entwickler, die eine unbekannte Python-Bibliothek lernten. Teilnehmende mit KI erzielten in einem unmittelbaren Test zu gerade verwendeten Konzepten 17 Prozent weniger als Teilnehmende, die von Hand programmierten. Die Studie war klein und maß kurzfristiges Verständnis. Sie sagt daher nichts darüber aus, was über Jahre mit einer Karriere oder mit jedem KI-Arbeitsablauf geschieht.

Ihr hilfreicheres Ergebnis betrifft die Methode. Teilnehmende, die KI für Nachfragen, konzeptionelle Fragen oder Erklärungen nutzten, zeigten stärkere Beherrschung als jene, die sie vor allem zum Erzeugen von Code einsetzten. Das passt zu einer Unterscheidung, auf die Teams reagieren können: Unterstützung kann Lernen fördern; Delegation kann verdecken, ob Lernen stattgefunden hat.

KI kann ein ungewöhnlich geduldiger Tutor sein. Sie kann unbekannten Code erklären, Gegenbeispiele vorschlagen, Tests erzeugen, Ansätze vergleichen und einen Entwickler auffordern, eine Entscheidung zu begründen. So genutzt kann sie einem Junior Engineer mehr Feedback geben, als ein ausgelastetes Team sonst bieten könnte. Das Werkzeug ist nicht das Problem. Verantwortung ohne Verständnis an es weiterzugeben, ist es.

Weniger einfache Aufgaben verändern die Organisation, nicht nur die einzelne Person

Die individuelle Seite ist leicht zu sehen: Jemand kopiert eine Fehlerbehebung, der unmittelbare Fehler verschwindet, und die nächste Variation kann nicht erklärt werden. Die organisatorische Seite kommt später.

Wenn Junior Engineers weniger Kontakt mit Fehlersuche, Designabwägungen und Review-Diskussionen haben, stehen dem Team weniger Menschen bereit, die die Arbeit erfahrener Engineers übernehmen können. Der sichtbare Gewinn kann ein kleinerer Rückstand sein. Die weniger sichtbare Kostenfolge ist eine dünnere Reserve für Incident Response, Architekturentscheidungen, Code Reviews und Nachfolge.

Das sind Kompetenzschulden. Sie sind nicht dasselbe wie das Problem technischer Schulden im Essay über den vorherigen Vibe Coder, bei dem schnell erzeugte Systeme teuer in der Wartung werden. Auch nicht das Problem begrenzter Review-Kapazität in KI hat Code billig gemacht. Verifikation ist weiterhin teuer., bei dem Seniors zur Warteschlange für Output werden, den sie nicht geschaffen haben. Hier stellt sich die frühere Frage: Erzeugen wir noch Engineers, die diese Entscheidungen später selbst treffen und vertreten können?

Kein Tabellenblatt wird diese Schulden sofort zeigen. Ein Team kann seine Lieferziele erreichen, während erfahrene Engineers die einzigen Menschen bleiben, die ein fragiles Subsystem erklären oder eine riskante Änderung beurteilen können. Das Signal erscheint, wenn ein Senior geht, ein unbekannter Fehler auftritt oder Review-Kapazität schneller gebraucht wird, als sie aufgebaut werden kann.

Lernschleifen bewusst bauen

Die Antwort besteht nicht darin, jede einfache Aufgabe Menschen vorzubehalten. Sie besteht darin, sicherzustellen, dass beschleunigte Arbeit weiterhin eine Lernschleife enthält.

Ein Junior Engineer kann KI nutzen, um eine Implementierung zu entwerfen, und den gewählten Ansatz vor dem Review erklären. Er oder sie kann das Modell um Annahmen und Fehlerfälle bitten, Tests aus Anforderungen statt aus dem generierten Code schreiben und das Ergebnis mit einem bestehenden Muster im Codebestand vergleichen. Eine Reviewerin kann eine wichtige Entscheidung besprechen, statt die gesamte Änderung stillschweigend zu reparieren.

Teams können außerdem einige Arbeiten bewusst nah an der lernenden Person halten: einen realen Fehler mit Anleitung untersuchen, einen kleinen Dienst Ende zu Ende verantworten, bei der Nachbereitung von Vorfällen rotieren oder eine Designentscheidung gemeinsam vorbereiten, bevor ein Agent eine große Änderung erzeugt. Die genaue Praxis wird je nach System unterschiedlich sein. Gemeinsame Voraussetzung sind Kontakt mit Begründung, Feedback und Konsequenzen.

Das kostet im Moment Zeit. Auch die Ausbildung vor KI kostete Zeit. Der Unterschied besteht darin, dass diese Investition heute leichter übersprungen wird, weil ein Werkzeug sofort eine akzeptabel aussehende Antwort liefern kann.

Programmieren verändert sich. Meisterschaft braucht weiterhin einen Weg.

Code von Hand zu schreiben, wird in manchen Teilen der Softwarearbeit einen kleineren Anteil einnehmen. Das macht Engineering-Wissen nicht überflüssig. Es macht die Fähigkeit wertvoller, ein Problem zu rahmen, eine schlechte Annahme zu erkennen, eine Antwort zu testen und Verantwortung für ein System zu übernehmen.

Die hilfreiche Frage für ein Team lautet nicht, ob KI Junior-Arbeit ersetzt hat. Sie lautet, ob die verbleibende Arbeit Junior Engineers noch einen glaubwürdigen Weg eröffnet, in fünf Jahren zu den Menschen zu werden, die die Organisation braucht.