Wenn KI den Code schreibt: Ingenieurwesen-Fähigkeiten, die an Wert gewinnen

Das Eingeben von Code wird zur einfachen Aufgabe im Softwareentwicklungsbereich. Zu den wirklich wichtigen Fähigkeiten gehören nun die Entscheidung darüber, was entwickelt werden soll, die Überprüfung dessen, was eine KI erzeugt hat, sowie das Erkennen von Fehlern.

Ständig taucht die Frage auf: Wenn KI den größten Teil des Codes schreiben kann, was bleibt dann noch für Entwickler übrig? Das ist die falsche Frage. Eine bessere Frage lautet, was eine Person, die heute eine Karriere in der Softwareentwicklung beginnt, lernen sollte, was KI nicht so leicht ersetzen kann.

Etwas hat sich eindeutig verändert. Tools wie Claude Code, Codex, Copilot, Cursor und ähnliche haben das Autocomplete längst übertroffen. Sie lesen ganze Repositorys, bearbeiten mehrere Dateien, führen Befehle aus, schreiben Tests, beheben Fehler und arbeiten an einer Aufgabe, bis sie erledigt ist. Insbesondere Claude Code hat das Niveau von „Schreibe mir eine Funktion“ längst überschritten und verhält sich eher wie ein Engineering-Agent, der innerhalb des Repositorys agiert. Das verändert die Arbeitsweise.

Code wird immer günstiger

Vor nicht allzu langer Zeit konnte ein Entwickler einen halben Tag mit einer einzigen Funktion verbringen. Heute kann diese Funktion einem Agenten beschrieben werden:

Add JWT authentication.
Create login and refresh-token APIs.
Add PostgreSQL persistence.
Write integration tests.
Run the test suite.
Fix failures.

Dann macht sich der Agent an die Arbeit. Er erstellt Dateien, bearbeitet vorhandene Klassen, führt Tests durch, stößt auf Fehler, passt die Implementierung an und führt die Tests erneut aus. All das ist nicht mehr hypothetisch.

Bemerkenswert ist, dass der Entwickler nicht aus dem Prozess verschwunden ist. Der Entwickler wurde zur Person, die für das Ergebnis verantwortlich ist – und dieser Unterschied ist wichtig.

Wohin das Beispiel von Anthropic weist

Anthropic ist eines der klarsten Beispiele, da dort Claude Code für ernsthafte Entwicklungsarbeiten eingesetzt wird. Sein Schöpfer, Boris Cherny, hat öffentlich darüber gesprochen, wie sehr sich die Ingenieurarbeit innerhalb des Unternehmens verändert hat, und Berichte zu Beginn dieses Jahres beschrieben, wie KI in einigen der Entwicklungsprozesse fast den gesamten Code erzeugt.

Entwickler sollten sich auf eine Konsequenz konzentrieren: Mehr generierter Code bedeutet nicht weniger Ingenieursarbeit. Es kann vielmehr mehr Verantwortung bedeuten. Nehmen wir an, Claude generiert 5.000 Zeilen – dann muss jetzt jemand antworten:

Is the architecture correct?

Is authentication secure?What happens under 10,000 requests?Can this transaction fail halfway?Will this leak memory?What happens when Redis is unavailable?What happens when the database is slow?Did the AI introduce a race condition?

KI kann die Umsetzung bereitstellen, doch Sie tragen weiterhin die Konsequenzen.

Eine größere Debatte dazu

Laut öffentlichen Berichten kündigte ein ehemaliger Forscher bei Anthropic, Jacob Coxon, im September 2026 seinen Rücktritt an. Seine Warnung bezog sich nicht darauf, ob Claude brauchbaren JavaScript-Code schreiben kann oder ob KI eine Spring Boot API entwickeln kann. Vielmehr ging es darum, wohin die immer leistungsfähigeren KI-Systeme tendieren. Sein Beitrag auf X erreichte Berichten zufolge mehr als 100 Millionen Menschen und argumentierte, dass führende Forschungslabore viel zu schnell in Richtung autonomer und potenziell gefährlicher Systeme voranschreiten.

Diese Aussage hat Gewicht, weil sie von jemandem stammt, der innerhalb eines Unternehmens gearbeitet hat, das diese Technologie entwickelt. Die Debatte hat eine solche Ernsthaftigkeit erreicht, dass auch Dario Amodei, der CEO von Anthropic, einen langsameren Fortschritt bei der Entwicklung neuer Technologien sowie eine strengere unabhängige Bewertung von KI-Systemen fordert.

2026 zeichnet also ein merkwürdiges Bild. Eine Fraktion ist der Ansicht, dass KI die Softwareentwicklung erheblich beschleunigen kann. Eine andere Gruppe, bestehend aus den Menschen, die diese Systeme entwickeln, meint, man sollte viel vorsichtiger sein mit den Folgen dieser Beschleunigung. Beides kann gleichzeitig zutreffen.

Der größte Fehler

Der größte Fehler besteht nicht darin, KI zu vermeiden. Er liegt vielmehr darin, KI einzusetzen, ohne zu verstehen, was sie hervorbringt. Nehmen wir dazu Folgendes:

@GetMapping("/users")
public List<User> getUsers() {
    return userRepository.findAll();
}

Eine KI kann das in zwei Sekunden schreiben. Sollte man das veröffentlichen? Vielleicht. Aber was, wenn die Tabelle 20 Millionen Zeilen enthält? Was, wenn es keine Paginierung gibt? Was, wenn der Endpunkt öffentlich ist, der User-Typ sensible Felder enthält oder fünftausend Personen gleichzeitig darauf zugreifen? Der Code ist technisch gesehen gültig, doch die ingenieurtechnische Entscheidung kann dennoch schrecklich sein. Das ist der Unterschied.

Was man stattdessen lernen sollte

Jemand, der 2026 beginnt, sollte weniger Zeit damit verbringen, Syntax auswendig zu lernen, und stattdessen mehr darüber erfahren, wie Systeme tatsächlich funktionieren:

• Systemdesign und verteilte Systeme
• Datenbanken, APIs und Netzwerktechnik
• Sicherheit
• Fehlerbehebung und Testing
• Leistung und Beobachtbarkeit
• Cloud-Infrastruktur
• Wie KI-Agenten funktionieren

Das Schreiben von Code ist nach wie vor wichtig, doch die Bewertung eines Entwicklers richtet sich weniger auf die Anzahl der eingegebenen Zeilen als vielmehr auf die Fähigkeit, ein kompliziertes Problem in ein zuverlässiges System umzuwandeln. KI ist bereits sehr gut darin, solche Aufgaben zu bewältigen:

Write this.
Refactor this.
Explain this.
Test this.
Fix this.
Convert this.

Der immer wertvollere Entwickler ist der, der mit etwas wie diesem antworten kann:

Don't build it this way.
Here's why.
Here's the simpler architecture.
Here's the failure mode you missed.
Here's what we should measure in production.

KI ersetzt nicht die Notwendigkeit zum Denken

Das Unangenehme dabei ist folgendes: KI macht das Programmieren einfacher, was dazu führen kann, dass Programmierer schwächer werden, wenn sie aufhören zu denken. Es gibt bereits einige Belege dafür: Eine Studie von Anthropic zeigte, dass Entwickler, die KI-Hilfen nutzten, bei Verständnisprüfungen beim Erlernen unbekannter Programmierbibliotheken schlechter abschnitten – obwohl KI in anderen Bereichen tatsächlich Produktivitätsvorteile bringt.

Die Lektion besteht nicht darin, die Nutzung von KI einzustellen. Vielmehr sollte man vermeiden, das Lernen vollständig abzugeben. Wenn Claude eine Lösung schreibt, lesen Sie sie, analysieren Sie sie, ändern Sie sie und fragen Sie nach dem Grund für ihre Funktionsweise sowie ihren Fehlern. Versuchen Sie, eine kleinere Version von Hand zu erstellen, bevor Sie wieder zur KI zurückkehren. Das ist bei weitem besser als dieser Teufelskreis:

Prompt → Copy → Commit → Next task

Der neue Softwareingenieur

Der Ingenieur verschwindet nicht, aber die Arbeit wird schwieriger. Ein Junior-Entwickler, der Anforderungen nur in CRUD-Code umsetzt, steht auf weitaus schwächeren Füßen als zuvor. Jemand, der das Geschäftproblem, die Architektur, die Sicherheit, wie Produktionssysteme ausfallen und wie man KI-Tools einsetzt versteht, wird deutlich fähiger. Ein Ingenieur mit guten Werkzeugen kann heute Ideen erforschen, die früher ein kleines Team erfordert hätten.

Das ist aufregend – aber auch gefährlich, denn wenn die Herstellung von Software günstiger wird, werden auch schlechte Programme billiger. Bald könnten es Millionen an von KI erstellten Anwendungen geben. Sie zu entwickeln wird nicht schwierig sein – doch zu entscheiden, welche es wert sind, zu existieren, wird schwierig sein.

Was Entwickler heute tun sollten

Im Wettbewerb mit KI beim Schreiben von Code hat man keine Chance zu gewinnen. Nutzen Sie KI aktiv und werden Sie hervorragend darin, ihre Ergebnisse zu überprüfen. Lernen Sie, wie reale Systeme versagen. Verstehen Sie die Datenbank hinter der API sowie was nach dem Deployment passiert. Studieren Sie Sicherheitsaspekte und die Funktionsweise von Agenten. Behalten Sie immer die Fähigkeit bei, gegebenenfalls ohne KI etwas zu entwickeln.

Die Zukunft wird wahrscheinlich nicht zwischen Menschen und KI entschieden. Es geht eher darum, ob ein Entwickler KI nutzt oder nicht. Noch weitergehend könnten Entwickler, die verstehen, was sie bauen sollen, warum sie es bauen und wann sie es besser lassen sollten, wertvoller sein als diejenigen, die lediglich Code erzeugen. KI macht den Code günstiger und erhöht den Wert des ingenieurtechnischen Urteils.