Prompts, Agenten und die nächste Sprosse der Abstraktionsleiter

Alle paar Jahrzehnte steigt die Programmierung eine Sprosse höher. Zuerst gab es reinen Maschinencode, binäre Befehle, die der Prozessor direkt ausführt. Assembler machte diese Befehle lesbar. Dann erlaubten C++, Java, Python und JavaScript, Logik zu beschreiben, ohne überhaupt an Hardware zu denken. KI wirkt wie die nächste Sprosse, und es hilft, ihr einen Namen zu geben: die Absichtsebene. Hier sagen Sie in normaler Sprache, was Sie wollen, und das System macht daraus Code, verbindet die Teile drumherum und übernimmt zunehmend auch die Arbeit rund um den Code. Die Aufgabe von Entwicklern verschiebt sich vom Tippen von Code hin zum Formulieren von Absichten.

Die Abstraktionsleiter, eine Anforderung nach der anderen

Nehmen wir eine kleine Aufgabe: die Kundenbestellungen lesen und ihren Wert aufsummieren. Ganz unten im Stack heißt das, Register, Speicheradressen und Prozessorbefehle hin und her zu schieben. In einer Hochsprache schrumpft das auf eine Zeile:

total = sum(order.amount for order in orders)

Nichts in dieser Zeile sagt, wie Speicher reserviert wird oder wie die CPU die Addition ausführt. Das übernehmen die Sprache und ihre Laufzeitumgebung. Genau darum geht es bei Abstraktion: Sie beschreiben, was Sie wollen, und überspringen den Großteil des Wie. KI treibt dieselbe Idee einen Schritt weiter.

Ergebnisse beschreiben statt Code

Stellen Sie sich vor, Sie bitten einen Coding-Agenten um ein Dashboard für Kundenbestellungen: Speicherung in PostgreSQL, ein Python-Backend, Benutzerauthentifizierung, REST-Endpunkte, Tests und Dokumentation. Echtes Programmierwissen brauchen Sie dafür vielleicht trotzdem. Aber Sie legen nicht mehr jede Datei, Klasse, jeden Endpunkt, jede Abfrage und jeden Test von Hand an. Sie beschreiben das Ergebnis, und die KI schlägt eine Implementierung vor.

Das ist eine wirklich andere Arbeitsweise. Sie arbeiten mit Absichten, Einschränkungen, Architektur und Ergebnissen. Deshalb ist Prompting wichtig, und deshalb ist es mehr als ein Plausch mit einem Bot. Ein guter Prompt vermittelt Anforderungen klar, liefert Kontext, setzt Grenzen, legt das erwartete Ergebnis fest, berücksichtigt Randfälle und prüft das Resultat. Auffällig, wie sehr das nach Softwareentwicklung klingt.

Agenten gehen noch weiter

Prompts sind erst der Anfang. Der größere Wandel kommt durch agentische KI. In einem klassischen Programm schreiben Sie jeden Schritt aus:

Get customer data
→ Validate data
→ Calculate risk
→ Store result
→ Send notification

Alles ist explizit. Ein Agent dagegen bekommt vielleicht ein Ziel wie dieses: Geh diese Kundenanträge durch, markiere die, die eine zusätzliche Prüfung brauchen, aktualisiere das CRM und benachrichtige das zuständige Team. Er wählt die Abfolge seiner Aktionen selbst, nutzt die angebundenen Tools, sieht sich die Daten an, trifft Entscheidungen innerhalb festgelegter Grenzen und liefert ein Ergebnis.

Damit ändern sich auch die Fragen, die sich Entwickler stellen. Früher lautete sie: Wie programmiere ich jeden Schritt? Heute: Was soll der Agent erreichen, welche Tools darf er nutzen, an welche Regeln ist er gebunden, und wie stellen Sie sicher, dass er sich korrekt verhalten hat? Das ist eine deutlich höhere Abstraktionsebene.

Noch einmal die Leiter hinauf, mit einer Rechnungsfunktion

Nehmen wir etwas Größeres, eine Rechnungsfunktion. Auf der untersten Ebene denken Sie nah an der Hardware, wo Speicher, Register und Befehle eine Rolle spielen. Mit einer Hochsprache schreiben Sie:

def calculate_invoice(items):
    return sum(item.price * item.quantity for item in items)

Die Sprache verbirgt die Mechanik. Auf der Absichtsebene würden Sie eher so etwas sagen: Baue ein Rechnungsmodul, das Steuern berechnet, Kundenrabatte anwendet, den Lagerbestand prüft, die Rechnung speichert, ein PDF erzeugt und eine API bereitstellt, nach den bestehenden Standards des Teams und mit automatisierten Tests. Einen großen Teil der Implementierung kann die KI liefern. Ihre Arbeit rückt eine Ebene nach oben, vom Schreiben einzelner Befehle zum Festlegen, wie sich das System verhalten soll.

Das Programmieren verschwindet dadurch nicht. Im Gegenteil. Sie müssen weiterhin Architektur, Datenbanken, APIs, Sicherheit, Tests, Performance, Debugging und das Geschäft selbst verstehen. Was sich ändert: Sie können mehr Implementierungsdetails abgeben.

Ist das wirklich eine neue Ebene der Programmierung?

Hier ist Vorsicht angebracht. Prompting ist formal keine neue Sprachebene wie Maschinencode oder Hochsprachen. Ein Prompt ersetzt keinen Compiler, keine Sprache und keine Architektur. Konzeptionell passiert aber etwas Echtes. Sprachen abstrahieren Hardware, Frameworks abstrahieren Programmierkomplexität, Modelle können Teile der Implementierung abstrahieren, und Agenten ganze Abfolgen von Aktionen.

Man kann sich die Entwicklung so vorstellen: Maschinenbefehle, dann Assembler, dann Hochsprachen, dann KI-gestützte Entwicklung, dann agentische Systeme. Je weiter Sie gehen, desto mehr drücken Sie Absicht statt Implementierung aus. Darin liegt die eigentliche Bedeutung dieses Wandels.

Ein größerer Werkzeugkasten

Nichts davon heißt, dass Sie aufhören sollten, Python, Java oder JavaScript zu lernen. Grundlagen bleiben wertvoll und werden vielleicht sogar wichtiger, denn irgendjemand muss prüfen und absichern, was die KI produziert. Klassisches Programmieren allein reicht aber womöglich nicht mehr. Künftige Entwickler werden sich wahrscheinlich mit Folgendem auskennen müssen:

• Programmiergrundlagen
• Prompt Engineering und Context Engineering
• Was KI-Modelle können und was nicht
• Tool Calling und APIs
• RAG und Wissenssysteme
• Agentische Workflows
• Bewertung und Tests von KI-Ausgaben
• Sicherheit und Governance
• Systeme mit Human in the Loop

Im Vorteil sind diejenigen, die Softwareentwicklung, Verständnis für das Denken von KI und Geschäftswissen verbinden.

Mehr Engineering, weniger Tippen

Verstehen Sie das nicht als weniger Programmieren. Rechnen Sie mit mehr Engineering und weniger Tipparbeit. Wer früher Stunden mit Boilerplate verbracht hat, wird diese Zeit darauf verwenden, Anforderungen zu definieren, Architektur zu entwerfen, Grenzen zu setzen, KI-generierte Lösungen zu beurteilen und das Verhalten des Systems zu verbessern.

Auch die Frage im Vorstellungsgespräch ändert sich. Statt „Können Sie dieses Stück Code schreiben?“ heißt es dann: „Können Sie ein KI-System dazu bringen, eine Lösung zuverlässig zu bauen und zu betreiben?“ Das ist eine völlig andere Fähigkeit.

Jahrzehntelang haben wir daran gearbeitet, Programmiersprachen menschenfreundlicher zu machen. KI könnte der nächste Schritt sein und die Softwareentwicklung näher daran bringen, schlicht zu sagen, was man vorhat. Die Entwickler von morgen werden vielleicht weniger danach beurteilt, wie viel Code sie schreiben, sondern danach, wie gut sie planen, spezifizieren, koordinieren und die Arbeit intelligenter Systeme überprüfen. Der Code ist nicht verschwunden. Sie arbeiten womöglich einfach eine Ebene darüber.