Alle paar Monate kündigt eine Schlagzeile das Ende der Programmierung an: „KI wird den ganzen Code schreiben“, „in zwei Jahren braucht man keine Entwickler mehr“. Währenddessen nutze ich KI jeden Tag, in Kundenprojekten und auf genau dieser Website, und komme zu einem anderen Schluss: KI ist ein Arbeitswerkzeug, nicht jemand, der die Arbeit für uns erledigt.
Das ist keine neue Position. Der Compiler hat Assembler automatisiert, die IDE das Merken von APIs, Stack Overflow das Finden gängiger Lösungen. Jedes Mal hat sich der Beruf verändert, aber er ist nicht verschwunden: Er hat sich nach oben verlagert, zu den Problemen, die diese Werkzeuge nicht lösen.
Was sie wirklich gut kann
Für die richtigen Aufgaben eingesetzt, spart KI Stunden. In meiner täglichen Arbeit nutze ich sie vor allem für:
- Repetitiven Code: DTOs, Validierungen, Gerüste für Komponenten und Tests.
- Legacy-Code verstehen: „Erklär mir, was diese 200-Zeilen-Funktion macht“ ist ein hervorragender Einstieg.
- Erste Entwürfe: eine Query, eine Regex, ein Migrationsskript zum Überprüfen.
- Konvertierungen: von JSON zu einem TypeScript-Interface, von CSS zu SCSS, von Callbacks zu async/await.
- Eine erste Durchsicht: offensichtliche Fehler, unklare Namen, vergessene Randfälle.
Ein konkretes Beispiel: DTOs mit Validierungen für ein Formular mit fünfzehn Feldern zu erstellen, kostete mich rund zwanzig Minuten mechanische Arbeit. Mit KI sind es zwei Minuten, plus fünf zum Durchlesen. Genau diesen Gewinn sollte ein Werkzeug bringen: weniger Zeit für Wiederholung, mehr Zeit zum Nachdenken.
Wo sie aufhört
Die Grenze ist nicht die Codequalität, die oft gut ist. Die Grenze ist alles, was um den Code herum liegt:
- Kontext: Sie weiß nicht, warum der Kunde diese Funktion will und welche Rahmenbedingungen nirgends aufgeschrieben sind.
- Entscheidungen: zwischen zwei korrekten Lösungen die richtige für dieses Team und dieses Budget wählen.
- Überprüfung: Generierter Code sieht immer richtig aus, auch wenn er es nicht ist.
- Verantwortung: Wenn in Produktion etwas kaputtgeht, steht ein Mensch dafür ein, kein Modell.
Ein Beispiel, das mir tatsächlich passiert ist. Um das Datum einer Bestellung anzuzeigen, schlug der Assistent Folgendes vor:
// Suggested code to show an order date
const date = new Date('2026-10-02');
label.textContent = date.getDate() + '/' + (date.getMonth() + 1);
// Rome: "2/10" — New York: "1/10"Der Code kompiliert, die lokalen Tests laufen durch und in Italien funktioniert alles. Ein String im Format JJJJ-MM-TT wird jedoch als Mitternacht UTC interpretiert – für einen Nutzer in den USA erscheint die Bestellung deshalb mit dem Vortag. Die KI hat sich nicht im engeren Sinne „geirrt“: Sie wusste nicht, dass die Website Nutzer in mehreren Zeitzonen hat. Das zu bemerken, ist unsere Arbeit.
Ein echter Arbeitstag: Wer macht was
Wenn ich auf einen typischen Tag schaue, ist die Aufgabenteilung ziemlich klar:
| Tätigkeit | Wer sie übernimmt |
|---|---|
| Verstehen, was der Kunde wirklich will | Ich |
| Architektur und Abwägungen festlegen | Ich, mit der KI als Gesprächspartner |
| Gerüste für Komponenten, DTOs und Tests schreiben | Die KI, und ich prüfe |
| Einen seltsamen Fehler in den Logs analysieren | Gemeinsam |
| Release in Produktion und Verantwortung | Ich |
„Werkzeug“ heißt nicht „harmlos“
Zu sagen, dass KI ein Werkzeug ist, heißt nicht, dass sich nichts ändert. Es ändert sich viel: Wer nur repetitive Arbeit gemacht hat, ist stärker betroffen, und Juniors laufen Gefahr, die Phase zu überspringen, in der man die Grundlagen lernt – weil funktionierender Code mühelos entsteht.
Gleichzeitig sind manche Fähigkeiten mehr wert als früher:
- Code lesen und bewerten, nicht nur schreiben.
- Die Fachdomäne kennen: Abrechnung, Gesundheitswesen, Logistik – je nach Branche des Kunden.
- Kommunizieren: eine vage Anfrage in präzise Anforderungen übersetzen.
- Überprüfen: Tests, Monitoring, kritisches Review.
So nutzt du sie als Werkzeug: fünf Regeln
- Übernimm keinen Code, den du nicht erklären kannst. Wenn du nicht sagen kannst, warum er funktioniert, weißt du auch nicht, wann er aufhört zu funktionieren.
- Gib Kontext. Framework-Version, Projektkonventionen, echte Rahmenbedingungen: Davon hängt die Qualität der Antwort ab.
- Prüfe mit Tests, vor allem Randfälle: leere Werte,
null, Zeitzonen, Netzwerkfehler. - Füge keine sensiblen Daten ein: Schlüssel, Passwörter, personenbezogene Kundendaten.
- Miss den Gewinn. Wenn das Korrigieren der Antwort mehr kostet, als den Code selbst zu schreiben, schreib ihn selbst.
Fazit
Ich sehe KI als Werkzeug: das mächtigste, das wir seit Langem hatten, aber eben ein Werkzeug. Sie automatisiert Wiederholungen und beschleunigt erste Entwürfe; sie kennt den Kontext nicht, trifft keine Entscheidungen und übernimmt keine Verantwortung. Oft heißt es, KI werde Entwickler nicht ersetzen, aber Entwickler, die sie gut nutzen, würden jene ersetzen, die sie ignorieren: Ich halte das für richtig – sofern man ergänzt, dass „gut nutzen“ bedeutet, diejenigen zu bleiben, die verstehen, entscheiden und überprüfen. Aus Sicht der Personalauswahl schreibe ich darüber auch in diesem Artikel über Interviewfragen im KI-Zeitalter.