Vielleicht ist jetzt der beste Zeitpunkt, um Softwareentwicklung zu lernen

• Mit dem Aufkommen von AI-Code-Agenten wirkt es zwar so, als würde die Rolle von Entwickler:innen verschwinden, doch gerade jetzt ist ein guter Zeitpunkt, Entwicklung zu lernen
• Entwickler:innen sind nicht einfach Menschen, die Code schreiben, sondern diejenigen, die das eigentliche Problem erkennen und Realität mit Anforderungen in Einklang bringen
• AI erzeugt auf den ersten Blick schnell funktionierenden Code, löst in der Praxis aber oft das falsche Problem oder erzeugt nur eine Illusion
• Entwickler:innen, die die Grundlagen beherrschen und AI gut einsetzen, werden im Gegenteil noch produktiver und einflussreicher werden
• Veränderung ist unvermeidlich, daher wird die Bedeutung menschlicher Expert:innen, die mit AI umgehen können, weiter wachsen

---

What do you do while awaiting the agents writing your code?

• Während die Code-Agenten arbeiten, verbringt der Autor die Zeit mit Sport oder damit, neue Agenten auszuprobieren
• Mehrere Agenten gleichzeitig zu steuern ist jedoch nicht einfach, und manchmal wiederholt man nur noch „Reparier das!!“, ohne wirklich zu verstehen, was passiert
• Trotz dieses Umfelds hat der Autor Spaß daran und argumentiert gerade deshalb, entgegen der Stimmung vom Ende der Entwickler:innen, dass jetzt die beste Zeit sei

Developers are highly-paid farmers. LLMs are the combine harvesters.

• Zitat aus einem Tweet von Tom Blomfield

  "Entwickler:innen sind hochbezahlte Landwirt:innen, und LLMs sind die Mähdrescher"

• AI sorgt dafür, dass einzelne Entwickler:innen viel mehr leisten können als früher, und diese Fähigkeit verbreitet sich rasant
• Zwar gibt es die Vorstellung, AI könne die Rolle menschlicher Entwickler:innen ersetzen, doch in Wirklichkeit werden diejenigen wichtiger, die sie als Werkzeug einsetzen können
• Das bedeutet nicht, dass die Rolle von Entwickler:innen verschwindet, sondern dass sie stärker geworden ist

1. It’s your moat, too

• Dass Entwickler:innen ein Wettbewerbsvorteil (moat) eines Unternehmens sind, gilt umgekehrt auch für die Entwickler:innen selbst
• In einer Situation, in der auch Konkurrenten durch AI stärker werden, ist die Entlassung bestehender Entwickler:innen fast ein Akt der Selbstsabotage
• Wenn Wettbewerber mit AI ihr Territorium ausweiten, gerät man ins Hintertreffen, wenn man sich nur verteidigt
• Entwickler:innen gleichen nun Soldat:innen mit Hubschraubern oder Mähdreschern als Bewaffnung, und gewinnen werden die Unternehmen, die sie gut einsetzen

2. AI grants wishes, developers discover

• AI setzt die oberflächlichen Anforderungen von Nutzer:innen schnell um, doch die meisten echten Probleme sind keine Coding-, sondern Definitions- und Designprobleme
• Wegen mangelndem Verständnis der Realität und falscher Anfragen entstehen oft völlig unpassende Ergebnisse
  • Beispiel: Es gibt zwar eine Blockchain-basierte App, in der Realität werden aber Passwörter geteilt und nicht einmal 2FA genutzt
  • Beispiel: Es gibt ein Kundenportal, aber die eigentlichen Daten werden manuell in Excel gespeichert
• AI kann eine „bequeme Antwort“ liefern, doch es braucht Expert:innen, die erkennen können, ob sie wirklich hilfreich ist
• Man kann zwar auch mit AI lernen, doch ohne solide Grundlagen verbringt man am Ende nur mehr Zeit damit, sich zu verirren
• Komplexe Konzepte wie GDPR oder Sicherheit setzt AI zwar um, aber Nutzer:innen verstehen oft nicht vollständig, was das bedeutet
• Entwickler:innen bleiben nötig, weil sie das Wesentliche herausarbeiten und falsche Anforderungen herausfiltern
• AI ist nur eine Lernhilfe; um echte:r Entwickler:in zu werden, sind Grundlagenwissen und Realitätssinn unverzichtbar

3. Software is kinda the last problem anyway

• Das letzte Problem, das AI lösen wird, könnte Software selbst sein, und noch immer gibt es viele ungelöste Softwareprobleme
• Es entstehen immer mehr AI-Tools, und die Fähigkeit, gute von schlechten Werkzeugen zu unterscheiden, wird wichtiger
• Gerade jetzt ist die beste Zeit zum Lernen: Es gibt reichlich Tools und unzählige Chancen, Probleme zu lösen
• Wenn man in so einer Phase sagt: „AI wird alles erledigen, also lasst uns weniger Entwickler:innen beschäftigen“, dann ist das eher eine Entscheidung, die das eigene Wachstum selbst begrenzt
• Eine Entwicklergeneration, die gemeinsam mit AI gewachsen ist, wird in Zukunft enorme Stärke besitzen, weshalb Investitionen heute wichtig sind

Jetzt ist eine Zeit, in der Lernen leicht fällt, die Produktivität hoch ist und menschliches Eingreifen noch wichtiger wird. Die Rolle menschlicher Expert:innen, die Entscheidungen von AI prüfen und Verantwortung dafür übernehmen können, wird künftig noch bedeutsamer werden

Fazit

• Technologie verändert sich ständig, und ihre Richtung lässt sich nie exakt vorhersagen
• Die Rolle des Menschen bleibt dennoch wichtig: Menschen müssen die Irrtümer und Fehler von AI prüfen und Verantwortung dafür übernehmen
• AI zu nutzen allein reicht nicht aus; entscheidend sind menschliche Expert:innen, die richtig mit ihr umgehen können
• Letztlich stehen Entwickler:innen nicht vor einem romantisierten Ende der Technologie, sondern an einem Punkt des Neuanfangs

[draupnir]

Dem stimme ich total zu. Ich bin zwar auch der Meinung, dass mit No-Code-Tools nach und nach immer mehr möglich sein wird, aber wenn Menschen, die bereits ein gewisses Verständnis für Entwicklung haben oder sie lernen möchten, sich von KI helfen lassen, dann wirkt sich das ... schon jetzt explosionsartig positiv aus. Die Geschwindigkeit, mit der Wissen und Erfahrung bei Menschen wachsen, die sich mit Neugier einer gewissen Komplexität nähern, dürfte schneller sein und auch mehr Spaß machen, als auf den Tag zu warten, an dem man alles auch ohne dieses Wissen tun kann.

[fanotify]

Aber so setzen Unternehmen es um (zumindest hierzulande).

Die OOO-Gruppe richtet ihre Organisation auf Künstliche Intelligenz aus. ... Für unverzichtbare Aufgaben wie die Wartung von Services wird Entwicklungspersonal des Entwicklungszentrums in Kambodscha eingesetzt, und ein Teil der inländischen Beschäftigten einschließlich der Entwickler absolviert derzeit eine KI-Schulung und wird anschließend in Produktteams versetzt. Die Einstellung neuer Mitarbeiter, einschließlich Entwicklern, ist derzeit ausgesetzt, erklärte der stellvertretende Vorsitzende MMM von OOO.

Ich habe es maskiert, damit es vielleicht nicht auffällt, aber es ist ein echter Artikel: https://news.nate.com/view/20250610n33754

[GN⁺]

Hacker-News-Kommentare

• Ehrlich gesagt möchte ich betonen, dass einer der großen, wenig erwähnten Vorteile von AI-Tools meiner Meinung nach in der „psychologischen Unterstützung“ liegt. Wenn man bei der Arbeit feststeckt, kann schon ein kleiner Motivationsschub oder etwas Zuspruch viel bedeuten. Auch wenn die Antwort nicht perfekt ist, hilft diese Präsenz dabei, wieder voranzukommen. Das Gefühl, nicht allein zu arbeiten, ist in Wirklichkeit viel wichtiger, als die meisten denken

  • Das kann von Person zu Person unterschiedlich sein, aber ich bin nach 30 Minuten Gespräch mit einem LLM komplett ausgelaugt. Es fühlt sich an, als würde man mit einem Dummkopf reden, der so tut, als wüsste er Bescheid. Wenn man LLMs miteinander reden lässt, sieht man sofort, wie das Gespräch entgleist — das motiviert mich überhaupt nicht. Ich google lieber, ignoriere die oft falschen LLM-Zusammenfassungen ganz oben und suche die Antwort auf echten Fachwebsites. Dort findet man in der Regel auch die ursprünglichen Autoren des Codes, den das LLM kopiert hat
  • Ich habe Studierende gebeten, Witze über AI mitzubringen. Ich finde, Humor ist eine der besten Möglichkeiten, die Ängste der Menschen ehrlich sichtbar zu machen. Ein Student schrieb: „Ich kam an dem Tag früh zur Arbeit, und der Monitor war an, obwohl niemand ihn berührt hatte, und da wurde gerade Code geschrieben. Ich rannte zu meinem Chef und sagte ihm, jemand habe sich in meine Maschine eingeloggt und schreibe Code. Mein Chef sah besorgt aus und sagte, ich hätte Halluzinationen — das sei kein Hacker, sondern der neue Agent der Firma. Während du geschlafen hast, hat er die App gebaut, die wir brauchten. Und noch bessere Nachrichten: Du bekommst die Beförderung, die du dir immer gewünscht hast — zum Prompt-Manager. Das Gehalt wird halbiert, aber dafür musst du den ganzen Tag nur TikTok schauen.“ Es fällt mir schwer, in solchen Geschichten echten psychologischen Trost zu finden
  • Je nach Situation kann es für Lernende sogar besser sein, die Antwort nicht sofort nachzuschlagen, sondern sich selbst zum tieferen Nachdenken zu zwingen. Der Prozess, nicht zu schnell aufzugeben und ein Problem besser verstehen zu wollen, ist ebenfalls eine wichtige Fähigkeit. In einer Zeit, in der wie bei der TikTok-Generation sofortige Befriedigung Vorrang hat, wird solches tiefes Denken wohl immer seltener — das bedauere ich. Problematisch finde ich auch, dass das Management solche Verhaltensmuster zunehmend belohnt. Schnelle Ergebnisse werden als der entscheidende Wert behandelt, während langfristiges Denken oder die richtige Richtung gegenüber bloßer Geschwindigkeit an Bedeutung verlieren
  • Ich habe überhaupt keine solche psychologische Unterstützung gespürt. Eher im Gegenteil, meine Motivation ist gesunken. Die Erwartung, doch einfach die AI zu fragen, hat die Zusammenarbeit reduziert, und weil künftig zwangsläufig weniger Junior- und Mid-Level-Leute eingestellt werden, gibt es auch entsprechend weniger Möglichkeiten zur Karriereentwicklung
  • Ich finde, es gibt Vor- und Nachteile. Es stimmt schon, dass LLMs helfen und zum Beispiel den Flow erhöhen können, aber zugleich sind sie auch ein Ventil für Stress. Wenn sich ein LLM lächerlich verhält, reagiere ich absichtlich ziemlich gemein und baue so Stress ab. Besser, als das an Menschen auszulassen. Nebenbei: Von Skynet werde ich dafür wohl nie gut behandelt werden

• „Gute Nachrichten, Chef! Wir haben eine neue Technologie entwickelt, mit der jetzt auch Nichtfachleute direkt auf Englisch Code schreiben und deployen können! Teure Entwickler muss man nicht mehr einstellen!“ „Oh, zeig mal!“ „Ja, hier ist sie. Sie heißt COBOL.“

  • FORTRAN (Formula Translator) war ebenfalls eine Art „AI“ und ein wegweisendes Projekt im Bereich automatischer Programmierung. Vor 1954 wurde fast die gesamte Programmierung in Maschinencode oder Assembler durchgeführt, und Programmierer mussten kreativ sein, um effiziente Programme zu erstellen. FORTRAN war ein System, bei dem man Formeln in mathematischer Notation schrieb und der Computer daraus selbstständig schnelle Programme erzeugte (Referenzlink 1) (Referenzlink 2)
  • Es war als Witz gemeint, aber ich denke, allen ist klar, dass es tatsächlich stimmt. Bei SQL gab es ähnliche Behauptungen: eine deklarative Sprache, in der man sagt, was man will, und der Computer erledigt den Rest. Geschrieben wird sie ebenfalls auf Englisch
  • Ich finde das eine großartige Formulierung und kann mich damit identifizieren. Ich möchte betonen, dass technologische Innovation bedeutet, den Kuchen auf eine zuvor unmögliche Weise zu vergrößern. Die Popularisierung der Digitalkamera, durch die jeder zum Fotografen werden konnte, oder die kreative Explosion auf YouTube sind gute Beispiele dafür. Mit LLMs und Programmierung ist es ähnlich. Am Ende sehe ich darin eine positive Entwicklung: mehr Apps, mehr Entwickler
  • Was wir oft vergessen: Dank solcher Hochsprachen konnten auch Menschen neu ins Programmieren einsteigen, die früher als „Nichtfachleute“ galten
  • Ich glaube, dass man in ein paar Jahrzehnten sagen wird: „Das hier ist Dreamweaver“

• Nachdem ich mehrere überzogene Reaktionen von Unternehmen und von den Medien verstärkte Wundermittel erlebt habe, habe ich das starke Gefühl, dass sich auch dieser AI-Hype ähnlich entwickeln wird wie frühere Wellen. Unternehmen treffen am Ende Entscheidungen zulasten von Wissensarbeitern, aber die Vergütung des Managements wird deswegen nicht sinken. Trotzdem wirkt diese Welle für intelligente, hoch motivierte Builder wie den Autor des TFA wie eine riesige Chance. Wenn dein aktueller Job gefährdet ist oder du ihn bereits verloren hast, dann ist jetzt vielleicht der Moment, das auszuprobieren, wofür du bisher wegen Stress oder Erschöpfung keine Zeit hattest. In diesem Prozess lässt sich womöglich eine gute Einnahmequelle aufbauen, die nicht von Unternehmen abhängt, und manche werden vielleicht sogar etwas schaffen, das Unternehmen später für viel Geld kaufen wollen

  • Ich habe schon damit angefangen. Seit langer Zeit nehme ich selbst Sprachnotizen auf, habe sie aber bisher meist nur gelesen oder einfach liegen lassen. Aufnehmen ist leicht, aber Informationen daraus zu extrahieren ist schwer. Zurzeit entwickle ich Software, mit der sich Informationen schnell aus diesen Sprachnotizen ziehen lassen. Das wird nicht nur für Historiker der Zukunft nützlich sein, sondern direkt für mich selbst. Ohne AI hätte ich keine Zeit gehabt, mich so intensiv einem solchen Projekt zu widmen. Der meiste Code und die Struktur kommen aus meiner Hand, aber dank AI geht es schneller
  • Der Ratschlag „Wenn du deinen Job verloren hast oder er unsicher ist, bau jetzt das, woran du immer nur gedacht hast“ ist nicht völlig schlecht, kann aber für Menschen, die gerade schwer einen Job finden oder künftig in einem schrumpfenden Software-Arbeitsmarkt landen, fatal sein. Noch vor ein paar Jahren hieß es, AI werde keine Jobs wegnehmen, aber ich habe damals schon gesagt, dass man schnell andere Fähigkeiten lernen müsse. Wenn du als Entwickler keinen Job findest, dann ist es womöglich sinnvoller, Malern oder Teppichverlegen zu lernen, bevor deine Notreserve aufgebraucht ist. Man sollte sich klarmachen, dass die Wahrscheinlichkeit, mit einem Startup viel Geld zu verdienen oder dauerhaft den Lebensunterhalt zu sichern, extrem gering ist. Besonders wenn man eine Familie versorgt, würde ich davor warnen, sich unüberlegt in so etwas zu stürzen

• Ich schreibe ziemlich viel, etwa tagebuchartig, teile das aber normalerweise nicht. Vorab gesagt: Es ist eher hingekritzelt. Trotzdem wollte ich es teilen, um die derzeit allzu pessimistische Sicht auf den Wert von Softwareentwicklern etwas auszugleichen

  • Ich würde gern öfter von dir lesen. Auch nukleare Fusionen sind willkommen
  • Der Text war wirklich eindrucksvoll. Es wirkte fast wie von einem alten Entwickler-Blogger. Ich hoffe, du postest auch in Zukunft weiter
  • Es war wirklich angenehm zu lesen. Danke, dass du das geschrieben hast
  • Der Humor war erfrischend
  • Entwicklerblogs sind in letzter Zeit so ernst, dass es fast erdrückend ist — da ist diese subtile Satire wirklich willkommen, danke dafür

• Ich arbeite im Security-Bereich und bin kein Entwickler, habe aber im Studium Softwareentwicklung gelernt. Nur auf Grundlage des Titels würde ich sagen: Wenn man die Grundlagen leicht lernen kann, ist es für alles ein guter Zeitpunkt zum Lernen. Früher musste man viel Zeit damit verbringen, sich durch Online-Foren zu wühlen, Bugs zu beheben, Erklärungen zu Konzepten zu finden und herauszufinden, wie man etwas anwendet. LLMs können als Tutor dienen: für viele Rückfragen, Code-Feedback, Erklärungen von Konzepten, das Finden von Fehlerstellen und mehr. Eigentlich haben wir sonst meist nach „dummen Fragen“ gesucht. Wie sich dieser Vorteil auf Leute ab Mittelstufe aufwärts auswirkt, weiß ich allerdings noch nicht genau

  • Aus ähnlichen Gründen habe auch ich ziemlich viel Hilfe bekommen. Man kann mit einem LLM Ideen austauschen oder fragen: „Habe ich das so richtig verstanden? Was daran ist falsch?“ Ich würde ihm bei schwierigen Problemen nicht bis ins letzte Detail vertrauen, aber ich finde, die Richtung des Denkens ist oft richtig. Dadurch lösen sich Blockaden schneller, und weil ich mir selbst vielfältigere und tiefere Fragen stelle, lerne ich insgesamt schneller
  • Mein Fazit ist: Ab dem mittleren Niveau sollte man LLMs weniger als das Lernen selbst, sondern eher als Beschleuniger oder Katalysator nutzen, dann ist der Nutzen am größten

• Ich stimme zu, dass die Analogie zur Landwirtschaft interessant ist, aber damit das Jevons-Paradoxon tatsächlich greift, müsste die Nachfragekurve sehr elastisch sein, während Nahrungsmittel in der Praxis eher unelastisch sind. Die größte Unbekannte ist im Moment, wie viel zusätzliche Nachfrage nach Software es noch gibt und wo die Leistungsgrenzen von AI liegen

  • Eines ist jedenfalls klar. Die Herrenhäuser, die Ende des 19. Jahrhunderts gebaut wurden, zeigen deutlich eine Zeit, in der frühere Bauern als „zu gut bezahlt“ galten. Aber diese Wohlstandsphase kam tatsächlich erst 50 bis 75 Jahre nach der Erfindung des Mähdreschers. Wenn die Analogie stimmt, dann sind Entwickler heute im Vergleich zum künftigen LLM-Zeitalter vielleicht sogar noch eher arm. Der wichtige Unterschied ist jedoch: Früher waren Bauern Eigentümer ihrer eigenen Arbeit, während moderne Softwareingenieure meist Angestellte von Unternehmen sind. Wenn sich die Geschichte also wiederholt, dann werden wohl auch diesmal die Eigentümer gewinnen
  • Auch die Nachfrage nach Nahrungsmitteln ist elastisch. Wenn Rindfleisch teurer wird, steigt die Nachfrage nach Ersatzprodukten wie Huhn, Schwein, Tofu oder Bohnen. Obst oder nicht lebensnotwendige Lebensmittel haben eine hohe Nachfrageelastizität, und ihr Anteil an den Konsumausgaben ist tatsächlich groß. Wenn billige Getreideprodukte zu allgegenwärtig werden, verzichtet man entsprechend auf Qualität — dadurch wächst ganz natürlich auch die Nachfrage nach hochwertigen Produkten. Ich erwarte, dass mit dem Fortschritt von LLMs auch im Softwaremarkt die Nachfrage nach Qualität und nach hochwertiger Software weiter steigen wird
  • Die Nachfrage nach essbaren Kalorien an sich ist unelastisch, aber wenn das gesamte Nahrungsangebot zunimmt, führt das am Ende dazu, dass auf „Fleischproduktion“ umgestellt wird, die mit Umweltzerstörung, Ineffizienz und ethischen Kontroversen verbunden ist
  • Da der Anteil verschwendeter Lebensmittel in Haushalten in Industrieländern ziemlich hoch ist, gibt es auch die Ansicht, dass die Nachfrage nach Nahrungsmitteln deutlich elastischer sein könnte, als es die Intuition nahelegt

• Metaphern wirken oft plausibel, brauchen aber unbedingt Belege, die sie tatsächlich stützen. „Landmaschinen“ könnte eine zutreffende Analogie sein, oder vielleicht eher CAD-Tools, die die Zeit ersetzt haben, in der Maschinenbauzeichnungen von Hand erstellt wurden. Wenn man aber bedenkt, dass Ingenieure durch CAD nicht vollständig ersetzt wurden, halte ich es persönlich für fraglich, ob man daraus dieselbe Schlussfolgerung ziehen sollte wie bei den extremen Produktivitätssprüngen in der Landwirtschaft

• Ich stimme nicht mit dem gesamten Framing dieses Textes überein. Vor allem glaube ich nicht, dass der Effizienzgewinn so enorm ist wie bei einem Mähdrescher. Aber der entscheidende Wandel ist, dass sich Wert weg von bloßer „Coding-Fähigkeit“ und hin zu Domänenwissen, Verständnis von Business-Logik und der Fähigkeit verschiebt, zwischen technischen und nichttechnischen Stakeholdern zu vermitteln und das eigentliche Ursprungsproblem zu lösen. Ich denke, wir haben so einen Wandel schon vor 20 Jahren während der Outsourcing-Welle gesehen

  • Die Attraktivität der Mähdrescher-Analogie liegt darin, dass man sich auf einer weiten, flachen Fläche wie einem Weizenfeld klar vorstellen kann, wie die Produktionsmenge steigt — dabei übersieht man leicht, dass es bei Code nicht unbedingt nützlich ist, einfach nur die Zeilenanzahl zu erhöhen

• Im Grunde ist das ein sich seit Langem wiederholendes Muster. Lösungen, die Nichtfachleute nach Einführung von Low-code- und No-code-Tools gebaut haben, mussten am Ende immer von Ingenieuren aufgeräumt werden. Ich selbst habe mit genau dieser Aufräumarbeit eine recht lukrative Karriere aufgebaut

  • Von ChatGPT erzeugte Node/React-Apps sind inzwischen das neue „Excel mit VBA-Makros“
  • Auf dem aktuellen Stand von AI erwarte ich, dass es noch mehr solcher Möglichkeiten geben wird

• Wenn man diese Phänomene zusammennimmt, müsste man eigentlich zu dem Schluss kommen, dass Unternehmen mit Entwickler-Entlassungen vorsichtig sein sollten. In der Realität gibt es diese Entlassungen aber bereits. Was man in Organisationen derzeit häufiger sieht, ist die Logik: „Wenn jemand remote arbeitet, können wir auch Leute aus günstigeren Regionen einstellen“, und die Idee „Wir ersetzen Entwickler durch AI“ passt offensichtlich gut zu den bestehenden HR-Strategien. Grundsätzlicher möchte ich außerdem anmerken, dass vieles von dem, was Entwickler in den letzten 20 Jahren gemacht haben, letztlich Arbeit ohne echten Konsumeffekt war — fast wie das Ausschlachten von Aufmerksamkeit

  • Ich würde zurückfragen, wie das zu interpretieren ist. In den meisten Organisationen ist es effektiv, Leute unter dem Durchschnitt zu entlassen und für dieselbe Vergütung Leute über dem Durchschnitt einzustellen. Und je stärker leistungsfähige Leute ihre Wirksamkeit mit AI steigern können, desto größer wird dieser Abstand werden. Wir werden zwangsläufig eine noch stärkere Bevorzugung von Top-Kräften sehen