Vibecoding beseitigt die Expertise von Entwickler:innen nicht, sondern verlagert die Bereiche, in denen sie gebraucht wird. [Übersetzung]

1. Beispielhafte Experimente mit Vibecoding

   • Mithilfe des Claude Code Agenten von Anthropic wurde erfolgreich ein Experiment durchgeführt, bei dem in einer Linux-Umgebung tatsächlich Spiele und Anwendungen erstellt wurden.
   • Befehle in natürlicher Sprache: Mit nur einem einfachen englischen Satz wie „Platziere Gebäude in verschiedenen Designs und sorge dafür, dass ich durch mein selbst gebautes Dorf fahren und es erkunden kann“ erzeugte die AI automatisch lauffähigen Code.
   • Kontinuierliche Einbeziehung von Feedback: Wenn zusätzliche Funktionen wie Feuerwehrmissionen, Verkehrsaufkommen, Konkurrenten (Hubschrauber), Tag-und-Nacht-Wechsel oder Missionen angefordert wurden, aktualisierte die AI die Anwendung entsprechend.
   • Problemlösungsprozess: Auch Bugs und Fehler, die während der Code-Ausführung auftraten, wurden durch wiederholte Kommunikation mit der AI gelöst; am Ende beliefen sich die Nutzungskosten für die Claude API auf rund 13 $.

2. Veränderung von Expertise

   • Verschiebung der Expertise: Vibecoding nimmt Entwickler:innen ihre Expertise nicht weg, sondern verlagert die Bereiche, in denen sie gebraucht wird. Statt jeden Code selbst zu schreiben, wird die Fähigkeit wichtiger, das Gesamtsystem zu verstehen, die Richtung vorzugeben und Ergebnisse zu bewerten.
   • Mindestmaß an Wissen erforderlich: Für die Zusammenarbeit mit AI ist ein Mindestmaß an Programmierwissen nötig, also Grundverständnis und Urteilsvermögen, ebenso wie die Fähigkeit, die von der AI vorgeschlagenen Ergebnisse zu prüfen und Feedback zu geben.
   • Praktisches Anwendungsbeispiel: Selbst Nutzer:innen, die mit Linux-Umgebungen nicht vertraut sind, können mit Hilfe von AI die gewünschte Software schnell erstellen.

3. Skalierbarkeit von AI-Agenten

   • Verschiedene AI-Agenten: Unterschiedliche AI-Agenten wie Manus aus China führen selbstständig ein breites Spektrum an Aufgaben aus, darunter Web-Recherche, Coding sowie die Erstellung von Dokumenten und Websites.
   • Bedeutung von Feedback: Auch wenn AI Aufgaben autonom erledigt, sind Fehler und Irrtümer möglich; deshalb ist es unverzichtbar, dass Menschen die Ergebnisse prüfen und Feedback geben.
   • Konkretes Experiment: Auf die Anfrage „Erstelle mithilfe der besten wissenschaftlichen Ratschläge einen interaktiven Kurs zu Elevator Pitches“ übernahm die AI selbstständig alles von der Erstellung einer Checkliste über Web-Recherche bis hin zum Bau der Seite. Als anschließend das Feedback kam, dass es an interaktiven Elementen mangele, verbesserte die AI das Ergebnis entsprechend.

4. Tiefgehende Zusammenarbeit (Deep Vibeworking)

   • Komplexe Datenanalyse: Es wurde ein Experiment durchgeführt, bei dem gemeinsam mit der AI große anonymisierte Datensätze aus dem Crowdfunding analysiert und sogar ein wissenschaftlicher Artikel verfasst wurden.
   • Rolle der AI: Die AI half stark bei der Datenanalyse und beim Vorschlagen von Hypothesen, doch für die Auswahl eines wissenschaftlich bedeutungsvollen Themas und die Bewertung der Ergebnisse war weiterhin menschliche Expertise nötig.
   • Schnelle Erstellung von Ergebnissen: Selbst die Erstellung des wissenschaftlichen Artikels dauerte weniger als eine Stunde, und das Resultat erreichte ein Niveau, das einen bedeutenden Beitrag für die Wissenschaft leisten könnte.

5. Fazit: Die Zusammenarbeit von Mensch und AI ist entscheidend

   • Komplementäre Zusammenarbeit: AI kann nicht alles ersetzen, doch der größte Wert entsteht, wenn menschliche Expertise und die Fähigkeiten der AI zusammenkommen.
   • Wandel der Arbeitsweise: Die Art zu arbeiten verändert sich rasant, und wichtig ist, für jede Aufgabe den passenden Berührungspunkt der Zusammenarbeit zwischen AI und Mensch zu finden.
   • Ausblick: Eine neue Ära bricht an, in der AI und Menschen ihre jeweiligen Stärken in der Zusammenarbeit ausspielen.

[tsboard]

KI wird zwar nicht alles übernehmen, aber sie wird wohl einen erheblichen Teil der Arbeit ersetzen.
Ich habe sogar die Sorge, dass eine Zeit kommt, in der eine sehr kleine Zahl echter Experten nicht mehr mit Junior- oder Mid-Level-Entwicklern zusammenarbeitet,
sondern einfach mit KI arbeitet und sich die Kluft noch weiter vergrößert.

[ashbyash]

Auch in der Arbeitswelt wird die Polarisierung wohl immer stärker werden.

[beoks]

Bei der Zusammenarbeit mit KI braucht man mindestens grundlegende Programmierkenntnisse (Basisverständnis, Urteilsvermögen), und es ist die Fähigkeit erforderlich, die von der KI vorgeschlagenen Ergebnisse zu prüfen und Feedback zu geben.

Ich denke, dass bei der Entwicklung von Enterprise-Anwendungen nicht nur minimales, sondern grundlegendes Wissen (CS, Domain, Design usw.) erforderlich ist.
Mit KI lassen sich einfache Toy-Projekte auch ohne dieses Wissen leicht entwickeln, aber je größer der Umfang wird, desto häufiger stößt man wegen fehlender Grundlagen auf verschiedene Hürden (eine von der Domäne abweichende Struktur, Performance-, Nebenläufigkeitsprobleme usw.).
Unter der Voraussetzung, dass man KI gut einsetzt, liegt die künftige Fachlichkeit von Entwicklerinnen und Entwicklern meiner Meinung nach in der Fähigkeit, auf Basis grundlegenden Wissens aus einer makroskopischen Perspektive die Richtung eines Projekts zu bestimmen, sowie in tiefgehender Problemlösungskompetenz.

[ashbyash]

Vielen Dank für diesen wirklich guten Kommentar :)

[devjeonghwan]

Wenn man das Gefühl hat, die eigene Arbeit an AI delegieren zu können, wird man am Ende einfach zu 100 % ersetzt. Man muss Fähigkeiten entwickeln, die AI nicht ersetzen kann oder die andere nicht nachahmen können.

[ashbyash]

Ja, ich denke auch, dass man diese Fähigkeit kontinuierlich weiter erforschen und ausbauen muss.