Ask HN: Wie denken Softwareingenieure angesichts des AI-Hypes darüber?

Da AI inzwischen 30–50 % der Arbeit übernimmt, würde mich interessieren, wie die Stimmung in den Unternehmen ist.
Stellen sie mehr Softwareingenieure ein, oder haben sie einen Einstellungsstopp?
Übt das Management Druck aus, damit mit weniger Leuten mehr Arbeit erledigt wird?

Zusammenfassung der wichtigsten Antworten

1. Einsatz von AI und tatsächliche Produktivität

• Viele Entwickler halten die Behauptung, dass AI 30–50 % der Arbeit ersetzt, für übertrieben; viele sehen den tatsächlichen Effekt eher bei 1–10 %
• AI ist nützlich für Boilerplate-Code, einfache Skripte, das Zusammenfassen bzw. Umwandeln von Dokumenten und als Suchersatz bei wiederkehrenden Aufgaben, hat aber große Grenzen bei komplexem Code und Wartung
• Einige Junior- und Mid-Level-Entwickler spüren dank Vorschlägen zu Syntax und Struktur Produktivitätsgewinne, während erfahrene Entwickler laut Studien sogar 19 % Produktivität verlieren
• Wegen Problemen mit der Qualität von AI-generiertem Code geht oft mehr Zeit für Prüfung und Korrektur drauf, wodurch der Netto-Nutzen sinkt

2. Veränderungen bei Organisation und Hiring durch AI

• Keine großen Veränderungen beim Einstellungsvolumen. Einige Unternehmen reduzieren allerdings Einstellungen oder verlagern mehr ins Offshoring, besonders in Erwartung günstigerer Arbeitskräfte mit AI-Unterstützung
• Das Interesse verschiebt sich von interner Effizienzsteigerung durch AI hin zur Integration in Produktfunktionen
• Manche Managementebenen überschätzen AI, unterschätzen den Schwierigkeitsgrad von Aufgaben und setzen unrealistische Deadlines, was die Moral der Entwickler drückt

3. Erfolgs- und Misserfolgsfälle beim AI-Einsatz

• Erfolgsfälle:
  • Erstellung früher PoCs, Bootstrap neuer Projekte, Testcode und einfache UIs
  • Durchsuchen großer Mengen an Logs und Dokumentation, Bereitstellen von relevanten Hinweisen aus API-Dokumentationen
  • Finden von Kandidaten für Legacy-Code-Refactoring, Analyse von GDB-Ausgaben und andere spezialisierte Nischenaufgaben
• Misserfolgsfälle:
  • Integration in komplexe bestehende Codebases, Unterstützung für versions- oder domänenspezifische Sprachen wie ABAP
  • Suche/Zusammenfassung in Umgebungen mit veralteter oder widersprüchlicher Dokumentation und Tickets
  • OSS-Beiträge (PRs) mit hohen Qualitätsanforderungen

4. Psychologie und Moral der Entwickler

• Einige sind zufrieden, weil durch die Einführung von AI repetitive Arbeit abnimmt und sie sich stärker auf Design und Architektur konzentrieren können
• Gleichzeitig gibt es aber auch:
  • „Warum sollte ich noch lernen oder beitragen?“ → langfristiger Zweifel, ob man nicht doch durch AI ersetzt wird
  • Arbeitschaos durch fehlerhafte Meeting-Zusammenfassungen und Action Items, die von AI erstellt wurden
  • Sorgen über Kostensenkungen und Personalabbau, die mit der Einführung von AI begründet werden
• Unabhängige Web- und Content-Produzenten spüren negative Auswirkungen durch sinkenden Traffic und Umsatz

5. Gesamtfazit

• AI hat derzeit Wert als „Assistenz-Tool“, reicht aber nicht aus, um Kernaufgaben zu ersetzen
• Produktivitätssteigerungen hängen stark von Domäne, Eigenschaften der Codebase und Erfahrung des Entwicklers ab
• Langfristig könnten Architekturdesign und Qualitätsmanagement wichtiger werden als das reine Schreiben von Code
• Überzogene Erwartungen und Unterschätzung existieren nebeneinander; die Mehrheitsmeinung lautet: „Nützlich, aber kein Allheilmittel.“