- Die seit Jahrzehnten wiederholten „Ende-der-Programmierer“-Prophezeiungen lagen jedes Mal falsch, und technischer Fortschritt hat stattdessen eher zu mehr Entwicklern und mehr Programmen geführt
- Verschiedene Automatisierungstechnologien wie WYSIWYG, 4GL, No-Code, LLM sind aufgetaucht, konnten in der Praxis aber den Bedarf an Entwicklern nicht verringern
- LLM-basierte Tools sind früheren Technologien bei Zuverlässigkeit und Wartbarkeit unterlegen und verursachen in den meisten Teams sinkende Produktivität und schlechtere Qualität
- Die eigentliche Schwierigkeit des Programmierens liegt nicht im Schreiben von Code, sondern in der Fähigkeit, vages menschliches Denken in Logik zu übersetzen; das bleibt weiterhin ein menschlicher Bereich
- Daher ist es unwahrscheinlich, dass AI Entwickler ersetzt; vielmehr dürfte die Nachfrage nach erfahrenen Entwicklern weiter steigen
Der sich wiederholende Zyklus vom „Ende der Programmierer“
- In den vergangenen 43 Jahren wurde bei verschiedensten Technologien wie Visual Basic, Delphi, Executable UML, No-Code, Low-Code behauptet, sie würden den Bedarf an Programmierern beseitigen
- In den 1970er und 1980er Jahren galt das für 4GL, 5GL, davor für Fortran, COBOL, und noch weiter zurück wurde sogar dem Compiler A-0 dieselbe Prophezeiung zugeschrieben
- Der frühe elektronische Computer COLOSSUS wurde durch physische Verdrahtung programmiert, und spätere Generationen wurden teils verspottet, sie seien „keine echten Programmierer“
- Tatsächlich ist die Zahl der Programmierer nicht gesunken, sondern gestiegen, was als typisches Beispiel für das Jevons-Paradoxon genannt wird
Der Unterschied zwischen LLMs und früheren Technologien
- Frühere Technologien haben tatsächlich die Geschwindigkeit der Softwareproduktion erhöht und zugleich Zuverlässigkeit ermöglicht, doch LLMs zeigen in den meisten Teams den gegenteiligen Effekt
- LLMs verschlechtern die Codequalität und erschweren die Wartung, was zu einer „LOSE-LOSE“-Situation führt
- Selbst mit demselben Prompt liefern sie nicht dasselbe Ergebnis; der erzeugte Code muss von menschlichen Entwicklern geprüft und korrigiert werden
- Es gibt keine Belege dafür, dass AI Entwickler ersetzt; jüngste Personalabbauten gehen auf wirtschaftliche Faktoren wie Überrekrutierung in der Pandemiezeit, steigende Zinsen und eine Konzentration von Investitionen auf Rechenzentren zurück
Die grundlegende Schwierigkeit des Programmierens
- Der Kern des Programmierens ist der Prozess, vages menschliches Denken in logisch präzises rechnerisches Denken zu überführen
- Diese Schwierigkeit hat sich von der Lochkartenzeit über COBOL und Visual Basic bis hin zu Python nicht verändert
- Da natürliche Sprache von Natur aus mehrdeutig und ungenau ist, wird es laut dem zitierten Dijkstra kein Zeitalter des Programmierens in Englisch oder Französisch geben
- Diese Denkweise lässt sich lernen, aber nicht jeder hat Freude daran oder beherrscht sie gut, und das Angebot an qualifizierten Fachkräften ist stets knapp
Grenzen von AI und Nachhaltigkeit
- AGI (Artificial General Intelligence) liegt weiterhin in weiter Ferne und erfordert Fähigkeiten auf menschlichem Niveau bei Verständnis, Schlussfolgern und Lernen
- Große LLMs verursachen enorme Kosten und Verluste und sind daher langfristig nicht nachhaltig
- Mit der Zeit könnte ihr Nutzen sinken, weil die Modelle an die Sprache und Bibliotheksversionen gebunden sind, auf denen sie trainiert wurden
- Aus diesen Gründen könnten riesige LLMs als unwirtschaftliches Experiment wie das Apollo-Mondprogramm enden
Ausblick auf die künftige Entwicklungsumgebung
- In naher Zukunft dürfte Softwareentwicklung so aussehen, dass assistierende Tools auf Basis kleiner Sprachmodelle unterstützende Rollen wie Prototyp-Generierung oder Code-Autovervollständigung übernehmen
- Wichtige Entscheidungen und die Qualitätssicherung bleiben jedoch in der Hand menschlicher Entwickler, und gemäß dem Jevons-Gesetz könnte die Nachfrage nach Entwicklern sogar weiter steigen
- Unternehmen sollten schon jetzt in die Einstellung und Ausbildung erfahrener Entwickler investieren; das ist unabhängig von AI eine Kernstrategie zur Steigerung von Produktivität und Zuverlässigkeit
Noch keine Kommentare.