Lassen Sie sich nicht von der Stimmung gegen KI mitreißen

• Große Sprachmodelle (LLMs) haben sich zuletzt so weit entwickelt, dass sie Projekte mittlerer Größe nahezu im Alleingang fertigstellen können, wodurch sich die Art des Programmierens grundlegend verändert
• Die Notwendigkeit, Code selbst zu schreiben, nimmt ab, während die Fähigkeit, darüber nachzudenken, was man bauen will und wie man es erklärt, zu einer wichtigeren Kernkompetenz wird
• Redis-Erfinder Antirez erledigte mit Claude Code in wenigen Stunden vier Aufgaben: UTF-8-Unterstützung hinzufügen, einen Redis-Test-Bug beheben, eine C-Bibliothek für BERT-Embeddings erzeugen und die interne Struktur von Redis Streams nachbilden
• KI fördert die Demokratisierung der Softwareentwicklung und schafft ein Umfeld, in dem auch kleine Teams mit Großunternehmen konkurrieren können
• Gleichzeitig braucht es eine gesellschaftliche Antwort auf das Risiko der Zentralisierung von KI-Technologie und den möglichen Wegfall von Arbeitsplätzen; statt KI zu ignorieren, sollte man sie aktiv nutzen

---

Der Wandel des Programmierens und die Rolle von LLMs

• Aktuelle LLMs können mit ausreichend Hinweisen Projekte mittlerer Größe fast eigenständig fertigstellen
  • Ob das gelingt, hängt von der Art der Programmierung und der Fähigkeit ab, das Problem klar auszudrücken
  • Besonders wirksam ist das bei Aufgaben wie der Systemprogrammierung, die sich gut in Text ausdrücken lassen
• In den meisten Projekten ist es ineffizient, Code direkt selbst zu schreiben; wichtiger ist inzwischen, zu verstehen, was gebaut werden soll und wie es umgesetzt werden kann
• Autor Antirez nutzte KI für die folgenden vier Aufgaben
  • Hinzufügen von UTF-8-Unterstützung zur linenoise-Bibliothek und Aufbau eines testframeworks auf Basis emulierter Terminals
    • Eine Aufgabe, die zuvor wegen eines schlechten Verhältnisses von Testaufwand zu Nutzen aufgegeben worden war, ließ sich mit KI doch umsetzen
  • Lösen eines sporadischen Fehlers in Redis-Tests im Zusammenhang mit Timing und TCP-Deadlocks
    — Claude Code analysierte den Prozesszustand und behob den Bug
  • Erzeugung einer reinen C-Bibliothek für die Inferenz von Embedding-Modellen der BERT-Familie in 5 Minuten
    • 15 % langsamer als PyTorch, aber mit identischen Ergebnissen. Etwa 700 Zeilen Code
    • Einschließlich eines Python-Tools zur Konvertierung des GTE-small-Modells
  • Nachbildung einer Änderung an der internen Struktur von Redis Streams allein auf Basis eines Designdokuments
    • Abgesehen von Review und Freigabe der Ausführung in etwa 20 Minuten abgeschlossen
• Diese Erfahrungen zeigen, dass KI das Wesen des Programmierens verändert

KI und die Beziehung zu Entwicklern

• Auch wenn KI Code schreibt, verschwindet die Rolle des Entwicklers nicht
  • Entscheidend ist die Fähigkeit, Probleme zu definieren und von KI erzeugten Code zu prüfen und anzupassen
  • KI maximiert die Produktivität in der Entwicklung als Partner
• Rentabilität von KI-Unternehmen, Aktienkurse oder Aussagen von CEOs sind langfristig nicht entscheidend
• Die grundlegende Veränderung des Programmierens ist unumkehrbar
• Er selbst bewertet es positiv, dass sein eigener Code für das Training von LLMs verwendet wurde
  • Er sieht darin einen Prozess der Demokratisierung von Wissen und Systemen
  • So wie Open Source in den 1990er-Jahren könne auch KI die Wettbewerbsfähigkeit kleiner Teams stärken

Demokratisierung von KI-Technologie und Sorge vor Zentralisierung

• Derzeit findet durch offene Modelle etwa aus China bereits ein gewisses Maß an Demokratisierung statt
  • Selbst im Vergleich zu führenden Modellen geschlossener Labs ist die Leistungslücke nicht groß
• Dieses Gleichgewicht könnte jedoch nicht dauerhaft bestehen
  • Es gibt Sorge über die Möglichkeit, dass sich KI-Technologie bei wenigen Unternehmen konzentriert
• Große neuronale Netze liefern ihrem Wesen nach erstaunliche Leistung; es gibt keinen solchen „Zauber“, dass nur bestimmte Unternehmen sie monopolisieren könnten

Gesellschaftliche Auswirkungen und Reaktionen

• Es gibt Bedenken, dass KI zu weniger Arbeitsplätzen führen könnte
  • Ob Unternehmen Personal abbauen oder mehr Projekte vorantreiben werden, ist ungewiss
  • In einigen Branchen besteht sogar das Risiko, dass Menschen vollständig ersetzt werden
• Deshalb ist die Rolle des Staates wichtig
  • Es braucht politische Maßnahmen, die Arbeitslose unterstützen und auf den Wandel reagieren können
  • Mit zunehmenden Entlassungen werde auch der politische Druck wachsen, gesellschaftlichen Schutz einzufordern

Ratschläge für Entwickler

• KI abzulehnen oder zu meiden hilft der Karriere nicht
  • Neue Werkzeuge sollten selbst ausprobiert und über längere Zeit genutzt werden
  • Nicht nach kurzen Tests ein Urteil fällen, sondern über Wochen hinweg weiter experimentieren
• Man sollte Wege finden, mit KI die eigenen Fähigkeiten zu erweitern
• Das Wesen des Codings ist nicht das „Schreiben“, sondern die Freude daran, etwas zu bauen; mit KI kann man mehr und besser bauen

[m00nlygreat]

Es gibt überraschend nicht viele Probleme in der Realität, die sich mit Code lösen lassen. Code kann zwar ziemlich viele Probleme lösen, aber die meisten Probleme liegen außerhalb von Code oder Monitor.

[flaxinger]

Ich denke, dass absoluter blinder Glaube genauso falsch ist wie stures Misstrauen.
Wichtig ist, die Vor- und Nachteile angemessen abzuwägen und es entsprechend zu nutzen; einfach nur eine FOMO-Stimmung zu erzeugen, halte ich für ein Verkaufsmanöver von AI-Unternehmen.

[dbs0829]

Einerseits sollte man die Stimmen, die auf Probleme hinweisen, auch nicht ignorieren. Ich habe oft den Eindruck, dass selbst ein wenig Kritik einfach als bloße Anfeindung abgetan wird.

[GN⁺]

Hacker-News-Meinungen

• Die Leidenschaft, mit der ich früher die ganze Nacht programmierte und zusah, wie ein Projekt zum Laufen kam, war die Freude daran, etwas zu erschaffen
  Dieses innere Feuer sieht bei jedem anders aus. Manche sind von dem Gefühl motiviert, „den Computer nach dem eigenen Willen zu steuern“, andere davon, „Probleme anderer Menschen zu lösen“, wieder andere davon, „etwas zu schaffen, das Gefühle auslöst“
  Bei mir begann Programmieren zwar damit, dass ich fremde Websites kaputtmachen wollte, aber irgendwann machte mir das Bauen und Teilen mehr Spaß. Deshalb wurde das Feedback anderer zu meinem Antrieb
  Letztlich hat jeder Programmierer seine eigenen Gründe, und für manche machen LLMs das Ganze interessanter, während sie für andere den eigentlichen Kern des Spaßes wegnehmen

  • Für mich ist beim Coden mit LLMs ein Flow-Zustand unmöglich. Dieses Warten darauf, dass Tokens ausgegeben werden, dann alles zu prüfen und zu korrigieren, ist zu anstrengend. Die Freude daran, selbst direkt Code herauszuschreiben und dabei in den Flow zu kommen, verschwindet
  • Als ich die Geschichte über „Programmierer, die das reine Tippen von Zeichen an sich mögen“ hörte, musste ich an die Anekdote über das Symbolic Assembly Program (SAP) aus einem Buch von Richard Hamming denken. Früher galt das Schreiben in Assembler als Zeichen eines „echten Programmierers“, und Automatisierungstools zu benutzen wurde als feige angesehen
  • Dass jemand erst fremde Seiten zerstören wollte und am Ende die Freude am Schaffen entdeckt hat, ist ein großartiges Beispiel dafür, wie aus schlechten Absichten gute Ergebnisse entstehen können
  • In meinem Feed übertrifft „AI-Lob“ „AI-Kritik“ im Verhältnis 5:1. Gemäßigte Perspektiven wie die von antirez oder simonw sind selten, und die wirklich radikale Position ist die Überzeugung, dass „AI ein Werkzeug ist, das manchen Menschen einen schrittweisen, aber klaren Nettovorteil bringt“
  • Das Problem ist nicht die Codegenerierung, sondern die Wartung. Wenn AI-generierter Code einfach so committet wurde, wird ihn später ein Mensch ändern? Oder verlässt man sich darauf, dass die AI den Bug behebt? Am Ende geht es darum: Wer macht das Aufräumen?

• Ich stimme dem Beitrag von antirez vollständig zu. AI bringt Entwicklern große Vorteile, und wir stehen gerade mitten in der größten technologischen Revolution seit dem Internet
  Allerdings hat er die Nachteile von AI oder die Gründe für eine anti-AI-Haltung nicht analysiert. Schade ist vor allem, dass er die gesellschaftlichen Auswirkungen, insbesondere die Sorgen um die Zukunft des Software Engineerings, nicht behandelt hat

  • Aus Geschäftssicht ist eine anti-AI-Haltung selbstschädigend. In den meisten Wettbewerbssituationen liegt es im Interesse eines Unternehmens, mit AI schneller zu werden. Wer sich jetzt mit LLMs vertraut macht, kann sich auch leichter an die nächste Veränderung anpassen
  • Ich denke nicht, dass es hier einen schwierigen Teil gibt. Die anti-AI-Argumente sind alt geworden, und agentic coding funktioniert bereits

• Ich verstehe die Aussage nicht, dass man „zurückfällt, wenn man nicht auf den AI-Zug aufspringt“. Für meine Arbeit ist das bisher keine große Hilfe, also denke ich, dass es nicht zu spät ist, erst dann einzusteigen, wenn die Tools wirklich gut genug sind

  • Mich würde interessieren, bei welcher Art von Arbeit dir AI nicht helfen kann. Der Einsatzbereich von AI ist sehr breit: API-Informationen nachschlagen, Business-Logik-Entwürfe prüfen, Code Reviews und mehr. Auch Antirez hat in Redis-Code mit AI Bugs gefunden
  • Die Vorstellung „Das kann ich in ein paar Wochen aufholen“ ist ein Irrtum. Ich arbeite seit dem Release von ChatGPT täglich mit LLMs an Code, und es dauert Monate oder Jahre, Intuition aufzubauen. Wenn man nicht jetzt anfängt, besteht ein echtes Risiko zurückzufallen
  • Ich war früher auch entspannt, aber inzwischen habe ich das Gefühl, dass es klug ist, früh auf Veränderungen zu reagieren. Die aktuellen Tools sind völlig anders als vor drei Jahren, und inzwischen gibt es sogar Konzepte wie Multi-Agent-Orchestrierung
  • Umgekehrt mache ich mir gerade deshalb wenig Sorgen, „zurückzufallen“, weil sich Tools und Workflows ständig ändern. Bis sich alles stabilisiert, ist es klüger, nur das große Ganze zu verstehen. Man muss sich nicht an eine Technik klammern, die so schnell verschwindet wie Graffiti auf dem Palm Pilot
  • Die Aufforderung, sich unbedingt an AI-Tools zu gewöhnen, wirkt auf mich wie ein Horizon-Effekt. Die Technik wird sich weiter verändern, und wirklich wichtig sind Kommunikationsfähigkeiten. Im Vorteil wird sein, wer den Kern eines Projekts schnell und klar ausdrücken kann

• Der Ausdruck „anti-AI-Welle“ ist eine übertriebene Vereinfachung. Technisch ist das alles noch rau, aber der Nutzen ist eindeutig, und verschwinden wird es nicht
  Auf der Business-Seite ist das Erlösmodell allerdings unklar. Die Technik wird bleiben, aber es ist mit einem Zusammenbruch der Startups zu rechnen, die darauf aufbauen
  Auch in fünf Jahren wird AI noch stärker genutzt werden, aber die meisten der heutigen AI-Firmen werden wohl verschwunden sein

  • Schon Ende der 2000er hieß es: „Im Internet zahlt doch niemand.“ Dass Unternehmen bereit sind, Hunderttausende Dollar für Entwickler auszugeben, aber nur ein paar Hundert Dollar für AI-Tools, ist ein Ungleichgewicht
  • Der Titel des Blogposts ist einfach ein scherzhafter Spott über den AI-Hype
  • Auch bei den Übernahmen von YouTube, Instagram und WhatsApp hieß es damals, das sei Geldverschwendung, heute gelten sie als herausragende Entscheidungen
  • Trotzdem gibt es auf HN noch viele Beschwerden in der Art: „LLMs sind nutzlose Müllgeneratoren.“ Es ist weniger geworden als noch vor sechs Monaten, aber es existiert weiterhin

• Es gibt diese endlose Debatte zwischen „AI wird das Programmieren für immer verändern“ und „Denk einfach selbst nach“. Ich neige zur zweiten Position. Nur über die Vorteile von AI zu reden, löst die Probleme nicht

  • Der Kern von Engineering ist Verständnis und Genauigkeit. Wenn man den von einem LLM geschriebenen Code nicht gründlich überprüft, erreicht man das Ziel nicht
  • In Wahrheit gibt es keinen Krieg. Das Internet hebt nur kontroverse Erzählungen hervor. Die meisten Nutzer erkennen die Vorteile von AI an und wissen gleichzeitig, dass Denken und Review weiterhin unverzichtbar sind
  • Es gibt keine ewigen Kriege. Dieser Ansatz vom Typ „Benutz einfach X“ wird am Ende verschwinden

• Die Aussage, dass „moderne LLMs mittelgroße Projekte fast allein fertigstellen“, ist übertrieben. Wenn jemand mit Domänenwissen eine konkrete Spezifikation vorgibt, steigt die Produktivität stark, aber die Qualität des Ergebnisses spiegelt weiterhin das Wissensniveau des Nutzers wider
  Der Vergleich passt: Auch mit einem guten Traktor kommt es auf das Können des Bauern an

  • Es gab einen Fall, in dem jemand mehr als 8000 Tests kopiert und eingefügt hat und damit einen vollständigen HTML-Parser gebaut hat. Mit Hinweisen in dieser Größenordnung ist das möglich
  • Die Definition eines „großen Projekts“ ist unklar. Es macht einen riesigen Unterschied, ob es um ein Gebiet mit zahllosen bestehenden GitHub-Repos geht oder um völliges Neuland
  • Wenn das nur für Leute mit mehr als zehn Jahren Erfahrung funktioniert, klingt das eher wie ein anti-AI-Argument. Das zentrale Versprechen von AI war schließlich, dass sie für jeden leicht nutzbar sein soll
  • Ich sehe das genauso. LLMs sind nur ein Produktivitätsmultiplikator, und das Ergebnis hängt von der Qualität des Inputs ab. Mit einer konkreten technischen Spezifikation funktionieren sie fast wie Magie

• Je stärker Entwicklungstools abstrahiert wurden, desto größer wurden Einfluss und Belohnung von Entwicklern. LLMs sind nur die Fortsetzung dieser Entwicklung
  Abstraktion macht Arbeit leichter, ermöglicht aber zugleich mehr Arbeit und erzeugt neue Komplexität. Am Ende zählen Vertrauen und Einfluss. Deshalb werden CEOs so viel besser bezahlt als Mitarbeiter
  LLMs werden die Macht und den Einfluss von Entwicklern weiter vergrößern

  • Manche sehen LLMs jedoch eher wie einen „Junior-Praktikanten“. Die Arbeit verschiebt sich also vom Selbermachen hin zum Anweisen und Managen. Das ist auch der Grund, warum Führungskräfte AI so feiern: Sie wollen Programmierung in Managementarbeit verwandeln und die Berufsgruppe „Programmierer“ selbst verkleinern
    Am Ende könnte wieder eine Zeit kommen wie früher: „nach oben oder raus“. Wer keine Fähigkeiten im Umgang mit Menschen und kein Geschäftsverständnis entwickelt, läuft Gefahr, zunehmend bedeutungslos zu werden

• Man sollte nicht in eine AI-Selbstüberschätzung nach dem Motto „Look ma, no hands“ verfallen.
  Mit der Kombination aus Antirez + LLM + CFO könnte man vielleicht ein Milliardenunternehmen rund um Redis bauen, aber nur deshalb, weil er Redis perfekt versteht.
  Bei einer fremden Codebasis wie Postgres wäre dieselbe Leistung deutlich schwerer, und die meisten Entwickler arbeiten nun einmal in genau solchen unbekannten Umgebungen.
  Der wahre Wert von LLMs liegt am Ende bei Domänenexperten, und wenn Unternehmen AI richtig nutzen wollen, sind Mitarbeiterschulungen und Investitionen ins Lernen unverzichtbar

  • Der Blogpost meint im Kern dasselbe. Die Qualität des Outputs hängt von der Qualität der Hinweise, also vom Verständnis des Nutzers, ab
  • AI ist letztlich nur fortgeschrittenes Autocomplete. Man muss sich das gewünschte Ergebnis vorstellen können und erkennen, ob die Ausgabe passt. Deshalb ist Lernen mit LLMs riskant. Bei Suchmaschinen kann man gute Materialien besser unterscheiden, bei LLMs fehlen diese Bewertungssignale
  • Ich denke, LLMs helfen nicht nur beim Schreiben von Code, sondern auch beim Verstehensprozess. Ich stimme antirez zu, wenn er sagt: „Interessant ist jetzt nicht mehr das Schreiben von Code, sondern zu verstehen, was und wie man etwas tun sollte“
  • Viele Führungskräfte versuchen, mit AI die Zukunft vorherzusagen, aber in Wirklichkeit arbeiten weiterhin Ingenieure an der Front mit Produktionscode
  • Auch die Bedeutung von „Domänenexperte“ verändert sich. Ich hatte keine Erfahrung im Bereich Computer Vision, habe aber über eine visuelle Feedback-Schleife schnell gelernt. Ich habe Testbilder in ein LLM hochgeladen und im Dialog Probleme gelöst
    Wenn man solche Verifikationsmechanismen gut aufsetzt, kann man auch in fremden Gebieten Ergebnisse erzielen. Am Ende braucht man Intuition, kritisches Denken und eine wissenschaftliche Denkweise

• Der Aussage „Ich freue mich, dass LLMs meinen Code gelernt haben“ stimme ich nicht zu.
  Bei mir ist das nicht so. Ich habe eher den Eindruck, dass die Softwarequalität sinkt, und ich glaube nicht, dass LLMs besseren Code erzeugen

• Der Aussage „Wenn man AI ablehnt, hält man die Welt nicht an“ stimme ich zu.
  Ich rate meinen Freunden auch: „Probiert es selbst aus und urteilt dann.“ Nicht nur fünf Minuten herumspielen und sofort ein Urteil fällen, sondern ein paar Wochen lang experimentieren.
  Der Großteil der Medien verkauft im Moment negative Erzählungen für Klicks. Wenn man sich ein präzises Urteil bilden will, muss man es selbst benutzen.
  Und gerade jetzt sollte man positive Signale besonders aufmerksam beobachten. Konkrete Beispiele nach dem Muster „Damit habe ich so etwas gemacht“ sind viel wertvoller als Aussagen wie „Das geht noch nicht“

[parkindani]

Anscheinend gibt es immer noch ziemlich viele Entwickler, die keine KI nutzen und behaupten, sie produziere nur schlechten Code. Erstaunlich...