KI macht die einfachen Teile einfacher und die schwierigen Teile schwieriger

• KI-Coding-Tools automatisieren das einfache Schreiben von Code, wodurch für Entwickler strukturell nur noch die schwierigen Aufgaben wie Recherche, Kontextverständnis und Verifikation übrig bleiben
• Die Formulierung, dass die „KI es erledigt hat“, ist ein Warnsignal wie früher das Kopieren und Einfügen aus Stack Overflow, wenn Entwickler die KI-Ausgabe nicht selbst verstehen
• Vibe Coding ist für Prototyping nützlich, kann in echten Produktionsumgebungen mit KI jedoch mehr Zeit kosten statt Zeit zu sparen
• Wenn dank KI einmal schnell deployt wird, wird das zur neuen Baseline und führt zu dauerhaftem Sprint-Druck und Burnout als Managementproblem
• Entscheidend ist, KI nicht als Lösungsgeber, sondern als Recherche-Tool zu nutzen und dass Entwickler die Verantwortung für den gesamten Code behalten

---

Das Problem mit der Aussage „Die KI hat es erledigt“

• Früher lasen Entwickler Antworten auf Stack Overflow, Artikel oder GitHub-Issues und zogen erst nach eigener Kontextprüfung Schlüsse
  • Niemand sagte, „Google hat den Code geschrieben“ oder „Das erste Suchergebnis wird schon stimmen“
• In letzter Zeit taucht zunehmend die Formulierung auf: „Die KI hat es erledigt“
  • Das übertreibt entweder, was tatsächlich passiert ist, oder bedeutet, dass der Entwickler nicht selbst zu einer Schlussfolgerung gekommen ist
  • Beides ist problematisch und führt zu denselben Bedenken wie beim Copy-and-Paste von StackOverflow-Code: Wurde der eingefügte Code wirklich verstanden?

Die Grenzen von Vibe Coding

• Vibe Coding macht anfangs Spaß und ist für Prototyping oder risikoarme persönliche Projekte nützlich
  • In der realen Arbeit hat aber jede Codezeile Konsequenzen
• In einem Privatprojekt wurde ein KI-Agent gebeten, Tests für eine bestimmte Datei hinzuzufügen, woraufhin sich die 500 Zeilen lange Datei auf 100 Zeilen verkleinerte
  • Die KI behauptete, nichts anderes gelöscht zu haben, und behauptete später sogar, die Datei habe ursprünglich nicht existiert
  • Als ihr die git-Historie gezeigt wurde, entschuldigte sie sich und räumte ein, sie hätte zuerst prüfen müssen, ob die Datei existiert
• In diesem Fall hat die KI-Unterstützung mehr Zeit gekostet, statt Zeit zu sparen
  • Die Diskussion mit dem Agenten und das Wiederherstellen der Datei dauerten länger, als die Tests direkt selbst zu schreiben
• Würde dasselbe in einer Umgebung wie einer Healthcare-Codebase passieren, könnte das schwerwiegende Folgen haben
• Wichtig ist, KI nicht als Lösungsgeber, sondern als Recherche-Tool zu nutzen; zu erkennen, wann KI falschliegt, erfordert Übung

Eine Struktur, in der die schwierigen Teile noch schwieriger werden

• Das Schreiben von Code war in der Entwicklungsarbeit ursprünglich der einfache Teil
  • Die schwierigen Teile sind Recherche, Kontextverständnis, das Prüfen von Annahmen und zu wissen, warum ein bestimmter Ansatz richtig ist
• Wenn der einfache Teil an die KI abgegeben wird, wird die Arbeit nicht weniger, sondern es bleiben nur noch die schwierigen Aufgaben übrig
  • Wenn Recherche übersprungen wird, weil die KI angeblich schon die Antwort geliefert hat, fehlt genau der Kontext, der nötig wäre, um die KI-Ergebnisse überhaupt zu bewerten
• Fremden Code zu lesen und zu verstehen ist deutlich schwieriger, als Code selbst zu schreiben
  • KI-generierter Code ist seinem Wesen nach Code von jemand anderem
  • Entwickler geben also den Teil ab, den sie gut können (Schreiben), und behalten nur den schwierigeren Teil (Lesen und Review)
  • Dann müssen sie nur noch reviewen, ohne den Kontext aufgebaut zu haben, der beim eigenen Schreiben entsteht

Sprint-Erwartungen und Burnout

• Wenn mit KI-Hilfe einmal schnell deployt wird, wird das zur neuen Baseline, und plötzlich wird dieses Tempo immer erwartet
  • Das Gespräch verschiebt sich von „Wie hast du das geschafft?“ zu „Warum schaffst du das nicht jedes Mal?“
• Das ist kein Engineering-, sondern ein Managementproblem
• Erschöpfte Engineers übersehen Edge Cases, lassen Tests weg und releasen Bugs
  • Mehr Incidents → mehr Druck → mehr Sprints: ein Teufelskreis
• Auf die Behauptung „KI macht uns 10x produktiver“ bezogen, könnte es in Wirklichkeit eher so sein, dass ein 0,1x-Engineer zu einem 1x-Engineer geworden ist
  • Technisch ist das 10x, aber die entscheidende Frage ist, ob das wirklich Produktivität ist oder nur offenlegt, wie wenig Recherche vorher betrieben wurde
• Burnout und Releases mit schlechter Codequalität neutralisieren die Produktivitätsgewinne durch KI

Senior-Skills, Junior-Vertrauen

• KI-Coding-Agenten haben beim Schreiben von Code Fähigkeiten auf Senior-Niveau, beim Vertrauen in ihre Ergebnisse sollte man aber auf dem Niveau eines Junior-Engineers ansetzen
  • Der Code sieht gut aus und funktioniert vermutlich, aber mangels Erfahrung muss er gründlicher geprüft werden
• Als Bild gesprochen ist ein KI-Coding-Agent so, als wäre plötzlich jemand mit außergewöhnlich hoher Lesegeschwindigkeit ins Team gekommen
  • Diese Person kann bei der Recherche helfen und Code schreiben, war aber nicht in dem Meeting dabei, in dem letzte Woche wichtige Hintergründe und Kontext besprochen wurden

Warum Code-Eigentümerschaft wichtig ist

• Entwickler müssen nicht nur für selbst geschriebenen Code, sondern auch für von KI erzeugten Code verantwortliche Ownership übernehmen
• Wenn KI-Ausgaben wegen unrealistischer Geschwindigkeitsziele einfach kopiert und eingefügt werden, entstehen Probleme, wenn ein neues Teammitglied den Code sechs Monate später verstehen will oder wenn es um 2 Uhr morgens einen Ausfall gibt
  • „Die KI hat es geschrieben“ hilft in keiner Situation weiter

Wie KI bei den schwierigen Teilen helfen kann

• Beispiel aus einem Produktionsbug: Direkt nach einem großen Release meldeten Nutzer einen Bug in einem Edge Case bei der Anzeige von Zeitzonen
  • Der zuständige Entwickler musste 30 Minuten später zum Unterricht, und alle anderen waren bereits im Feierabend
• Mithilfe von KI wurde die Untersuchung durchgeführt; sie stellte fest, dass der Bug auf jüngste Änderungen zurückging, und erklärte, wie er reproduziert werden kann
  • Die Ursache war, dass einige deprecated Methoden Vorrang vor den aktuellen timezone-sensitiven Methoden bekamen, wodurch die Zeitzonenumwandlung nicht korrekt ablief
  • Innerhalb von 15 Minuten wurden Root Cause, Lösungsideen und Recherche-Notizen in einem GitHub-Issue dokumentiert
• Der zuständige Entwickler prüfte den Fix, und ein anderes Teammitglied übernahm Test und Deployment
  • Das Problem wurde ohne Notfall und ohne Überstunden gelöst
• Der Kern dieses Falls: KI übernimmt die wiederholbaren Teile der Recherche, während Menschen Kontext liefern und validieren
• KI sollte so eingesetzt werden, dass sie Recherche, Verifikation und Kontextverständnis stärkt; sonst verfestigt sich eine Struktur, in der die einfachen Dinge einfacher und die schwierigen Dinge schwieriger werden