KI hat das Programmieren einfacher gemacht. Aber Engineering ist schwieriger geworden

 (ivanturkovic.com)
24 Punkte von GN⁺ 2026-03-02 | 2 Kommentare | Auf WhatsApp teilen
  • Durch die Verbreitung von KI-Tools ist das Schreiben von Code einfacher geworden, doch Arbeitsintensität und Komplexität der Aufgaben von Softwareingenieuren haben vielmehr zugenommen
  • Da KI die Produktivität steigert, sind die Erwartungen von Organisationen und die Grundlinie des Arbeitspensums gestiegen; Ingenieure stehen unter Druck, mehr Arbeit in kürzerer Zeit zu leisten
  • Da eine auf das Schreiben von Code fokussierte berufliche Identität an Gewicht verliert, sehen sich Ingenieure damit konfrontiert, auch nicht-entwicklungsbezogene Aufgaben wie Reviews, Design und Produktdenken zu übernehmen
  • Für die Prüfung und das Debugging von durch KI erzeugtem Code wird mehr Zeit benötigt, wodurch die Last der Qualitätssicherung und die kognitive Belastung steigen
  • Für eine nachhaltige Engineering-Kultur sind Empathie in der Führung, klar gesetzte Rollengrenzen, die Förderung von Junioren und neue Bewertungsmetriken unverzichtbar

Eine verschobene Grundlinie und unsichtbare Belastungen

  • Seit der Einführung von KI ist die erwartete Output-Menge von Ingenieuren stark gestiegen; auch ohne ausdrückliche Anweisung wird mehr Arbeit verlangt
    • Laut einer Studie der Harvard Business Review gehen Mitarbeitende, die KI nutzen, nicht früher nach Hause, sondern erledigen mehr Arbeit
    • 83 % gaben an, dass KI ihre Arbeitsmenge erhöht habe; die Burnout-Quote liegt bei Fachkräften bei über 60 %, bei Führungskräften dagegen bei 38 % – eine deutliche Lücke
  • Während die Führung annimmt, „KI mache die Arbeit einfacher“, erleben Ingenieure in der Praxis Komplexität und Erschöpfung
  • Auch in einer separaten Umfrage unter mehr als 600 Personen berichteten zwei Drittel von Burnout, und 43 % sagten, die Führung kenne die Realität nicht

Die Krise der Ingenieursidentität

  • Viele Ingenieure haben berufliche Zufriedenheit aus dem kreativen Akt des direkten Codens gezogen
  • Mit der Einführung von KI verbreitet sich jedoch die implizite Botschaft: „Schreibe den Code nicht selbst, sondern verwalte ihn.“
    • KI übernimmt die Implementierung, und Ingenieure wechseln in die Rolle von Aufsichtspersonen und Reviewern
  • Das ist nicht nur eine einfache Veränderung, sondern eine grundlegende Verschiebung der beruflichen Identität, die den Stolz erfahrener Fachkräfte schwächt
  • Wie in der Formulierung „vom Builder zum Prüfer“ steigt zwar die Menge des Outputs, doch Handwerksstolz und Flow gehen zurück

Rollenausweitung und Scope Creep

  • Da KI die Umsetzung beschleunigt, verlagern sich Engpässe auf umliegende Aufgaben wie Anforderungen, Architektur, Tests und Deployment
  • Organisationen verteilen diese Arbeit auf Ingenieure um, die dadurch auch Produktplanung, Risikobewertung und Betriebsmanagement übernehmen
    • Auch die Harvard-Business-Review-Studie zeigt, dass Rollengrenzen verschwimmen und sich Aufgaben von PMs, Researchern und Ingenieuren überschneiden
  • 45 % der Engineering-Rollen verlangen bereichsübergreifende Fähigkeiten, ohne dass Vergütung oder Entscheidungsspielraum entsprechend steigen
  • In der Folge weitet sich der Aufgabenbereich aus und die fachliche Tiefe nimmt ab, was Burnout weiter beschleunigt

Das Paradox der Aufsicht: Wie schwer KI-Code-Reviews sind

  • Es entsteht das Paradox, dass die Prüfung von KI-generiertem Code schwieriger ist als ihn selbst zu schreiben
    • Wer selbst schreibt, kennt den Kontext; bei KI-Code ist jedoch die Grundlage der Entscheidungen unklar, was die Review-Last erhöht
  • In einer Umfrage von Harness sagten 67 %, dass die Debugging-Zeit zugenommen habe, und 68 % berichteten von längeren Review-Zeiten
  • Das Management erwartet Geschwindigkeitsgewinne, tatsächlich steigt jedoch die Last von Qualitätssicherung und Kontextverständnis
  • Der Produktionsengpass verschiebt sich von der Schreibphase zur Verstehensphase – und das lässt sich nicht durch Automatisierung lösen

Die Beschleunigungsfalle und Nachhaltigkeit

  • Wenn KI das Tempo erhöht, entsteht ein selbstverstärkender Kreislauf, in dem das Arbeitspensum ganz natürlich wächst
    • Die Harvard-Studie bezeichnet dies als „workload creep“: Überlastung häuft sich an, ohne bewusst wahrgenommen zu werden
  • Früher bildeten menschliche Denk- und Tippgeschwindigkeit eine natürliche Grenze, doch KI hebt diese Begrenzung auf
  • Das Ergebnis: Produktivitätsmetriken steigen, aber die Qualität sinkt, während technische Schulden und Erschöpfung zunehmen
  • Nach außen sieht es wie ein Produktivitätsschub aus, intern schreiten jedoch Verschleiß und Qualitätsverlust voran

Der unterbrochene Lernpfad für Junior-Ingenieure

  • Weil KI einfache Aufgaben ersetzt, gehen praktische Übungsmöglichkeiten für Berufseinsteiger stark zurück
    • 2023–2024 ging die Einstellung von Nachwuchskräften in großen Tech-Unternehmen um 25 % zurück; ein Bericht von HackerRank bestätigt ebenfalls einen Fokus auf erfahrene Fachkräfte
  • Wenn einfache Lernaufgaben verschwinden, bricht der Ausbildungsweg für künftige Senior-Kräfte weg
  • Wie die Warnung sagt: „Man kann kein System beaufsichtigen, das man nie selbst gebaut hat“ – der Bruch grundlegender Kompetenzen wird als langfristiges Risiko gesehen

Was Führung jetzt tun muss

  • Die Schwierigkeiten des Wandels mit Empathie nachzuvollziehen und ausdrücklich anzuerkennen ist der Ausgangspunkt für Vertrauen
  • Konkrete Weiterqualifizierung bereitstellen: Systemdesign, Sicherheit, Product Thinking, Bewertung von KI-Code und andere fortgeschrittene Kompetenzen stärken
  • Rollen klar abgrenzen und Vergütung anpassen, um grenzenlose Ausweitung zu verhindern
  • Leistungskennzahlen neu definieren: Qualität, Stabilität und Teamgesundheit wichtiger nehmen als Geschwindigkeit oder Zeilenzahl
  • Junior-Hiring beibehalten ist eine wesentliche Voraussetzung, um das Talent-Ökosystem langfristig zu erhalten

Strategien für einzelne Ingenieure

  • Technische Grundlagen pflegen: Architektur, Debugging sowie Verständnis für Performance und Sicherheit werden eher noch wichtiger
  • Die Beschleunigungsfalle im Blick behalten: Nicht automatisch die maximal mit KI erreichbare Geschwindigkeit anstreben, sondern einen nachhaltigen Rhythmus bewahren
  • Interessante Bereiche der erweiterten Rolle annehmen und als Chance für die Karriereentwicklung nutzen
  • Burnout und Isolation offen ansprechen und durch Gespräche mit Kollegen ein realistischeres Lagebild schaffen
  • Technologischer Wandel hat sich immer wiederholt, und auch KI kann die Nachfrage nach grundlegend guten Fachkräften nicht ersetzen

Das Paradox, vor dem wir stehen

  • Die Realität, dass KI das Programmieren einfacher gemacht, Engineering aber schwieriger gemacht hat, besteht gleichzeitig
  • Steigende Erwartungen, erweiterte Rollen und mangelnde Unterstützung führen zusammen zu einer nicht nachhaltigen Kultur
  • Wird dieses Paradox nicht anerkannt, sind Vertrauen und Talentbindung nicht aufrechtzuerhalten
  • Wir dürfen nicht vergessen, dass Menschen und nicht Tools Produkte bauen, und
    die eigentliche Wettbewerbsfähigkeit im KI-Zeitalter aus Organisationen entsteht, die menschliche Grenzen verstehen und schützen

Verwandte Beiträge

2 Kommentare

 
GN⁺ 2026-03-02
Hacker-News-Kommentare

  • Dieser Essay wirkt teilweise KI-generiert oder stark mit einem LLM überarbeitet
    Satzmuster wie „It’s not X, it’s Y“ wiederholen sich, und es ist auch verdächtig, dass ein Blog, der zwischen 2015 und 2025 fast inaktiv war, plötzlich explosionsartig Beiträge veröffentlicht

    • Inzwischen scheint fast jeder Text über LLMs direkt von einem LLM geschrieben oder zumindest mithilfe eines LLM erstellt worden zu sein
      Diese Schreibweise ermüdet viele Menschen, aber für Leute, die in der Branche Erfolg anstreben, scheint das keine Rolle zu spielen
    • Ich habe selbst schon persönliche Texte mit Hilfe von LLMs geschrieben, und dieser Text wirkt, als sei er aus ein paar Bullet Points generiert worden
      Der repetitive Rhythmus und Stil wirken wie ein typisches LLM-Ergebnis. Es fehlt an menschlicher Emotionalität, und der Inhalt ist leer
    • Auch die Kommentare zeigen ähnliche KI-Spuren. Ich nenne keine konkreten Hinweise, aber HN wird zunehmend zu einem Ort, den man schwer lesen kann
      Es ist Zeit, kleine, hochwertige Communities zu schätzen, in die KI noch weniger eingedrungen ist
    • Schon der Titel riecht nach reißerischer LinkedIn-Rhetorik
    • Ich habe auch ein paar Absätze gelesen und wollte den Text wegen seines interessanten Ansatzes mit einem Kollegen teilen, aber schnell wurde zu offensichtlich, dass er von KI geschrieben war, sodass ich ihn nicht mehr ernst nehmen konnte

  • Formulierungen wie „The job changed. The expectations changed. And nobody sent a memo.“ klingen wirklich wie von KI geschrieben

    • Der Text war viel zu langatmig und hätte sich auf ein paar Bullet Points zusammenfassen lassen. Ich habe ihn in der Mitte gelangweilt abgebrochen
    • Ich verstehe nicht, warum KI so schlecht schreibt. Der Stil wirkt wie sensationsheischende Nachrichtenartikel
    • Laut Pangram ist dieser Text zu 100 % KI-generiert
    • Insgesamt ist der für KI typische Stil sehr deutlich spürbar

  • Eines der Probleme, die ich tatsächlich gesehen habe, sind Fehler beim KI-Deployment. Leute wie „Vibe Coders“ brauchen IT-/Dev-Mentoren
    Zum Beispiel hat ein Chirurg mit Claude eine Web-App für Operationsdokumentation gebaut und mich wegen Sicherheitsbedenken um ein Review gebeten
    Code und DB waren in Ordnung, aber er hatte das gesamte Projekt als Zip-Datei verpackt und ins Web-Root hochgeladen, ohne eine index-Datei
    Dadurch konnte jeder die Backup-Datei herunterladen, und darin steckten DB, API-Schlüssel, AWS-Schlüssel und alle anderen Geheimnisse
    Er wusste nicht einmal, warum es überhaupt eine index-Datei gibt, und meinte schließlich, er werde Claude fragen, wie man das absichert

    • Solche Schwachstellen werden sich vermutlich bald so weit entwickeln, dass sogar staatliche Angreifer sie automatisiert ausnutzen können
      In ein paar Monaten werden auch Script Kiddies das massenhaft einsetzen, und vielleicht versucht dann jemand damit Swatting, was Menschenleben kosten könnte
      Ich frage mich, wie dann über Verantwortung diskutiert wird
    • Claude ist beim Coden wirklich gut, aber für jemanden, der nicht weiß, was er nicht weiß, nimmt es einen nicht an die Hand

  • Auf die Aussage „Die meisten Engineers schreiben gern Code“ trifft das bei mir nicht zu
    Mich interessiert es mehr, etwas zu entwerfen und zu bauen, als Code zu schreiben
    Ob man für oder gegen KI ist, scheint am Ende auf den Unterschied hinauszulaufen zwischen „Man mag Coding“ und „Man baut gern Produkte für die Welt“

    • Ich mache diesen Job, weil ich hochwertige Software bauen will
      Aber KI kommt noch nicht auf dieses Niveau. Vieles kompiliert nicht einmal, und wenn es nicht richtig funktioniert, ist jede Optimierung bedeutungslos

  • Viele Kommentare kritisieren, dass dieser Text wie KI klingt, aber ich programmiere seit über 30 Jahren und leite seit 20 Jahren Teams, und für mich steckt darin tiefe Einsicht
    Wer auch immer ihn geschrieben hat, ich halte den Inhalt für wertvoll. Dass er geflaggt wurde, hat mich überrascht

    • Ich habe nichts grundsätzlich gegen KI-generierte Texte. Wichtig ist nur Transparenz im Entstehungsprozess
      Wenn zum Beispiel ein Satz wie „Was ich beim Leiten eines Fintech-Teams gelernt habe“ nicht auf realer Erfahrung beruht, verliert er seinen Sinn
      Wenn aber echte Erfahrung mit KI sprachlich geschliffen wurde, ist das für mich völlig in Ordnung
    • Ich wünschte, man hätte den Prompt offengelegt, mit dem der Text erzeugt wurde. So wie ich lieber den Quellcode als die ausführbare Datei sehen würde
    • Am Ende wurde das Flagging zwar aufgehoben, aber dass solcher „AI Slop“ bleibt und kritische Texte als politisch blockiert werden, wirkt wie ein Problem der Prioritäten bei HN
      In Floskeln wie „KI ist unvermeidlich“ steckt keine Weisheit mehr

  • Im KI-Zeitalter verändert sich die Engineering-Denkweise
    Früher war das eher ein vertikales, tiefes Eindringen in ein Problem, heute braucht man horizontales und metaorientiertes Denken
    Ich habe zum Beispiel Dokumentation gelesen, um eine Claude-Umgebung zu optimieren, und dann stattdessen einfach Claude den Projektkontext gegeben und um Optimierung gebeten
    Daraufhin wurden passende Plug-ins und Agenten automatisch vorgeschlagen und erzeugt
    Entscheidend ist letztlich nicht die Detailimplementierung, sondern die Fähigkeit, die Struktur eines Projekts zu definieren

  • Die Kernaussage des Artikels stimmt. Automatisierung beseitigt die einfachen Aufgaben und zwingt dazu, sich auf schwierige Probleme zu konzentrieren
    Beim Taschenrechner ist es ähnlich: Ein Buchhalter, der früher gut im Addieren war, muss heute Probleme auf höherer Ebene lösen

    • Der Kernpunkt ist: „Der einfache Teil ist verschwunden.“ Die schwierigen Dinge bleiben schwierig, und genau das ist die eigentliche Arbeit
    • Ich finde Systemdesign interessanter als Coding. Wenn KI oder Junior-Entwickler die Implementierung übernehmen und ich mich auf das Design konzentrieren kann, wäre das ideal
      Für Einsteiger könnte gerade das Verschwinden des Codings allerdings eher ein Albtraum sein
    • Tatsächlich beseitigt KI eher die schwierigen Teile und produziert stattdessen nur minderwertige Inhalte in Masse
      Literarisch gesprochen schafft KI nicht schnell einen neuen Terry Pratchett, sondern sorgt eher dafür, dass jemand wie er untergeht
      Wenn man KI-Blogposts nicht erkennen kann, wird man vermutlich auch schlechten Code nicht erkennen
    • Laut Pangram ist auch dieser Text zu 100 % KI-generiert
    • In Wirklichkeit ist das größere Problem, dass Jobs schwerer zu finden sind und Berufseinsteiger den Einstieg gar nicht mehr schaffen

  • Ich kann nicht gut erkennen, ob ein Text von einem LLM geschrieben wurde, aber wenn ich heutzutage Texte lese, spüre ich eine starke Ermüdung
    Es sind einfach zu viele Worte, und für Menschen mit ADHS-Neigung ist das besonders schwer zu lesen

  • Dieser Text ist laut Pangram-Verlauf zu 100 % von KI geschrieben

    • Allerdings sind die meisten Tools zur Erkennung von KI-Texten nicht besonders präzise
    • Gerade das ist ironisch

  • Es gibt auch Studien, die zeigen, dass der Einsatz von LLMs nicht zu Produktivitätssteigerungen führt
    Solche Texte setzen diesen Effekt oft stillschweigend voraus, aber in Wirklichkeit klaffen die Erwartungen des Managements und die Realität vor Ort auseinander
    Aus Sicht von Engineers ist diese Lücke sehr deutlich