- KI-Tools vermitteln Junior-Entwicklern oft nur oberflächliche Kompetenz: Sie erzeugen zwar schnell Code, können aber häufig nicht erklären, warum genau dieser Ansatz gewählt wurde
- Der wahre Wert von Senior-Entwicklern liegt nicht in der Geschwindigkeit beim Schreiben von Code, sondern in der über Jahre durch Fehlschläge aufgebauten Mustererkennung für Fehler
- Auch mit KI bleibt der Prozess des bewussten Ringens unverzichtbar: Fehler selbst analysieren, Code nachverfolgen und Hypothesen aufstellen
- Für jeden Commit sollte man selbst die Wahl der Bibliothek, das Muster und die Trade-offs erklären können; andernfalls ist der Code nicht releasebereit
- KI sollte nicht nur als Antwortgenerator, sondern als Tutor eingesetzt werden, um die Vor- und Nachteile verschiedener Ansätze zu lernen
Der Kern des Problems: von KI erzeugte oberflächliche Kompetenz
- Mit LLMs lassen sich Features schnell implementieren und ausrollen, doch oft können Entwickler nicht erklären, warum sie sich für einen bestimmten Code entschieden haben
- In Code-Reviews breitet sich das Phänomen der oberflächlichen Kompetenz (shallow competence) aus: Fragen zum gewählten Ansatz können nicht beantwortet werden
- Das von der KI vorgeschlagene Muster wird einfach unverändert übernommen
- Nach außen wirkt das produktiv, doch das Verständnis für Designabsicht und Trade-offs fehlt
- Mit der Zeit kann dieses Problem zu sinkendem Vertrauen führen
Warum Senior-Entwickler wertvoll sind
- Erfahrene Entwickler sind nicht deshalb teuer, weil sie schnell Code schreiben, sondern weil sie über lange Zeit gelernt haben, was man nicht tun sollte
- Was Unternehmen tatsächlich bezahlen, ist die Mustererkennung für Fehler, die aus Erfahrungen wie falschen Architekturentscheidungen und deren Folgen oder nächtlichen Incident-Calls um 2 Uhr entsteht
- Derzeit überspringen viele Junior-Entwickler diesen Prozess bei der Nutzung von KI
5 Strategien
-
1. Die Grundlagen richtig lernen
- Man muss wissen, was guten Code ausmacht, um die Ergebnisse der KI bewerten zu können; andernfalls übernimmt man KI-Ausgaben blind
- Empfohlene Bücher: Head First Design Patterns (zum Verständnis von Coding-Mustern und der Gründe für ihre Auswahl) und Designing Data-Intensive Applications (zu Prinzipien beim Entwurf datenintensiver Systeme)
-
2. Vorfälle und Ausfälle studieren
- Empfohlen wird das Lesen detaillierter Post-mortem-Dokumente zu Ausfällen großer Dienste wie Cloudflare, AWS, Azure und Google
- Sie enthalten Ursache, Root-Cause-Analyse, Behebungsmethode und Maßnahmen zur Vermeidung künftiger Vorfälle
- Bei Amazon heißen solche Dokumente COE (Correction of Errors), und auch Facebook sowie die meisten großen Tech-Unternehmen haben interne ähnliche Dokumente
- Zu verstehen, wie komplexe Systeme zusammengebrochen sind, bleibt viel stärker im Gedächtnis als bloß Dokumentation zu lesen
-
3. Anstrengung bewusst einbauen
- Vor KI war es keine Option, Probleme selbst zu lösen, sondern der Standard; heute gibt es rund um die Uhr einen verfügbaren Ausweg
- Bevor man einen Fehler in die KI einfügt, sollte man zuerst den Stack Trace lesen, den Code nachverfolgen, Logs prüfen und Hypothesen dazu aufstellen, was schiefgelaufen ist
- So entwickelt man ein echtes Gespür fürs Debugging
- Die KI kann danach immer noch eingesetzt werden
- An On-Call teilzunehmen und Tickets zu übernehmen, die sonst niemand anfasst, ist der effektivste Weg, um zu lernen, wie Systeme wirklich funktionieren
-
4. Niemals Code releasen, den man nicht versteht
- Wenn man in einem Code-Review auf die Frage nach dem Grund für einen bestimmten Ansatz mit „Die KI hat ihn vorgeschlagen“ antwortet, verliert man sofort Vertrauen
- Das Problem ist nicht die Nutzung von KI, sondern dass man sich nicht bemüht hat, den eingereichten Code zu verstehen
- Für jede committete Zeile sollte man erklären können, warum diese Bibliothek, warum dieses Muster und welche Trade-offs es gibt
- Auch wenn das Tempo sinkt, muss Verständnis Vorrang haben; als jemand zu gelten, der nur kopiert und einfügt, ist ein Ruf, der sich nur sehr schwer wiederherstellen lässt
-
5. Nicht nach der Antwort, sondern nach dem „Warum“ prompten
- Statt die KI nur um Problemlösungen zu bitten, sollte man mehrere Ansätze und die jeweiligen Vor- und Nachteile erklären lassen
- Das hat zwei Effekte:
- Man lernt tatsächlich etwas über Trade-offs
- Während die KI ihren Denkprozess durchläuft, ändert sich manchmal sogar ihre Empfehlung, was zu einer besseren Antwort führen kann
Realistischer Rat zum Geschwindigkeitsdruck: Balance zwischen Produktivität und Lernen
- Die Sorge, bei geringerem Tempo zurückzufallen, ist real, aber man muss die Arbeit deshalb nicht komplett stoppen
- Nutze freie Zeit, Side Projects oder Tickets mit geringem Wettbewerbsdruck, um bewusstes und unbequemes Lernen zu praktizieren
- Man sollte die Zeit zum tatsächlichen Kompetenzaufbau und die Zeit zum bloßen Produzieren von Output bewusst voneinander trennen
KI als Tutor nutzen
- Heute verfügt man über einen KI-Tutor, der alles in jeder gewünschten Tiefe erklären kann — etwas, das frühere Entwicklergenerationen nicht hatten
- KI sollte nicht nur Arbeit erledigen, sondern auch erklären und lehren
- Der Wert eines Entwicklers liegt nicht in der Fähigkeit, Code auszugeben, sondern darin, jeden beliebigen Code anzusehen und beurteilen zu können, ob er gut ist
- Unabhängig davon, ob Code von KI erzeugt wurde oder nicht, ist die Fähigkeit, guten von schlechtem Code zu unterscheiden, die entscheidende Kernkompetenz
- Nur bewusstes Lernen und das Ansammeln von Fehlererfahrungen können langfristige Wettbewerbsfähigkeit schaffen
20 Kommentare
Wenn man auch nur den von der AI ausgegebenen Text gelesen hätte, wäre es nicht so weit gekommen.
Das Problem sind nicht einfach Junioren, sondern Junioren, die nur Copy-Paste machen und auf Knöpfchen klicken.
Eigentlich gab es die schon vor der AI.
Nur dass es früher Stack Overflow war und jetzt AI ist.
Ich weiß noch nicht, wann oder ob AI Entwickler tatsächlich ersetzen kann, aber ich glaube nicht, dass man sie blind feiern muss. Tatsächlich gibt es auch auf Reddit ziemlich viele Beiträge von Leuten, die etwas bauen und Nutzer gewinnen, dann aber um Hilfe bitten, ohne überhaupt zu verstehen, was an ihrem eigenen Service riskant ist.
Früher wurden Menschen, als Dinge noch handwerklich hergestellt wurden, im Meister-Lehrling-System ausgebildet, und nach der Industriellen Revolution wurde daraus einfache Arbeit.
Jetzt starren die Leute nur noch auf den Code, der wie Bauteile auf einem Fließband in vier Zeilen herausfällt.
Wenn man jemanden, der nur Bauteile prüft, fragt: „Warum wurde das so entworfen?“, dann wird er selbst nach zehn Jahren Arbeit keine andere Antwort haben als: „Die Maschine hat das so gemacht.“
???: "Überlege sorgfältig, was du nicht tun solltest"
Hahahaha, das stimmt echt hahaha
Haha
hahaha
Letztlich werden all diese Diskussionen bedeutungslos, wenn sich die Schlussfolgerungs- und Gedächtnisfähigkeiten von AI weiter verbessern. Dann werden ohnehin auch Senior-Entwickler nicht mehr nötig sein.
Letztlich scheint es darauf anzukommen, wie die Person, die es nutzt, darüber denkt und es einsetzt.
Es ist zwar riskanter geworden, dass ein Umfeld entsteht, in dem man Aufgaben gedankenlos einfach nur abgibt und sich unbewusst davon treiben lässt, aber wenn man es gut nutzt, sind Lernen und Entwicklung deutlich schneller und präziser möglich als bisher.
Allerdings wäre es schön, wenn für Menschen, die gerade erst anfangen zu lernen, möglichst bald ein neues, vorbildliches System und eine passende Methode für das Lernen ausgearbeitet würden, die sich von den bisherigen Lern- und Erfahrungsweisen unterscheiden.
Ich denke eher, dass Junioren das, was Senioren bislang durch Erfahrung gelernt haben, schneller lernen werden.
Junior-Entwickler, die einfach nur stumpf kopieren und einfügen, wie vom Autor beschrieben, waren schon zu Stack-Overflow-Zeiten ohnehin nutzlos.
Im KI-Zeitalter hat sich lediglich die Gewohnheit, Code aus Stack Overflow zu kopieren,
auf Antworten der KI verlagert.
Wenn es also um Junior-Entwickler geht, die früher wirklich gelernt haben,
werden sie im KI-Zeitalter mit noch höherer Geschwindigkeit zu Entwicklern auf Senior-Niveau heranwachsen.
Wenn man jetzt selbst auf Low-Level gar nicht mehr schauen muss und mit AI angeblich auch noch schneller lernt, wer würde dann teure koreanische Junior-Entwickler mit vierjährigem Hochschulabschluss einstellen?
Stattdessen wird man wohl mit dem allmächtigen Wundermittel namens AI-Agenten rekrutieren, mit AI onboarden, mit AI übersetzen und dann lieber Leute wie Rahul Singh (24, Master am IIT) in Indien oder Zhang Wei (26, Jahrgangsbester der Tsinghua-Universität) günstiger einstellen.
Gerade bei Männern, wenn man berücksichtigt, dass sich der Berufseinstieg durch den Militärdienst um zwei Jahre nach hinten verschiebt, mache ich mir um die heutigen Juniors wirklich große Sorgen.
Wenn man hauptsächlich AI nutzt, hat man keine Gelegenheit, Misserfolge zu erleben, und wird daher keine Engineering-Erkenntnisse gewinnen. Was sich nicht in Büchern oder Texten ausdrücken lässt, kann auch AI nicht abdecken.
Da auch KI scheitert, wird man nicht zu jemandem, der „mit KI scheitert und sie gemeinsam mit ihr überwindet“?
Wenn man Ihrer Antwort folgt: Wenn die AI scheitert, wer überwindet das dann? Ein Junior-Berufseinsteiger mit Hochschulabschluss?
Ich hinterlasse einen höflichen und besonnenen Kommentar.
Sehe ich auch so. Man sucht gemeinsam und löst es gemeinsam. Vermutlich haben Sie es noch nicht so versucht; ich habe das Gefühl, Sie wollen das etwas zu entschieden als richtige Antwort hinstellen. Ich werde ebenfalls versuchen, einen möglichst freundlichen und höflichen Kommentar zu hinterlassen~^^
Letztlich wird man in 10 Jahren dann ein 10 Jahre erfahrener Junior sein (powered by AI).
Wenn man sieht, wie schnell sich AI-Modelle verbessern, dann scheint es, als würden sie bis zu dem Zeitpunkt, an dem heutige Junior-Entwickler zu Seniors werden,
auch die Seniors ersetzen.
Das heißt also, dass KI die Juniors ersetzt, die eigentlich zu Seniors werden sollten. Lang lebe die KI, hoch lebe sie, tausendmal hoch!
Das ist die richtige Antwort.
Hacker-News-Kommentare
Ich denke, dass es künftig eine Lernphase ohne AI geben muss.
Beim Erwerb jeder Fähigkeit ist wiederholtes, eigenes Üben mit der Hand entscheidend.
Ich glaube, die Lernphasen werden sich von „Intuition ohne AI aufbauen → AI schrittweise nutzen, um ihre Grenzen zu verstehen → AI-native Expertin bzw. AI-nativer Experte“ entwickeln.
Aber wie sich das im großen Maßstab umsetzen lässt, ist noch offen.
Ironischerweise ist AI als personalisierter Tutor nützlich, gleichzeitig aber auch eine Versuchung, praktisches Üben zu vermeiden.
Das heutige prüfungszentrierte Bildungssystem verstärkt die Abhängigkeit von AI eher noch.
Deshalb habe ich vorausgesagt, dass das Lehrlingsmodell wieder aufleben wird, und sehe Microsofts Vorschlag zum Preceptorship als ein Signal dafür.
Es ist ermutigend, dass ein Großunternehmen das Problem erkannt und eine Lösung vorgeschlagen hat.
Solche Tools haben mir geholfen zu verstehen, wo ich falschlag, aber entscheidend war am Ende das Üben von Hand.
Doch die heutige Nutzung von AI ist nicht einfach nur Theorie lernen, sondern eher so, als würde man einen Sklaven für sich arbeiten lassen.
Historisch hat so etwas keine Meisterschaft hervorgebracht.
Schon jetzt können unzählige Menschen ihre Social-Media-Sucht nicht kontrollieren.
Rich Hickeys Vortrag Simple Made Easy hat meine Karriere stark beeinflusst.
AI hat keinen „Geschmack“ und arbeitet in die Richtung, immer mehr Code zu produzieren.
Echte Engineering-Arbeit ist die Kunst, mit wenig Code die wirkungsvollsten Funktionen zu bauen.
Auch früher waren Junior-Entwicklerinnen und -Entwickler eher zum Lernen da als für Produktivität.
Genau deshalb gab man ihnen absichtlich Aufgaben für eine Woche, die Seniors in wenigen Stunden hätten erledigen können.
Jetzt versuchen Unternehmen, diese „Ausbildungskosten“ zu vermeiden.
Alle schauen nur auf den kurzfristigen Gewinn und verursachen damit einen langfristigen Zusammenbruch.
Wenn es keine Juniors mehr gibt, verschwinden auch die Seniors, und am Ende bricht die Branche selbst zusammen.
Juniors werden auch gebraucht, um Kosten zu senken und die Balance in der Beförderungsstruktur zu halten.
Aber mit dem Aufkommen von AI könnten nun sogar Mid-Level-Entwicklerinnen und -Entwickler ersetzt werden.
Wer kurzfristige Ziele erreichen muss, sieht in Juniors daher „negative Produktivität“.
Der Grund für ihre Langsamkeit ist nicht mangelndes Können, sondern ineffiziente organisatorische Prozesse.
Ich sage Studierenden immer: „Juniors müssen den Code selbst schreiben.“
Wie im htmx-Artikel beschrieben, sollten Seniors Juniors in die Lage versetzen, Code zu schreiben.
Schließlich kommen Seniors aus den Reihen der Juniors.
Es geht eher in die Richtung: „Wenn wir Seniors brauchen, stellen wir eben Seniors ein.“
Das könnte eine Wiederholung der COBOL-Generation werden.
Die Kluft zwischen Seniors und Juniors ist größer geworden, und die Erfahrung des Lernens durch eigenes Ausprobieren verschwindet.
Entwickler wie ich mit 30 Jahren Berufserfahrung erzielen derzeit hohe Vertragssätze.
Wenn Programmieren eine Kunst ist, müssen wir am Ende vielleicht wie Künstlerinnen und Künstler um das Überleben konkurrieren.
Wenn alle aufhören, Juniors auszubilden, führt das am Ende zu einem Zusammenbruch des Senior-Nachwuchses.
Doch wegen des kurzfristigen Gewinns ist der Anreiz groß, die Regeln zu brechen.
Tatsächlich sind auch viele Senior-Entwicklerinnen und -Entwickler nicht besonders gut.
Die Qualität eines Projekts sinkt ab einem bestimmten Punkt immer.
Die meisten waren nur dem Titel nach Seniors, und ich selbst war dem Namen nach zwar Senior, real aber eher mittleres Niveau.
Manager, Recruiter und Entwickler tun alle nur so, als würden sie arbeiten, während der echte Wert von einer kleinen Zahl tatsächlich fähiger Leute kommt.
Das Szenario, vor dem ich Angst habe, ist, dass wir zu Prompt-Managerinnen und Prompt-Managern herabsinken.
Eine Zukunft, in der wir nur noch dem von AI geänderten Code vertrauen, ohne die Codebasis wirklich zu verstehen.
Die Freude an tiefgehender Problemlösung gibt es weiterhin.
Ich bin nur froh, Stacks wie React oder NextJS nicht mehr selbst anfassen zu müssen.
Wer vor AI solide Grundlagen gelernt hat, hat heute wirklich Glück.
Es ist nur die nächste Stufe der „left-pad-Kultur“.
Dann funktioniert auch AI besser, und menschliches Domänenwissen kann glänzen.
Ich empfinde dieselbe Sorge.
Es gibt fast keine Reviews, und langfristige Architekturüberlegungen sind verschwunden.
Es wirkt, als würde die Gesellschaft insgesamt sinkende Qualität akzeptieren.
In letzter Zeit habe ich das Gefühl, dass Juniors nützlicher sind als Seniors.
Fragt man Seniors etwas, heißt es nur: „AI hat das so beantwortet.“
Juniors dagegen haben den Eifer zu lernen, und Staff-Level-Leute sind weiterhin großartige Mentorinnen und Mentoren.
Manche Mid-Level-Leute können dagegen ohne AI gar nichts.
Sie verstehen das Problem nicht, und weil AI es für sie löst, werden sie ihrer eigenen Unfähigkeit gegenüber abstumpfen.
Der Missbrauch von LLMs wird zu kognitivem Abbau führen.
Ich versuche, nur Menschen einzustellen, die nicht von LLMs kontaminiert sind.
Dieser Artikel selbst wirkt, als wäre er von einem LLM geschrieben.
Ein Stil nach dem Muster „It’s not X, but Y“ ist einfach zu typisch.
Der Gedanke, dass inzwischen der Großteil der Webinhalte AI-generiert sein könnte, macht mich depressiv.
Am Ende steuern wir auf eine Welt ohne Unterscheidung zwischen echt und falsch zu.
Deshalb überlege ich inzwischen lieber, Schweißen zu lernen.
Dieser Beitrag hat denselben Stil.
Die Wurzel des Problems liegt bei den Seniors.
Sie geben Juniors nur nutzlose Arbeiten und geben ihnen keine Chance, neue Tools einzusetzen.
Statt „eine E-Mail-Vorlage anpassen“ sollte man ihnen jetzt Aufgaben wie „einen Service zur Automatisierung interner Prozesse bauen“ geben.
Juniors wissen oft nicht einmal, was sie nicht wissen, und dann ist Lernen schwer, ebenso wie das Lehren für Seniors.
Dank AI konnte ich sogar einen Junior einstellen, der kein HTML kannte.
Früher wäre das unmöglich gewesen, aber heute reicht schon ein wenig Beharrlichkeit für den Einstieg.
Wer sich letztlich für den einfachen Weg entscheidet, bekommt eben auch das entsprechende Ergebnis.
Mich würde interessieren, wie so ein Junior eingestellt wurde.
Wenn man nur den einfachen Weg wählt, verschwindet die Tiefe des Lebens.
Ich selbst habe auch nie einen solchen Kurs belegt.
Letztlich birgt AI das Risiko, die Quellen der Kreativität auszutrocknen.
Wenn Menschen keine neuen Ideen mehr hervorbringen, wird AI nur noch sich selbst kopieren.
Ein solcher Kreislauf wird zu technologischer Stagnation und Abhängigkeit führen.
Unsupervised Learning könnte solche Grenzen überwinden.
Wenn gute Entwickler verschwinden, wird selbst schlechte AI noch nützlich.