AI Native Engineer — Gespür auf Grundlage von Prinzipien

Was für eine Art Mensch ist ein AI Native Engineer eigentlich (Who).

Das, was sichtbar geworden ist — Unterschiede zu Engineers früherer Epochen

• Drew Hoskins: "Tools und Sprachen waren so schwer, dass allein ihr Erlernen und Verwenden ein Vollzeitjob war." Seit AI beginnt, diesen Vollzeitjob zu übernehmen, wird sichtbar, was eigentlich getan werden musste, aber verdeckt war
• Ausweitung der Verantwortung: mehr Discovery als Delivery. Wer nicht weiß: "Warum sollten wir das bauen?", für den bleibt keine Rolle übrig
• 10-mal schnelleres Lernen: Um die 200 Zeilen zu lesen und zu beurteilen, die AI in 30 Sekunden erzeugt, braucht man ein solides Fundament. AI-generierter Code wird gewissermaßen zum Lehrbuch, aber man braucht den Blick, um ihn lesen zu können
• Geschwindigkeit des Urteilens: Forsgren — "Wenn man mit AI arbeitet, muss man innerhalb von 30 Minuten dutzende Male sein mentales Modell neu aufbauen." Schnelles Urteilen kommt aus tiefem Verständnis

Der Gegenwind für den Maker

• DORA 2025: Nach Einführung von AI stieg die PR-Erstellung um 98 %. Die Ergebnisse bei der Software-Delivery? Flat. Coding war ursprünglich nicht der Engpass
• So sehr man selbst klickt, klicken auch andere. Das bloße Erstellen wird zur Commodity. Klicken allein ist kein Wettbewerbsvorteil mehr
• Früher war "Wenn ein Maker ein Closer-Mindset hat" ein Kompliment. Jetzt ist es eine Voraussetzung

Der Fehler des Zauberers — das Paradox, dass Technik wichtiger wird

• Der iOS-Leidensweg des Autors: Bei Golang ging der Fokus sofort auf die Kernlogik, bei iOS führte mangelnde technische Kompetenz mit AI zu einer Endlosschleife von 2 bis 3 Tagen. "Ein iOS-Engineer hätte das in 5 Minuten behoben"
• Carson Gross’ "Zauberlehrlingsfalle": Wenn Juniors keinen Code schreiben können, können sie ihn irgendwann auch nicht mehr lesen. Wer nicht lesen kann, wird vom LLM herumgeschubst
• Steve Krouse: "Vibe Coding vermittelt die Illusion, dass die eigene Vibe eine präzise Abstraktion ist." Niemand spricht von "Vibe Writing"
• LLMs reduzieren die inhärente Komplexität nicht. Sie erzeugen nur beiläufige Komplexität leichter (Fred Brooks, No Silver Bullet)
• Tool-Wissen (Swift-Syntax, React-Patterns) vs. Prinzipienwissen (Netzwerke, OS, Datenstrukturen). Weil AI das Tool-Wissen ersetzt, strahlt das Prinzipienwissen umso stärker

Gespür auf Grundlage von Prinzipien — Eval

• Prinzipien ohne Gespür machen einen zum Gelehrten. Prinzipien allein reichen nicht
• Das, was Anthropic "taste" nennt. Gerade die Menschen, die AI am besten bauen, überlassen ihr AI am längsten nicht
• Linear-CTO Thomas: "Taste is not mystical. It's a craft." Mit Quality Wednesday wurden über 2 Jahre hinweg 2.500 Defects behoben — so wächst taste wie ein Muskel
• Eval = die Urteilskraft, Ergebnisse zu bewerten, die AI erzeugt hat. "Ist das All Pass der AI auch für mich ein All Pass?" Wer diese Frage stellen kann, ist ein AI Native Engineer

Fazit — ein Kompass auf dem Beschleuniger

• Terry Winograd (AI-Forscher der ersten Generation in Stanford): "AI ist nicht die Ursache des Problems. AI ist ein Beschleuniger (Accelerant)." Verändert hat sich die Geschwindigkeit, nicht die Richtung
• Gespür ohne Prinzipien ist Raten, und Prinzipien ohne Gespür machen einen zum Gelehrten
• Selbst wenn man das How (agentische Skills) beherrscht und im Where (AX-Organisation) arbeitet, hat all das keine Bedeutung, wenn das Who (man selbst) kein Mensch ist, der auf Grundlage von Prinzipien Gespür entfaltet