Wähle langweilige Technologie, Revisited (2025)

• Das Prinzip „Choose Boring Technology“, sich auf überprüfbare Technologie-Stacks zu konzentrieren, wird im Zeitalter von AI-Coding-Tools noch wichtiger
• Unternehmen sollten ihre begrenzten „innovation tokens“ strategisch für Technologien einsetzen, deren Zuverlässigkeit bereits bewiesen ist
• Moderne AI-Coding-Tools erzeugen für nahezu jeden Technologie-Stack plausibel wirkenden Code, aber wenn der Nutzer zwei oder mehr ihm unbekannte Technologien kombiniert, ist eine Fehlerprüfung unmöglich
• In Technologie-Stacks, die man bereits gut kennt, wirken AI-Coding-Tools als force multiplier; bei unbekannten Technologien verkommen sie zu bloßen Abhängigkeitskrücken
• Je höher die Qualität von AI-generiertem Code wird, desto schwerer lassen sich Probleme erkennen, sodass der Wert eines tiefen Verständnisses der Technologie weiter steigt

---

Bestätigung des Choose-Boring-Technology-Prinzips

• Die Zustimmung zu Dan McKinleys Text „Choose Boring Technology“ von vor 10 Jahren hat sich auch nach einem Jahrzehnt nicht geändert
  • Beim Start neuer Projekte wird zuerst gefragt: „Ist das ein Vorwand, etwas Neues zu lernen, oder will ich ein Problem lösen?“
  • Wenn man etwas Neues lernen will, wird die Zahl der Unbekannten auf eine begrenzt; wenn es darum geht, ein Problem zu lösen, bleibt man bei Technologien, die man bereits kennt
• Mit dem Aufkommen von LLMs und agentischen AI-Coding-Tools ist dieses Prinzip noch kritischer geworden

McKinleys Kernthese

• Unternehmen verfügen nur über begrenzte „innovation tokens“ und sollten sie strategisch nicht für unbewährte, spannende Technologien einsetzen, sondern für etablierte und gut verstandene Technik
• Langweilige Technologien haben bekannte failure modes, gut verstandene Funktionen und nachgewiesene operative Zuverlässigkeit
  • Wenn um 3 Uhr morgens ein Ausfall auftritt, ist es besser, eine Technologie zu debuggen, für die es Stack-Overflow-Antworten gibt, als Neuland zu betreten
• Dieses Prinzip war 2015 richtig und ist es auch heute noch

AI-Coding-Tools als neue Variable

• Moderne AI-Coding-Tools erzeugen professionell wirkenden Code für fast jeden vorstellbaren Technologie-Stack
  • Wenn man Claude oder Copilot um Kubernetes-basierte Microservices, GraphQL-Federation oder die Implementierung eines modernen JavaScript-Frameworks bittet, liefern sie Code zurück, der Regeln folgt und sogar läuft
• Wenn man zwei oder mehr Technologien verwendet, die man selbst nicht kennt, gibt es keinerlei Möglichkeit zu prüfen, ob die AI falsche Ergebnisse liefert
  • Trotz ihrer beeindruckenden Fähigkeiten halluzinieren LLMs bei technischen Details
• Es wurden Fälle beobachtet, in denen Engineers problematischen AI-generierten Code unverändert übernommen haben
  • Verwendung von deprecated APIs, Implementierung von Security-Antipatterns, subtile Performance-Probleme, die erst unter Produktionslast sichtbar werden
  • Der Code sah korrekt aus, hielt sich an Naming-Conventions und enthielt angemessenes Error-Handling, war aber auf eine Weise falsch, die nur jemand mit Erfahrung in der betreffenden Technologie erkennen konnte

Unbekannte Technologie + AI-Code = multiplizierte Unsicherheit

• Die Kombination aus unvertrauter Technologie und AI-generiertem Code addiert Unbekannte nicht, sondern multipliziert sie
  • Man weiß nicht, ob die Wahl des Frameworks angemessen ist
  • Man weiß nicht, ob die AI-Implementierung Best Practices folgt
  • Man weiß nicht, welche Teile des generierten Codes Boilerplate sind und welche die zentrale Business-Logik enthalten
  • Man weiß nicht, auf welche failure modes man achten sollte
• Das geht über einfaches Cargo-Culting hinaus und ist eher ein Problem auf dem Niveau von „cargo-culting times 2,356“

Wo langweilige Technologie und AI Synergien erzeugen

• Wenn man den zugrunde liegenden Stack versteht, werden AI-Coding-Tools äußerst leistungsfähig
  • Da man Rails gut genug kennt, kann man fragwürdige Vorschläge von Claude erkennen (mit Hilfe von context7)
  • Da man die Eigenheiten von JavaScript versteht, kann man Vorschläge von Copilot einem Fact-Check unterziehen
• AI wird bei Technologien, die man bereits versteht, zum force multiplier; bei unbekannten Technologien degradiert sie zur Abhängigkeitskrücke

Praktische Leitlinien für das AI-Zeitalter

• Bei der Bewertung neuer Technologien sollte man sich zuerst fragen: „Wenn AI den Implementierungscode für diese Technologie erzeugt, kann ich ihn dann angemessen reviewen?“
  • Wenn die Antwort „nein“ lautet, sollte diese Technologie nicht in mission-kritischen Bereichen eingesetzt werden
• Wenn man sich entscheidet, etwas Neues zu lernen (und nur einen innovation token hat), sollte man tatsächlich Zeit investieren, um es tief genug zu verstehen, um AI-Vorschläge fact-checken zu können
  • Nicht einfach kopieren und einfügen und hoffen, dass es schon funktioniert
• Der Versuchung widerstehen, unter dem Vorwand von AI mehrere neue Technologien gleichzeitig einzuführen
  • AI vermittelt das Gefühl, man könne eine neue Sprache, ein neues Framework und neue Infrastruktur gleichzeitig handhaben, aber nichts davon lässt sich wirklich sauber validieren

Erhöhte Risiken im AI-Zeitalter und Fazit

• Die ursprüngliche These von „choose boring technology“ zielte darauf ab, operative Komplexität und kognitive Last zu reduzieren, und diese Sorge ist weiterhin berechtigt
• Im AI-Zeitalter kommt ein zusätzliches Risiko hinzu: die false confidence, die AI vermittelt, indem sie für jeden Stack professionell wirkenden Code erzeugt
• Wegen der Qualität von AI-generiertem Code wird es paradoxerweise schwieriger, Probleme zu entdecken
  • Früher sah schlechter Code auch schlecht aus; heute erkennt man subtile Probleme nur noch, wenn man die Domäne ausreichend versteht
• Beim Lösen von Problemen sollte man das verwenden, was man bereits kennt; wenn man etwas Neues lernen will, sollte man sich auf das Lernen konzentrieren und AI-generierten Code nicht mit Verständnis verwechseln
• Die langweiligste Technologie im Stack könnte genau die sein, die man gut genug versteht, um zu bemerken, wenn die AI falschliegt
  • In einer Welt, in der AI selbstbewusst Tausende Zeilen Code für eine Technologie erzeugt, die man nie zuvor benutzt hat, ist der Wert dieses Verständnisses größer denn je