Anfang 2026 stießen Forschende, die den Einfluss von KI auf die Produktivität von Entwicklern untersuchen wollten, auf ein sehr menschliches Problem: Manche Entwickler wollten keine Aufgaben mehr übernehmen, bei denen sie möglicherweise ohne KI arbeiten müssten.
Die Forschenden nannten es einen Auswahleffekt. Für mich klingt es eher wie ein leises Geständnis.
Vor nicht allzu langer Zeit war KI ein Experiment in einer Seitenleiste. Wir öffneten sie, wenn Autocomplete nicht weiterwusste oder ein regulärer Ausdruck langsam peinlich wurde. Heute gehört sie für viele Entwickler einfach zum Raum. Sie ist da, wenn wir morgens den Editor öffnen, ein Repository übernehmen, das seit Jahren niemand angefasst hat, oder spätabends ein Test rot wird.
Wir können das Fenster schließen. Wir können den Agenten abschalten. Wir wissen noch immer, wie man programmiert.
Warum fühlt sich die Arbeit ohne KI dann schon so an, als würde uns eine Hand fehlen?
KI hat die Pausen übernommen
KI kam nicht mit der Ankündigung in die Softwareentwicklung, uns zu ersetzen. Sie kam in Form vieler kleiner Erleichterungen.
Zuerst vervollständigte sie die Zeile, die wir ohnehin schreiben wollten. Dann entwarf sie den Test, den wir aufgeschoben hatten. Sie erklärte eine unbekannte Funktion, übersetzte einen Stacktrace in verständliche Sprache und fand den Konfigurationsschalter in einer Dokumentation, die wir nicht noch einmal durchsuchen wollten.
Nichts davon fühlte sich nach Abhängigkeit an. Es fühlte sich nach Bewegung an.
Erinnere dich an das letzte Mal, als dein Assistent nicht erreichbar war. Das Beunruhigende war vermutlich nicht, dass du die Programmiersprache vergessen hattest. Es war die Stille vor dem ersten Schritt. Du musstest selbst entscheiden, wo du suchst. Du musstest die Unsicherheit allein aushalten. Du musstest lange genug auf den Fehler schauen, bis eine Vermutung entstand.
Früher waren solche Pausen normal. Heute fühlen sie sich wie Reibung an.
Vielleicht liegt genau darin die tiefste Veränderung. KI hat nicht nur verändert, wie wir Antworten erzeugen. Sie hat verändert, wie lange wir bereit sind, mit einer Frage allein zu bleiben.
Die Erleichterung ist echt
Über KI-Abhängigkeit wird leicht gesprochen, als würden Entwickler Disziplin gegen Bequemlichkeit eintauschen. Das verfehlt, wie sich das Werkzeug mitten in der Arbeit tatsächlich anfühlt.
Softwareentwicklung enthält erstaunlich viel heimliche Scham. Da ist der erfahrene Engineer, der die Syntax eines einfachen Befehls vergessen hat. Die neue Kollegin, die fürchtet, eine weitere Frage könnte alle Zweifel an ihr bestätigen. Der Entwickler, der in einer Fremdsprache arbeitet, das Problem genau versteht, es aber nicht schnell genug formulieren kann. Und die Person, die in eine zehn Jahre alte Codebasis einsteigt, deren wichtigste Entscheidungen nur noch in den Erinnerungen anderer Menschen existieren.
KI ist mit ihnen allen geduldig.
Sie seufzt nicht, wenn wir dieselbe Frage wiederholen. Sie sagt nicht: „Das solltest du längst wissen.“ Sie ist um zwei Uhr morgens erreichbar und kann aus einem leeren Bildschirm etwas machen, dem man widersprechen kann. Selbst eine unvollkommene Antwort verändert das emotionale Gewicht des Anfangs.
Das ist nicht nebensächlich. Was nach Produktivität aussieht, ist manchmal vor allem Erleichterung: weniger Angst vor dem Feststecken, weniger Verlegenheit, weniger Einsamkeit vor einer Maschine, die sich von selbst nicht erklärt.
Vielen Entwicklern gibt KI außerdem Energie für die Teile der Arbeit zurück, die ihnen wichtig sind. Sie übernimmt Boilerplate, wiederkehrende Tests, Migrationsgerüste und die hundertste Variante eines API-Clients. Der Kopf erreicht das interessante Problem weniger erschöpft.
Wir sollten das nicht als bloße Abkürzung abtun. Ein Werkzeug, das Menschen mehr Mut zum Erkunden gibt, schafft echten Wert.
Nur wachsen Trost und Abhängigkeit aus derselben Wurzel.
Wir nutzen, was wir nicht ganz vertrauen
Umfragen unter Entwicklern zeigen immer wieder dieselbe seltsame Beziehung: Wir verwenden KI ständig und bleiben zugleich misstrauisch gegenüber ihren Ergebnissen.
Dieses Gefühl kennt jeder, der eine selbstsichere Antwort an einem einzigen Randfall zerbrechen sah. Der Code sieht richtig aus. Die Namen sind sauber. Die Erklärung klingt ruhig. Erst nach dem dritten fehlgeschlagenen Test merken wir, dass das Modell eine Methode erfunden, eine Geschäftsregel missverstanden oder ein einfacheres Problem gelöst hat als unseres.
Und beim nächsten Problem fragen wir trotzdem wieder.
Das ist keine Heuchelei. Vertrauen besteht aus mehreren Schichten.
Wir vertrauen der KI vielleicht nicht die letzte Entscheidung an, wohl aber eine erste Richtung. Wir vertrauen dem Patch nicht, aber dem Gespräch, das einen Knoten im Denken löst. Wir glauben der Antwort nicht blind, glauben aber daran, dass auf dem Bildschirm etwas stehen wird statt nichts.
KI ist zu dem Kollegen geworden, den wir niemals direkt in den Main-Branch mergen lassen würden – und den wir trotzdem vermissen, sobald er den Raum verlässt.
Wir kommen schneller voran, weil der nächste Schritt sofort erscheint. Ob er unser Gewicht trägt, müssen weiterhin wir prüfen.
Was verschwindet, wenn die Anstrengung verschwindet
Es gibt Wissen, das nur entsteht, wenn wir feststecken.
Vor KI führte uns ein unbekannter Fehler vielleicht vom Stacktrace zum Aufrufer, weiter in die Dokumentation und schließlich zu einer Annahme, von der wir nicht wussten, dass wir sie gemacht hatten. Der Weg war ineffizient. Aber auf diesem Weg wurde eine Codebasis zu einem Ort statt zu einer Sammlung von Dateien.
Wir erinnern uns an die Systeme, die sich einmal gegen uns gewehrt haben.
Der Fehler, der einen ganzen Nachmittag kostete, lehrt uns, wo der Zustand wirklich lebt. Der Produktionsausfall erklärt, warum eine langweilige Schutzmaßnahme existiert. Die Bibliothek, die wir dreimal missverstanden haben, wird zu der Bibliothek, die wir später jemand anderem erklären können.
Wenn KI den Widerstand entfernt, entfernt sie womöglich auch die Geschichte, durch die eine Lektion im Gedächtnis bleibt.
Eine frühe Studie über Entwickler, die eine unbekannte Bibliothek lernten, zeigte etwas intuitiv Plausibles: Wer die Aufgabe vollständig delegierte, lernte weniger als diejenigen, die mit KI Begriffe klärten und das eigene Verständnis prüften. Entscheidend war nicht „KI oder keine KI“, sondern ob das Werkzeug das Denken ersetzte oder daran teilnahm.
Für Berufseinsteiger ist das besonders heikel. Erfahrene Engineers erkennen eine verdächtige Abstraktion, weil sie früher selbst die falsche gebaut haben. Sie spüren, dass ein ordentlicher Patch nicht zum System passt, weil sie dessen Narben kennen. Doch woher soll die nächste Generation dieses Gespür bekommen, wenn jede raue Kante geglättet wird, bevor sie sie berührt?
Mentoring war nie nur die Weitergabe von Antworten. Es war die langsame Weitergabe von Urteilskraft: Worüber man sich Sorgen machen sollte, wann man aufhört, welcher Kompromiss später teuer wird und warum eine funktionierende Lösung noch nicht fertig ist.
KI kann all diese Dinge erklären. Sie kann noch nicht das Gefühl ersetzen, dass ein anderer Mensch sich entscheidet, beim Lernen neben uns zu bleiben.
Die Abkürzung kann real sein. Das Verständnis muss den Weg trotzdem zurücklegen.
Code trug einmal Handschrift
Eine weitere Veränderung ist schwerer zu messen, weil sie zwischen Menschen stattfindet.
Von Menschen geschriebener Code trägt oft Spuren seines Autors. Eine merkwürdige Hilfsfunktion erinnert vielleicht an den Vorfall, der sie notwendig machte. Ein unbeholfener Kommentar zeigt, wo jemand unsicher war. Im Review prüfen wir nicht nur die Änderung; wir rekonstruieren den Gedanken dahinter. Wir fragen, und ein anderer Mensch antwortet aus dem Weg heraus, den er gegangen ist.
KI-generierter Code kann ohne diesen Weg ankommen.
Er kann elegant und technisch plausibel wirken und sich trotzdem seltsam herrenlos anfühlen. Der Autor kann beschreiben, was er angefordert hat, aber nicht immer, warum das Ergebnis genau diese Form angenommen hat. Der Reviewer übernimmt dann Arbeit, die früher teilweise beim Schreibenden lag: Absicht wiederherstellen, Annahmen prüfen und die verborgenen Kanten einer Entscheidung finden, an die sich niemand erinnert.
Genau diese Unruhe liegt unter vielen Diskussionen in der Entwickler-Community über KI-generierte Pull Requests. Es geht nicht nur darum, dass der Code schlecht sein könnte. Schlechter Code ist vertraut. Das tiefere Unbehagen entsteht, weil sich der soziale Vertrag verändert hat.
Eine Person kann in Minuten eine große Änderung erzeugen. Eine andere muss weiterhin menschliche Aufmerksamkeit investieren, um sie zu verstehen. Die am Keyboard gesparte Zeit taucht leise im Review, in der Wartung, bei der Security-Arbeit oder in jener Nacht wieder auf, in der das System ausfällt und jemand erklären muss, was der generierte Patch eigentlich tun sollte.
Code war immer Kommunikation. Wenn Erzeugung fast kostenlos wird, wird Aufmerksamkeit knapp – und Aufmerksamkeit gehört Menschen.
Vielleicht verlagert sich das Handwerk
Für manche Entwickler fühlt sich all das nicht nach Verlust an. Es fühlt sich an, als dürften sie endlich auf der Ebene arbeiten, auf der sie immer arbeiten wollten.
Sie schreiben weniger Zeilen und verbringen mehr Zeit damit, das Problem zu formen. Sie vergleichen mehrere Entwürfe, bevor sie sich festlegen. Sie denken über Nutzer, Architektur, Fehlermodi und Grenzen nach, die ein Agent nicht überschreiten darf. Das Handwerk verschiebt sich vom Herstellen jedes einzelnen Teils zum Lenken des Ganzen.
Das kann eine echte Entwicklung sein. Wir hörten nicht auf, Entwickler zu sein, als Assembler den Maschinencode ablösten oder Frameworks handgebaute Infrastruktur ersetzten. Software ist durch Abstraktion immer weiter nach oben gewandert.
Doch jede Abstraktion hängt davon ab, dass jemand versteht, was darunter liegt.
Ein Entwickler, der KI dirigiert, braucht weiterhin Geschmack. Ein Reviewer braucht weiterhin ein mentales Modell. Eine Architektin muss weiterhin wissen, was passiert, wenn das saubere Diagramm auf ein langsames Netzwerk, eine beschädigte Nachricht, ein erschöpftes Team oder einen verängstigten Nutzer trifft.
Wenn KI mehr von der Implementierung schreibt, wird menschliches Urteil nicht weniger wichtig. Es wird nur leichter zu übersehen und schwerer aufzubauen.
Die hoffnungsvolle Version dieser Zukunft ist nicht eine, in der Entwickler weniger zählen. Es ist eine, in der wir bewusster mit dem umgehen, was nur Menschen tragen können: Kontext, Fürsorge, Zweifel, Verantwortung und die Fähigkeit zu erkennen, wann eine technisch korrekte Antwort für dieses konkrete System und diese konkreten Menschen falsch ist.
Bleiben, ohne uns selbst zu verlieren
Können wir uns noch von KI lösen?
Als Einzelne: ja. Wir können das Fenster morgen schließen. Beruflich ist die Frage bereits schwieriger. Erwartungen verändern sich. Codebasen füllen sich mit generierter Arbeit. Neue Entwickler begegnen KI am Anfang ihrer Laufbahn, nicht erst in der Mitte. Selbst wer nie einen Assistenten nutzt, wird immer häufiger Code prüfen und warten, der von einem stammt.
Es gibt keinen privaten Weg zurück in eine Softwarebranche vor der KI.
Vielleicht ist das Weggehen aber auch das falsche Maß für Freiheit. Die wichtigere Frage lautet, ob wir präsent bleiben können, während das Werkzeug bleibt.
Präsent zu bleiben heißt, den Patch auch dann zu lesen, wenn alle Tests grün sind. Nach dem Warum zu fragen, nachdem die Antwort funktioniert. Nichts zu mergen, was wir nicht erklären können. Junioren Zeit zum Ringen zu geben, ohne diese Zeit als Verschwendung zu behandeln – und Reviewern Anerkennung für die unsichtbare Arbeit zu geben, mit der sie ein System vor plausiblen Fehlern schützen.
Es heißt auch, Momente zu bewahren, in denen kein Assistent sofort antwortet. Nicht als Reinheitsritual, sondern um das eigene Denken wieder zu hören.
Die meisten von uns werden KI weiter nutzen. Die Erleichterung ist real. Die Möglichkeiten sind real. Ebenso real sind das Unbehagen, die Abhängigkeit und die leise Angst, dass uns etwas entgleitet, das wir an dieser Arbeit geliebt haben.
Wir müssen uns nicht zwischen Verdrängung und Kapitulation entscheiden.
Die Zukunft der Software entscheidet sich nicht daran, wie viel Prozent des Codes KI schreibt. Sie entscheidet sich in kleineren Momenten: ob wir verstehen, bevor wir akzeptieren; ob wir lehren, statt nur eine Antwort weiterzuleiten; ob wir die Aufmerksamkeit anderer schützen; und ob wir Verantwortung übernehmen, wenn generierter Code die reale Welt erreicht.
KI kann bleiben.
Wir müssen dafür sorgen, dass wir es auch tun.
