Zentrale Thesen

• Gute Entwickler schreiben künftig möglicherweise weniger Code selbst. Dafür entscheiden sie häufiger, was gebaut wird und ob das Ergebnis den Anforderungen entspricht.
• KI beschleunigt vor allem Greenfield-Projekte. In großen Legacy-Codebasen fällt der Effekt meist geringer aus, kann aber weiterhin wirtschaftlich relevant sein.
• Testen, Review und Validierung werden wichtiger als das reine Produzieren neuer Codezeilen.
• Junior-Stellen geraten unter Druck, weil A.I. gerade die klassischen Einstiegsaufgaben besonders gut automatisiert.
• Wer ohne solides Fundament vor allem promptet, riskiert, eigene Programmierkompetenz zu verlieren.
• Gleichzeitig sinkt die Eintrittsschwelle, sodass mehr Menschen ohne Informatikausbildung funktionierende Software entwickeln können.
• Die Arbeit von Softwareentwicklern verschiebt sich teilweise von der Implementierung zur Steuerung und Prüfung mehrerer Agenten.
• Höhere Produktivität führt nicht automatisch zu besserer Codequalität, Wartbarkeit oder Architektur.
• In großen Unternehmen liegt der Nutzen oft weniger im Neuschreiben als im Verstehen, Refaktorieren und Absichern vorhandener Systeme.
• Die knappe Ressource könnte künftig weniger die Codeproduktion als das fachliche Urteil sein.

Inspiriert von: Clive Thompson, Coding After Coders, Sunday Magazine, 22.03.2026, S. 32.
Eigene Darstellung: Michael Roland