Andrej Karpathy, Mitbegründer von OpenAI und ehemaliger Leiter der KI-Abteilung bei Tesla, veröffentlichte auf X einen Beitrag, der eine Debatte in der gesamten Tech-Welt auslöste. Er schrieb nichts Vages oder Spekulatives. Er wurde konkret: KI-Agenten zum Schreiben von Code funktionierten vor Dezember 2025 im Grunde nicht. Seit Dezember funktionieren sie. Und das ist, gelinde gesagt, eine ziemlich große Aussage.
Karpathy ist niemand, der solche Worte einfach so in den Raum wirft. Er half beim Aufbau des Autopiloten von Tesla, war an der Gründung von OpenAI beteiligt, und seinem Konto auf X folgen Hunderttausende Menschen aus der Branche. Wenn er sagt, dass sich etwas grundlegend verändert hat, werden die Leute hellhörig.
Was ist also eigentlich passiert? Die Modelle haben eine deutlich höhere Qualität, langfristige Kohärenz und Ausdauer erreicht. Sie können sich durch komplexe, mehrstündige Aufgaben arbeiten, ohne den Faden zu verlieren. Vor Dezember war das nicht möglich. Jetzt ist es möglich.
Ein Wochenendprojekt in 30 Minuten: Karpathys eigenes Beispiel
Damit es nicht bei einer leeren Behauptung blieb, fügte Karpathy ein konkretes Beispiel von seinem eigenen Wochenende hinzu. Er wollte ein lokales Dashboard zur Analyse der Videos seiner heimischen Sicherheitskameras erstellen. Er gab dem Agenten eine einzige lange Anweisung auf Englisch: Melde dich bei meinem DGX Spark an, richte SSH-Schlüssel ein, installiere vLLM, lade das Modell Qwen3-VL herunter und teste es, erstelle einen Server-Endpunkt für die Videoverarbeitung, entwickle eine grundlegende Weboberfläche, teste alles, richte systemd-Dienste ein und verfasse für mich einen Abschlussbericht.
Der Agent arbeitete etwa 30 Minuten. Er stieß auf mehrere Fehler, suchte selbstständig online nach Lösungen, behob sie einen nach dem anderen, schrieb den Code, testete und debuggte ihn, richtete die Dienste ein und meldete sich mit einem fertigen Bericht zurück. Karpathy hatte in der Zwischenzeit die Tastatur nicht berührt. „Noch vor drei Monaten wäre das ohne Weiteres ein ganzes Wochenendprojekt gewesen“, schrieb er. „Heute starten Sie es und vergessen es für eine halbe Stunde.“
Es ist schwer zu vermitteln, wie sehr sich das Programmieren durch KI in den letzten zwei Monaten verändert hat: nicht allmählich und im Laufe der Zeit nach dem Muster „Fortschritt wie gewohnt“, sondern ganz konkret im vergangenen Dezember. Es gibt eine Reihe von Einschränkungen, aber meiner Meinung nach funktionierten Coding-Agenten vor Dezember im Grunde nicht …
— Andrej Karpathy (@karpathy) 25. Februar 2026
Agenten-Engineering: Eine neue Bezeichnung für eine neue Art von Arbeit
Karpathy prägt für diese Arbeitsweise den Begriff „Agenten-Engineering“ (agentic engineering). Er beschreibt treffend, was geschieht: Entwickler hören auf, Code Zeile für Zeile zu schreiben, und beginnen stattdessen, KI-Agenten zu starten, ihnen Aufgaben in natürlichem Englisch zu erteilen und parallel ihre Ergebnisse zu kontrollieren.
Die größte Chance sieht er in dem, was er als „Aufstieg in höhere Abstraktionsebenen“ bezeichnet. Dabei geht es um den Aufbau von Orchestratoren, also übergeordneten Systemen, die mehrere parallele KI-Agenten gleichzeitig steuern, von denen jeder über eigene Werkzeuge, ein eigenes Gedächtnis und eigene Anweisungen verfügt. Das klingt kompliziert, ähnelt in der Praxis aber eher Managementarbeit als Programmierung im traditionellen Sinne.
Als ihn jemand fragte, ob Hunderte Entwickler durch „ein paar geschickte Prompt-Ersteller“ ersetzt würden, wies Karpathy das zurück. Das Wort „Prompt-Ersteller“ verzerre seiner Ansicht nach die ganze Sache. „Auf höchster Ebene kann tiefgreifendes technisches Fachwissen ein noch stärkerer Multiplikator sein als zuvor“, sagte er. Werkzeuge ersetzen Wissen nicht. Sie verstärken es.
Wo es nicht funktioniert und wer widerspricht
Es wäre naiv zu glauben, alles sei rosig. Karpathy selbst räumte ein, dass Agenten in manchen Situationen deutlich besser funktionieren als in anderen. Am besten dort, wo die Aufgabe klar spezifiziert ist und sich das Ergebnis überprüfen oder testen lässt. Greenfield-Projekte ohne historische Altlasten sind ihr natürliches Umfeld.
Der Entwickler Rafał Kobyliński, der mit Produktionscode arbeitet, widersprach Karpathy direkt. Bei Benutzeroberflächen, Netzwerken und paralleler Verarbeitung, also den Dingen, die in der Produktion tatsächlich Probleme verursachen, sehe er „kaum bessere Ergebnisse als im vergangenen Jahr“. Karpathy antwortete ihm, er „halte das Werkzeug vielleicht falsch“. Ehrlich gesagt klingt das ein wenig wie die Antwort von jemandem, der weiß, dass an der Kritik etwas Wahres dran ist.
Daniel Ost wies auf ein anderes Problem hin: „Wenn die KI versagt, dauert das Debugging dreimal so lange, weil man versucht, Code zu verstehen, den man nie geschrieben hat.“ Und der KI-Forscher Yacine Mahdid fasste es in einem Satz zusammen: „Man kann das Denken delegieren, aber nicht das Verstehen.“
Produktivitätspanik und die Folgen für Berufseinsteiger
Bloomberg berichtete über eine „Produktivitätspanik“, die sich in Technologieunternehmen ausbreitet. Die Unternehmen rechnen fieberhaft nach, ob KI-Werkzeuge wie Claude Code oder Cursor die Entwicklungszeit verkürzen oder gleich Arbeitsplätze abschaffen. Oder beides.
Eine Stanford-Studie aus dem Jahr 2025 zeigte, dass junge Beschäftigte in der Softwarebranche mit einem Rückgang der Stellenangebote um 16 % konfrontiert sind. Und genau hier liegt das eigentliche Problem. Karpathy sagt, dass Fachwissen zu einem stärkeren Multiplikator wird. Aber was ist mit einem Juniorentwickler, der dieses Fachwissen erst noch aufbaut? Ausgerechnet die Tätigkeit, durch die er das Delegieren lernte, nämlich das manuelle Schreiben von Code, wird nun selbst delegiert.
Die Analogie zu Architekten und CAD-Software passt: Architekten verschwanden nicht, als Computer das Zeichnen von Hand ersetzten. Die technischen Zeichner verschwanden. Der Wandel wartet nie auf diejenigen, die er verdrängt.
Karpathy schloss mit den Worten: „Das sind für die Softwareindustrie ganz sicher keine gewöhnlichen Zeiten.“ Und dem lässt sich nur schwer widersprechen.
