Ich denke darüber nach, wie schnell sich die Welt der Softwareentwicklung verändert. Während der Winterferien habe ich einen Artikel von Gergely Orosz gelesen, in dem er seine Erfahrungen mit neuen Modellen künstlicher Intelligenz beschreibt. Er selbst hat ausprobiert, wie Modelle wie Opus 4.5 und GPT 5.2 allein auf Grundlage von Anweisungen Hunderte Zeilen Code schreiben können. Er tat dies sogar unterwegs von seinem Smartphone aus – er wies die KI an, Änderungen am Code auf GitHub vorzunehmen, Tests auszuführen und Pull-Requests vorzubereiten. All das, ohne selbst Code von Hand zu schreiben. Es wirkt wie Magie, regt aber zugleich zum Nachdenken darüber an, was das mit unserer Arbeit machen wird.
Gergely Orosz erwähnte, dass diese Modelle mittelgroße Aufgaben hervorragend bewältigten. Beispielsweise fügte er Funktionen für Self-Service-Gruppenabonnements für große Unternehmen hinzu und überarbeitete das Administrationspanel für seinen Newsletter The Pragmatic Engineer. Nach einer Überprüfung und Tests nahm er alles in Betrieb. Und er ist nicht allein – viele andere Entwickler berichteten von ähnlichen Erfahrungen. Für mich fühlt es sich wie ein Wendepunkt an, an dem die KI nicht länger nur ein Hilfsmittel ist, sondern zum hauptsächlichen Ersteller des Codes wird.
„Aha“-Momente erfahrener Entwickler
Wenn man liest, was Menschen wie Jaana Dogan von Google sagen, wird klar, dass es sich nicht nur um einen Hype handelt. Jaana beschrieb, wie sie Claude Code ein Problem mit verteilten Agenten schilderte und die KI es innerhalb einer Stunde löste – etwas, woran ihr Team ein ganzes Jahr lang gearbeitet hatte. Sie sagte, es sei nicht perfekt, aber erstaunlich gut für komplexe Aufgaben in einem Bereich, mit dem man selbst vertraut ist. Ähnlich gestand Thorsten Ball von Amp, dass ihn nach 15 Jahren Programmiererfahrung das manuelle Schreiben von Code inzwischen frustriert. Früher liebte er den Rhythmus des Schreibens, doch jetzt sieht er, dass die KI es schneller erledigt.
Malte Ubl, technischer Leiter bei Vercel, berichtete, wie er während der Ferien zwei Open-Source-Projekte entwickelte, ein Buch schrieb und zahlreiche Dinge reparierte – alles dank Opus 4.5 und Claude Code. Er sagte, die KI verhalte sich wie ein Senior-Entwickler, dem man nur sagen müsse, was zu tun sei, und der es dann mit minimaler Aufsicht erledige. David Heinemeier Hansson, der Schöpfer von Ruby on Rails, änderte seine Meinung vom Sommer, als die KI noch nicht gut genug war, und ist nun optimistisch. Und Adam Wathan, der Autor von Tailwind CSS, sagt, dass es inzwischen langweilig sei, Syntax von Hand zu schreiben, während das Programmieren mit KI mehr Spaß mache.
Die größte Kehrtwende vollzog Andrej Karpathy, Mitbegründer von OpenAI. Noch im Oktober bezeichnete er KI-Werkzeuge als „Slop“ – als minderwertiges Zeug. Doch im Dezember schrieb er, er habe sich als Programmierer noch nie so weit im Rückstand gefühlt. Ihm zufolge verändert sich der Beruf, weil der Programmierer nur noch kleine Teile beisteuert, während die KI den Großteil erledigt. Er spricht von einer neuen Abstraktionsebene mit Agenten, Prompts, Kontexten und Werkzeugen, die man beherrschen müsse. Boris Cherny, der Schöpfer von Claude Code, ergänzte, dass im vergangenen Monat sein gesamter Code von der KI geschrieben worden sei – etwa 200 Pull-Requests, keine einzige Zeile von Hand.
Warum gerade jetzt?
Ich frage mich, warum das ausgerechnet jetzt geschieht. Laut dem Artikel liegt es an den neuen Modellen vom Jahresende: Gemini 3 von Google vom 17. November, Opus 4.5 von Anthropic vom 24. November und GPT-5.2 von OpenAI vom 11. Dezember. Diese Modelle sind bei der Codegenerierung deutlich besser. Peter Steinberger, der Schöpfer von PSPDFkit mit 20 Jahren Erfahrung, sagte, der Sprung von GPT 5.1 auf 5.2 sei gewaltig gewesen – die KI bewältige Aufgaben nun meistens beim ersten Versuch, ohne häufig stecken zu bleiben.
Simon Willison, Experte für große Sprachmodelle, bestätigt dies: Die November-Modelle wie GPT-5.2 und Opus 4.5 überschritten eine Schwelle, durch die sich komplexere Probleme lösen ließen. Sogar Salvatore Sanfilippo, der Schöpfer von Redis, merkte an, dass die KI auch in der Sprache C gut sei. Und erinnern Sie sich an die Prognose von Dario Amodei, dem Chef von Anthropic, aus dem März? Er sagte, dass die KI innerhalb von drei bis sechs Monaten 90 % des Codes und innerhalb von zwölf Monaten fast den gesamten Code schreiben werde. Jetzt sieht es so aus, als würde das bereits geschehen.
Gergely Orosz selbst sagt, dass die KI für seine Projekte mit TypeScript, Node/Express, React und Postgres 90 % des Codes generiert. Dasselbe gilt für Go, Rust oder andere Sprachen, für die der KI genügend Daten zur Verfügung stehen. Er geht davon aus, dass dies bei Start-ups auf der Suche nach einem passenden Markt oder bei neuen Projekten ohne alten Code üblich sein wird.
Nachteile: Was verliert an Wert?
Nun kommt der weniger angenehme Teil der Überlegung. Einige Fähigkeiten, die früher entscheidend waren, verlieren inzwischen an Bedeutung. Zum Beispiel die Entwicklung von Prototypen – Plattformen wie Lovable oder Replit ermöglichen es technisch nicht versierten Menschen, selbst Apps zu entwickeln. Gergely erwähnte eine Werbung von Replit mit dem Basketballspieler Shaquille O'Neal, der ohne Vorkenntnisse per „Vibe-Coding“ eine App zum Sammeln von Anmachsprüchen entwickelte.
Experte für mehrere Sprachen wie Go oder Rust zu sein, wird weniger wichtig werden, da die KI es ermöglicht, in jede beliebige Codebasis einzusteigen und die Implementierung von ihr erledigen zu lassen. Spezialisierte Rollen wie Frontend- oder Backend-Entwickler könnten in Start-ups verschwinden – ein guter Ingenieur, der die KI für alles einsetzt, genügt. Die Implementierung klar definierter Tickets aus JIRA oder Linear? Das kann die KI allein bewältigen, ebenso wie das Refactoring von Code.
Peter Steinberger räumt ein, dass er inzwischen den Großteil des generierten Codes nicht mehr liest – er betrachtet lediglich die Struktur und die wesentlichen Teile. Er wählt Sprachen wie TypeScript für das Web, Go für die Kommandozeile oder Swift für macOS, weil die KI darin besonders gut ist. Er weist jedoch darauf hin, dass bei ausgereifter Software oder sicherheitsrelevanten Themen weiterhin eine Kontrolle erforderlich ist.
Vorteile: Höherer Wert echter Ingenieure
Andererseits denke ich, dass echte Softwareingenieure sogar noch wertvoller werden könnten. Der Artikel beginnt mit diesem Punkt, doch die Details befinden sich hinter einer Paywall, weshalb ich sie mir auf Grundlage der Einleitung erschließe. Gergely deutet an, dass die Fähigkeiten von Tech Leads stärker gefragt sein werden, ebenso wie die Produktorientierung bei Start-ups. Ein solider Ingenieur und nicht nur ein „Coder“ zu sein, wird zum Standard werden. Die KI schreibt den Code, aber Entscheidungen über Architektur, Tests und das Gesamtdesign werden weiterhin bei den Menschen liegen.
Ich frage mich, wie sich das auf Produktmanager im Vergleich zu Ingenieuren auswirken wird. Produktverantwortliche können Software nun mit weniger Ingenieuren selbst generieren, während Ingenieure wiederum weniger Produktsteuerung benötigen. Die Berufsbilder werden sich zunehmend überschneiden. Und was ist mit den unschönen Seiten? Mehr generierter Code bedeutet mehr Probleme, schwache Praktiken werden schneller sichtbar und möglicherweise verschlechtert sich die Work-Life-Balance der Entwickler. Es ist wie ein Erdbeben, wie Andrej Karpathy sagt – wir müssen uns anpassen, damit wir nicht ins Hintertreffen geraten.
