Die Zukunft des Programmierens: Warum Englisch zur neuen Programmiersprache wird

Hat Huang mit seiner Aussage Recht? Ich denke schon. Und das liegt nicht nur daran, dass mittlerweile 30 bis 40 Prozent aller neuen Codes auf GitHub mittlerweile mit Hilfe von KI geschrieben werden. Die Geschichte ist komplexer.

Wie KI die Rolle der Entwickler grundlegend verändert

Nach etwa 30 Tagen Programmieren mit KI, in denen ich zwei interessante Produkte entwickeln konnte, traue ich mich, eins mit Sicherheit zu sagen: Programmieren bekommt eine neue Bedeutung.

Studien zeigen, dass Entwicklerteams, die mit KI arbeiten, etwa 26% produktiver sind und vor allem ausgewogenere Lösungen entwickeln. Es gibt auch Studien, die das Gegenteil behaupten: Entwickler mit KI-Tools werden im Durchschnitt um 19% langsamer. Aber  ehrlich gesagt, alle diese Studien sind schon vor ihrer Veröffentlichung veraltet.

Das MCP-Serverkonzept gibt es noch nicht einmal ein Jahr und Claude Code ist erst seit drei Monaten breit nutzbar. Genau diese Kombination hat mir die wahre Superkraft der KI für die Softwareentwicklung gezeigt.

Ich gehe davon aus, dass KI-gestützte Teams fünf- bis zehnmal schneller von der Idee zum Produkt gelangen, sofern sie sich darauf einstellen. Dadurch wird aber von einem Entwickler etwas anderes verlangt: Konzeptionelles Mitdenken wird viel relevanter als das eigentliche Tippen von Code.

Von technischer Komplexität zu Business-Einblicken

Noch spannender ist, wie künftig der Input aus dem Rest des Unternehmens verarbeitet wird. Für Nicht-Techniker ist es oft schwer einzuschätzen, wie komplex eine neue Funktion wirklich ist.

Wenn ich jedoch einer KI Zugriff auf unsere Codebase gewähre und ihr erkläre, welche Geschäftsfunktionalität ich mir wünsche, kann sie ziemlich genau einschätzen, welche Systeme davon betroffen sind und wie komplex dies sein wird. Noch besser: Ich kann fragen, wie ich ein ähnliches Feature mit deutlich weniger Entwicklungsaufwand erhalten kann.

Ein Marketingteam kann auf der Grundlage von Marktforschung bereits einen Prototyp erstellen und mit Nutzern testen lassen, ohne dass ein Entwickler auch nur eine einzige Zeile Code geschrieben hat. Die Feedback-Schleife wird kürzer und schneller.

Das Programmieren mit KI hat jedoch auch seine Schattenseiten.

Die Kehrseite: Warum KI-Code gefährlich sein kann

KI liebt es, neuen Code zu schreiben. Das liegt vor allem daran, dass KI bei großen, komplexen Codebasen einfach nicht über das erforderliche Architekturbewusstsein verfügt, um wartbare Systeme zu erstellen. Das Ergebnis? Studien zeigen, dass KI-generierte Projekte bis zu achtmal so viele duplizierte Codeblöcke enthalten.

Die Kosten des neuen KI-Codes

Dieser generierte Code hat auch seinen Preis. Es wird erwartet, dass KI-Rechenzentren im Jahr 2028 etwa 6,7 bis 12% des gesamten Stromverbrauchs in den USA ausmachen werden. Und 80%- 90% dieses generierten Codes schaffen es nicht einmal in die Produktionsphase. Autsch.

Dazu kommt ein interessanter Widerspruch: Code-Effizienz hatte jahrelang kaum Priorität. Server – oder „Eisen”, wie es in der Fachsprache heißt – waren billiger als Entwicklungsstunden. Das Ergebnis? Mehr Nutzer bedeuteten auch mehr Eisen.

Mit KI ändert sich das. Effizienz wird wieder relevant. Man fordert energieeffiziente Algorithmen oder lässt KI in Sprachen arbeiten, die man selbst nicht beherrscht, die aber perfekt zum Projekt passen. Das Ergebnis ist schnellerer, sparsamerer Code.

Das Halluzinationsproblem: Nicht existierende Software und Sicherheitsrisiken

Noch besorgniserregender sind die Halluzinationen. In rund 30% des KI-generierten Codes steckt mindestens eine „halluzinierte” „Package Dependency“, also Softwarebibliotheken, die es einfach nicht gibt. Von 576.000 untersuchten Code-Beispielen enthalten 440.000 Verweise auf Softwarepakete, die nirgendwo zu finden sind.

Das öffnet die Tür für Package-Confusion-Angriffe. Cyberkriminelle können diese “nicht existierenden” Pakete erstellen und mit Malware füllen. Entwickler, die blind der KI vertrauen, installieren dann unwissentlich Malware.

Etwa 40% aller KI-generierten Codes enthalten Sicherheitslücken. Der Code sieht gut aus, funktioniert in der Regel auch, enthält jedoch Sicherheitslücken, die erst später entdeckt werden: oft von Hackern.

Natürlich enthalten auch von Menschen geschriebene Codes viele Fehler. Wenn Du regelmäßig Aufräumrunden in Deinen KI-Workflow einbaust in der Du den Code sauber und lesbar machst und zusätzlich Tools nutzt, die Sicherheitsanalysen durchführen, kannst Du Risiken vermieden. Sei Dir der Sicherheitsrisiken bewusst und passe Deinen Workflow entsprechend an.

Code-Review im KI-Zeitalter: Hybride und unverzichtbar

Das macht Code-Reviews (also wenn ein (erfahrener) Entwickler den Code eines Kollegen (Junior-Entwicklers) überprüft) wichtiger denn je, allerdings auf eine ganz andere Art und Weise. Der traditionelle Code-Review wird zu einem hybriden Prozess.

KI-Tools können Code in Sekunden auf Syntaxfehler, Stilprobleme und bekannte security patterns. scannen. Aber für Kontext, architektonische Entscheidungen und subtile Sicherheitsrisiken brauchen wir immer noch Menschen. Es ist, als würde KI die Rechtschreibung überprüfen, aber Menschen müssen immer noch entscheiden, ob die Struktur der Geschichte stimmt.

Wir brauchen KI, um KI zu kontrollieren. Vertrauen, aber Kontrolle.

Modernisierung von Legacy-Code: Wo KI wirklich glänzt

Da wo KI wirklich glänzt, sieht man beeindruckende Ergebnisse. Die Modernisierung von Legacy-Code ist das beste Beispiel dafür.

In vielen Finanzinstituten werden etwa 70% der IT-Kapazitäten für die Wartung von Legacy-Systemen aufgewendet. Systeme, die in COBOL geschrieben wurden, sind manchmal Jahrzehnte alt sind und immer noch das Herzstück vieler Banken.

KI ist außergewöhnlich gut darin, alten Code in moderne Architekturen umzuschreiben. KI versteht die Logik alter Systeme und kann sie in etwas Neues übersetzen. Damit lässt sich technischer Schuldenabbau automatisieren, wodurch mehr Zeit für Innovationen frei wird.

Die stille Revolution in Unternehmensprozessen

Diese Innovation beschränkt sich nicht nur auf die Entwicklung. Workflow-Tools wie N8N ermöglichen in Kombination mit kleinen KI-generierten Code-Schnipseln die Automatisierung vieler administrativer Prozesse.

Während ein menschlicher Kollege in der Arbeitszeit vielleicht 20 Kundentickets pro Tag bearbeiten kann, kann eine gut trainierte KI rund um die Uhr Hunderte von Tickets analysieren. Buchhaltung, Umsatzsteuererklärungen, Urlaubsanträge der Personalabteilung: Mit KI-Workflows lässt sich vieles automatisieren.

Die Optimierung eines solchen Workflows ist derzeit jedoch noch sehr komplex und derzeit Technikern vorbehalten. Auch wenn das Potenzial groß ist, wird es meiner Meinung nach noch Jahre dauern, bis viele dieser Prozesse tatsächlich automatisiert sind.

Wer profitiert eigentlich von der KI-Revolution?

Aber wer profitiert eigentlich wirklich von der KI-Revolution? Echt spannend. Denn es arbeiten immer noch sehr viele Menschen an diesen Verwaltungsprozessen. Derzeit profitieren vor allem die höher qualifizierten, anpassungsfähigen Wissensarbeiter von der KI-Revolution. Denk an den Marketer, der jetzt Prototypen bauen kann, und an den Berater, der viel schneller Berichte erstellt.

Für den Verwaltungsmitarbeiter, den Junior-Entwickler oder den Kundendienst-Experten fühlt es sich jedoch vor allem wie eine Bedrohung an. Unternehmen müssen daher in ihre Mitarbeiter investieren: dem Junior-Entwickler Raum geben, sich zum Medior-Level weiterzuentwickeln, und Verwaltungsmitarbeitern beibringen, wie sie KI einsetzen können. So behalten auch sie einen Job, der zu ihnen passt.

Was wir verlieren: den menschliche Faktor

Und hier kommen wir zu dem Punkt, der mir wirklich Sorgen bereitet. Wenn es um KI geht, sprechen wir vor allem über schneller, effizienter und billiger. Aber das Wort „menschlicher” höre ich selten.

Die Person am anderen Ende Deines Chats oder Telefonats wird immer häufiger eine KI sein und immer seltener ein Mensch. Wenn der menschliche Aspekt aus unseren Interaktionen und unserer Arbeit verschwindet, was bedeutet das für uns als Gesellschaft?

Die Generation, die nie gelernt hat zu suchen

Es wächst eine Generation heran, die nie gelernt hat, effektiv zu googeln, weil sie ihre Fragen direkt an ChatGPT stellen kann. Die nie Code debuggt hat, weil KI es sofort richtig macht. Die nie gelernt hat, ihre Gedanken zu strukturieren, weil KI ihre Texte umschreibt.

Ist das schlimm? Ja! Erste Studien zeigen, dass das sehr schlecht für unsere Gehirnentwicklung ist. Man könnte sagen, dass das Auto auch das Pferd abgelöst hat, aber da geht es um Transport. KI ersetzt unser Denken. Das sind zwei völlig verschiedene Dinge.

Die Entscheidung, die vor uns liegt

Wo landen wir? In einer Welt, in der KI alle Routineaufgaben übernimmt und Menschen sich auf Kreativität, Strategie und echte menschliche Beziehungen konzentrieren können? Oder in einer Welt, die so effizient geworden ist, dass wir vergessen haben, wofür wir eigentlich leben?

Die Technologie ist da. Die Entscheidung liegt bei uns. Und sie wird nicht in Vorstandsetagen oder auf Tech-Konferenzen getroffen. Wir treffen sie jeden Tag, mit jeder Entscheidung darüber, wie wir KI einsetzen.

Wählen wir eine KI, die uns mehr Zeit füreinander gibt? Oder eine, die uns noch produktiver macht, in einem Wettlauf, den eigentlich niemand gewinnen kann?

Ich weiß die Antwort nicht. Aber ich weiß, dass wir bewusst darüber nachdenken müssen. Denn die Tools, die wir heute entwickeln und einsetzen, bestimmen, wie die Welt von morgen aussehen wird.

Blogreihe „Programmieren mit KI”

Dies ist der letzte Artikel einer vierteiligen Reihe über die Programmierung mit KI. Die ersten drei Artikel kannst Du über die unten stehenden Links lesen:

• Teil 1: Wie KI Entwicklungskosten um 2900% senkt
• Teil 2: Programmieren mit KI: Clever Schummeln
• Teil 3: 19 Tipps für erfolgreiches Programmieren mit KI und Claude Code