KI frisst die nächste Schicht der Infrastruktur-Entwicklung
AI and Infrastructure Engineering
Ein Infrastruktur-Engineer beschreibt, wie KI seinen Alltag verändert hat: Claude generiert Helm-Charts und Terraform-Module, die er nur noch nachbearbeitet. Er sieht Parallelen zur Ablösung von Ansible durch Kubernetes – jede Technologie hat eine manuelle Ebene automatisiert und die Ingenieure eine Stufe höher geschoben. Doch er warnt: Seine Syntaxkenntnisse rosten, und die Frage ist, ob die Richtungsentscheidungen, die er noch trifft, nicht bald ebenfalls von KI übernommen werden.
Kubernetes hat Infrastruktur-Engineers nicht ersetzt, es hat eine Schicht ihrer Arbeit ersetzt und sie eine Stufe höher geschoben. Ich glaube nicht, dass KI das Engineering ersetzt – ich glaube, sie ist immer noch damit beschäftigt, die Schicht direkt unter 'Richtung vorgeben' zu fressen – und ich bin nicht völlig überzeugt, dass das die letzte Schicht ist, die sie frisst.
- frio
> Der ehrliche Kompromiss
> Das ist kein hypothetischer Preis – das ist
> Aber genau das ist der
Das sind starke Anzeichen für einen KI-geschriebenen Artikel. Ich weiß, wir sind alle müde von Leuten, die sagen "das ist KI", weil es der Diskussion über den Inhalt eines Artikels schadet, aber Artikel über KI, die (scheinbar!) von KI geschrieben wurden und die Tugenden von KI preisen – treiben die Diskussion meiner Meinung nach auch nicht wirklich voran.
- cassianoleal
> Vor vier Jahren habe ich eine verschachtelte for-Schleife von Hand geschrieben – vier Ebenen tief, um Subnetze über Regionen und Availability Zones in einem anderen AWS-Konto zu taggen – und ich habe etwa eine Stunde gebraucht, um die Syntax richtig hinzubekommen
Ich glaube, diese Art von Ingenieur braucht KI. Ich hoffe auch, dass ich nicht mit ihnen in denselben Teams arbeiten muss. Erfahrung lehrt einen, Änderungen an anderen Teilen der Codebasis vorzunehmen, anstatt solche Datenverarbeitung an lokalen Variablen zu machen, die unglaublich schwer zu debuggen und sehr fragil ist – ganz zu schweigen davon, dass es ein Albtraum ist, sie zurückzulesen und zu verstehen.
- anon7000
Das deckt sich mit meinen Erfahrungen bei der Arbeit mit LLMs auf Kubernetes. Sie sind erstaunlich gut darin, das Boilerplate-YAML zu schreiben, und fantastisch darin, kubectl zu verwenden, um Cluster zu überwachen und zu debuggen (mit Sicherheitsvorkehrungen und Readonly-Berechtigungen natürlich). Wenn du einen Staging-/Testcluster hast, kannst du eine extrem schnelle Feedback-Schleife bekommen, wenn du sie auch Änderungen anwenden lässt.
Es ist ein gutes Beispiel dafür, wie hochstrukturierte, gut dokumentierte, meinungsstarke Frameworks LLMs helfen, gut zu funktionieren. Es gibt einfach weniger Raum für subjektive Probleme, wenn mehr Struktur vorhanden ist.
- skinfaxi
> Hat Kubernetes Ansible getötet? Irgendwie schon. Ich habe seit Jahren kein Ansible-Playbook mehr geschrieben – wenn du mir jetzt eines in die Hand drücken würdest, würde ich auf die Modul-Syntax schielen, als hätte ich sie noch nie gesehen – nicht weil Konfigurationsmanagement aufgehört hat, wichtig zu sein, sondern weil Kubernetes die Serververwaltung so einfach gemacht hat, dass wir aufgehört haben, unsere eigenen Node-Images zu bauen – wir verwenden einfach, was der Cloud-Anbieter uns gibt, ein für uns gebautes AWS-AMI, ohne Fragen. Und wann habe ich das letzte Mal per SSH auf einem Node etwas debuggt?
K8s hat Ansible nicht wegen der Einfachheit getötet. Ansible ist obsolet, weil wir uns davon entfernt haben, eine Maschine zu erstellen und zu verändern, hin zum Instanziieren mit den gewünschten Änderungen. Ansible macht Sinn, wenn du einen Server kontinuierlich vor Ort aktualisierst, und ist entschieden weniger nützlich, wenn du bei Änderungen eine neue Einheit mit der neuen Konfiguration hochziehst. Selbst in diesem Fall bleiben die zugrunde liegenden Fähigkeiten dieselben.
- thelastgallon
Das funktioniert, weil er jahrzehntelange Berufserfahrung auf den grundlegenden Ebenen hat und jede Abstraktionsebene versteht, was sie löst und wie die Abstraktionen interagieren. Er kann es immer noch logisch durchdenken, auch wenn er nicht der Schnellste beim Debuggen der untersten Ebenen ist, weil es nicht mehr im Muskelgedächtnis ist. KI kann dich produktiv machen, wenn du die nötige Erfahrung hast (was lange dauert).
Aber KI-Eingeborene haben keinerlei Wissen über IRGENDEINE Ebene, nicht einmal auf der höchsten Ebene, auf der sie KI verwenden werden. Sie lernen nur, wie man Prompts macht, und sonst nichts darüber, was getan wird. Das ist genauso, wie jeder Pilot sein kann, weil Flugzeuge meistens von selbst fliegen.