Nicht der KI-Code ist das Problem, sondern dass niemand mehr etwas weiß
The problem is not the AI code, but nobody knows anything anymore
In großen Unternehmen wird KI-Code von oben durchgedrückt, doch niemand versteht mehr die Architektur oder die Gründe hinter Entscheidungen. Ein Bericht beschreibt, wie Teams 12 bis 13 Stunden am Tag nur Enter drücken, um Code zu shippen, während niemand mehr Bugs löst oder Pläne hat. Die eigentliche Herausforderung bleibt die Wartbarkeit – und die braucht Menschen mit Intent, Geschmack und Systemverständnis.
Das Problem ist meiner Meinung nach nicht der KI-Code, sondern dass niemand mehr etwas weiß und alle nur noch Claude fragen. Am Ende hat man überhaupt keinen Plan.
- zero_shift
Am Samstag habe ich ungeformt darüber nachgedacht und versucht, die Herkunft einer Entscheidung nachzuvollziehen, die bei der Arbeit getroffen wurde.
Die Codeänderung selbst spielt keine besondere Rolle. Aber es genügt zu sagen, dass es um ein KI-Feature in einem unserer Produkte ging.
Der Code wurde von Claude gestempelt, gesteuert durch einen Prompt. Der Prompt war für ein Ticket, das mit der Atlassian-KI-Integration erstellt wurde. Atlassian hatte Dokumente verdaut, die mit KI erstellt wurden. Die Dokumente stammten aus Strategie-Memos, von denen ich zu 90 % sicher bin, dass sie vollständig von Claude geschrieben wurden.
Die Strategie wurde vom Management auf Drängen der Führungsebene gewählt. Die Führungskräfte kommunizieren jetzt größtenteils über KI-geschriebene Memos. Ich weiß nicht, wie sie Entscheidungen treffen, aber sie beziehen sich auf Tech-Influencer, Marktbedingungen, Kundenerwartungen.
Das ließ mich innehalten. Wer hatte die Entscheidung dann tatsächlich getroffen? Man könnte argumentieren, dass es mehrere Ebenen menschlicher Überprüfung gab, aber die eigentliche Quelle der Entscheidung war schwer festzumachen.
Wir bauten das Feature nicht, weil wir es wollten. Wir bauten es, weil wir dachten, andere würden es erwarten.
Vielleicht, dachte ich, könnte ein Nachdenken über den Zustand des Marktes anzeigen, wer tatsächlich die Kontrolle hatte.
Woher kommen die Erwartungen von Investoren und Kunden im Jahr 2026? Es ist sehr undurchsichtig, zumindest in der Tech-Branche. Es scheint Hype zu geben. Ein Teil des Hypes kommt von wahren Gläubigen, ein Teil von Zynikern. Aber beide reagieren auf Marktanreize, die immer größere und größere Behauptungen belohnen.
Woher kommt die „Aktion“ des Marktes? Was ist der Treiber?
Investoren scheinen nicht wirklich zu verstehen, was […]
- glouwbug
Wenn du etwas schreibst, formst du ständig dein Verständnis durch Refactorings und Umschreibungen um, bis du es verinnerlicht hast. Durch das Verinnerlichen erlangst du die Fähigkeit, darüber nachzudenken (in kritischen Ausfallzeiten) und es zu kommunizieren. Ein ganzes Team, das kommunizieren kann, kann Probleme gemeinsam lösen, von der Vision eines Einzelnen über Produkt-Whiteboards bis hin zur Infrastruktur der Engineering-Abteilung und der Kunstfertigkeit von UX und UI.
Es verblüfft mich, dass wir völlig vergessen haben, dass die Welt noch vor 4 Jahren so funktionierte
- MomsAVoxell
Ich finde das beruflich nicht so dramatisch – aber hauptsächlich, weil die Branchen, in denen ich konsequent Code in großem Maßstab ausgeliefert habe, Review als erstes Prinzip beinhalten, d. h. kein ungetesteter, ungeprüfter Code wird ausgeliefert, weil: sicherheitskritische/Echtzeitanforderungen und Zertifizierungsspezifikationen es so vorschreiben.
Und KI-Code zum Reviewen zu haben, ist nicht anders als jeder andere Code, der jemals zu reviewen war, also profitiert das Review-Tooling – wie es notwendig ist – ebenfalls von der schwermütigen Anwendung von .. mehr KI. Aber: Alle KI wird menschlich überprüft.
Es ist also keine große Sache. Wir liefern einfach keinen Code aus, der nicht zu 100 % menschlich überprüft wurde. Wenn das unüberwindbar ist: Du machst es falsch. Nutze KI, um Code wieder lesbar zu machen.
Und dann pack die KI auch wieder in ihre Schachtel. Gib Entwicklern nicht 100 % Vollzeit-API-Zugriff auf Abonnements: Gib ihnen echte Hardware, um 100 % lokal zu arbeiten.
Lokale KI ist also die beste KI, Leute. Nutze nicht mehr, als du lokal ausführen kannst, ist eine großartige Methode, um KI-Code ordnungsgemäß wartbar zu halten.
Die Branche wird das selbst früher oder später beweisen: Wenn du deine KI nicht zur sicheren Aufbewahrung in ihre Schachtel packen kannst, machst du es sowieso falsch ... und hättest diese Praxis als Gewohnheit schon vor Jahrzehnten lernen sollen, im Hinblick auf zukunftssicheres Tooling ... (Siehe auch: nicht alles protokollieren, was du mit einer KI machst? Großer Fehler.)
Sicher, die absolut berauschende Sucht von Big Metal AI™ wird viele Verbraucher in eine tiefe, tiefe Grube der Neo-Analphabetismus stürzen – jedoch: ‚guter‘ KI-Code ist eigentlich nur guter Code.
- bengold14
Ich sehe das jeden Tag. Das Problem ist, dass Code die falsche Abstraktion für die Arbeit ist, die wir tun. LLMs haben das Programmieren gelöst, aber sie haben Systeme, Zusammenarbeit oder Systemwartung nicht gelöst.
Edit: Da ich offenbar einen Nerv getroffen habe – ich habe an einem Projekt gearbeitet, um das zu lösen: https://www.archme.io, wenn du meine Gedanken zur richtigen Abstraktion wissen willst
- ecshafer
KI wird langfristig Software Engineering wichtiger machen. Anforderungen einholen, Nutzerfeedback, Tests, Produktvision. Das sind jetzt die entscheidenden Unterscheidungsmerkmale.
Wenn du wirklich einen guten Satz Anforderungen bekommen kannst, geh und schreibe alle deine Testfälle auf und wirf es dann einer KI vor, die es mit einem Schuss erledigt. Perfekt.
- hollowonepl
KI ist nicht für Programmierer, sie werden immer jammern und können mit Zeit und Ressourcen natürlich besseren atomaren Code produzieren. KI ist für eine Kombination aus Business Analyst, Architekt und Produktmanager in einer Person, die Kapazität im Programmieren hat, aber entschieden hat, dass dies eine begrenzte Rolle im gesamten Software-Engineering-Lebenszyklus ist. Mit der richtigen Einstellung und natürlich einem gewissen Maß an Mikromanagement über die KI (was sie bei menschlichen Programmierern auch tun mussten) können sie die gleichen oder ähnliche Ergebnisse mit viel weniger Kommunikationsreibung, weniger Leuten, die diese Teamarbeit aufrechterhalten, erzielen und näher daran kommen, die Probleme zu lösen, die sie finden, anstatt über die Philosophie des Programmierens und andere Manifeste des Handwerks zu diskutieren, die aufgehört haben, prestigeträchtig oder einzigartig zu sein, und das ist der Kernpunkt der Beschwerde, wenn KI den falschen Leuten zur Nutzung gegeben wird.
- vld_chk
Ich fühle mich damit verbunden. Ich habe Ende Juli die Firma gewechselt. Die ersten 4 Wochen gab mir KI das Gefühl von Freiheit. Ich musste nicht mehr zehntausend Zeilen Legacy-Codebasen verstehen. Noch nie war Onboarding so einfach. Frag einfach Claude und er sagt mir, was hier passiert und wie.
Aber nach 2 Monaten begann es, mir zu schaden. Ich weiß immer noch nichts. Ich habe ein gewisses Verständnis für das Systemdesign und die Kernkomponenten, aber ich habe null Ahnung, wie bestimmte Dinge unter der Haube gemacht werden. Weil KI Code für mich gelesen hat und Code für mich geschrieben hat und ich es als mein eigenes Verständnis übernehme.
In der letzten Woche habe ich meine KI-Nutzung eingeschränkt und mich gezwungen (es ist wirklich schwer), zumindest ein bisschen selbst zu lesen und zu programmieren, um überhaupt eine Ahnung davon zu bekommen, was hier vor sich geht.
- bentt
In diesem Moment gibt es eine Million Möglichkeiten, Dinge falsch zu machen.
Aber es gibt auch einige Möglichkeiten, vielleicht weniger als eine Million, Dinge richtig zu machen.
Hier ist eine Anekdote über eine Möglichkeit, das falsch zu machen.
Ich habe bei KI-Codierungsmethoden festgestellt, dass es eine Grenze gibt, ab der es zu einem Hail-Mary wird (im Sinne des American Football).
Ein Hail-Mary ist, wenn man den Ball in die Endzone wirft und einfach betet, dass jemand ihn fängt. Das ist fast immer am Ende des Spiels.
Dieser Moment mit KI-Code zeigt an, dass man keinen zusammenhängenden Plan zusammenstellen kann, also sagt man dem Agenten einfach: „Mach es gut“. Früher waren die Ergebnisse hier schlecht, aber jetzt sind die Agenten wirklich kompetent, also könnten die Ergebnisse gut sein.
Aber in diesem Moment ist das dein Signal, zurückzugehen. Denn sobald du eine Lösung nimmst, die so weit von deinem Verständnis entfernt ist, bist du unter Wasser. Der Hail-Mary ist nicht Teil eines größeren Spielplans. Er ist der letzte Spielzug des Spiels. Danach kommt nichts mehr.
Sobald du also diesen Moment in deinem Programmieren erreichst, signalisierst du, dass du nicht nur den Code nicht mehr verstehst, sondern auch nicht mehr, wie er auf hoher Ebene funktioniert. Wenn du danach noch mit diesem Code arbeiten willst, dann geh zurück und arbeite mit der KI, um mehr Verständnis für das Problem zu bekommen.