Vor einigen Monaten hätte ich vermutlich noch dieselbe Diskussion geführt wie viele andere Entwickler: Kann KI überhaupt vernünftig programmieren?
Heute halte ich diese Frage für die falsche.
Nicht, weil Claude oder Codex plötzlich perfekte Softwareentwickler geworden wären. Sondern weil ich in den vergangenen Monaten festgestellt habe, dass sich der eigentliche Engpass in der Softwareentwicklung verschoben hat.
Ich verbringe heute deutlich weniger Zeit damit, Code selbst zu schreiben.
Stattdessen verbringe ich mehr Zeit damit, Architekturentscheidungen zu treffen, Anforderungen zu formulieren und Aufgaben sinnvoll zu strukturieren.
Das Schreiben von Code ist für mich heute häufig nur noch der letzte Schritt.
Softwareentwicklung mit KI beginnt nicht beim Code
Sowohl beruflich als auch privat arbeite ich inzwischen täglich mit KI.
Im Unternehmen setzen wir überwiegend Claude ein, privat experimentiere ich zusätzlich mit Codex. Anfangs stand für mich – wie vermutlich für viele – die Frage im Raum, wie gut eine KI tatsächlich programmieren kann.
Nach einigen Monaten hat sich meine Sicht darauf grundlegend verändert.
Die eigentliche Stärke moderner KI-Systeme liegt für mich nicht darin, dass sie einzelne Methoden oder Klassen schreiben können.
Das konnten Codegeneratoren in gewisser Form schon vor Jahren.
Der Unterschied besteht heute darin, dass eine KI einen großen Teil einer Implementierung selbstständig übernehmen kann – solange sie den notwendigen Kontext besitzt.
Boilerplate-Code, Refactorings, neue Services, Tests oder wiederkehrende Implementierungen entstehen heute häufig innerhalb weniger Minuten.
Natürlich ist das Ergebnis nicht immer perfekt.
Aber ehrlicherweise ist auch von Menschen geschriebener Code nicht automatisch perfekt.
Warum ich der KI mittlerweile vertraue
Eine Aussage höre ich regelmäßig:
„Ich würde einer KI niemals meinen Code anvertrauen.“
Ich kann diese Skepsis nachvollziehen.
Trotzdem vertraue ich den Ergebnissen mittlerweile erstaunlich stark.
Nicht, weil ich davon ausgehe, dass Claude oder Codex keine Fehler machen.
Sondern weil sie innerhalb klar definierter Leitplanken arbeiten.
In unserem Projekt investieren wir bewusst Zeit in Architekturentscheidungen, dokumentierte ADRs (Architecture Decision Records), Coding Guidelines und projektbezogene Regeln.
Diese Vorgaben existieren nicht nur für Entwickler.
Sie bilden inzwischen auch den Rahmen für die Zusammenarbeit mit einer KI.
Dadurch kennt das Modell die Architektur.
Es kennt unsere Konventionen.
Es kennt die Systemgrenzen.
Es kennt wiederkehrende Patterns.
Und genau dadurch entstehen Implementierungen, die sich erstaunlich konsistent in das bestehende Projekt einfügen.
Natürlich entstehen weiterhin Fehler.
Natürlich muss Code reviewed werden.
Natürlich muss getestet werden.
Aber die meisten Probleme lassen sich sehr schnell erkennen und ebenso schnell korrigieren.
Mein Vertrauen basiert deshalb nicht auf dem Modell selbst.
Es basiert auf dem Entwicklungsprozess.
Gute Architektur wird mit KI noch wertvoller
Eine Beobachtung hat mich besonders überrascht.
Je besser ein Projekt strukturiert ist, desto besser funktioniert die Zusammenarbeit mit einer KI.
Früher wurden Architekturentscheidungen hauptsächlich dokumentiert, damit neue Entwickler schneller verstehen, warum ein System auf eine bestimmte Weise aufgebaut wurde.
Heute profitieren davon zusätzlich KI-Systeme.
Eine sauber dokumentierte Architektur reduziert Missverständnisse.
Klare Systemgrenzen verhindern, dass Änderungen ungewollt über mehrere Bereiche hinweg verteilt werden.
Dokumentierte Entscheidungen sorgen dafür, dass Implementierungen konsistent bleiben.
Ich würde sogar behaupten, dass gute Architektur heute wichtiger ist als noch vor wenigen Jahren.
Nicht, weil KI Architektur ersetzt.
Sondern weil sie gute Architektur besonders effektiv nutzen kann.
Die größte Herausforderung ist Komplexität
Die eigentliche Grenze moderner KI liegt aus meiner Sicht nicht beim Programmieren.
Sie liegt bei der Komplexität.
Ich habe mehrfach erlebt, wie Projekte oder Aufgaben irgendwann eine Größe erreichen, bei der sich sowohl Mensch als auch KI zunehmend schwer tun.
Vor allem riesige Pull Requests entwickeln sich schnell zu einer Sackgasse.
Mit jeder weiteren Änderung wächst der Kontext.
Zusammenhänge werden schwieriger nachvollziehbar.
Kleine Korrekturen erzeugen neue Nebeneffekte.
Irgendwann verbringt man mehr Zeit damit, den bestehenden Zustand zu verstehen, als tatsächlich neue Funktionalität umzusetzen.
Das liegt nicht daran, dass Claude oder Codex schlechte Modelle wären.
Es liegt daran, dass Komplexität immer ihren Preis hat.
Kleine Aufgaben sind der eigentliche Schlüssel
Genau deshalb hat sich meine Arbeitsweise deutlich verändert.
Ich versuche heute konsequent, große Anforderungen möglichst früh in kleinere fachliche Aufgaben zu zerlegen.
Jeder Task verfolgt genau ein Ziel.
Jeder Pull Request behandelt genau eine Änderung.
Jede Implementierung bleibt überschaubar.
Interessanterweise profitieren davon nicht nur Entwickler.
Auch die Zusammenarbeit mit einer KI wird dadurch deutlich einfacher.
Der Kontext bleibt klein.
Die Anforderungen bleiben eindeutig.
Reviews werden übersichtlicher.
Und Änderungen lassen sich wesentlich leichter nachvollziehen.
Eigentlich handelt es sich dabei um klassische Prinzipien guter Softwareentwicklung.
Mit KI gewinnen sie jedoch noch einmal deutlich an Bedeutung.
Die Rolle des Softwareentwicklers verändert sich
Wenn ich heute auf meinen Arbeitsalltag schaue, hat sich meine Rolle spürbar verändert.
Ich verbringe weniger Zeit damit, einzelne Klassen oder Methoden selbst zu implementieren.
Dafür beschäftige ich mich deutlich intensiver mit anderen Fragen.
Wie grenzen wir diese Funktion sinnvoll ab?
Welche Auswirkungen hat sie auf bestehende Komponenten?
Welche Architekturentscheidung ist langfristig sinnvoll?
Welche ADR ist davon betroffen?
Wo liegen die fachlichen Grenzen?
Wie groß sollte dieser Pull Request überhaupt werden?
Diese Entscheidungen haben heute einen wesentlich größeren Einfluss auf die Qualität eines Projekts als das eigentliche Schreiben einzelner Codezeilen.
KI nimmt mir dabei nicht die Verantwortung ab.
Sie verschiebt lediglich meinen Fokus.
Mein persönliches Fazit zur Softwareentwicklung mit KI
Nach mehreren Monaten täglicher Arbeit mit Claude und Codex komme ich zu einer Erkenntnis.
Die eigentliche Revolution besteht für mich nicht darin, dass KI programmieren kann.
Die eigentliche Veränderung besteht darin, dass Softwareentwicklung wieder stärker zu einer Disziplin des Verstehens und Entscheidens wird.
Je besser Anforderungen beschrieben sind.
Je sauberer Architektur dokumentiert ist.
Je klarer Systemgrenzen definiert sind.
Je kleiner Aufgaben geschnitten werden.
Desto besser funktioniert die Zusammenarbeit zwischen Mensch und KI.
Ich glaube deshalb nicht, dass KI Softwareentwickler ersetzt.
Ich glaube vielmehr, dass sie unsere Arbeit verändert.
Der eigentliche Mehrwert entsteht heute nicht mehr dadurch, möglichst viele Codezeilen selbst zu schreiben.
Er entsteht dadurch, gute technische Entscheidungen zu treffen, Komplexität zu reduzieren und Systeme so zu gestalten, dass sowohl Menschen als auch KI zuverlässig darin arbeiten können.
Vielleicht ist genau das die wichtigste Erkenntnis, die ich aus den vergangenen Monaten mitgenommen habe.
Nicht, dass KI den besseren Code schreibt.
Sondern dass gutes Engineering heute wichtiger ist als je zuvor.
