Das Versprechen ist verführerisch: Mit KI bist du zehnmal schneller. Und ja — die Maschine erledigt in kürzester Zeit eine Menge Arbeit, für die ich früher Tage oder Wochen gebraucht hätte. Das ist real. Es ist nur die halbe Wahrheit.
Die andere Hälfte verkauft sich schlechter, deshalb spricht sie kaum jemand aus. Ich erlebe sie täglich: Ein großer Teil meiner Arbeit ist durch die KI nicht verschwunden. Er hat sich verlagert.
Wohin die Arbeit wandert
Zwei Dinge fressen die gewonnene Zeit.
Das eine ist die Infrastruktur um das Werkzeug herum. Die nackte KI ist eine Eingabezeile, die nach kurzer Zeit anhält und zurückfragt. Damit daraus ein verlässlicher Arbeitsprozess wird, braucht es ein ganzes Ökosystem drumherum — Werkzeuge, die die Maschine anleiten, absichern und im Zaum halten. Wie meines aussieht, erzähle ich ein andermal; nur so viel, dass dieses Ökosystem existiert und Zeit kostet. Ein nennenswerter Anteil meiner Arbeit — und meines Token-Verbrauchs — fließt nicht in das Ergebnis, sondern in das, was das Ergebnis erst möglich macht. Nach meiner Erfahrung sind das grob 30 Prozent — ein spürbarer Teil der Mühe, den niemand sieht, weil er im fertigen Produkt unsichtbar bleibt. (*)
Das andere ist das Prüfen. Und das ist der Teil, der sich nicht wegoptimieren lässt.
Wo steht die KI im Vergleich zu menschlichen Softwareentwicklern?
Wenn mich jemand fragt, welches Niveau ich von der KI erwarten kann, sage ich: ungefähr das eines Junior Developers. Der Vergleich hinkt an einer Stelle — und gerade die ist aufschlussreich. Ein Mensch entwickelt sich täglich weiter, Aufgabe für Aufgabe. Die Maschine nicht — und weil ich diesem Ding bewusst kein menschliches „sie” geben will, schreibe ich als Pronomen „ES”, großgeschrieben, als gewollten kleinen Bruch mit der Rechtschreibung. ES bleibt exakt auf diesem Stand, bis eine neue Version des Modells erscheint — dann springt das Niveau schlagartig nach oben und steht wieder still. Entwicklung in Sprüngen statt in einer Kurve.
Noch eine wichtige Ergänzung, damit es nicht nach „Junior-Bashing” klingt: Was die schiere Breite des abrufbaren Wissens angeht — die Knowledge Base —, spielt kein Mensch mit der KI mit. ES beherrscht Dutzende Programmiersprachen, Frameworks, Techniken. ES hat Milliarden Zeilen Code gelesen, und die wichtigen Prinzipien sind dem neuronalen Netz eingeprägt. In dieser Breite schlägt ES kein Mensch. Aber was die KI nicht kann: Intuitiv arbeiten. Da ist der Senior Developer klar vorn, und der Junior Developer lernt es gerade.
Ein Junior auf Steroiden
Einem Junior Developer gebe ich eine Aufgabe, bekomme ein Ergebnis und muss genau hinsehen: Ist es das, was ich wollte — und so umgesetzt, wie es sein sollte? Das kostet Zeit. Aber ein Junior ist ein Mensch, unsere Geschwindigkeiten ähneln sich. Die Maschine ist unermüdlich: In kürzester Zeit entstehen Unmengen an Code-Zeilen. „Wie um alles in der Welt soll ich das prüfen?”
Dieser Junior auf Steroiden bekommt eine Aufgabe, verfällt in Tunnelblick, schließt sich ein und kommt Stunden später mit „Fertig, läuft perfekt.” Dann schaust du hinein: Ja, es ist mehrsprachig — aber die Texte sind fest verdrahtet, mitten im Code. „Hättest du doch gefragt.” Das kümmert ES nicht. Neue Session, von vorn, als hätte man nie miteinander gesprochen.
Das ist nicht schlimm, solange man es weiß. Schlimm wird es, wenn man dem Tempo vertraut und das Hinsehen spart. Wir Menschen dürfen Tempo und Ergebnismenge nicht mit Qualität verwechseln. Menge ist kein Beweis für Qualität.
Warum kleine Fehler groß werden
Ich erkläre mir das mit einem Bild — und ich nenne es ausdrücklich ein Bild, keinen Beweis. Die KI baut nicht das große Ganze auf einmal, sondern Detail für Detail, jeweils das Wahrscheinlichste. Stell dir das als Baum vor: von der Funktion zu den Blöcken zu den einzelnen Befehlen. Auf jeder Ebene ist das Ergebnis vielleicht zu neunzig Prozent richtig. Aber neunzig Prozent mal neunzig Prozent mal neunzig Prozent — das wird nach unten hin schnell weniger. Bei hunderttausend Zeilen sind selbst zehn Prozent eine Menge Code, der nicht stimmt. Und ein einziges falsches Vorzeichen kann eine ganze Berechnung kippen.
Jetzt die Einschränkung, die das Bild oft verschweigt: So sauber rechnet die Realität nicht. Fehler sind nicht unabhängig voneinander, Tests fangen vieles ab, Iteration korrigiert. Als Mathematik stimmt das Bild nicht. Aber als Intuition trifft es etwas Wahres: Qualität, die sich gut anfühlt, ist nicht dasselbe wie Qualität, die stimmt. Und je mehr Code entsteht, desto mehr muss geprüft werden — nicht weniger.
Die eigentliche Verschiebung
Damit wird klar, was wirklich passiert. Die Arbeit verschwindet nicht, sie wandert: vom Schreiben zum Führen und zum Prüfen. Das ist anstrengender, als es klingt — und es ist eine andere Tätigkeit als die, für die die meisten von uns ausgebildet sind.
Wie man dieses Prüfen organisiert, hebe ich mir für einen eigenen Text auf — das ist die eigentliche Kunst. (*) Aber die Richtung ist eindeutig, und sie ist eine Warnung an alle, die KI als reinen Beschleuniger einplanen: Wer nur für die schnelle Hälfte budgetiert und nicht für die zweite, zahlt die zweite trotzdem — nur ungeplant, und meistens teurer.
Produktivität durch KI ist echt. Aber sie ist die halbe Wahrheit. Die andere Hälfte ist der Preis, den man bewusst einplanen sollte, statt von ihm überrascht zu werden.
(*) Dazu ist ein eigener Artikel in Arbeit.
Disclaimer: Dieser Artikel spiegelt meine persönliche Meinung wider, die teilweise auf Beobachtungen und teilweise auf Recherchen beruht. Ich freue mich über Korrekturen, wenn ich etwas nachweislich falsch dargestellt habe. Mir ist Panikmache zuwider; mir geht es um einen analytisch-philosophischen Blick auf mein Arbeitsumfeld.