Es ist mittlerweile Ende Oktober 2026. In der IT hat sich dieses Jahr extrem viel verändert. Man kann fast ohne Übertreibung sagen: AI ändert alles. AI ist mittlerweile so ausgereift, dass es in sehr vielen Bereichen besser ist als Menschen. Und dann setzt man AI natürlich auch als (dual-use-)Werkzeug ein. AI macht einfach so eine rasante Entwicklung und sie erhöht die Produktivität so enorm, dass der Hype an sich erstmal gerechtfertigt ist. Wenn man vergleicht, wie ein moderner Entwickler vor einem Jahr gearbeitet hat und wie er heute arbeitet, dann muss man einsehen: Anthropic und OpenAI haben die gesamte Arbeitsweise einer ganzen Branche radikal geändert. Einige andere Firmen versuchen es auch, aber die beiden eben genannten sind derzeit die Marktführer, die die Standards setzen. Es macht dabei auch einen spürbaren Unterschied, ob man eine AI von Anthropic oder OpenAI oder eben von einem andererm Hersteller benutzt. Die AIs anderer Hersteller sind je nach Aufgabe ein bisschen bis deutlich schlechter. Dies kann sich aber auch schnell ändern. Früher vermochte ich zu sagen: “AI wird so intellektuelle Tätigkeiten wie Entwickeln nicht gut können.” Dann ging es weiter mit “Ok, aber AI macht beim Entwickeln ganz schön viele Fehler.” und jetzt muss man einsehen: AI entwickelt besser als die meisten Menschen. Im Folgenden will ich das erklären. Und wenn man die Produktivität pro Zeit mit berücksichtigt, dann schlagen Claude und GPT mittlerweile zweifelsfrei alle Menschen. Und genau das war bis vor vielleicht 2 Jahren noch undenkbar.
Jetzt sagen manche Menschen: “AI macht aber Fehler.” Ok. Aber AI fixt den Fehler dann auch schneller, als ein Mensch ihn überhaupt finden könnte. Harness macht es möglich. Harness ist das neue Buzzword schlechthin, aber auch da ist der Hype irgendwie nicht ungerechtfertigt. Was heißt Harness? Anschaulich gesagt: Man bringt der AI Sachen bei. Konkret sind das z. B.: Skills, MCP-Server, Domänen-Wissen und irgendeine Form von Looping. Letzteres bedeutet: Man sagt nicht mehr, was die AI machen soll, sondern man sagt, was der Ziel-Zustand ist. Dann kann sich die AI den Weg dahin selbst suchen. (Man “entwickelt” als eher deklarativ Anforderungen. Man sagt dabei “was” man haben will, und die AI macht das “wie”, siehe dazu auch meinen Artikel “Der Unterschied von was und wie“.) Das funktioniert besser. Das Ziel, das erreicht werden soll, definiert ein Mensch in Form einer Anforderung. Das ist ein altbekanntes Thema aus dem Requirement-Engineering. Den Weg zum Ziel-Zustand (also die Änderungen, die gemacht werden müssen) hat sich sonst ein Entwickler überlegt. Aber der Entwickler ist ja jetzt die AI. Und da die AI heute besser ist im Entwickeln als Menschen, findet sie auch bessere (heißt: sinnvollere, weniger fehlerbehaftete) Wege und macht auch heute sicherlich grundsätzlich weniger Fehler. Das funktioniert so gut, weil die AI sich selbst prüfen kann, weil die Änderungen ja gegen das definierte Ziel definiert werden können. Die AI sagt dann nicht mehr, dass sie fertig ist, wenn sie eine Änderung umgesetzt hat, unabhängig davon, ob sie funktioniert oder nicht. Die AI sagt heute, dass sie fertig ist, wenn das Ziel erreicht ist, sprich: Wenn die Änderung umgesetzt ist und auch getestet funktioniert. Dieser iterative Prozess mit “Änderung planen” -> “Ändern” -> “Testen”, der bei Bedarf wiederholt wird, solange das Ziel noch nicht erreicht ist, ist der Loop. Und es funktioniert einfach erstaunlich gut.
Fehler-Suche oder API-Referenz lesen wird damit de facto unnötig. Natürlich braucht ein Entwickler das Wissen, um AI-Code verstehen zu können und Code-reviews machen zu können. Aber dieses nervige Debuggen und stundenlang Fehlerursachen auf den Grund gehen oder auch stupide die einfachen Teile des Programms entsprechend der Anforderungen “runtercoden”, das hat mit AI mittlerweile alles ein Ende und diese Erleichterung bei der Arbeit ist ein absoluter game-changer.
Bedarf es dann noch Entwickler? Und wenn ja, wofür? Ja doch, schon. Aber es ist kompliziert. Definitiv entwickelt sich die Tätigkeit des Entwicklers zurzeit eher in Richtung Product-Owener. Der Entwickler kennt die Gegebenheiten in der IT-Landschaft, in der die Software laufen soll und muss Anforderungen verstanden haben um der AI beim Implementieren Rückfragen beantworten zu können. Rückfragen der AI beim Entwickeln sind aber nicht so wie die herkömmlichen Fragen, bei denen Entwickler ihre Kollegen fragen. Die AI fragt nicht: “Wie geht das?” Das weiß oder recherchiert die AI selbst. Die AI fragt eher: “Wir müssen hier eine Entscheidung treffen, wie wir etwas umsetzen wollen. Wollen wir links oder rechts lang gehen?” Und das sind mal fachliche und mal technische Detail-Fragen. Die fachlichen Rückfragen muss man mit dem tatsächlichen Product-owner abklären. Die technischen Rückfragen, bei denen es dann z. B. um Sicherheit-vs-Usability-Abwägungen oder um Performance-vs-Ressourcenbedarf-Abwägungen geht, sollte ein Entwickler beantworten können. Und sieht man dann auch ganz deutlich, dass ein Entwickler heute nicht nur “dev” sondern auch “ops” können muss. Er muss wissen, wo die Anwendung läuft, was die ggf. gemietete Hardware kostet und darauf basierend Entscheidungen treffen. Man muss auch wissen über IT-Security haben, damit man in Abwägungen dann nicht doch Entscheidungen trifft, die Sicherheitslücken in die Software
reißen. Das sind dann die Tätigkeiten, die Entwickler (zumindest heute noch) übernehmen. Und dann wird auch klar, dass ein “einfacher Entwickler”, der nur programmieren kann, heute komplett von einer AI ersetzt wird. Es ist Oktober 2026: Moderne Software-Entwickler-Teams überlegen, wie sie die AI sinnvoll in ihre Prozesse integrieren, damit Entwickler der AI das Programmieren komplett überlassen können und so mehr Features in weniger Zeit umsetzen können. AI ersetzt Entwickler somit nicht vollständig, sondern ist letztendlich ein Werkzeug, das von Entwicklern benutzt wird, damit AI Teile der Arbeit machen können.
Was auch immer noch bleibt ist das code-review. Das ist zwar auch schon auch bei IT-lern in der Diskussion. Für so Sachen wie Photocraft mag das okay sein. Ich würde nicht annehmen, dass der source-code von Photocraft gereviewt wurde, weil dafür war die Entwicklungszeit zu kurz und der Feature-Umfang zu groß. Das ist okay, weil das in dem Sinn eine unkritische Anwendung ist. Wenn da ein Bug drin ist, funktioniert es halt nicht. Im schlimmsten Fall stürzt das Programm eben ab, mehr passiert bei “normal” Bugs normalerweise nicht. Bei Software, die kritisch ist, wird man das nicht so laissez-faire machen. Kritische Software ist typischerweise, wenn die Software Flugzeuge, Medizin-Geräte oder Kraftwerke steuern. Da bleiben nicht nur menschliche Reviews sondern neben automatischen Tests auch manuelle Tests erforderlich, weil die Gefahr bei einem Programmabsturz einfach zu groß ist. Aber auch bei jeder Software, bei dem der Chef will, dass es wirklich zuverlässig läuft, wird man sich als verantwortungsbewusstes Entwickler-Teams auf manuelle Reviews und Test einigen: Für Fehler, die Ausfälle, Kosten oder gar noch schlimmere Folgen verursachen, will ein Entwickler normalerweise nicht verantwortlich sein, egal ob er selbst oder sein Chef dafür haften würde. Als Entwickler ist man für den Code, den man comittet verantwortlich, auch wenn er von einer AI generiert worden ist. Und selbst wenn letztendlich mit guter AI und guter Harness 99,9% der generierten Code-Zeilen richtig sind: Bereits ein Fehler in einer von 1000 Zeilen Code kann verheerende Folgen haben. Vertrauen ist gut, Kontrolle ist besser. Also kontrolliert man AI-Code nochmal, bevor er produktiv geht.
Nun ist Entwickler-Tätigkeit aber nicht immer kritisch. Nicht jeder, der das jetzt mal in seiner Freizeit aus Spaß ausprobieren will, hat dabei die Verantwortung für eine Flugzeugsteuerung oder ein Atomkraftwerk. Und das Tolle bei AI ist dann: Es ist total einfach. Auch jeder Nicht-Entwickler kann heute damit zum Entwickler werden. Klingt etwas plakativ. Natürlich gehört zu einem professionellen IT-Betrieb noch mehr, z. B. ordentliche Build-pipelines und Hosting von Website und Services. Aber das reine Entwickeln? Das kann tatsächlich bei solch einfachen Projekten von einer AI vollständig machbar. Denn in diesem Szenario ist es so: Wenn es funktioniert (und das tut es meistens) ist es gut, und wenn nicht, dann entsteht halt normalerweise kein Schaden.
Aber was bedeutet das nun? Entwickler haben wieder mehr Kapazitäten (oder können einfach mehr schaffen in der gleichen Zeit) und haben vielleicht auch wieder mehr Lust, in der Freizeit mehr zu entwickeln. Man will eine Software haben, aber es gibt sie noch nicht oder nicht kostenfrei? Man setzt schnell ein AI-Projekt auf. Habe ich selbst schon gemacht, nur so ist GenericMCPServer entstanden. Es funktioniert. Firmen, die als Geschäftsmodell die Entwicklung von Software haben, werden unter Druck geraten. Adobe ist wegen Photocraft derzeit das klassische Beispiel dafür.
Aber auch OpenAI und Anthropic geraten unter Druck. Weil analog zu Software, gibt es auch bei guten AI-Modellen gute kostenfreie Alternativen (typischerweise aus China, siehe z. B. Modelle wie Qwen). Diese zwar nicht ganz so super guten aber immer noch okayen Modelle kann man sich bei einem IT-Dienstleister mieten oder auch in einem eigenen Rechenzentrum betreiben. Das ist ohnehin sinnvoll, weil damit sind dann auch die Datenschutzfragen geklärt, wenn man die AI in einem hiesigen Rechenzentrum von einer hiesigen Firma betreibt. Da dürfte Schrems dann auch happy mit sein. Jedenfalls werden die sogenannten open-weight-Modelle (also die Modelle, die man sich downloaden und selbst betreiben kann) auch immer besser und dann nimmt man die aufgrund des besseren Preis-Leistungs-Verhältnisses lieber als die Modelle der amerikanischen Firmen. (Anthropic und OpenAI bieten derzeit keine Frontier-Modelle als open-weight an.)
Fazit: Es wird immer unberechenbarer. Viele Prognosen über Entwicklungen in der IT haben sich als falsch erwiesen. Ich möchte mir deshalb auch immer weniger Aussagen über die Zukunft erlauben, weil die Entwicklung ist so schnell und unvorhersehbar ist und immer schneller und unvorhersehbarer wird. Und das ist ja mittlerweile ein sich selbst beschleunigender Prozess: Jeder kann jetzt seine Produktivität mit AI erhöhen, sei es im Alltag (AI steuert den PC oder einzelne Programme, wenn man ihr vertraut) und auch Firmen werden produktiver, weil Software-Entwicklung viel schneller und billiger wird. Und auch die AI-Firmen selbst werden ihre Produkte noch schneller verbessern, weil sie natürlich ihre AI selbst zum Entwickeln benutzen.
Letztendlich sehe ich in der IT-Welt derzeit nur eine altbekannte Konstante, und die hat auch schon mein Software-Professor Michael Löwe in diesem Zusammenhang immer gepredigt: Nichts ist beständiger als der Wandel.