Vibe-Coding, KI und die neue Realität der Ingenieurwissenschaften

Vor zehn Jahren klang die Idee, dass KI Code anstelle von Programmierern schreiben könnte, mehr wie eine aufregende Fantasie. Heute ist sie Teil der alltäglichen Realität. MVPs werden in Tagen erstellt, Schnittstellen werden aus Textprompts generiert und KI-Assistenten werden zu vollwertigen Teilnehmern in Ingenieurteams.

Gegen diesen Hintergrund fragen immer mehr Menschen dieselben Fragen: ersetzt KI wirklich Programmierer? Kann künstliche Intelligenz tatsächlich einen erfahrenen Ingenieur ersetzen? Und was passiert mit dem Beruf in naher Zukunft?

Ich bin selbst Entwickler und habe eine Meinung dazu. Lassen Sie uns es aufschlüsseln.

Was ist das Kernproblem?

Es gibt eine dominierende Erzählung über KI-Programmierung, die ungefähr so lautet:

KI wird extrem effektiv darin, Code zu schreiben und vermeidet wichtige Fehler, die Menschen machen. Noch interessanter ist, dass KI möglicherweise besser darin ist, sogenannte Randfälle zu handhaben: seltene und ungewöhnliche Szenarien, die in der Softwareentwicklung allgegenwärtig sind und oft schwierig für Entwickler vorherzusehen.

Wenn der Programmierer sagt: “Ich will einen Button hier”, erhält er eine Antwort: “Hier ist der Button, hier sind 18 Randfälle, die Sie berücksichtigen sollten, hier sind die Tests, die Sie durchführen müssen, und übrigens sollten Sie auch dies und das hinzufügen.” Sie können sich das ansehen und denken: “Ja… das macht tatsächlich Sinn.” Auf sich allein wäre Ihnen das möglicherweise erst Wochen später aufgefallen – nachdem etwas schiefgelaufen war. KI schlägt Lösungen oft sofort vor. Für Ingenieure, die bereits Jobs haben, erhöht es die Produktivität und Effizienz erheblich.

Und diese Erzählung führt direkt zu einer wirtschaftlichen Frage: Wenn ein Unternehmen früher 100 Entwickler benötigte, um eine bestimmte Arbeitslast zu bewältigen, benötigt es möglicherweise jetzt nur noch 20 – weil diese 20 mit KI-Unterstützung die gleiche Menge an Arbeit leisten können.

Was steckt hinter dieser Beschleunigung?

Immer öfter sehe ich sehr starke Software-Ingenieure, die um ihre Positionen, ihren Platz auf dem Markt und ihr Einkommen bangen. Es fühlt sich an, als ob es bald keine Arbeit mehr für Coder geben wird.

Und meine Antwort ist normalerweise: Jungs, es ist wahrscheinlich nicht so dramatisch, wie es scheint. Tatsächlich gewinnen erfahrene Ingenieure gerade eine neue Art von Wert. Weil wir möglicherweise eine der letzten Generationen von Entwicklern sind, die tatsächlich Code von Hand geschrieben und tief verstehen, wie Systeme unter der Haube funktionieren. Die nächste Generation arbeitet zunehmend mit KI-Tools – und damit ändert sich die Ingenieurpraxis selbst.

Hier ist, was die vorherige Erzählung nicht berücksichtigt:

KI-generierter Code sieht oft perfekt aus. Die Aufgaben werden gelöst, die Schnittstellen funktionieren und alles läuft. Aber über die Zeit, auf lange Sicht, beginnen subtilere Probleme aufzutauchen: architektonische Kompromisse, schwache Ingenieursentscheidungen, Probleme mit Datenstrukturen oder Skalierungsprobleme. Und das passiert, weil KI bereits sehr gut darin ist, lokale Aufgaben zu lösen, während die langfristige Logik großer Systeme noch menschliche Erfahrung und Ingenieursurteil erfordert.

Das ist, warum, wenn diese Projekte in ernsthafte Produktionsumgebungen gelangen – Banken, E-Commerce-Plattformen, groß angelegte Dienste – Teams letztendlich immer noch Menschen benötigen, die tief in die Architektur eintauchen, die Ursachen identifizieren und die Gesamtsystemlogik wiederherstellen können.

Ich bekomme oft Anrufe von Freunden, die Dinge wie folgt sagen: “Michael, kannst du herein springen und uns helfen, zu verstehen, warum das System anfängt, auseinander zu fallen?” Obwohl ich heute bei Introspector an Physical AI arbeite, helfe ich gelegentlich noch bei dieser Art von schwieriger manueller Ingenieursarbeit: Systemlogik rekonstruieren, Architektur analysieren und herausfinden, wo Probleme anfingen, sich anzuhäufen.

Und genau deshalb glaube ich, dass starke Ingenieure lange Zeit sehr wertvoll bleiben werden. Gleichzeitig sind es oft erfahrene Ingenieure, die heute KI-Modelle verbessern und trainieren. Bei Keymakr haben wir das hautnah erlebt, als wir nach erfahrenen Entwicklern suchten, um Code zu validieren und Modelle zu trainieren – Menschen, die auf echtes Ingenieursdenken, praktische Erfahrung und tiefes Verständnis dafür zurückgreifen können, wie Systeme in der realen Welt funktionieren.

Die Haupt-Hypothesen

Und das bringt uns zu der größten Frage über die Zukunft: Wohin führt uns all dies letztendlich? Wie wachsen wir die nächste Generation von Ingenieuren heran, wenn sie in die Branche durch einen völlig anderen Weg als von Anfang an eintreten?

Wenn wir die Situation objektiv betrachten, ohne Hype oder Angst, sehe ich einige mögliche Szenarien.

• Eine unklare Zukunft

Die erste und wahrscheinlich ehrlichste Antwort ist, dass sehr wenige Menschen heute wirklich so weit vorausdenken. Einfach weil noch niemand vollständig versteht, wie diese Zukunft in der Praxis aussehen wird.

Vielleicht werden KI-Agenten in ein paar Jahren tatsächlich in der Lage sein, fast perfekten Code zu schreiben – mit starker Architektur, Skalierbarkeit und Kontextverständnis. Im Moment ist diese Frage noch völlig offen.

Gleichzeitig stellen große Technologie-Unternehmen wie Apple, Microsoft und Google weiterhin starke Forscher, PhD-Spezialisten und Menschen aus akademischen Umgebungen ein. Das deutet darauf hin, dass sie glauben, tiefes Ingenieursverständnis auch in einer Welt, in der most Code automatisch generiert wird, wichtig bleiben wird.

Kleinere Unternehmen hingegen operieren oft mit einem sehr unterschiedlichen Planungshorizont. Wenn man nicht weiß, ob das Startup in sechs Monaten noch existiert, wird es schwierig, ernsthaft über das zu nachzudenken, was in zehn Jahren passieren könnte. Natürlich will niemand absichtlich etwas grundsätzlich kaputt bauen. Teams versuchen, potenzielle Risiken und Schwächen zu identifizieren.

Aber in der Realität ist die Logik oft viel einfacher: Zuerst ein Produkt bauen, das funktioniert und Umsatz generiert – und dann später mit Architektur, Optimierung und dem Neuschreiben des Systems befassen. Das Problem ist, dass in vielen Projekten “später” immer wieder auf unbestimmte Zeit verschoben wird.

• Evolution in Spiralen

Die zweite Antwort, die ich für noch interessanter halte, ist die folgende: Wenn man auf die Geschichte der Branche schaut, ist sie bereits viele Male durch ähnliche Übergänge gegangen. Die ersten Programmierer arbeiteten mit Lochkarten. Dann kam die Generation von Ingenieuren, die in Assemblersprache schrieben – etwas, das für viele moderne Entwickler bereits schwer vorzustellen ist. Damals musste man buchstäblich verstehen, wie Hardware funktioniert, in Prozessorlogik denken und eine enorme Menge an niedrigem Komplexitätsgrad im Kopf behalten.

Dann kam die Ära von COBOL. Ganze Banken-Hauptframe-Systeme wurden darauf aufgebaut, und das Überraschendste ist, dass ein bedeutender Teil der globalen Banken-Infrastruktur noch heute auf diesen alten Systemen läuft. Es gibt noch Programmierer in ihren 60ern und 70ern, die diesen Codepfad pflegen, und sie bleiben extrem wertvolle Spezialisten.

Die nächste Generation wechselte zu C++, Python und JavaScript. Ich selbst gehöre zu dieser Ära. Zum Beispiel verstehe ich kaum, wie COBOL funktioniert. Theoretisch könnte ich es lernen – aber für mich fühlt es sich bereits wie etwas Fernes und Fremdes an.

Und wenn man historisch darauf schaut, entsteht ein interessantes Muster: Jede neue Generation von Ingenieuren muss nicht mehr tief verstehen, wie die Technologie der vorherigen Generation funktioniert. Mit der Zeit wird Wissen in die Infrastruktur selbst eingebettet.

Lochkarten verschwanden vor langer Zeit – ihre Logik ist jetzt in Prozessoren integriert. Assemblersprache verschwand größtenteils als mainstream-Tool, weil ihre Komplexität in Betriebssysteme, Treiber und niedrigere Abstraktionen versteckt wurde. Selbst Ihre Kopfhörer enthalten heute wahrscheinlich ein winziges Betriebssystem, das all diese versteckte Komplexität im Hintergrund ausführt – die meisten Menschen denken einfach nie darüber nach.

Natürlich gibt es noch Spezialisten, die all diese niedrige Magie verstehen. Aber für den größten Teil der Branche ist sie bereits zu einer Abstraktionsebene geworden.

Und das führt zu einer sehr logischen Idee: Vielleicht ist KI einfach der nächste Schritt in dieser Evolution. Vielleicht wird die nächste Generation tatsächlich nicht so tief verstehen müssen, wie klassisches Programmieren funktioniert, wie wir es getan haben.

• Die Ökonomie des Marktes

Eine weitere Hypothese, die ich habe, ist, dass Vibe-Coding – oder KI-gestützte Entwicklung – irgendwann aufhören wird, als “kostenlose Beschleunigung” wahrgenommen zu werden. In Wirklichkeit ist es bereits nicht völlig kostenlos; es ist nur, dass noch nicht jeder sorgfältig die wahren Ökonomien dahinter berechnet.

Modelle, Token, Infrastruktur, ständige Anfragen, Wartung der gesamten KI-Pipeline – all dies wird allmählich zu einem erheblichen operativen Aufwand. Deshalb glaube ich, dass Unternehmen bald viel genauer auf die tatsächlichen Kosten der KI-gestützten Entwicklung schauen und eine sehr pragmatische Frage stellen werden: Was ist eigentlich effizienter – ein Ingenieurteam auszubauen oder die gesamte KI-Infrastruktur um die Entwicklung herum zu unterhalten?

Ein sehr realistisches Szenario ist, dass starke Ingenieurteams letztendlich als ökonomisch nachhaltiger erwiesen werden, besonders wenn es um die Wartung, Weiterentwicklung und Unterstützung von Produkten auf lange Sicht geht.

Ich denke jedoch, dass dies tatsächlich der Punkt ist, an dem eine neue Art von Ingenieurteam entstehen kann: sehr kleine Gruppen von hoch erfahrenen Spezialisten, die sich auf die Wartung der Stabilität und Widerstandsfähigkeit der Infrastruktur selbst konzentrieren. Mit der Zeit kann dies zu einer der wertvollsten Ingenieurs-Spezialisierungen in der Branche werden.

• Menschen, die neben KI arbeiten werden

Und die letzte Annahme – obwohl sehr realistisch – ist, dass die nächste Generation von Ingenieuren wahrscheinlich ihre Karrieren in einer völlig anderen Umgebung aufbauen wird. Und das geht weit über das Programmieren allein hinaus. Ähnliche Veränderungen beginnen bereits, Recht, Finanzen, Medizin und fast jedes Feld, in dem KI einen erheblichen Teil der intellektuellen Routinearbeit übernehmen kann, umzugestalten.

Trotz all dessen tendiere ich dazu, das, was passiert, ziemlich positiv zu sehen. Wahrscheinlich weil ich insgesamt Fortschritt mag. Ich mag die Idee, dass Technologie Menschenleben verbessern, Menschen von enormen Mengen an repetitiver Arbeit befreien und viele Prozesse sicherer und effizienter machen kann.

Zum Beispiel demonstrieren autonome Fahrzeuge wie Teslas oder Waymos bereits bemerkenswerte Sicherheitsniveaus in vielen Szenarien im Vergleich zu menschlichen Fahrern. Und das ist wirklich beeindruckend.

Gleichzeitig wird die Welt, in die unsere Kinder eintreten, viel komplizierter sein, was berufliche Identität angeht. Sie werden nach ihrem Platz und Zweck in einer sich schnell verändernden Landschaft suchen müssen.

Wenn ein Kind heute Anwalt, Finanzanalyst oder Programmierer werden will, besteht eine gute Chance, dass diese Berufe in Zukunft völlig anders aussehen werden. Vielleicht werden sie zu Spezialisten, die eng mit Rechts-KI, Finanz-KI oder Codier-KI zusammenarbeiten – Menschen, die KI-Systeme bedienen, Ausgaben validieren, Kontext liefern und die wichtigsten Entscheidungen treffen.

Ich denke, es ist wichtig zu erkennen, dass fast jedes dieser Szenarien bereits heute realistisch klingt. Und ob uns das gefällt oder nicht, alles, was jetzt passiert, ist Teil einer viel größeren Welle des technologischen Fortschritts. Es ist sehr unwahrscheinlich, dass dieser Prozess aufgehalten werden kann. Was bedeutet, dass wir lernen müssen, in dieser neuen Welt zu leben – allmählich lernen, sie auszugleichen, mit ihr zu kommunizieren und vielleicht sogar eine neue Form des Zusammenlebens neben ihr zu entwickeln.