KI verändert, wie Ingenieure entwickeln

Vor etwa einem Jahr gab es in der Softwarebranche eine der lautesten Debatten über die Zukunft des Junior-Ingenieurs. Die Argumentation klang einfach: Wenn KI bereits viele junior-Level-Coding-Aufgaben bewältigen kann, warum sollten Unternehmen dann weiterhin Juniors einstellen und ausbilden? Und wenn Unternehmen aufhören, Junior-Talente zu entwickeln, woher kommen dann in fünf Jahren die Senior-Ingenieure?

Es war eine ernsthafte Frage, und viele intelligente Menschen nahmen sie ernst.

Meine Antwort zu diesem Zeitpunkt war, dass andere Berufe bereits Versionen dieses Problems gelöst hatten. Niemand verlässt die medizinische Hochschule und führt sofort eine offene Herzoperation unabhängig durch. Ärzte verbringen Jahre damit, zu schatten, zu praktizieren, Residencies zu absolvieren und unter Aufsicht zu üben, bevor das System ihnen vertraut, alleine zu operieren.

Das gleiche Muster besteht in der Unternehmensführung. Niemand verlässt die Hochschule und leitet sofort ein Fortune-500-Unternehmen. Menschen managen kleinere Teams, dann größere Geschäftseinheiten und sammeln allmählich Urteilsvermögen über die Zeit. Der Weg wird länger, praktischer und mehr von einer Lehre geprägt, wenn die Komplexität der Rolle zunimmt.

Ich denke immer noch, dass sich die Ingenieure in diese Richtung bewegen. Aber in den letzten Monaten begann ich, über das Problem anders nachzudenken, weil drei unabhängige Erfahrungen alle auf die gleiche Schlussfolgerung hindeuteten.

Drei Beispiele

Ein Freund von mir hat kürzlich mehrere Monate damit verbracht, sich auf eine tschechische Sprachprüfung vorzubereiten. Er und mehrere Kommilitonen haben menschliche Tutoren eingestellt und echtes Geld in den Prozess investiert. Er hat die Prüfung mühelos bestanden. Die meisten anderen nicht.

Der größte Unterschied, so sagte er, war, dass sein Haupttutor tatsächlich ChatGPT war.

Er konnte um 23 Uhr studieren, wenn er wollte. Er konnte die gleiche Konjugationsübung vierzig Mal wiederholen, ohne sich Sorgen machen zu müssen, jemandes Geduld zu strapazieren. Er konnte sehr spezifische Situationen simulieren, wie z. B. die Interaktion mit einem tschechischen Steuerbeamten, und die Sitzung genau auf das anpassen, womit er an diesem Tag Schwierigkeiten hatte.

Die menschlichen Tutoren waren gut. Sie konnten einfach nicht mit der Verfügbarkeit, Wiederholung und Personalisierung mithalten.

Ich sehe etwas Ähnliches bei meinem Sohn und Physik. Er versteht das Fach bereits gut, also verwendet er es nicht, um Antworten zu erhalten. Er verwendet es, um sich herauszufordern. Er bittet es, schwierigere Probleme zu generieren, seine Annahmen in Frage zu stellen, zu erklären, warum ein Ansatz nahe, aber letztendlich falsch war, und ihn interaktiv abzufragen.

Der nächste Vergleich, den ich finden kann, ist die Erfahrung, die intelligente Kinder früher hatten, als sie einen älteren Geschwister, der Physik studierte, kannten. Außer, dass diese Version immer verfügbar ist, nie ungeduldig und nie sagt: “Frag mich später”.

Mein Neffe, der noch auf der High School ist, hat ein kleines Hobby-Projekt aufgebaut, das er letztendlich kommerzialisieren möchte. Ich half ihm, einen Coding-Agenten einzurichten und einige Workflows zu automatisieren. Jeden Nachmittag um fünf Uhr, während er die Schule beendet, scannet ein Agent seinen Code und hinterlässt Vorschläge für Verbesserungen. Einmal pro Woche läuft ein weiterer Workflow und führt Wettbewerbsforschung durch und bringt neue Ideen ans Licht.

Er liebte es.

Er scherzte einmal: “Wenn das Coden so einfach ist, werde ich bald aus Ideen kommen.”

Ich sagte ihm, dass Ideen immer die knappe Ressource seien. Der Unterschied jetzt ist, dass die Umsetzung nicht mehr auf die gleiche Weise einschränkt, da die Implementierung dramatisch billiger geworden ist.

Schnellere Feedback-Schleifen

Keines dieser Beispiele handelt wirklich von Tschechisch, Physik oder Code-Review.

Es handelt sich um Beispiele für hochgradig personalisierte Feedback-Schleifen, die kontinuierlich verfügbar werden.

Historisch gesehen lernten Junior-Ingenieure teilweise durch Wiederholung und teilweise durch Nähe zu erfahrenen Menschen. Sie schrieben Code, warteten auf eine Überprüfung, erhielten Feedback, wenn ein Senior endlich Zeit hatte, und bauten allmählich Urteilsvermögen über Jahre hinweg auf, die sich aus angesammelten Fehlern ergaben.

KI verändert die Feedback-Schleife selbst.

Ein Junior-Ingenieur mit einem ordnungsgemäß konfigurierten KI-Assistenten erhält jetzt viele der Dinge, die früher von der Verfügbarkeit von Senioren abhängig waren. Sofortige Code-Überprüfung. Erklärungen, warum eine Designentscheidung möglicherweise später Probleme verursachen kann. Verweise auf ähnliche Muster an anderer Stelle im Code. Widerstand, wenn man nach der offensichtlichsten Implementierung greift, anstatt der besseren.

Wichtigster Punkt: Das Feedback kommt, während der Ingenieur noch innerhalb des Problems ist und nicht erst zwei Tage später, nachdem der Kontext verblasst ist.

Das ist wichtig, weil der Übergang von Junior zu Senior immer größtenteils von Urteilsvermögen getrieben wurde. Urteilsvermögen ist größtenteils Mustererkennung, die durch wiederholte Aussetzung gegenüber Fehlern, Kompromissen und Randfällen aufgebaut wird. Je schneller jemand durch diese Feedback-Schleifen nachdenklich navigieren kann, desto schneller entwickelt sich das Urteilsvermögen.

Die Bandbreiten-Flaschenhals lag früher bei den Senior-Ingenieuren. Jetzt liegt er zunehmend beim Lerner.

Das Sicherheitsnetz verbessert sich

Es gibt einen weiteren Wandel, der ebenso wichtig ist.

Ein Junior-Ingenieur, der mit starken KI-Überprüfungssystemen arbeitet, ist wesentlich weniger wahrscheinlich, versehentlich ein Produktions-System zu beschädigen.

Viele klassische Fehler werden jetzt sofort gekennzeichnet: hartcodierte Anmeldeinformationen, verschluckte Ausnahmen, unsichere Abfragen, Sicherheitsprobleme, offensichtliche Architekturprobleme, schlecht angelegte Abhängigkeiten. Schlechte Pull-Anfragen werden zunehmend erfasst, bevor sie das Laptop verlassen.

Das verändert den Boden für die Arbeit der Juniors.

Historisch gesehen ging ein bedeutender Teil der Zeit von Senior-Ingenieuren darauf, die Organisation vor vermeidbaren Fehlern zu schützen. KI-Überprüfungsschichten absorbieren zunehmend einen Teil dieser Last, was es Juniors ermöglicht, unabhängiger zu arbeiten, als sie es früher konnten.

Das eliminiert nicht die Notwendigkeit von Mentoring oder Aufsicht. Es verändert, wo Mentoring am wertvollsten wird.

Die Lücke vergrößert sich

Die optimistische Version dieser Zukunft hängt stark davon ab, wie der einzelne Ingenieur das System nutzt.

Jemand, der KI hauptsächlich als Abkürzung zum Nachdenken verwendet, wird wahrscheinlich mehr Code generieren, während er sehr wenig lernt. Vor zehn Jahren hätte dieselbe Person Lösungen von Stack Overflow kopiert, ohne sie zu verstehen. Der Mechanismus hat sich geändert. Das zugrunde liegende Verhalten nicht.

KI wird intellektuelle Passivität nie lösen.

Das interessantere Ergebnis tritt auf, wenn Ingenieure aktiv mit dem Feedback interagieren, das sie erhalten. Wenn jemand die Überprüfung sorgfältig liest, Widerstand leistet, Nachfolgefragen stellt, Alternativen testet und gelegentlich entdeckt, dass das Modell selbst falsch war, baut er Urteilsvermögen viel schneller auf als vorherige Generationen konnten.

Die kognitive Anstrengung verschwand nicht. Sie verschob sich früher in die Schleife und wurde billiger, um sie zu wiederholen.

Das vergrößert wahrscheinlich die Lücke zwischen hoch engagierten Ingenieuren und desengagierten.

Die meisten wichtigen Produktivitätssprünge funktionieren so. Lesen vergrößerte die Lücke zwischen gebildeten und analphabetischen Bevölkerungen. Das Internet vergrößerte die Lücke zwischen neugierigen Menschen und passiven. KI scheint diesen Trend fortzusetzen.

Produkturteilsvermögen ist wichtiger

Die interessantere Frage ist nicht mehr, ob Junior-Ingenieure verschwinden. Es ist, was Junior-Ingenieure zunehmend beitragen, wenn die Implementierung selbst einfacher wird.

Die Antwort sieht überraschend ähnlich aus wie das, was starke Senior-Ingenieure bereits beitragen: Kreativität, Produktinstinkt, Geschmack, Priorisierung, Urteilsvermögen und die Fähigkeit, zu erkennen, was tatsächlich existieren sollte.

Ingenieure-Rollen bewegen sich zunehmend in Richtung produktorientiertes Denken, weil die Implementierungsreibung weiter zusammenbricht. Rohrleitungsarbeiten sind weniger wichtig als das Verständnis, ob das gebaute System tatsächlich das richtige Problem löst.

Systemdesign ist immer noch wichtig. Benennung von Dingen ist immer noch wichtig. Produkturteilsvermögen ist immer noch wichtig. Verständnis von Benutzern ist immer noch wichtig. In einigen Aspekten werden diese Fähigkeiten sogar wichtiger, weil Organisationen Ideen jetzt viel schneller testen können als zuvor.

Ein Ingenieur, der mit KI von Anfang an aufgewachsen ist, wird wahrscheinlich sehr anders denken als jemand, der vor fünfzehn Jahren ausgebildet wurde.

Er wird davon ausgehen, dass Iteration billig ist. Er wird mehrere Ansätze schnell prototypisch umsetzen, anstatt einen einzigen Ansatz tagelang zu diskutieren. Er wird viel engere Feedback-Schleifen zwischen Benutzern und Implementierung erwarten, weil die Kosten für das Ausprobieren immer weiter sinken.

Das schafft eine andere Art von Ingenieur, eine, die von viel kürzeren Zyklen zwischen Idee und Implementierung geprägt ist.

Organisationen müssen ihre Einstellungs-, Bewertungs-, Mentoring- und Beförderungsprozesse entsprechend neu überdenken. Aber die Softwarebranche ist bereits mehrmals durch ähnliche Übergänge gegangen: als das Web kam, als Mobile kam, als Cloud-Infrastruktur On-Prem-Systeme ersetzte.

Jeder Wandel veränderte, was gutes Ingenieurswesen ausmacht, ohne die Notwendigkeit von Ingenieuren selbst zu eliminieren.

Operative Auswirkungen

Für Junior-Ingenieure ist der Rat nicht besonders glamourös.

Wählen Sie reale Projekte aus. Verwenden Sie KI als Schatten-Überprüfer, während Sie arbeiten. Lesen Sie das Feedback sorgfältig. Widersprechen Sie ihm manchmal. Stellen Sie Nachfolgefragen. Verfolgen Sie die Muster hinter den Fehlern, die es auffängt.

Das ist einer der schnellsten Wege, um Urteilsvermögen zu entwickeln, viel schneller als wenn man auf einen beschäftigten Senior-Ingenieur wartet, der schließlich Zeit für Mentoring findet.

Für Manager ändert sich die Flaschenhals-Stelle auch.

Das Wachstum von Juniors hing früher stark davon ab, wie viel Zeit Senior-Ingenieure für Coaching aufwenden konnten. Zunehmend wird der größere Hebelpunkt darin bestehen, starke Lernumgebungen um den KI-Einsatz herum zu entwerfen: Überprüfungserwartungen, Eskalationsregeln, Prompting-Muster, Schutzvorkehrungen und Projektselektion.

Organisationen, die diese Systeme gut strukturieren, werden wahrscheinlich Talente schneller entwickeln als vorherige Generationen.

Und für Führungsteams macht es wahrscheinlich Sinn, aufzuhören, Junior-Ingenieure hauptsächlich als austauschbare Ausführungskapazität zu betrachten. In vielen Organisationen können sie zu einer der günstigsten Quellen für Experimentierung, Energie und kreative Iteration werden.

Eine andere Generation von Ingenieuren

Mein Freund lernte Tschechisch schneller, weil er effektiv einen persönlichen Tutor in seiner Tasche trug. Mein Sohn lernt Physik mit einer Art interaktiver Rückmeldung, die ich nie hatte. Mein Neffe erhält jetzt nächtliche Code-Überprüfungen und Marktforschung, während er schläft.

Die nächste Generation von Ingenieuren wird in die Branche eintreten, mit kontinuierlicher Coaching, sofortigen Feedback-Schleifen und dramatisch schnelleren Zyklen zwischen Anstrengung und Feedback.

Das eliminiert nicht den Junior-Ingenieur. Es verändert, wie schnell sie sich entwickeln und welche Fähigkeiten am wichtigsten sind, währenddessen.

Die Version der Rolle, mit der viele Menschen aufgewachsen sind, verschwindet wahrscheinlich. Aber der Ersatz könnte sich als schneller lernend, besser trainiert, experimentierfreudiger und produktorientierter herausstellen, als die vorherige Generation jemals die Gelegenheit hatte, zu werden.