Warum KI-Agenten keine Entwickler ersetzen — sondern Softwareentwicklung neu definieren
Vor einigen Monaten war ich von der Entwicklungsabteilung eines Unternehmens eingeladen, um über KI-gestützte Softwareentwicklung zu sprechen. Kein klassischer Vortrag, sondern ein fachlicher Austausch unter Entwicklern — über Erfahrungen, Erwartungen und Zweifel rund um KI-Coding.
Rückblickend war weniger das Technische interessant — sondern die Reaktionen darauf. Das Gespräch zeigte ziemlich deutlich, wo wir aktüll stehen: technologisch bereits weit, mental noch mitten im Übergang.
Architektur bleibt der entscheidende Faktor
Einer meiner zentralen Punkte im Gespräch war unspektakulär, aber aus meiner Sicht entscheidend: KI-Agenten funktionieren am besten, wenn man ihnen eine klare Architektur vorgibt.
Viele Diskussionen über KI-Coding drehen sich um Prompts oder Modelle. In der Praxis ist meiner Erfahrung nach etwas anderes ausschlaggebend: klare Systemarchitektur, definierte Verantwortlichkeiten, saubere Schnittstellen und explizite Annahmen.
KI-Systeme schliessen zwangsläufig die Lücken, die man in der Planung offen lässt. Das muss nicht heissen, dass daraus schlechte Lösungen entstehen. Die KI verhält sich in solchen Situationen ähnlich wie ein Entwickler, der in nicht vollständig spezifizierten Bereichen Entscheidungen nach bestem Wissen trifft.
Diese Entscheidungen können exakt im Sinne des ursprünglichen Designs liegen — oder einen anderen, ebenfalls plausiblen Weg einschlagen. Wenn Ergebnisse später überraschen, liegt das häufig daran, dass bestimmte Designentscheidungen nie explizit getroffen wurden.
Das ist kein KI-spezifisches Phänomen. Das ist normale Teamdynamik in Softwareprojekten.
KI-Fehler werden überschätzt — menschliche Fehler unterschätzt
Ein wiederkehrendes Argument im Gespräch war die Fehleranfälligkeit von KI. Ja, KI macht Fehler. Aber Entwickler auch — kontinuierlich.
Die Realität in Entwicklungsprojekten ist selten ein Team aus ausschliesslich Senior-Experten. Unterschiedliche Erfahrungslevel, implizite Annahmen, Missverständnisse, divergierende Implementierungen — das gehört zum Alltag.
Deshalb existieren Praktiken wie Code Reviews, Architektur-Reviews, Tests und Pair Programming. Diese Prozesse existieren nicht trotz guter Entwickler, sondern wegen menschlicher Entscheidungsunsicherheit.
Und genau dieselben Mechanismen funktionieren meiner Erfahrung nach auch mit KI-Agenten.
Ich habe das damals so formuliert: Ein KI-Agent ist wie ein extrem schneller Kollege, der sich manchmal irrt. Er produziert Ergebnisse sehr schnell — aber die Verantwortung bleibt beim Entwickler, der überprüft, einordnet und priorisiert.
Reviews verschieben sich — sie verschwinden nicht
Was sich sichtbar verändert hat, ist die Art der Reviews.
Noch vor kurzer Zeit musste KI-generierter Code sehr intensiv geprüft werden. Heute beobachte ich eine Verschiebung: Standardimplementierungen benötigen weniger Kontrolle. Reviews konzentrieren sich stärker auf Architektur und Entscheidungslogik. Detailfragen werden wichtiger als Boilerplate-Code.
Die Modelle sind besser geworden — und damit verschiebt sich der menschliche Fokus. Viele Diskussionen über KI basieren noch auf Erfahrungen mit früheren Modellgenerationen. Wer aktüll mit agentischen Workflows arbeitet, erlebt häufig eine andere Praxisrealität.
Die Frage nach der Produktivität
Irgendwann kam im Gespräch die unvermeidliche Frage: Wie viel produktiver bist du wirklich geworden?
Man wollte eine konkrete Zahl. Meine spontane Antwort war: ungefähr Faktor fünf.
Die Reaktion war Skepsis — verständlich, denn solche Aussagen wirken schnell wie persönliche Einschätzungen ohne belastbare Benchmark.
Mit etwas Abstand würde ich sagen: Die Zahl beschreibt weniger Geschwindigkeit als eine Verschiebung der Arbeit. Projekte, die früher Wochen benötigten, lassen sich heute teilweise innerhalb weniger Tage realisieren — vorausgesetzt, Problemverständnis und Architektur sind klar.
Der Engpass ist aus meiner Sicht nicht mehr primär das Schreiben von Code. Der Engpass ist strukturierte Entscheidungsfindung.
Programmieren ist nicht gleich Softwareentwicklung
Ein häufiges Missverständnis in der Diskussion liegt darin, Programmieren und Softwareentwicklung gleichzusetzen.
Programmieren bedeutet: Code implementieren, Funktionen schreiben, Anforderungen umsetzen.
Softwareentwicklung bedeutet: Probleme strukturieren, Systeme entwerfen, Risiken erkennen, Entscheidungen treffen, Verantwortung tragen.
Entwickler haben historisch immer versucht, schneller zu werden — höhere Programmiersprachen, Frameworks, Libraries, Generatoren, Scaffolding Tools. KI ist keine Abkehr davon, sondern die konseqünte Fortsetzung dieses Trends.
Die Frage lautet heute weniger, ob man Code automatisieren sollte, sondern warum man ihn vollständig manüll schreiben würde, wenn bessere Werkzeuge existieren.
Vom Entwickler zum Orchestrator
Eine persönliche Beobachtung aus der täglichen Arbeit: Meine Rolle hat sich weniger verändert als erwartet.
Früher: Team koordinieren, Architektur diskutieren, Fragen klären, Ergebnisse reviewen. Heute: Agenten orchestrieren, Architektur definieren, Ergebnisse challengen, Entscheidungen validieren.
Die Tätigkeiten bleiben erstaunlich ähnlich. Der Unterschied liegt im Team. Früher bestand es aus menschlichen Entwicklern. Heute zunehmend aus KI-Agenten. Viele Prinzipien guter Zusammenarbeit bleiben dabei konstant.
Warum Skepsis nachvollziehbar ist
Die skeptischen Reaktionen damals waren keineswegs irrational. Softwareentwicklung ist eine Disziplin, die stark durch Erfahrung geprägt ist. Wer über Jahre gelernt hat, dass Qualität Zeit braucht, reagiert verständlicherweise kritisch auf Aussagen über drastische Produktivitätssteigerungen.
Technologische Übergänge wirken zunächst unrealistisch — bis praktische Erfahrung neü Referenzpunkte schafft.
Die eigentliche Veränderung steht noch bevor
Aus meiner Sicht ersetzt KI Entwickler nicht. Aber sie verschiebt den Schwerpunkt der Disziplin: weniger Fokus auf Implementierung, mehr Fokus auf Systemverständnis, stärkere Bedeutung von Architekturentscheidungen.
Softwareentwicklung wird weniger handwerklich und stärker konzeptionell.
Fazit
Die entscheidende Frage ist heute nicht mehr: Kann KI programmieren? Sondern: Wie organisiert man Softwareentwicklung sinnvoll, wenn Implementierung massiv beschleunigt wird?
Wer KI nur als erweitertes Autocomplete betrachtet, unterschätzt ihr Potenzial. Wer glaubt, Entwickler würden überflüssig, unterschätzt die Komplexität von Softwareentwicklung.
Die Zukunft gehört wahrscheinlich hybriden Teams — Menschen, die Systeme verstehen, und Agenten, die sie mit hoher Geschwindigkeit umsetzen. Wie schnell sich diese Sichtweise durchsetzt, wird durch praktische Erfahrung entschieden — nicht durch Diskussionen.