Während sich die Erwartungen an die Fähigkeit der künstlichen Intelligenz, vollständigen Programmcode zu schreiben, beschleunigen, zeichnet sich ein tieferliegendes Problem ab, das die Entwicklung menschlicher Fachkräfte in technischen Unternehmen betrifft. In einer aktuellen Präsentation auf der QCon AI Boston stellte Alasdair Allan eine kritische Sicht auf die Lücke dar, die die KI im beruflichen Entwicklungspfad von Ingenieuren hinterlässt, und beschrieb sie als „fehlende Sprossen auf der Karriereleiter“.
Zwischen ehrgeizigen Erwartungen und digitaler Realität
Allan wies auf die deutliche Diskrepanz zwischen optimistischen Prognosen und tatsächlichen Daten hin. Während Dario Amodei, Mitbegründer von Anthropic, vorhersagte, dass KI innerhalb eines Jahres 90 % des Codes schreiben würde, zeigten Analysen eine andere Realität. Laut einer Untersuchung von Redwood Research liegt der Anteil des von KI geschriebenen Codes in Software-Repositories bei etwa 50 %. Dieser Anteil steigt nur dann auf 90 %, wenn man temporäre Texte und flüchtige Skripte hinzurechnet.
Die bei großen Unternehmen registrierten Zahlen offenbaren ein gemischtes Bild:
- Google: Berichte deuten darauf hin, dass etwas mehr als 25 % des internen Codes durch KI generiert wurden.
- Microsoft: Die KI-Generierungsrate liegt bei etwa 30 %.
- GitHub Copilot: Die Akzeptanzrate von Vorschlägen in Unternehmensumgebungen liegt bei etwa 30 %.
- Anthropic: Die Ingenieure des Unternehmens nutzen das Tool Claude bei 59 % ihrer täglichen Arbeit, wobei Berichte auf eine Produktivitätssteigerung von 50 % hindeuten.
Das Supervisions-Paradoxon: Die verborgene Bedrohung
Der Kern des von Allan aufgeworfenen Problems liegt nicht in der Produktivität, sondern in dem, was er als „Supervisions-Paradoxon“ (Supervision Paradox) bezeichnet. Während KI-Tools die Geschwindigkeit bei der Erledigung von Aufgaben erhöhen, könnten sie Nachwuchsingenieuren (Juniors) die Möglichkeit nehmen, grundlegende Fähigkeiten aufzubauen, die normalerweise durch das manuelle Lösen komplexer Programmierprobleme erworben werden.
Wenn die KI Aufgaben übernimmt, die die „mittleren Sprossen“ der Lernleiter darstellten, findet sich der Nachwuchsingenieur in der Lage wieder, schnelle Ergebnisse zu liefern, dem es jedoch an der notwendigen kognitiven Tiefe fehlt, um die Funktionsweise des Systems als Ganzes zu verstehen. Dies führt zu einer Wissenslücke, die es ihm in Zukunft erschwert, Führungsrollen oder leitende Ingenieurspositionen zu übernehmen, die eine Aufsicht über autonome Systeme erfordern.
Was bedeutet das für die Zukunft der Softwaretechnik?
Dieser Wandel stellt technische Unternehmen vor strategische Herausforderungen, die sich in drei Hauptpunkten zusammenfassen lassen:
- Erosion der institutionellen Erfahrung: Die übermäßige Abhängigkeit von fertigen Tools könnte zum Verlust des tiefen technischen Kontexts führen, den Ingenieure durch den direkten Umgang mit der Komplexität des Codes aufbauen.
- Bedrohung der technischen Versorgungskette: Wenn Nachwuchskräfte ihre Fähigkeiten nicht über die mittleren Stufen entwickeln können, werden Unternehmen einen Mangel an erfahrenen Ingenieuren haben, die in der Lage sind, komplexe KI-Systeme zu verwalten und zu steuern.
- Neudefinition der Rolle des Ingenieurs: Das Ziel des Berufs ist nicht mehr das „Schreiben von Code“ an sich, sondern die Fähigkeit, Systeme zu entwerfen und die Qualität der Ergebnisse zu überwachen. Dies erfordert ein solides technisches Fundament, das die KI dem Lernenden nicht bieten kann.