Seit das KI-Modell ChatGPT im November 2022 der Öffentlichkeit vorgestellt wurde, hat sich die Landschaft der Softwareentwicklung radikal verändert. Die Art und Weise, wie Entwickler an Probleme herangehen, hat sich stark gewandelt, da immer mehr Unternehmen auf KI-basierte Werkzeuge setzen, um Produktivität und Effizienz zu steigern. Dennoch herrscht unter vielen Programmierern Unsicherheit und Skepsis, ob KI ihre berufliche Zukunft wirklich bereichern oder gar gefährden wird. Ein genauerer Blick auf die Erfahrungen und Gedanken eines Skeptikers kann deshalb wertvolle Erkenntnisse liefern, wie sich die Zusammenarbeit zwischen Mensch und Maschine sinnvoll gestalten lässt. Der Umgang mit Künstlicher Intelligenz in der Entwicklung ist keineswegs unkompliziert. Zwar versprechen Anbieter von KI-Systemen Zeitersparnis und Kreativitätssteigerung, doch der Praxiseinsatz zeigt, dass die Realität oft differenzierter ist.
Insbesondere in den Anfangstagen konnte die KI zwar brauchbaren Code liefern, doch die Entwickler mussten oft viel Zeit damit verbringen, subtile Fehler zu identifizieren und zu beheben. Dieses Problem ist nie ganz abzustreifen, denn KI-Algorithmen erzeugen keine perfekten Lösungen, sondern Vorschläge, die kritisch geprüft werden müssen. Der wesentliche Produktivitätsgewinn entsteht oft nicht in einfachen Aufgaben, sondern in komplexeren Szenarien, bei denen Entwickler KI als eine Art „kreativen Sparringspartner“ nutzen. Ein Beispiel dafür ist die Entwicklung eines browserbasierten Spiels namens OnTrack. Hier zeigte sich, wie KI bei einer Aufgabe helfen kann, mit der viele Entwickler hadern: Bei der Implementierung von kurvigen Streckenabschnitten in einem 2D-Kartengitter war ausgerechnet eine vergessene Schulmaßnahme, die Trigonometrie, der Engpass. Für den Skeptiker war der Versuch, selbst mathematische Grundlagen wieder aufzufrischen, wenig verlockend.
Also wandte er sich an ChatGPT. Die ungewöhnlich präzise Beantwortung seiner Fragen über Winkel, Umrechnung in Bogenmaß und konkrete Codebausteine für das Zeichnen von Kurven im HTML-Canvas führte innerhalb kürzester Zeit zu einer funktionierenden Lösung. Interessant war vor allem, wie der informative und kontextreiche Dialog es ermöglichte, schrittweise komplexere Anforderungen einzubeziehen, etwa die Struktur des Spiels, die Parametrisierung unterschiedlicher Kurvengrößen je nach Zoomstufe und die Verallgemeinerung der Lösung für beliebige Richtungen. Damit eröffnete sich eine völlig neue Art, an anspruchsvolle Coding-Herausforderungen heranzugehen. Die KI wurde zum Partner, der nicht nur Code bereitstellte, sondern auch das schrittweise Verständnis vertiefte. Neben dieser Anwendung bietet sich KI besonders für die Automatisierung von monotonem und wiederkehrendem Code an.
In der Praxis stellt sich oft die Herausforderung, dass reine Autocomplete-Funktionen nicht immer genau genug auf die spezifischen Anforderungen eines großen Codebases zugeschnitten sind. Doch gerade bei klaren, sich wiederholenden Mustern – zum Beispiel bei der Abbildung zahlreicher Varianten von Verbindungspunkten in einem Spielelement – kann KI enorme Arbeit abnehmen. So zeigte sich, dass mit ersten Handvoll geschriebenen Zeilen häufig passende Vorschläge folgen, die nicht nur syntaktisch korrekt sind, sondern auch den richtigen Kontext erfassen. Solche Arbeitsbereiche mit hoher Regelmäßigkeit bieten eine besonders lohnende Gelegenheit, Routinearbeit abzuwälzen und sich stattdessen auf Architektur und komplexe Designentscheidungen zu konzentrieren. In der Gesamtschau spart KI dadurch signifikant Zeit ein; in einem konkreten Projekt wurden zwei bis drei Stunden Entwicklungszeit für eine zentral wichtige Funktion eingesetzt, die ohne KI wohl das Doppelte oder Dreifache gekostet hätte.
Neben rein technischen Vorteilen spielt für viele Entwickler auch die Rolle der KI als eine Art virtueller „Rubber Duck“ eine wichtige Rolle. Dabei handelt es sich um ein bekanntes Konzept aus der Softwareentwicklung, bei dem man einem Gegenüber den Programmcode oder das Problem erklärt, um einen Denkprozess in Gang zu setzen. Die KI bringt durch ihre fehlerhaften, aber kreativen Antworten Gedankenimpulse und neue Lösungsansätze – sie ist eine Mischung aus Suchmaschine, Entwicklerpartner und Ideengeber, die gerade bei kreativen Blockaden oder unklaren Anfangsfragen ihren Wert beweist. Dabei zeigt sich, dass sich die Nutzung von KI in mehreren typischen Szenarien bewährt. So kann man bei neuen Aufgaben, bei denen unklar ist, wie man sie am besten angeht, die KI um alternative Lösungswege bitten, um aus ihrer Vielfalt neue Impulse zu bekommen.
Diese Funktion hilft insbesondere bei Sprachen, die weniger vertraut sind, oder bei einmaligen Hilfsprogrammen und Prototypen, für die keine lange Einarbeitung lohnenswert ist. Auch bei der Arbeit an der Kommandozeile oder bei der Analyse großer JSON-Datenmengen bewährt sich KI bei der schnellen Suche nach passenden Funktionen oder Befehlsparametern. Schließlich dient sie als virtueller Kritiker auch bei der Überprüfung von eigenem Code, um Hinweise auf mögliche Fehler oder Verbesserungen zu erhalten – ein wertvoller Ersatz für eine Beinahe-Vergessenheit, die jeder Entwickler kennt, wenn er selbstkritisch sein Werk betrachtet. Trotz all dieser positiven Erfahrungen ist die Skepsis gegenüber KI jedoch berechtigt – aber nicht als Ablehnung, sondern als realistische Einschätzung. Die größten Frustrationen resultieren daraus, dass alle KI-Systeme mit einer selbstbewusst auftretenden Sicherheit antworten, ohne immer tatsächlich korrekt zu sein.
Die permanente Warnung, dass Fehler vorhanden sein könnten, ist zwar meist präsent, wird aber von vielen Nutzern unterschätzt. Wer KI als allwissende Quelle betrachtet, läuft Gefahr, sich auf falschen Eingaben auszuruhen. Der sinnvolle Umgang besteht darin, KI-Vorschläge als Startpunkt und Orientierung zu verstehen und sie einer sorgfältigen Prüfung zu unterziehen. Gerade beim Schreiben von Tests ist das Vertrauen in KI-Ausgaben gering, denn Fehler im Testcode können kritisch sein und entgehen oft der sonst üblichen menschlichen Kontrolle. Daher ist der sinnvollste Weg, dass KI den Grundcode liefert, während Entwickler das Testing selbst übernehmen – gerne mit Hilfe von KI generierten Vorschlägen für Testfälle oder Szenarien. Bemerkenswert ist, dass viele Entwickler gewohnte Arbeitsabläufe á la „Google, kopieren, Fehler beheben“ schon heute nur wenig anders bei KI umsetzen. Dabei ist klar, dass die Startpunkte durch KI besser und schneller sind, was am Ende Zeit und Nerven spart.
Um den Einstieg in eine AI-gestützte Entwicklungsumgebung zu erleichtern, empfiehlt es sich, die Hilfsmittel direkt ins Editor-Setup zu integrieren – sei es Neovim oder andere Entwicklungsumgebungen. Allerdings gibt es individuelle Präferenzen: Einige Programmierer wechseln lieber zwischen Editor und Browser-basiertem Chat, um eine Distanz zum Code zu wahren und klare Triggerpunkte für den Einsatz von KI zu setzen. Wie bei jeder neuen Technologie ist Experimentieren wichtig. Je mehr unterschiedliche Modelle und Prompt-Strategien ausprobiert werden, desto besser versteht man, was tatsächlich funktioniert und wie präzise Angaben in der Anfrage die Qualität der Antworten steigern. Die Community liefert hier wertvolle Impulse und hilfreiche Anleitungen, um Stolpersteine zu umgehen und kooperativ von den Erfahrungen anderer zu profitieren. Die wichtigste Regel bleibt jedoch die des kritischen Überprüfens. KI ergänzt menschliches Können, ersetzt es aber nicht.
Entwickler, die dies verstehen und in ihren Workflow einbauen, werden deutliche Vorteile genießen. Augmented Engineering – also das ergänzte Arbeiten mit KI – ist nicht nur eine vorübergehende Modeerscheinung, sondern eine nachhaltige Entwicklung für die Softwarebranche. Die Verschmelzung menschlicher Kreativität und automatisierter Intelligenz wird in Zukunft neue Möglichkeiten eröffnen, alte Grenzen überwinden und bislang ungelöste Probleme angehen. Skeptisch zu beginnen, bringt dabei nur Vorteile, denn dieses kritische Vertrauen fördert den reflektierten Einsatz und die Weiterentwicklung der Werkzeuge. Wer den Anschluss nicht verpassen möchte, sollte die Angebote ausprobieren, sich mit gleichgesinnten Kollegen austauschen und in kleinen Schritten an den persönlichen Workflow anpassen. Die Zukunft der Softwareentwicklung ist zweifellos hybrid – eine produktive Symbiose zwischen Mensch und Maschine, die Bereicherung und Fortschritt verspricht.
