Ich habe mit 12 angefangen zu programmieren, RATs und Trojaner in Delphi geschrieben, weil rumänische Kinder das 2002 eben so machten. Mit 21 war ich Literaturabsolvent und baute CRMs von Grund auf in PHP. Kein Informatikstudium, kein Bootcamp, kein Mentor. Nur eine beschissene Internetverbindung, Notepad++ und eine Besessenheit, die mich nicht schlafen ließ.
Scrapen habe ich gelernt, indem ich Leech-Seiten baute, parasitäre Klone, die Datenbanken von anderen Seiten absaugten und auf Ein-Dollar-VPS oder bei Gratis-Hostern liefen. Das hieß HTML von Hand inspizieren, Regexe schreiben, bei denen mir die Augen bluteten, mit Encoding-Problemen umgehen, mit Rate Limiting, mit Session-Cookies. Netzwerke kannte ich schon vom Trojanerschreiben als Kind: Ports, Sockets, Verbindungen, der ganze Scheiß, den man lernt, wenn man versucht, eine Reverse Shell durch eine Firewall nach Hause telefonieren zu lassen. Nebenläufigkeit lernte ich, weil mein Scraper zu langsam war und ich herausfinden musste, wie man mehrere Dinge gleichzeitig laufen lässt, ohne den geteilten Zustand zu zerschießen.
Jede einzelne dieser Lektionen kam aus Schmerz. Stunden Debugging. Tage, an denen ich an etwas festhing, das sich als fehlendes Semikolon oder falsche Portnummer entpuppte. Der Schmerz war der Lehrplan. Die Quälerei war der Lehrer.
Heute rennt ein Junior-Entwickler gegen dieselbe Wand, klebt den Fehler in Claude oder ChatGPT, kriegt den Fix in zehn Sekunden und macht weiter. Null Lernen. Der Schmerz wurde übersprungen. Und der Schmerz WAR die Ausbildung.
Das Taschenrechner-Problem
Es ist, als gäbe man jemandem einen Taschenrechner, bevor er das Multiplizieren versteht. Klar kriegt er die richtige Antwort, aber er hat null Gefühl dafür, wann die Antwort falsch ist. Du fragst ihn „ergibt 7 mal 8 gleich 312?“ und er zuckt bloß mit den Schultern, weil er nie das Bauchgefühl aufgebaut hat, das ihn sagen lassen müsste „das sieht nicht richtig aus“.
KI-Werkzeuge funktionieren genauso. Ein neuer Entwickler promptet Claude, kriegt funktionierenden Code, liefert ihn aus, fühlt sich wie ein Genie. Aber in dem Moment, in dem etwas auf eine Art kaputtgeht, die die KI nicht reparieren kann, und dieser Moment kommt IMMER, ist er völlig hilflos. Kein mentales Modell davon, was tatsächlich passiert. Keine Fähigkeit, über den Code zu argumentieren, den er laufen lässt. Kein Gefühl dafür, wo man überhaupt anfangen soll zu schauen.
Wenn mein Scraper kaputtgeht, weiß ich genau, wo ich schauen muss, weil ich jede Schicht verstehe: den HTTP-Request, das Parsen der Antwort, das Encoding, die Session-Verwaltung, das Rate Limiting. Dieses Verständnis habe ich aufgebaut, indem ich hunderte Stunden damit verbracht habe, es erst mal falsch zu machen.
Der Scraper eines neuen Entwicklers geht kaputt und er klebt den Fehler zurück in ChatGPT und betet. Klappt in 80% der Fälle. In den anderen 20% ist er komplett am Arsch.
Das Fitnessstudio Mit Einem Roboter
Es ist, als ginge man ins Fitnessstudio und ließe einen Roboter die Gewichte für sich stemmen. Klar hat sich das Gewicht bewegt, aber deine Muskeln sind nicht gewachsen. Du siehst beim Rausgehen genauso aus wie beim Reingehen.
Die Entwickler, die vor der KI gelernt haben, mussten jedes Gewicht selbst stemmen. Jeden Bug von Hand beheben. Jede Architekturentscheidung durch Versuch und Irrtum treffen. Jedes Deploy-Skript von Hand schreiben, nachdem man zum dritten Mal ein manuelles Deployment versemmelt hatte. So baut man sich Ingenieursmuskeln auf.
Jetzt gibt es eine Generation von Entwicklern, die nie eine for-Schleife von Grund auf ohne KI-Hilfe geschrieben haben. Nie eine Regex von Hand debuggt haben. Nie vier Stunden dagesessen haben, um herauszufinden, warum ihr Code um eins danebenliegt. Nie DENKEN mussten, was eine Funktion eigentlich tut, weil sie einfach die Maschine fragen können, es ihnen zu erklären.
Sie können Code produzieren. Sie können Features ausliefern. Sie kommen durch Code-Reviews, weil KI-generierter Code in Ordnung aussieht. Aber sie können nicht debuggen. Sie können nicht architektieren. Sie können nicht über Systeme argumentieren. Weil sie den Teil übersprungen haben, in dem man diese Dinge lernt, nämlich den Teil, in dem alles kaputt ist und man herausfinden muss, warum.
Das Bewerbungsgesprächs-Problem
Firmen merken den Unterschied nicht mehr. Zwei Kandidaten kommen zum Gespräch. Beide können „einen Scraper bauen“. Beide können „eine REST-API aufsetzen“. Beide können „Unittests schreiben“. Einer versteht wirklich, was er baut. Der andere ist ein Proxy für ein LLM.
Viel Glück dabei, in einem 45-minütigen technischen Screening herauszufinden, welcher welcher ist, während der Kandidat Copilot in seiner IDE laufen hat.
Und die Ironie ist dick: das ganze FAANG-Bewerbungssystem war schon vor der KI kaputt. Entwickler Rot-Schwarz-Bäume und Quicksort ans Whiteboard malen zu lassen, für Jobs, bei denen die größte Tabelle 2000 Zeilen hat und der schwerste Endpoint zweimal am Tag aufgerufen wird. Irgendein Typ büffelt da draußen sechs Monate Leetcode für einen Job, bei dem die eigentliche Arbeit darin besteht, APIs zusammenzustöpseln und herauszufinden, warum die Staging-Umgebung dienstags kaputt ist.
Und jetzt kippt noch KI in dieses Chaos. Die Whiteboard-Fragen sind nutzlos, weil ein Kandidat mit KI üben kann, bis er jedes Muster auswendig kann. Die Aufgaben für zu Hause sind nutzlos, weil eine KI in Minuten eine vollständige Lösung erzeugt. Die Pair-Programming-Sitzungen sind nutzlos, weil der Kandidat bloß zwischen dem Interviewer und seinem mentalen Modell davon übersetzt, was er Claude fragen soll.
Das Einzige, was noch funktioniert, ist, sich mit jemandem hinzusetzen und ihm zuzusehen, wie er ein echtes Problem in Echtzeit ohne Werkzeuge debuggt. Und fast niemand macht das, weil es zu lange dauert und nicht skaliert.
Die Ausgehöhlte Mitte
Hier wird es richtig finster. Der Weg vom Junior zum Senior war immer: jahrelang quälen, durch Schmerz tiefes Verständnis aufbauen, und irgendwann die Intuition und das Systemdenken entwickeln, die einen zum Senior machen. Dieser Weg verlangte die Quälerei. Nimm die Quälerei weg, und der Weg verschwindet.
Was passiert also in zehn Jahren? Eine winzige Elite von Senior-Ingenieuren, die vor der KI gelernt haben und die Grundlagen wirklich verstehen. Ein riesiger Pool von Juniors, die im Grunde KI-Bediener sind, produktiv wenn die Werkzeuge funktionieren, hilflos wenn nicht. Und nichts dazwischen, weil niemand mehr die Reise von dem einen zum anderen macht.
Die Leiter des Lernens wird hochgezogen. Nicht böswillig, das hat niemand geplant. Aber der Effekt ist derselbe. Das Werkzeug, das dich heute produktiv macht, ist genau das Werkzeug, das dich daran hindert, morgen wirklich kompetent zu werden.
Und man kann einem Zwanzigjährigen nicht sagen „nutz keine KI, quäl dich erst mal fünf Jahre von Hand“. Das ist, als hätte man 2005 jemandem gesagt „nutz kein Google, geh in die Bibliothek“. Wird er nicht. Warum sollte er? Die rationale Wahl für jeden Einzelnen ist, die mächtigsten verfügbaren Werkzeuge zu nutzen. Das Problem ist, dass das, was für den Einzelnen rational ist, für den Berufsstand katastrophal ist.
Was Noch Zählt
Die Entwickler, die das überleben, sind nicht die, die am meisten Code schreiben können. Das macht die KI schon besser als die meisten Menschen. Die Überlebenden sind die, die verstehen, WARUM Dinge funktionieren.
Das WARUM zu verstehen ist das, was dir erlaubt:
- Probleme zu debuggen, die die KI nicht lösen kann, weil sie genau diese Kombination von Fehlern noch nie gesehen hat
- Systeme zu architektieren, die nicht auseinanderfallen, wenn sich die Anforderungen ändern
- KI-generierten Code zu bewerten und die subtilen Bugs zu fangen, die korrekt aussehen, es aber nicht sind
- Entscheidungen zu treffen, die das Verständnis von Abwägungen zwischen Ansätzen verlangen, statt einfach den ersten zu nehmen, der kompiliert
- Zu wissen, dass der Vorschlag der KI falsch ist, weil dein Bauch sagt „die Zahl sieht nicht richtig aus“
Diese Intuition kommt nur, wenn man es erst auf die harte Tour macht. Es gibt keine Abkürzung. Keine KI kann sie dir geben. Sie wird verdient durch Jahre, die man in der Scheiße sitzt und die Dinge herausfindet.
Der Vorteil des Autodidakten
Hier die Wendung, mit der niemand gerechnet hat: Autodidakten haben im KI-Zeitalter vielleicht den größten Vorteil. Nicht trotz des Lernens auf die harte Tour, sondern deswegen.
Wir hatten keine Lehrpläne. Niemand hat uns einen Lernpfad in die Hand gedrückt. Wir haben Probleme an der Kehle gepackt und die Dinge herausgefunden, weil wir es wollten, nicht weil ein Curriculum es uns sagte. Diese Gewohnheit, ehrlich neugierig zu sein, wirklich verstehen zu wollen, wie Dinge funktionieren, sich nicht zufriedenzugeben, bevor man das Problem bis zur Wurzel verfolgt hat, genau diese Gewohnheit überlebt die Umwälzung durch KI.
Der Informatikabsolvent, der Datenstrukturen für Klausuren auswendig lernte, hat diese Gewohnheit nie entwickelt. Er hat gelernt, WAS zu tun ist, nicht WIE man denkt. Wenn seine auswendig gelernten Muster nicht auf das Problem passen, steckt er fest. Wenn die Muster des Autodidakten nicht passen, gräbt er tiefer, weil er nie etwas anderes getan hat.
Interesse ist der einzige nachhaltige Wettbewerbsvorteil in der Technik. Alles andere lässt sich lernen, kopieren oder automatisieren. Aber man kann nicht automatisieren, dass einem etwas am Arsch vorbeigeht oder eben nicht.
Die Unbequeme Wahrheit
90% der Produktionssysteme werden die Art von Tiefenwissen, von der ich rede, nie brauchen. Die meisten Business-Anwendungen könnten auf Bubblesort laufen, ohne Datenbankindizes, mit SELECT * auf jeder Tabelle, und niemand würde es merken, weil die größte Tabelle 847 Zeilen hat und die Datenbank nicht mal ins Schwitzen kommt.
Für diese Systeme sind KI-gestützte Entwickler in Ordnung. Mehr als in Ordnung, sie sind schneller und billiger. Der Code läuft, die Features gehen raus, dem Geschäft ist egal, wie die Wurst gemacht wird.
Das Problem sind die anderen 10%. Die Systeme, auf die es wirklich ankommt. Finanzplattformen, die echtes Geld bewegen. Infrastruktur, von der Menschen abhängen. Sicherheitssysteme, die keine subtilen Bugs haben dürfen. Die Systeme, bei denen „funktioniert in 80% der Fälle“ nicht reicht und der 20-Prozent-Fehlerfall Millionen kostet.
Diese Systeme brauchen Ingenieure, die die Grundlagen verstehen. Und wir stehen kurz vor einem heftigen Mangel davon, weil die Pipeline, die sie hervorbrachte, gerade durch eine Abkürzung ersetzt wurde, die etwas produziert, das an der Oberfläche identisch aussieht, unter Druck aber zerbröselt.
Die Senior-Ingenieure, die es heute gibt, wurden im Feuer manuellen Debuggings, handgeschriebenen Codes und jahrelangen schmerzhaften Lernens geschmiedet. Wenn wir in Rente gehen, wer ersetzt uns? Der Entwickler, der seit einem Jahrzehnt KI-Ausgaben kopiert und einfügt? Das ist kein Senior-Ingenieur. Das ist ein sehr erfahrener Prompt-Schreiber.
Und die Branche scheint es nicht zu kümmern. Denn gerade jetzt, heute, liefert der KI-gestützte Entwickler Features schneller. Die Rendite sieht im Quartalsbericht großartig aus. Die technische Schuld ist unsichtbar, bis sie es nicht mehr ist. Und bis dahin ist es das Problem von jemand anderem.
Alles wie immer. Nur schneller jetzt.