Noch vor wenigen Jahren bestand ein großer Teil meiner Arbeit daraus, Code zu schreiben, Dokumentation zu lesen, Beispiele zu suchen und jeden Schritt einer Lösung selbst durchzudenken. Manche Bugs brauchten Stunden zur Diagnose. Manche Features benötigten mehrere Ansätze, bis die richtige Umsetzung klar wurde.
Heute hat sich meine Arbeitsweise deutlich verändert. Ich beginne oft damit, AI das Problem zu beschreiben: was im System falsch läuft, welcher Teil des Codes betroffen sein könnte, wie Daten fließen und welches Ergebnis erwartet wird.
Meine Rolle wird dann stärker: lesen, prüfen, testen und verfeinern, was AI erzeugt. Eine Aufgabe, die früher Stunden oder manchmal Tage dauerte, kann oft deutlich schneller erledigt werden.
Die größte Veränderung ist nicht nur Geschwindigkeit. Manche Kunden senden inzwischen AI-generierten Code, Installationshinweise und Deployment-Anweisungen. In dieser Situation ist meine Verantwortung nicht einfach, Code zu schreiben. Ich muss prüfen, ob der erzeugte Code korrekt, sicher, wartbar und für das System geeignet ist, in dem er laufen soll.
AI hat Entwickler nicht vollständig ersetzt, aber sie verändert den Wert, den ein Entwickler liefern muss. Code zu schreiben bleibt nützlich. Das System zu verstehen, die richtigen Fragen zu stellen, Risiken zu erkennen, Ergebnisse zu validieren und gute technische Entscheidungen zu treffen, wird noch wichtiger.