Dass KI-Assistenten Code schreiben, ist in vielen Entwicklungsteams längst Alltag. Interessanter als die Frage, ob das funktioniert, ist inzwischen die Frage, welche Aufgaben tatsächlich abgegeben werden und welche beim Menschen bleiben. Zwei aktuelle Berichte zeichnen ein gemeinsames Bild: Der Anteil maschinell erzeugten Codes steigt, zugleich verschiebt sich der Schwerpunkt der Entwicklungsarbeit – weg vom Tippen, hin zu Entscheidung, Einordnung und Verantwortung.
Was an die Maschine wandert
Abgegeben wird vor allem das, was klar umrissen und gut beschreibbar ist. Dazu zählen wiederkehrende Routinen, Standardbausteine und Aufgaben, bei denen ein Muster bereits bekannt ist und nur noch auf einen konkreten Fall übertragen werden muss. Hier spielen KI-Werkzeuge ihre Stärke aus: Sie erzeugen schnell einen Entwurf, den ein Mensch anschließend prüft und anpasst.
Dieser Produktivitätsgewinn ist real, aber er ist kein Selbstläufer. Er entsteht nur dort, wo jemand den Vorschlag bewerten kann. Ein Codeentwurf, den niemand im Team fachlich beurteilen kann, ist kein Zeitgewinn, sondern eine verschobene Fehlerquelle.
Was beim Menschen bleibt
Entscheidend bleibt die Arbeit vor und nach dem Code. Vorher: Welches Problem soll überhaupt gelöst werden? Welche Anforderungen sind wirklich verbindlich, welche nur Gewohnheit? Welche Architektur trägt in drei Jahren noch? Solche Entscheidungen setzen Kontextwissen über das Unternehmen, die Nutzerinnen und Nutzer und die bestehende Systemlandschaft voraus – Wissen, das in keinem Prompt vollständig steht.
Nachher: Review, Qualitätssicherung, Integration in gewachsene Systeme, Sicherheits- und Datenschutzfragen, Betrieb und Wartung. Gerade in Bestandssystemen, die über Jahre gewachsen sind, entscheidet nicht die Geschwindigkeit der Codeerzeugung über den Projekterfolg, sondern das Verständnis für Abhängigkeiten und Seiteneffekte.
Die Rolle verschiebt sich damit spürbar: Entwicklerinnen und Entwickler werden stärker zu Prüfenden und Entscheidenden. Fachliche Tiefe wird dadurch nicht überflüssig – sie wird zur Voraussetzung dafür, KI-Ergebnisse überhaupt sinnvoll bewerten zu können.
Produktmanagement gewinnt an Gewicht
Parallel dazu verändert sich der Arbeitsmarkt. Aus den USA wird berichtet, dass weniger Softwareentwicklerinnen und -entwickler eingestellt werden, während Produktmanagement als Gewinner des KI-Zeitalters gilt. Das ist plausibel: Wenn die reine Umsetzung schneller und günstiger wird, verschiebt sich der Engpass nach vorn – auf die Frage, was gebaut werden soll.
Produktverantwortung heißt in diesem Zusammenhang: Anforderungen klären, Prioritäten setzen, Nutzen messbar machen, zwischen Fachbereich und Technik übersetzen. Diese Arbeit lässt sich nicht an ein Modell delegieren, weil sie auf Zielkonflikten beruht, die ein Unternehmen selbst entscheiden muss.
Ebenso wird der souveräne Umgang mit KI-Werkzeugen als zunehmend wichtiger Skill bei der Jobsuche beschrieben. Dabei geht es weniger um das Bedienen eines einzelnen Tools als um die Fähigkeit, Aufgaben sinnvoll zuzuschneiden, Ergebnisse kritisch zu prüfen und zu wissen, wann ein KI-Vorschlag besser verworfen wird.
Wie die Angaben einzuordnen sind
Die beiden Berichte beleuchten unterschiedliche Seiten derselben Entwicklung: der eine die Aufgabenverteilung innerhalb der Entwicklungsarbeit, der andere die Nachfrage nach Rollen am Arbeitsmarkt. Die Beobachtungen zum Einstellungsverhalten stammen aus den USA und lassen sich nicht eins zu eins auf den deutschsprachigen Mittelstand übertragen, in dem Fachkräftemangel, Bestandssysteme und regulatorische Anforderungen eine andere Rolle spielen.
Vorsicht ist auch bei pauschalen Schlussfolgerungen angebracht. Weniger Neueinstellungen in einem Markt sind nicht automatisch ein Beleg dafür, dass KI Stellen ersetzt; konjunkturelle Effekte wirken hier mit. Die stabilere Aussage beider Quellen ist die Richtung, nicht die Dramatik: Routinearbeit verliert an Wert, Urteilsfähigkeit gewinnt.
Konsequenzen für die Budgetplanung
Für Projektverantwortliche ergeben sich daraus einige praktische Hinweise:
- Anforderungsarbeit nicht kürzen. Wenn Umsetzung günstiger wird, zahlt sich jede Stunde in der Klärung von Zielen und Prioritäten stärker aus als zuvor.
- Qualitätssicherung mitplanen. Review, Tests und Sicherheitsprüfungen werden bei höherem Codedurchsatz nicht weniger, sondern wichtiger.
- Erfahrung gezielt einsetzen. Senior-Know-how wird dort gebraucht, wo Architektur, Integration und Risikoabwägung zusammenkommen.
- Produktrolle besetzen. Ohne klare fachliche Entscheidungsinstanz auf Kundenseite verpufft der Geschwindigkeitsgewinn in Abstimmungsschleifen.
- Erwartungen realistisch halten. Zeitgewinne entstehen in gut abgegrenzten Aufgaben, nicht gleichmäßig über das ganze Projekt.
Einordnung
Für Web- und Softwareprojekte verschiebt sich der Schwerpunkt der Wertschöpfung: Der Aufwand für reine Umsetzung sinkt tendenziell, während Konzeption, Review und Produktentscheidungen anteilig mehr Gewicht bekommen. Budgets sollten diese Verschiebung abbilden, statt allein auf schnellere Entwicklung zu setzen. Wer die fachliche Steuerung im eigenen Haus stärkt und auf nachvollziehbare Qualitätssicherung besteht, profitiert von KI-Werkzeugen deutlich verlässlicher als Teams, die sie nur als Beschleuniger verstehen.
