In unserer über 25jährigen Berufserfahrung als Personalberater in der IT-Branche haben wir schon einige technologische Entwicklungen wie die Etablierung der objektorientierten Programmierung, den Einsatz von verteilten Software Architekturen/Cloud oder auch den Durchbruch von agilen Vorgehensweisen miterlebt.
In den letzten Jahren kommt die Künstliche Intelligenz in der Software Entwicklung immer mehr zum Einsatz und wir beobachten ein in Teilen verändertes Berufsbild sowie auf jeden Fall auch eine Schärfung der Anforderungen an Spezialisten in der Softwareentwicklung und der QA.
Aus unserem Austausch mit vielen unserer Kontakte aus dem über Jahre sehr gut gepflegten Netzwerk aus der Software Entwicklung haben wir für verschiedene Fachbereiche und Stufen der Berufserfahrung versucht, jeweils eine Essenz aus diesen Gesprächen zu formulieren.
„Es ist nicht alles Gold was glänzt!“
…Aber Künstliche Intelligenz geht auch einher mit einem Produktivitäts- und Wertschöpfungsschub (PwC) für das Berufsbild des Software Entwicklers, gerade wenn Unternehmen und Fachkräfte KI gezielt einsetzen und diese schnelle Entwicklung bewusst und verantwortungsvoll nutzen.Wie sehen Sie die Auswirkungen der Nutzung (und Weiterentwicklung) von KI-Tools in der Software Entwicklung? Welche beruflichen Auswirkungen könnte dies auf die Branche haben?
Diese Frage habe ich einigen meiner Kontakte, die in der Software Entwicklung tätig sind, gestellt und ich bekam viele und sehr interessante, informative, aber auch nachdenkliche Rückmeldungen.
1. „Die Guten werden deutlich besser!“
Aber der wirkliche Mehrwert stellt nicht nur Geschwindigkeit bei der Software Entwicklung dar, sondern auch Variantenexploration, Refactoring-Vorschläge, Test-Generierung oder auch die Dokumentationsqualität.
Es ist allerdings in Bezug auf den Produktivitäts- & Business-Impact zu berücksichtigen, dass ein Senior mit KI schneller wird – aber wenn Produktklarheit fehlt, beschleunigt man damit auch Fehlentwicklungen.
2. „Für Berufseinsteiger / Anfänger wird es schwieriger!“
Dieser Aussage würde ich ebenfalls zustimmen. Aber würde dies ein wenig differenzierter betrachten.Es ist nachgewiesen, ohne KI Know-how-Fundament ist KI in der Praxis untauglich oder gar gefährlich – sie erzeugt „plausibel falschen Code“.
Aber gute Junior / Berufseinsteiger mit starker Lernfähigkeit können durch KI sogar schneller lernen. KI kann als „permanenter Pair-Partner“ fungieren. Der Unterschied liegt weniger im Level, sondern in Feldern wie kritischem Denken, Debugging-Kompetenz oder auch Systemverständnis.
Grundsätzlich wird sich der Alltag für Berufseinsteiger ändern. Sie werden nicht ersetzt, aber ihre Aufgaben verändern sich.
Reines Ticket-Abarbeiten wird weniger wertvoll.
3. „Der Engpass verschiebt sich zur Verifikation!“
Dies bezieht sich nicht nur, aber insbesondere stark auf den Enterprise-Kontext.
Der Output steigt. Aber die Qualitätssicherung wird der Bottleneck. Dies gilt verstärkt in regulierten Branchen wie Automotive, Healthcare oder Financial Services Industry.
Hier zählen Themen wir Secure SDLC (Secure Software Development Life Cycle), Auditability oder Performance & Cost Control und Wartbarkeit.
Grundsätzlich kann man sagen, dass MLOps/LLMOps-Kompetenzen massiv an Bedeutung gewinnen. Nicht nur „Code erzeugen“, sondern „Code verantworten“.
4. „Seniorisierung & kleinere Teams wird es zukünftig häufiger geben!“
Dieser Aussage möchte ich nicht in Gänze zustimmen. In der Tat können in klar definierten Produktumgebungen kleine Senior-Teams viel bewegen. Plattform-/ DevEx-Teams gewinnen an strategischer Relevanz.
Aber man soll sich auch komplexe Legacy-Umgebungen (typisch für mittelständische Firmen) bewusst sein. Ein Senior Spezialist mit KI-Kenntnissen ersetzt nicht einfach drei Entwickler. Limitierende Faktoren für solch eine Entwicklung sind u.a. Change-Management, Domänenwissen und Abstimmungen mit Fachabteilungen.
5. „Leadership = Enablement + Governance, statt nur Delivery-Steuerung!“
Das ist ein Statement, dem ich mich sehr gerne anschließe. Führung verschiebt sich von: „Wer hat was implementiert?“ zu „Wie arbeiten wir systematisch mit KI?“.
Hier entsteht ein neues Skill-Profil für Team Manager Engineering. Es werden u.a. folgende Skills mehr angefragt werden:
- AI Working Agreements
- Guardrails
- Toolstrategie
- Risk Management
Kompetenzen und Verantwortungsgebiete, die das Berufsbild eines Team Lead verändern werden, und für Unternehmen, die das nicht aktiv steuern/fördern bekommen dafür ggfs. „Shadow AI“, inkonsistente Codequalität und IP-Risiken.
6. „Governance/IP/Datenschutz/Cyber Security“
Dies sind alles Themen und Regularien, die nicht nur im deutschen Markt extrem relevant sind. Siehe hier stellvertretend die Datenschutz-Grundverordnung oder den EU AI Act.
7. Zuletzt, aber langfristig wirklich relevant, das „Junior-Pipeline-Problem!“
Das ist strategisch einer der kritischsten Punkte. Historisch lernten Software Entwickler z.B. durch Bugfixing, kleinere Tickets oder Refactorings. Wenn die KI das übernimmt, fehlt Erfahrungsaufbau. Daher sollten Unternehmen folgende Prozesse bei sich etablieren:
- strukturierte Lernpfade schaffen
- Review-Kultur stärken (siehe auch Agilität)
- gezielte KI-Co-Pilot-Trainings anbieten
Wird dies in der Branche zukünftig nicht verstärkt angeboten droht ein Skill-Gap in fünf bis sieben Jahren!
FAZIT – KI schafft Entwicklerjobs nicht einfach ab, aber sie verändert…
…Wertschöpfung, Rollenprofile und Führung fundamental.Die Guten werden besser. Verantwortung steigt. Der Engpass verschiebt sich.
Entscheidend ist nicht, ob KI genutzt wird, sondern wie bewusst und strategisch.
