Bis vor Kurzem tippte ein Programmierer, der KI nutzte, eine Frage in einen Chatbot, kopierte den generierten Codeausschnitt und fügte ihn ins Projekt ein. Heute sieht dieses Arbeitsmodell immer häufiger ganz anders aus.
Der Programmierer kann einem Agenten eine Aufgabe übergeben, ihm das Repository zur Verfügung stellen, ihn den vorhandenen Code analysieren lassen, Tests ausführen, mehrere Dateien ändern, Fehler beheben und anschließend die Änderung zur Prüfung vorbereiten. Der Mensch verschwindet nicht aus dem Prozess. Es verändert sich jedoch der Punkt, an dem seine Arbeit den größten Wert hat.
Laut der JetBrains Developer Ecosystem Survey 2026, an der über 15.000 professionelle Programmierer aus aller Welt teilnahmen, nutzten im Zeitraum Mai bis Juli 2026 ganze 90% der Befragten AI-Coding-Agents bei der Arbeit mindestens einmal pro Woche, und 68% taten dies täglich.
Das ist nicht mehr das Experiment einiger Enthusiasten. Das ist ein Wandel des Arbeitsmodells.
KI ist nicht mehr nur „ein Assistent für Code“
Es lohnt sich, zwei Dinge zu unterscheiden.
Ein AI Assistant hilft dem Programmierer.
Ein AI Coding Agent erledigt eine Aufgabe.
Das ist auf den ersten Blick ein kleiner Unterschied, aus Sicht der Arbeitsorganisation jedoch ein enormer.
Ein Assistent kann eine Funktion vorschlagen, einen Fehler erklären, einen SQL-Ausschnitt generieren oder einen Test schreiben. Dennoch führt der Mensch weiterhin den Großteil der Operationen aus.
Ein Agent kann einen deutlich allgemeineren Auftrag erhalten:
„Füge die Möglichkeit hinzu, Bestellungen nach Status zu filtern. Prüfe die bestehende Architektur. Implementiere Backend und Frontend. Füge Tests hinzu. Führe die Test-Suite aus und behebe Fehler.“
Und er beginnt zu arbeiten.
Er prüft die Projektstruktur. Sucht passende Dateien. Analysiert Abhängigkeiten. Ändert Code. Führt Tests aus. Erhält eine Fehlermeldung. Versucht, sie zu beheben. Führt die Tests erneut aus.
Das ist nicht mehr nur Autocomplete auf Steroiden.
Das ist ein Ausführender von Aufgaben, der innerhalb der Entwicklungsumgebung arbeitet.
Und genau hier beginnt die eigentliche Veränderung der Rolle des Programmierers
Wenn KI in wenigen Dutzend Sekunden Hunderte von Codezeilen generieren kann, kann der Wert eines Programmierers nicht mehr allein an der Anzahl geschriebener Zeilen gemessen werden.
Andere Kompetenzen beginnen zu zählen.
Kann der Programmierer das Problem gut definieren?
Versteht er die Architektur des Systems?
Weiß er, welche Informationen er dem Agenten geben muss?
Kann er beurteilen, ob die Lösung wirklich zum bestehenden System passt?
Kann er Tests entwerfen?
Bemerkt er, dass der Agent das Problem lokal gelöst, aber drei Ebenen darüber ein neues Problem geschaffen hat?
Weiß er, wann er den Agenten stoppen muss?
Das bedeutet eine Verschiebung des Arbeitsgewichts.
Weniger: „Schreiben wir diesen Code von Grund auf neu.“
Mehr: „Entwerfen wir die Lösung, definieren wir die Einschränkungen, übergeben wir den richtigen Kontext, prüfen wir das Ergebnis und entscheiden wir, ob es implementiert werden kann.“
Der Programmierer beginnt, einem Leiter eines kleinen Teams zu ähneln
Stellen wir uns ein Projekt vor, in dem mehrere Agenten arbeiten.
Einer analysiert den bestehenden Code.
Ein anderer bereitet das Backend vor.
Ein dritter arbeitet an der Benutzeroberfläche.
Ein vierter generiert Tests.
Ein fünfter analysiert die Sicherheit.
Der Mensch kann ihre Arbeit koordinieren, Kontext weitergeben und Entscheidungen treffen.
Klingt das wie ein Programmierteam?
In gewissem Sinne ja.
Der Unterschied besteht darin, dass die „Mitarbeiter“ keine Menschen sind.
Genau deshalb entsteht eine neue Kompetenz: Management von agentic development.
Dabei geht es nicht um das Managen von Menschen, Zeitplänen oder Budgets. Es geht um das Management des Arbeitsflusses, der von KI-Systemen ausgeführt wird.
Der Programmierer muss in der Lage sein, ein großes Problem in Aufgaben zu zerlegen, Abhängigkeiten festzulegen, den passenden Kontext zu übergeben und einen Mechanismus zur Kontrolle der Ergebnisse zu schaffen.
Das ist der Arbeit eines Architekten viel näher als dem klassischen Abtippen von Code.
Das wichtigste Werkzeug des Programmierers kann heute der Kontext sein
Ein Agent ist nur so gut wie die Informationen, die er erhält.
Man kann sagen: „Füge die Benutzeranmeldung hinzu.“
Und man kann sagen: „Füge die Benutzeranmeldung hinzu. Das System nutzt den aktuellen OAuth-Mechanismus. Ändere nicht die Struktur der Benutzertabellen. Sitzungen speichern wir serverseitig. Führe ohne Begründung keine neue Bibliothek ein. Erhalte die Kompatibilität mit der mobilen App. Füge Tests für Anmeldung, Abmeldung, abgelaufene Sitzung und ungültiges Token hinzu.“
Der zweite Befehl ist nicht einfach nur länger.
Er ist eine bessere Spezifikation.
Der Agent erhält Einschränkungen, geschäftlichen und technischen Kontext sowie Akzeptanzkriterien.
Genau deshalb gewinnt in der Welt der Agenten die Fähigkeit, mit Kontext zu arbeiten, immer mehr an Bedeutung. Der Programmierer sagt der KI nicht nur, was zu tun ist. Er muss auch sagen, in welcher Umgebung es zu tun ist, was nicht verändert werden darf und woran wir erkennen, dass die Aufgabe korrekt erledigt wurde.
Der größte Fehler? Die Geschwindigkeit der Generierung mit der Geschwindigkeit der Softwareerstellung zu verwechseln
Das ist sehr wichtig.
Ein Agent kann in 30 Sekunden eine Funktion generieren.
Das bedeutet nicht, dass die Funktion nach 30 Sekunden produktionsreif ist.
Code muss verstanden werden. Getestet. Integriert. Im Hinblick auf Sicherheit überprüft. Auf Leistung geprüft. Auf Übereinstimmung mit der Architektur überprüft. Die Auswirkungen auf die übrigen Elemente des Systems müssen analysiert werden.
KI kann die Phase der Codeerzeugung drastisch verkürzen, aber sie beseitigt nicht die Notwendigkeit von Engineering.
Im Gegenteil.
Je leichter es ist, Code zu generieren, desto leichter ist es auch, schlechten Code zu generieren.
Und das Problem beginnt dann, wenn der Mensch nicht mehr in der Lage ist, zu verstehen, was er akzeptiert hat.
Deshalb bleibt der Mensch weiterhin in der Schleife
Die Daten von Stack Overflow aus April 2026 zeigen ein sehr interessantes Bild. Die Nutzung von Agenten bei der Arbeit stieg auf 59%, doch 63% der befragten Tech-Profis gaben an, Agenten nur selten oder nie vollständig autonom arbeiten zu lassen. 60% der Befragten blockieren Agenten die Möglichkeit, nicht genehmigte Änderungen in Systemen vorzunehmen.
Das zeigt etwas Wichtiges.
Der Markt bewegt sich nicht einfach in Richtung: „KI macht alles, der Mensch schaut nur zu.“
Viel realistischer ist das Modell: „KI erledigt immer mehr Arbeit, aber der Mensch kontrolliert weiterhin Richtung, Einschränkungen und Ergebnis.“
Das ist ein fundamentaler Unterschied.
Der Programmierer muss nicht jede Funktion manuell schreiben. Er muss jedoch wissen, warum eine Funktion entstanden ist, wie sie funktioniert und ob sie überhaupt ins System gehören sollte.
Der neue Programmierer muss in mehreren verschiedenen Welten gleichzeitig gut sein
Klassische Programmierkompetenzen bleiben weiterhin wichtig.
Kenntnisse in Programmiersprachen, Datenbanken, Architektur, Protokollen, Sicherheit, Testing oder Infrastruktur verschwinden nicht nur deshalb, weil Code von KI generiert werden kann.
Im Gegenteil.
Wenn jemand das System nicht versteht, wird es ihm schwerfallen zu beurteilen, ob die erzeugte Lösung gut ist.
Hinzu kommen jedoch neue Fähigkeiten.
Ein Programmierer muss die Grenzen der Modelle verstehen. Er muss in der Lage sein, den Kontext vorzubereiten. Er muss wissen, wie man Aufgaben zwischen Agenten aufteilt. Er muss Prozesse zur Verifikation entwerfen können. Er muss Kosten von Aufrufen, Berechtigungen der Agenten, Datenzugriff und das Risiko automatischer Operationen verstehen.
Und vor allem muss er lernen, der KI nicht nur zu sagen: „Mach es”.
Sondern auch: „Mach es auf diese Weise, weil...”.
Das kann auch die Art verändern, wie IT-Teams aufgebaut werden
Über Jahre hinweg bedeutete das Skalieren eines Entwicklungsteams, mehr Leute hinzuzufügen.
Mehr Funktionen? - Mehr Entwickler.
Größeres Projekt? - Größeres Team.
Mehr Kunden? - Mehr Personen.
Agentic Development kann diese Beziehung verändern.
Das bedeutet nicht automatisch, dass ein Programmierer zehn andere ersetzt. Das wäre eine zu einfache Annahme.
Es kann jedoch bedeuten, dass ein erfahrener Programmierer in der Lage sein wird, einen deutlich größeren Umfang an automatisch ausgeführter Arbeit zu überwachen.
In der Praxis bedeutet das eine Verlagerung des Engpasses.
Heute kann die Begrenzung die Zahl der Personen sein, die Code schreiben können.
Morgen kann die Begrenzung die Zahl der Personen sein, die gut entwerfen, delegieren und die von KI ausgeführte Arbeit verifizieren können.
Und was ist mit Junioren?
Hier wird die Situation besonders interessant.
KI kann sehr schnell eine Lösung generieren, für die ein Junior früher mehrere Stunden gebraucht hätte.
Aber ein Junior weiß möglicherweise nicht, ob die Lösung richtig ist.
Das schafft ein Paradox.
KI kann das Erlernen des Programmierens beschleunigen, weil sie schnelleres Experimentieren, Fragenstellen und Analysieren von Lösungen ermöglicht.
Gleichzeitig kann sie das Entwickeln eines grundlegenden Verständnisses des Systems erschweren, wenn ein junger Programmierer fertigen Code akzeptiert, ohne zu versuchen, seine Funktionsweise zu verstehen.
Deshalb muss die Zukunft der Junioren nicht bedeuten: „KI nimmt ihnen die Arbeit weg”.
Sie kann etwas Praktischeres bedeuten: Ein Junior, der nur Code schreiben kann, wird es deutlich schwerer haben. Ein Junior, der Code verstehen, Lösungen testen, Probleme analysieren und mit Agenten arbeiten kann, wird ein ganz anderes Kompetenzprofil aufbauen.
Das ist der Unterschied zwischen einem Werkzeugbediener und einem Ingenieur.
Der teuerste Fehler wird weiterhin vom Menschen gemacht
Ein Agent kann fehlerhaften Code erzeugen.
Aber die Entscheidung über die Einführung kann weiterhin ein Mensch treffen.
Und genau deshalb verlagert sich die Verantwortung für Software nicht auf magische Weise auf die KI.
Wenn ein Agent eine Funktion erstellt, die in einem Testszenario korrekt funktioniert, aber die Geschäftsregeln verletzt, liegt das Problem nicht darin, dass die KI das Unternehmen „nicht verstanden“ hat.
Das Problem ist der Prozess, der es ermöglicht hat, dass eine solche Änderung weitergeht.
Das führt zu einer sehr wichtigen Veränderung im Denken über Qualität.
Es reicht nicht mehr, nur zu fragen: „Hat der Programmierer guten Code geschrieben?”
Immer häufiger muss man fragen: „Hat das Team einen guten Prozess zur Erstellung von Code mit Hilfe von KI geschaffen?”
Das ist eine wesentlich breitere Frage.
Der Agent ersetzt nicht den Architekten. Er erhöht die Bedeutung der Architektur
Je mehr Code automatisch entstehen kann, desto wichtiger wird die Struktur des Systems.
Eine gut entworfene Architektur erlaubt es dem Agenten, innerhalb klarer Grenzen zu arbeiten.
Eine schlecht entworfene Anwendung kann hingegen dazu führen, dass der Agent Probleme umgeht, statt sie zu lösen.
Deshalb werden Architektur, Dokumentation, Tests, Kodierungsstandards, CI/CD, Monitoring und Zugriffskontrolle nicht weniger wichtig, sondern potenziell noch wichtiger.
KI kann die Arbeit in einer gut vorbereiteten Umgebung beschleunigen.
Sie wird nicht automatisch das gesamte organisatorische und architektonische Chaos beheben.
Sie kann es aber sehr schnell vergrößern.
Die Zukunft gehört nicht dem Programmierer, der den meisten Code schreibt
Das ist wohl die wichtigste Schlussfolgerung aus dem gesamten Wandel.
Über lange Zeit wurde Programmierung mit dem Schreiben von Code gleichgesetzt.
Jetzt wird Code immer günstiger und schneller in der Produktion.
Das verschiebt den Wert nach oben.
Hin zum Verständnis des Problems.
Zur Gestaltung der Lösung.
Zur Entscheidungsfindung.
Zur Qualitätskontrolle.
Zur Architektur.
Zur Sicherheit.
Zur Integration.
Zum Verständnis des Geschäfts.
Und zum geschickten Einsatz von Agenten.
Der Programmierer der Zukunft verbringt vielleicht weniger Zeit an der Tastatur, muss aber keineswegs weniger Arbeit haben.
Seine Arbeit kann einfach anders aussehen.
Statt jede Funktion von Hand zu schreiben, wird er die Art und Weise entwerfen, wie Funktionen entstehen.
Statt jeden Fehler selbst zu beheben, wird er einen Prozess aufbauen, der es Agenten ermöglicht, Fehler zu finden und zu beheben.
Statt der einzige Ausführende zu sein, wird er zur Person, die die Richtung der Arbeit mehrerer digitaler Ausführender vorgibt.
Und vielleicht ist genau deshalb die wichtigste Frage der Zukunft nicht: „Kann KI programmieren?”
Sondern: „Können wir Software so bauen, dass KI schnell arbeiten kann und der Mensch trotzdem noch weiß, was passiert?”
Denn in einer Welt der Agenten wird der größte Vorteil nicht allein darin liegen, KI zu besitzen.
Er wird in der Fähigkeit liegen, sie zu kontrollieren.
