Produktentwicklung im KI-Zeitalter

6 Min. Lesezeit

Vom Tippen von Code zur Steuerung von Systemen

Die Art, wie ich Software baue, hat sich verändert. Nicht allmählich, nicht theoretisch. Die tägliche Arbeit sieht jetzt anders aus.

Ich beschreibe, was ein System tun soll. KI schreibt es. Ich prüfe, verfeinere, integriere. Der Zyklus von „ich brauche das” bis „das funktioniert” ist drastisch geschrumpft. Fähigkeiten, die früher Tage brauchten, entstehen jetzt in Stunden.

Das ist keine Prognose. Das ist mein Dienstag.

Was hat sich tatsächlich geändert

Nicht die Programmiergeschwindigkeit. Nicht die Syntax. Die Lücke zwischen Absicht und Umsetzung.

Was die meisten übersehen: Das Denken ist schwieriger geworden, nicht leichter.

Wenn KI das Tippen übernimmt, hat jede verbleibende Entscheidung mehr Gewicht. Architekturentscheidungen. Fehlerbehandlungsstrategien. Was getestet werden soll und warum. Wie das System beobachtbar gemacht wird.

Man kann sich nicht mehr hinter „lass mich erst einen Prototyp schreiben” verstecken. Der Prototyp ist sofort da. Jetzt muss man entscheiden, ob es der richtige Ansatz ist.

Architektur wird gesprächsbasiert

Früher habe ich Architektur in Diagrammen oder Markdown-Dateien skizziert und dann Tage damit verbracht, diese Skizzen in Code umzusetzen. Jetzt beschreibe ich die Absicht und lasse die KI die Struktur vorschlagen.

„Ich brauche einen Service, der eingehende Ereignisse überwacht, Duplikate filtert, bewertet, welche eine Aktion erfordern, und verfolgt, was verarbeitet wurde.”

Die KI erstellt das Gerüst. Ich kritisiere. Wir iterieren.

Was früher einen Tag Design-Meetings gekostet hat, dauert jetzt eine Stunde fokussierter Konversation.

Aber ich muss noch immer wissen, wie gute Architektur aussieht. KI hat keine Meinung zu Kopplung, Kohäsion oder langfristiger Wartungslast. Sie schreibt, was ich verlange. Die handwerklichen Anteile der Software-Entwicklung verschwinden nicht, nur weil KI die Routinearbeit übernimmt. Die KI wird dabei zum Denkpartner, nicht zum Ersatz.

Wenn meine Absicht schlampig ist, ist der Code schlampig.

Testen hat sich weiterentwickelt, nicht verschwunden

Manche Leute denken, KI macht Tests optional. Diese Leute irren sich.

Was sich geändert hat, ist, wo ich meine Aufmerksamkeit einsetze. Ich beschreibe Test-Szenarien in einfacher Sprache und die KI generiert Vorbereitung, Attrappen, Prüfungen. Ich konzentriere mich auf was getestet werden soll. KI regelt wie es getestet wird.

„Teste, dass der Service Datensätze überspringt, die er heute bereits verarbeitet hat, auch wenn diese über einen anderen Kanal eingetroffen sind.”

Die KI schreibt die Testdaten, die Attrappen, die Datumsmanipulation. Ich überprüfe, ob die Logik korrekt ist.

Tests sind noch immer wichtig. Sie sind nur schneller zu schreiben.

Der neue Arbeitsablauf

So sieht ein Tag heute aus.

Morgens: Überprüfen, was läuft. Metriken checken, Logs durchsehen, verifizieren, dass das Verhalten den Erwartungen entspricht.

Mittags: Die nächste Fähigkeit beschreiben. KI generiert Datenmodell-Änderungen, Service-Logik, Oberflächen-Anpassungen. Ich prüfe die Änderungen. Passe an. Committe.

Nachmittags: Testen. Grenzfälle beheben. Ausliefern.

Abends: Überwachen.

Was früher eine Woche gefüllt hat, passt jetzt in einen Tag. Nicht weil ich schneller tippe. Sondern weil KI die Latenz zwischen Gedanke und Code beseitigt hat.

Was menschlich bleibt

Absicht. Urteilsvermögen. Geschmack.

KI weiß nicht, was „gut genug” bedeutet. Sie generiert bereitwillig perfekten Code für eine schlechte Idee.

Ich entscheide noch immer:

• Welche Fähigkeiten wichtig sind
• Wann ausgeliefert versus wann verfeinert werden soll
• Wie Grenzfälle behandelt werden, die KI nicht vorhergesehen hat
• Ob der generierte Code tatsächlich das tut, was ich beabsichtigt habe

Und kritisch: Ich prüfe noch immer, was KI produziert. Nicht indem ich jede Zeile lese. Indem ich Fragen stelle, die Stellen untersuche, die sich falsch anfühlen, dort tiefer schaue, wo meine Intuition, aufgebaut über Jahrzehnte des Systembaus, mir sagt, genauer hinzusehen.

KI ist nicht-deterministisch. Die gleiche Frage zweimal gestellt ergibt unterschiedliche Antworten. Sie produziert Code, der selbstsicher aussieht, aber unter Last versagt, Sicherheitsannahmen verletzt oder die Fachlichkeit missversteht. Erfahrung zeigt, wo die Fallen liegen. Jahrzehnte Berufserfahrung werden nicht wertlos. Im Gegenteil. Man lernt, die Stellen zu riechen, die Aufmerksamkeit brauchen.

Genau deshalb sind Tests wichtiger denn je. Tests sind deterministisch. Sie fangen auf, was die Intuition übersieht. Wer das systematisch betreibt, sichert messbare Geschäftsergebnisse. Wenn das Werkzeug, das den Code erzeugt, bei jedem Durchlauf überraschen kann, ist eine solide Testabdeckung das Einzige, was zwischen einem und stillen Regressionen steht.

Der Review-Schritt ist nicht verschwunden. Er hat seine Form verändert.

Das ist nicht „Low-Code”

Low-Code-Plattformen versuchten, Programmierung zu entfernen, indem sie einschränkten, was man bauen kann. KI entfernt das Tippen, indem sie versteht, was man bauen will.

Großer Unterschied.

Ich schreibe noch immer Code. Ich debugge noch immer. Ich denke noch immer über Datenmodelle, API-Verträge, Fehlermodi, Beobachtbarkeit nach. Der Traum, Entwickler zu ersetzen, ist so alt wie die Software-Branche selbst. Er scheitert jedes Jahrzehnt am selben Problem.

Aber ich tippe keine Standardbausteine. Ich schlage keine Syntax nach. Ich verschwende keine Zeit mit Gerüstbau.

Ich beschreibe Systeme und sie entstehen.

Die Ökonomie hat sich verschoben

Die Kosten, eine Idee in funktionierende Software umzusetzen, sind drastisch gesunken. Das verändert, wer sich Produktentwicklung leisten kann. Es verändert, welche Ideen realisierbar sind. Es verändert die Barriere zwischen „interessantes Konzept” und „funktionierendem System”.

Für kleine Teams und Einzelgründer öffnet das Türen, die bisher hinter Personalbudgets verschlossen waren.

Für große Organisationen, die noch immer Prozess-Theater betreiben und Aktivität statt Ergebnisse messen, wird das schmerzhaft. Denn die neue Frage ist nicht „wie viele Entwickler brauchen wir?“ Sie lautet: „Haben wir jemanden, der weiß, was zu bauen ist und KI anleiten kann, es zu bauen?“

KI macht nicht Agile überflüssig, sondern das Agile-Theater. Die Zeremonien, die existieren, um das Tippen zu koordinieren, werden zu Overhead, wenn Tippen nicht mehr der Engpass ist.

Was das für Teams bedeutet

Kleine, kompetente Teams gewinnen.

Ein fachlicher Experte, der das Problem versteht. Ein oder zwei Entwickler, die Architektur gestalten, testen und ausliefern können. KI regelt den Rest.

Keine Prozessrituale. Keine Status-Zeremonien. Kein Koordinations-Theater.

Nur: Was bauen wir, warum ist es wichtig, wie wissen wir, dass es funktioniert?

Code täglich in Produktion. Rückmeldung von echten Nutzern. Iteration basierend auf Signalen, nicht Meinungen.

Das ist, was kontinuierliche Auslieferung sein sollte. KI hat nur die letzte Ausrede beseitigt, es nicht zu tun. Und wer noch Zweifel hat, was mit der klassischen Rollenverteilung passiert: sie löst sich auf.

Der schwierige Teil

Lernen, in Systemen statt in Syntax zu denken.

Die meisten Entwickler wurden trainiert, über Implementierung nachzudenken: Schleifen, Bedingungen, Datenstrukturen. KI erledigt das jetzt.

Die neue Fähigkeit ist, Absicht präzise genug zu beschreiben, dass KI sie korrekt umsetzen kann.

„Ich brauche eine Funktion, die Zahlungen verarbeitet” ist zu vage.

„Ich brauche eine Funktion, die eine Zahlungsabsicht akzeptiert, den Betrag gegen tägliche Limits für dieses Konto validiert, die Karte über Stripe belastet, die Transaktion mit Idempotenz-Schlüssel für Replay-Schutz speichert und ein payment.completed-Event auf den Message-Bus veröffentlicht.” Das funktioniert.

Präzision des Denkens ist wichtiger als Präzision der Syntax.

Das ist schon Realität

Ich verkaufe keine KI-Tools. Ich bin mit keinem LLM-Anbieter verbunden. Ich bin ein Entwickler, der Systeme für Kunden baut.

Und die Art, wie ich Produkte baue, hat sich verändert. Nicht „könnte sich ändern”. Verändert.

Wenn Sie Teams noch immer um Tipp-Geschwindigkeit organisieren, optimieren Sie für einen Engpass, der nicht mehr existiert.

Der neue Engpass ist Entscheidungsfindung. Verstehen, was zu bauen ist. Geschäftsabsicht in funktionierende Systeme übersetzen.

Das war schon immer der schwierige Teil. Jetzt ist es der einzige Teil, der zählt.