Künstliche Intelligenz verändert nicht nur, wie Software entsteht – sondern auch, wer dafür verantwortlich ist. Auf der QCon London zeigte Engineering-Expertin Abi Foxwell, warum der Wert von Entwicklerinnen und Entwicklern künftig weniger im Schreiben von Code liegt als im kritischen Urteilen über ihn.
KI-Agenten im Entwicklungsalltag: Welche Kompetenzen Softwareteams künftig brauchen
Vom Coder zum Supervisor
Large Language Models schreiben heute funktionsfähige Code-Abschnitte, generieren Unit-Tests und schlagen Refactoring-Strategien vor. KI-Agenten gehen einen Schritt weiter: Sie führen mehrstufige Aufgaben eigenständig aus, greifen auf externe Tools zu und iterieren Lösungen ohne ständige menschliche Eingabe.
In diesem Kontext verändert sich die Rolle des Entwicklers messbar. Die Fähigkeit, schnell Boilerplate-Code zu tippen, verliert an Gewicht. Gefragt sind stattdessen:
- Urteilsvermögen bei der Bewertung maschinell generierten Codes
- Tiefes Verständnis von Systemarchitektur
- Die Kompetenz, KI-Ausgaben kritisch einzuordnen
„Teams, die KI-Tools unreflektiert einsetzen, gewinnen kurzfristig an Geschwindigkeit – bauen mittelfristig aber technische Schulden auf, die schwerer zu bereinigen sind als bisher.” – Abi Foxwell, QCon London
Die Qualität des Outputs hänge stark davon ab, wie präzise Anforderungen formuliert und wie konsequent Ergebnisse geprüft werden.
Neue Anforderungen an Teamstrukturen
Die Verschiebung erzeugt Druck auf traditionelle Teamrollen. Junior-Entwickler, deren Einstieg klassischerweise über überschaubare Implementierungsaufgaben erfolgte, finden weniger solche Aufgaben vor. Das stellt Unternehmen vor ein strukturelles Problem: Wie bildet man Nachwuchs aus, wenn der Weg über einfache Tickets zunehmend entfällt?
Foxwell plädierte für:
- Bewusstes Mentoring auch abseits konkreter Implementierungsaufgaben
- Den gezielten Aufbau von Verständnis für Systemzusammenhänge – auch wenn KI die Implementierung übernimmt
Parallel steigt der Bedarf an sogenannten „AI-native” Entwicklern, die nicht nur mit den Tools umgehen können, sondern auch verstehen, wo Modelle systematisch scheitern – bei impliziten Anforderungen, domänenspezifischem Wissen und sicherheitskritischen Kontexten.
Qualitätssicherung bleibt menschliche Aufgabe
KI-Agenten können Code produzieren, aber keine Verantwortung übernehmen.
Code-Reviews, Architekturentscheidungen und die Frage, ob eine technische Lösung zum Geschäftsziel passt, bleiben menschliche Domänen. Das gilt besonders für regulierte Branchen, in denen Nachvollziehbarkeit und Compliance nicht delegierbar sind.
Foxwell empfahl, klare Zuständigkeiten zu definieren:
- Welche Aufgaben werden an KI-Agenten übergeben?
- Welche bleiben beim Menschen?
- Wie sieht der Review-Prozess konkret aus?
Ohne solche Strukturen entstehe eine trügerische Produktivität – viel Output, wenig Kontrolle.
Einordnung für deutsche Unternehmen
Für deutsche Softwareunternehmen und IT-Abteilungen bedeutet die Entwicklung vor allem eines: Der Einsatz von KI-Coding-Tools erfordert eine begleitende organisatorische Anpassung.
Wer GitHub Copilot, Cursor oder vergleichbare Agenten-Systeme einführt, sollte gleichzeitig definieren:
- Welche Qualitätssicherungsprozesse greifen
- Wie Entwicklerkompetenzen langfristig erhalten bleiben
Die Produktivitätsgewinne sind real – die Risiken durch unkontrollierten Einsatz aber ebenfalls. Unternehmen, die beides im Blick behalten, dürften gegenüber reinen Tool-Adoptern mittelfristig im Vorteil sein.
Quelle: InfoQ AI
