Vibecoding und Systemverständnis: Welche Skills Entwickler heute brauchen

Erinnerst du dich an die Zeit, als man Computer noch selbst zusammenlötete, Erweiterungskarten bestückte und sich mit Assembler-Befehlen durch die Nacht kämpfte? In dieser Episode des Podcasts Software Testing & Qualität nehmen Host Richard Seidl und seine Gäste, Marc Blesz und Thomas Ronson, diese nostalgische Ausgangslage als Sprungbrett für eine brandaktuelle Diskussion. Aufgezeichnet auf der OOP-Konferenz 2026 in München, ergründen die drei Experten, welche Fähigkeiten Entwicklerinnen und Entwickler heute in einer Welt benötigen, die von Abstraktion und Künstlicher Intelligenz geprägt ist. Die zentrale Frage lautet: Ist das tiefe, hardwarenahe Verständnis von damals noch relevant, oder wird es von einer neuen Generation von KI-gestützten Werkzeugen und Denkweisen abgelöst? Diese Folge ist ein Muss für alle, die in der Softwareentwicklung tätig sind - vom Junior-Entwickler bis zum erfahrenen Architekten - und für Entscheider, die ihre Teams zukunftsfest aufstellen wollen.

Das Wichtigste auf einen Blick

• Die Mittelschicht der Entwickler ist bedroht: Marc prognostiziert, dass durch den Vormarsch der KI viele Standard-Programmieraufgaben automatisiert werden. Übrig bleiben hochspezialisierte Experten, die komplexe Architekturen überblicken, und Agenten-Orchestratoren, die KI-Systeme steuern.
• Tiefes Systemverständnis wird zur Nischenkompetenz: Das Wissen über die Funktionsweise von Betriebssystemen, Speicherverwaltung oder Hardware (z.B. File-Handles) ist nicht mehr für jeden Entwickler alltäglich, wird aber in kritischen Fehlerfällen oder bei der Performance-Optimierung unverzichtbar.
• Das Vertrauensparadox der KI: Eine der größten Hürden für die Adoption von KI ist die menschliche Erwartungshaltung. Während menschliche Fehler akzeptiert werden, wird von KI-Systemen eine 100-prozentige Perfektion erwartet, wie Thomas am Beispiel eines abgelehnten KI-Projekts mit 97 % Genauigkeit verdeutlicht.
• Das Skill-Profil der Zukunft ist Pi-förmig (π-Shape): Anstelle des T-förmigen Profils (eine tiefe Expertise, breites Allgemeinwissen) benötigen Entwickler zukünftig tiefes Wissen in mindestens zwei oder mehr Bereichen, ergänzt durch ein sehr breites Fundament.
• Erfahrene und junge Entwickler müssen voneinander lernen: Das traditionelle Meister-Geselle-Modell wird auf den Kopf gestellt. Erfahrene Entwickler (alte Säcke) sollten als offene Mentoren agieren und gleichzeitig bereit sein, von der jüngeren Generation zu lernen, die mit neuen Technologien intuitiver umgeht.

Vom Bastler zum Architekten: Der Wandel des Entwickler-Mindsets

Die Diskussion beginnt mit einem Blick zurück. Richard, Marc und Thomas teilen Anekdoten aus ihrer Jugend: Sie haben alte Radios zerlegt, Rechner selbst zusammengebaut und mit Jumpern konfiguriert. Diese frühe, spielerische Auseinandersetzung mit der Hardware schuf ein tiefes, intrinsisches Verständnis dafür, wie Technologie im Kern funktioniert. Heute, so stellen sie fest, ist die Einstiegshürde viel niedriger. Entwickler arbeiten auf immer höheren Abstraktionsebenen, von Java über TypeScript bis hin zu KI-gestütztem Vibe-Coding, bei dem Code auf Basis von natürlichsprachlichen Anweisungen generiert wird. Thomas illustriert die Gefahr dieser Entwicklung mit einem konkreten Beispiel: Ein Entwickler, der ein Bild in einer Schleife lud, verursachte einen Absturz, weil ihm das Konzept der Betriebssystem-File-Handles unbekannt war. Solches Grundlagenwissen, das für die ältere Generation selbstverständlich war, geht in der modernen, abstrahierten Entwicklung zunehmend verloren.

Wenn KI den Code schreibt: Eine Zukunft ohne Programmierer?

Marc Blesz wirft eine provokante These in den Raum: Die gesamte Mittelschicht der Entwickler wird wegbrechen. Er ist überzeugt, dass KI-Agenten bald in der Lage sein werden, den Großteil des Codes zu schreiben, den heute Junior- und Mid-Level-Entwickler produzieren. Die Softwareentwicklung würde sich dann auf zwei Pole konzentrieren: Auf der einen Seite die wenigen hochkarätigen Architekten, die das Gesamtsystem verstehen und komplexe Probleme lösen können. Auf der anderen Seite die Agenten-Orchestratoren, deren Aufgabe es ist, die KI-Systeme zu steuern und ihre Ergebnisse zu validieren. Die Folge: Der Bedarf an klassischen Programmierern sinkt dramatisch. Thomas ergänzt, dass diese Entwicklung auch den Lernprozess verändert. Wer sich Anforderungen, Design und Testfälle von einer KI generieren lässt, spart sich die intensive Auseinandersetzung mit dem System und damit einen entscheidenden Lern- und Verstehensprozess.

Das Vertrauensparadox: Warum 97 % nicht gut genug sind

Ein zentrales Hemmnis für den breiten Einsatz von KI in Unternehmen ist das, was man als Vertrauensparadox bezeichnen könnte. Thomas schildert ein Projekt aus der Logistik, bei dem er eine KI zur Klassifizierung von alternden Maschinenteilen entwickelte. Das System erreichte eine beeindruckende Genauigkeit von 97 %. Dennoch wurde es vom Qualitätsmanager abgelehnt, weil es keine 100-prozentige Sicherheit garantieren konnte. Diese Forderung nach absoluter Perfektion steht im krassen Gegensatz zur Akzeptanz menschlicher Fehlbarkeit. Marc untermauert dies mit dem bekannten Beispiel des autonomen Fahrens: Tausende Verkehrstote durch menschliche Fahrer werden als statistisches Rauschen hingenommen, während ein einziger Unfall eines autonomen Fahrzeugs einen öffentlichen Aufschrei verursacht. Dieses Mindset, so die Experten, muss sich ändern. Unternehmen müssen lernen, mit Wahrscheinlichkeiten zu arbeiten und zu verstehen, dass eine 97-%-Lösung oft unendlich viel besser ist als die fehleranfällige manuelle Alternative.

Zwischen starren Regeln und Schatten-KI: Die Herausforderung für Unternehmen

Große Organisationen und Konzerne tun sich besonders schwer mit der Dynamik der KI-Entwicklung. Ihre Prozesse sind auf Stabilität und Planbarkeit ausgelegt: Es gibt fest definierte Technologiestacks, langwierige Freigabeprozesse und starre Governance-Regeln. Wenn eine Fachabteilung heute ein neues, vielversprechendes KI-Tool einsetzen möchte, das genau ihr Problem löst, kollidiert dieser Wunsch mit einer Bürokratie, die Entscheidungen erst in mehreren Monaten trifft. Das Ergebnis, so warnt Marc, ist die Entstehung einer Schatten-KI - Mitarbeiter nutzen innovative Werkzeuge inoffiziell, ohne Wissen und Kontrolle der IT-Abteilung. Dies führt nicht nur zu Sicherheitsrisiken, sondern auch dazu, dass Unternehmen den Anschluss an den technologischen Fortschritt verlieren und von agileren Wettbewerbern überholt werden.

Praktische Schritte für Entwicklerinnen und Entwickler

Was bedeutet dieser Wandel konkret für deine Karriere? Die Experten geben klare, handlungsorientierte Ratschläge, wie du dich heute auf die Zukunft der Softwareentwicklung vorbereiten kannst.

1. Finde deine Leidenschaft in Side-Projects: Der beste Weg, um tiefes und ganzheitliches Wissen aufzubauen, sind eigene Projekte. Wenn du an etwas bastelst, das dich wirklich interessiert - sei es mit einem Raspberry Pi oder einer Web-Anwendung -, übernimmst du alle Rollen gleichzeitig: Du bist Entwickler, Product Owner, Tester und Administrator. Dieser Prozess fördert ein umfassendes Systemverständnis, das im spezialisierten Arbeitsalltag oft fehlt. Ein humorvoller Tipp von Thomas: Fang vielleicht nicht gerade mit einem Smart-Home-Projekt an, um den Familienfrieden zu wahren.
2. Entwickle ein Pi-förmiges Skillset (π-Shape): Vergiss das alte Modell des T-förmigen Spezialisten (eine Tiefe, breite Oberfläche). Die Zukunft gehört dem Pi-förmigen Profil. Das bedeutet, du solltest dir tiefgehendes Expertenwissen in mindestens zwei, besser noch mehr, Disziplinen aneignen und dieses mit einem sehr breiten Allgemeinwissen über den gesamten Software-Lebenszyklus verbinden. Dies macht dich flexibler und wertvoller als der reine I-shaped Spezialist, der nur eine einzige Sache beherrscht.
3. Bleib neugierig und offen für Neues: Die wichtigste Eigenschaft ist eine intrinsische Motivation, Dinge wirklich verstehen zu wollen. Auch wenn die Werkzeuge immer mächtiger werden, solltest du den Drang verspüren, hinter die Kulissen zu blicken. Gleichzeitig bedeutet Offenheit, von anderen zu lernen. Die traditionelle Hierarchie, in der der erfahrene Meister den jungen Gesellen anleitet, löst sich auf. Sei bereit, von jüngeren Kollegen zu lernen, die vielleicht ein besseres Gespür für neue Technologien haben. Die Zukunft der Softwareentwicklung ist ein gemeinsamer Lernprozess über Generationen hinweg.