Generative Künstliche Intelligenz verändert die Softwareentwicklung grundlegend. Zwischen dem Hype um sogenanntes Vibe Coding und öffentlich diskutierten Fehlentwicklungen stellt sich zunehmend die Frage, welche Auswirkungen KI tatsächlich auf Arbeitsprozesse, Qualifikationsanforderungen und insbesondere auf Berufseinsteigerinnen und Berufseinsteiger hat.

Mit diesen Entwicklungen beschäftigte sich kürzlich die Podiumsdiskussion „KI in der Softwareentwicklung – Produktivitätsgewinn vs. Kompetenzverlust“ an der HTWD. Die Veranstaltung war Teil des Moduls „Software Engineering 2“ an der Fakultät Informatik/ Mathematik.

Perspektiven aus der Praxis

Die Diskussion bot den Studierenden Einblicke in den praktischen Einsatz generativer KI-Tools sowie in aktuelle Anforderungen des Arbeitsmarktes. Als Podiumsgäste brachten Vertreter aus der professionellen Softwareentwicklung ihre Erfahrungen und Einschätzungen ein:

• Hendrik Lösch, ZEISS Digital Innovations
• Frederik Schrader, TraceTronic
• Ilja Bauer, DevBoost und Entwicklerheld

Moderiert wurde die Diskussion von Professor Jürgen Anke. 

Zentrale Erkenntnisse der Diskussion

Ein wesentliches Ergebnis: KI ist ein leistungsfähiges Werkzeug. Es ersetzt jedoch weder Verantwortung noch Fachkompetenz. Das Prinzip Human-in-the-Loop bleibt entscheidend – die Verantwortung für Qualität, Sicherheit und Ethik liegt weiterhin beim Menschen.

Darüber hinaus wurde deutlich, dass Produktivität nicht allein durch schnelleres Schreiben von Code entsteht. Vielmehr sind das Verstehen, Strukturieren und Kommunizieren komplexer Probleme zentrale Fähigkeiten. Große Aufgaben müssen sinnvoll zerlegt werden, wobei systemisches Denken und Architekturkompetenz an Bedeutung gewinnen.

Während KI zunehmend Routineaufgaben übernimmt, bleiben kreative, konzeptionelle und kommunikative Tätigkeiten klar menschliche Kernkompetenzen. KI-gestützte Prototypen und Mockups können jedoch helfen, Anforderungen frühzeitig zu klären und Missverständnisse zu reduzieren. Beim Testen wurde betont, dass bewusstes, eigenständiges Arbeiten ohne KI das fachliche Verständnis stärkt.

Implikationen für Lehre und Ausbildung

Für die akademische Ausbildung bedeutet dies eine Verschiebung der Schwerpunkte: Das reine Schreiben von Code verliert an Gewicht, während das Lesen, Verstehen und Bewerten von Code deutlich wichtiger wird. Analytisches Denken, kritisches Hinterfragen, Kommunikationsfähigkeit und Domänenwissen rücken stärker in den Fokus.

Gleichzeitig kann KI bei verantwortungsvollem Einsatz als Lernassistent sinnvoll unterstützen – etwa beim Erlernen neuer Programmiersprachen oder Konzepte.

Fazit

Generative KI ist aus der Softwareentwicklung nicht mehr wegzudenken. Sie bietet großes Potenzial, erfordert jedoch einen reflektierten, verantwortungsvollen Umgang. Die bewusste Auswahl und Nutzung von KI-Tools wird künftig eine zentrale Kompetenz in Studium und Lehre sein. Gleichzeitig bleiben fundierte Kenntnisse in Algorithmen, Datenstrukturen und Systementwurf unverzichtbar.