Warum KI Software-Ingenieure nicht ersetzt hat – und dies auch in Zukunft nicht tun wird

„Shenyishe“ ist ein Übersetzungsteam von 36Kr, das sich auf Bereiche wie Technik, Wirtschaft, Arbeitswelt und Leben konzentriert und vor allem neue Technologien, neue Ansichten und neue Trends aus dem Ausland vorstellt.

Anmerkung des Redakteurs: Kündigungen aufgrund von KI sind nur eine „verklärte Fassade“ von Führungskräften? Dieser Artikel zerlegt das „Sandwich-Modell“ wissensintensiver Arbeit und enthüllt die unersetzliche grundlegende Wahrheit von Software-Ingenieuren. Der Artikel basiert auf einer Übersetzung.

Die Angst und Unsicherheit vor der Verdrängung von Arbeitsplätzen durch künstliche Intelligenz verbreitet sich weit und breit. Wie können wir uns von ungenauen Warnungen und übertriebenen Prophezeiungen befreien und dieses Problem mit objektiven Daten betrachten? Ein hervorragender Weg ist, einen Blick auf die Branche zu werfen, in der sich die Fähigkeiten der KI am schnellsten entwickeln und die sich mit außergewöhnlicher Geschwindigkeit verbreitet: die Softwareentwicklung.

In diesem Artikel zeigen wir, dass es reichlich Beweise gibt, um die Behauptung zu widerlegen, dass sobald die Fähigkeiten der KI einen bestimmten Wendepunkt erreichen, es zu massiven Kündigungen kommen wird. Angesichts der Tatsache, dass dies selbst in der Softwarebranche der Fall ist, in der es fast keine regulatorischen Hindernisse gibt, sind die Puffer und Schutzmaßnahmen in den meisten anderen Branchen wahrscheinlich noch stabiler.

Wir haben auch ein klares Verständnis der grundlegenden Ursachen für dieses Phänomen gewonnen. Viele wissensintensive Tätigkeiten, einschließlich der Softwareentwicklung, lassen sich als „Entscheidung-Ausführung-Lieferung-Sandwich“ betrachten. KI komprimiert die mittlere „Ausführungsebene“ des Sandwichs, aber die beiden anderen Ebenen sind gegenüber Automatisierung resistent – und dies lässt sich nicht allein durch die Verbesserung technischer Fähigkeiten durchbrechen.

Wir sind vorsichtig optimistisch bezüglich der zukünftigen Nachfrage nach Software-Ingenieuren. Dieser Artikel ist der erste Teil einer Serie. Der nächste Teil wird erörtern, warum die Karriere einzelner Software-Ingenieure dennoch auf Turbulenzen stoßen kann, selbst wenn die Gesamtnachfrage der Branche stabil bleibt. Diese Serie basiert auf veröffentlichten Arbeiten aus den Bereichen Wirtschaft und Softwareentwicklung, unseren eigenen Bewertungen und Beobachtungen von KI-Agenten sowie Reflexionen zahlreicher Software-Ingenieure über die aktuellen und zukünftigen Auswirkungen von KI-Technologien auf ihre Branche – diese Reflexionen stammen sowohl aus veröffentlichten Artikeln als auch aus unseren Austauschen mit dieser Gemeinschaft.

Diese weitverbreiteten Geschichten über massive Kündigungen in der Softwarebranche durch KI scheinen typisches „AI-Washing“ zu sein

Werfen wir einen Blick auf diese drei Nachrichten, die einst Schlagzeilen machten – und ihren riesigen Kontrast zur harten Realität:

1. Im Februar dieses Jahres kündigte das Fintech-Unternehmen Block (Entwickler von Apps wie Cash App, Square und Afterpay) an, 4.000 Mitarbeiter zu entlassen. Laut seinem Gründer Jack Dorsey ermöglichte KI „völlig neue Arbeitsweisen“, die „Teams kleiner und flacher“ machen, und er verwies insbesondere auf einen Sprung in den Fähigkeiten von Modellen bis Ende 2025.

Doch nachfolgende Berichte enthüllten eine ganz andere Wahrheit. Nachdem das Unternehmen die Zahl seiner Mitarbeiter während der Pandemie mehr als verdreifacht hatte, stand es unter enormem finanziellem Druck. Naoko Takeda, eine Datenwissenschaftlerin im Cash App-Team, schrieb, dass Block „KI buchstäblich jedem aufzwingt“, aber sie sah nur „äußerst begrenzte Produktivitätssteigerungen“. Sie lehnte eine 75-prozentige Gehaltserhöhung für verbleibende Mitarbeiter ab und verließ das Unternehmen entschlossen. Andere befragte Mitarbeiter hatten gegensätzliche Ansichten über die tatsächlichen Fähigkeiten von KI bei Block und ob Dorsey für das Verständnis dieser technischen Probleme kompetent ist.

Wie Aaron Levie feststellte, sind CEOs besonders anfällig für Illusionen über die Praktikabilität von KI – denn sie können schnell Prototypen erstellen, sehen aber nicht die restlichen 90 % der harten Arbeit, die erforderlich ist, um diese zu einem fertigen Produkt zu machen. Dorseys öffentliche Äußerungen über KI passen genau zu diesem Muster.

2. Im April dieses Jahres entließ Snap etwa 1.000 Mitarbeiter. CEO Evan Spiegel schob in seinem Kündigungs-Memo die Schuld hauptsächlich auf KI. Er behauptete zudem, dass 65 % des neuen Codes des Unternehmens von KI generiert würden. Die Realität war, dass diese Kündigungen das Ergebnis einer Kampagne waren, bei der aktivistische Investoren Druck zur Kostensenkung ausübten. (Seit dem Börsengang im Jahr 2017 verzeichnet Snap jedes Jahr einen Nettoverlust, und sein Aktienkurs fiel 2026 um mehr als 30 %.) Aufschlussreich ist, dass die strukturellen Merkmale dieser Kündigungen – beispielsweise der Abbau von 150 Stellen in der Abteilung für erweiterte Realität, die mehrere Positionen umfasste – nichts mit den KI-getriebenen Kündigungen zu tun haben, die wir erwarten würden (wenn Technologie Arbeitsplätze ersetzen würde, hätte dies zu einer allgemeinen Kürzung von Stellen wie Programmierern im gesamten Unternehmen führen müssen, die „KI-gefährdet“ sind, anstatt sich auf eine bestimmte Abteilung zu konzentrieren).

3. Im Mai dieses Jahres kündigte Intuit an, 3.000 Mitarbeiter zu entlassen, und gleichzeitig Kooperationsvereinbarungen mit Anthropic und OpenAI abzuschließen. Die Medien verknüpften diese beiden Ereignisse schnell und stellten die Kündigungen als eine KI-getriebene Transformations- und Umstrukturierungsmaßnahme dar. Diesmal jedoch trat der CEO auf, um diese oberflächliche Behauptung zu widerlegen, und erklärte klar: „Das hat nichts mit KI zu tun“. Die Kündigungen zielten auf „Stellen mit hohen Kommunikations- und Koordinationskosten“ sowie überflüssige Managementebenen ab.

Wir haben diese Beispiele nicht gezielt ausgewählt. In jedem Bericht, den wir über KI-gesteuerte Kündigungen in der Softwareentwicklung untersucht haben, fanden wir Fakten, die dieser oberflächlichen Erzählung widersprechen. Es stellt sich heraus, dass das „Verklären“ von Kündigungen mit dem Begriff „KI“ ein weitverbreitetes Phänomen in der gesamten Wirtschaft ist, und viele Untersuchungen bestätigen dies:

• 59 % der US-amerikanischen Personalmanager geben zu, dass sie KI bewusst hervorheben, wenn sie Einstellungsstopps oder Kündigungen erklären – da diese Aussage gegenüber Stakeholdern günstiger ist, als zuzugeben, dass finanzielle Engpässe bestehen.

• J. P. Gownder, Chefanalyst bei Forrester, sagte über Unternehmen, die sogenannte KI-Kündigungen planen: „Wenn wir sie fragen, ob sie reife, validierte KI-Anwendungen bereit haben, um diese Stellen zu übernehmen, ist die Antwort in neun von zehn Fällen nein – sie haben damit noch nicht einmal begonnen.“

• In einer Umfrage der Harvard Business Review unter mehr als 1.000 Führungskräften weltweit gaben 21 % an, aus „Erwartung“ an KI massiv Kündigungen vorgenommen zu haben, weitere 39 % leichte oder moderate erwartete Kündigungen. Im Gegensatz dazu haben nur 2 % tatsächlich massiv Kündigungen vorgenommen, weil sie KI in der Praxis eingesetzt haben. Dieser zehnfache Unterschied zeigt, dass Führungskräfte genau wie normale Menschen sehr leicht von der irreführenden Erzählung „KI ersetzt Arbeitsplätze“ gefangen genommen werden.

Ein weiterer aufschlussreicher Datenpunkt stammt aus dem „Worker Adjustment and Retraining Notification Act“ (WARN-Gesetz), das bestimmte Offenlegungen für Betriebsschließungen und weitreichende Kündigungen verlangt, die mehr als 100 Arbeitnehmer betreffen. Im März 2025 wurde New York der erste US-Bundesstaat, der eine Option zur Offenlegung von KI in die WARN-Meldungen aufnahm. Im ersten vollen Jahr reichten mehr als 160 Unternehmen WARN-Meldungen ein. Kein einziges Unternehmen markierte die KI-Option. Wir kontaktierten das New Yorker Arbeitsministerium, das bestätigte, dass bis Ende Mai nur ein einziges Unternehmen (Nespresso) diese Option angekreuzt hatte. Wenn diese Daten stimmen, waren in dem betreffenden Zeitraum nur 46 der etwa 25.000 entlassenen Arbeitnehmer in New York von KI betroffen – ein Anteil von nur etwa 0,2 %.

Noch verheerender für die Behauptung „KI löst massive Kündigungen aus“ ist die Tatsache, dass Kündigungen selbst überhaupt nicht der richtige Indikator sind, um die potenziellen Produktivitätsvorteile von KI zu bewerten! Studien zeigen eindeutig, dass sich diese Auswirkungen hauptsächlich darin äußern, dass „die Einstellungen verlangsamt werden, anstatt Entlassungen zu erhöhen“. Die Entlassung erfahrener Mitarbeiter führt genau dazu, dass Unternehmen das implizite Wissen und die organisatorischen Vermögenswerte verlieren, die es den verbleibenden Mitarbeitern ermöglichen, KI effizient zu nutzen. Darüber hinaus sind Kündigungen extrem kostspielig – in Bezug auf Abfindungen, geschädigte Moral und Risiken bei Neueinstellungen. Angesichts dieser Kosten sind Kündigungen nicht notwendig, da die natürliche Personalfluktuation innerhalb weniger Jahre die gleiche Personalreduzierung bewirken kann.

Was sagen uns die Daten also, wenn wir den Blick von Kündigungen abwenden und auf die allgemeinen Beschäftigungstrends schauen? Ein wichtiges Papier von Ökonomen der Federal Reserve fasst die Beweise für die USA zusammen. Die Zahl der Beschäftigten als Software-Ingenieure wächst weiterhin, aber sie stellten fest, dass die jährliche Wachstumsrate nach der Einführung von ChatGPT um etwa 3 Prozentpunkte langsamer war als in einem Szenario ohne KI. Eine wichtige Einschränkung dieser Studie ist, dass ihre Methode Selbstständige nicht erfassen kann – daher könnte ein Teil des verlangsamten Wachstums durch den Unternehmergeist absorbiert worden sein. Andere Studien bestätigen tatsächlich, dass KI das Gründen von Unternehmen erleichtert. Daher könnte die tatsächliche Situation der Branche noch gesünder sein, als die Studie der Federal Reserve zeigt.

Schließlich muss anerkannt werden, dass es in der Softwareentwicklung zwar zwei indirekte Formen der Arbeitslosigkeit gibt, die durch KI verursacht werden – aber diese sind völlig verschieden von der direkten Verdrängung von Software-Ingenieuren durch KI. Der erste Fall ist, dass KI manchmal die Marktnachfrage nach einem Produkt vollständig zerstört, wie bei Chegg (Hilfe bei Hausaufgaben) oder Stack Overflow (technische Frage- und Antwortplattform), die beide Mitarbeiter entlassen haben. KI hat nicht direkt die Arbeit dieser Mitarbeiter ausgeführt, sondern die Marktnachfrage nach dieser Arbeit beseitigt. Dies hat eine starke Ähnlichkeit mit der Geschichte: Von den 270 Berufen bei der US-Volkszählung 1950 verschwand nur einer durch Automatisierung vollständig – der Fahrstuhlführer. Viele andere Berufe wurden durch neue Technologien obsolet, wie der Telegrafist.

Eine andere Geschichte von Kündigungen, die scheinbar durch KI verursacht wurden, ereignete sich bei Unternehmen, die KI verkaufen, anstatt sie zu nutzen. Wenn also Unternehmen wie IBM oder SAP Kündigungen aufgrund von KI ankündigen, ist eine genauere Aussage: „Wir haben Personal aus traditionellen Funktionsbereichen in unsere am schnellsten wachsenden Geschäftslinien umverteilt“. Dies ist nur eine reguläre unternehmerische Umstrukturierung rund um Monetarisierungsmöglichkeiten, keine Verdrängung von Arbeitskräften durch Technologie.

Warum Programmieragenten keine Stellenverdrängung verursachen: Das „Entscheidung-Ausführung-Lieferung-Sandwich-Modell“

Viele Führungskräfte großer Technologiekonzerne (wie der bereits erwähnte CEO von Snap) zeigen gerne den Anteil des von KI geschriebenen Codes, wenn sie über Kündigungen berichten oder zukünftige Arbeitslosigkeit vorhersagen. Dies fördert ein einfaches, grobes Denkmuster: Sobald KI den gesamten Code schreibt, sind Programmierer arbeitslos. Glücklicherweise ist dieses Denkmuster falsch. Der Indikator „Anteil des von KI geschriebenen Codes“ hat fast keine Verbindung zu den Kernfaktoren, die tatsächlich bestimmen, ob Arbeitsplätze verdrängt werden. Der Grund dafür ist wie folgt.

Das Schreiben von Code selbst ist weder jetzt noch jemals der Engpass im gesamten Prozess gewesen. Beispielsweise kam ein Papier aus dem Jahr 2019 nach Zusammenfassung vorhandener Studien zu dem Schluss: „Entwickler verbringen überraschend wenig Zeit damit, Code zu schreiben – je nach Studie zwischen nur 9 % und 61 %“. Diese Feststellung stimmt mit den eigenen Daten des Papiers von 6.000 Entwicklern bei Microsoft überein. Als Programmieragenten populär wurden, tauchten Ende 2025 zahlreiche technische Blogs im Internet auf, die darauf hinwiesen, dass das Schreiben von Code kein Engpass ist – denn Entwickler erkannten, dass selbst wenn Agenten den Großteil des Codes schreiben, die Auswirkungen auf die gesamte Produktivität minimal sind.

Wenn das Schreiben von Code nicht der Engpass ist – was dann? Untersuchungen zur Aufteilung von Aufgaben deuten auf Tätigkeiten wie Besprechungen oder Debuggen hin. Dies wirft weitere Fragen auf: Was genau machen Entwickler in diesen Besprechungen, und warum kann KI dies nicht übernehmen? Wird das Debuggen nicht mit der Verbesserung technischer Fähigkeiten automatisiert werden? Um den wahren Engpass zu erkennen, müssen wir eine qualitative Analyse durchführen und tief in das tiefe Verständnis von Software-Ingenieuren selbst eintauchen, welche Teile ihrer Arbeit nicht automatisiert werden können.

Wenn wir diese Analyse durchführen, stellen wir fest, dass die wahren Engpässe die folgenden drei Punkte sind: (1) Entscheiden und klar definieren, was entwickelt werden soll; (2) Validieren und die Verantwortung für das gelieferte Ergebnis übernehmen; (3) Das tiefe menschliche Verständnis der Codebasis, der Geschäftslogik und des Gesamtkontexts, das für die ersten beiden Punkte unerlässlich ist.

Mit anderen Worten: Die Arbeit von Software-Ingenieuren ist ein Sandwich aus „Entscheidung-Ausführung-Lieferung“ (und Verständnis ist die Voraussetzung für alle drei). KI hat die mittlere „Ausführungsebene“ des Sandwichs stark komprimiert, aber die beiden Enden bleiben im Wesentlichen unverändert. Solange Software-Entwicklungsteams die Entscheidungsgewalt behalten und die endgültige Verantwortung für das gelieferte Ergebnis tragen, müssen Ingenieure viel Zeit investieren, um ein tiefes Verständnis des Systems aufzubauen. Das sind die drei großen Engpässe.

Abbildung: Softwareentwicklung besteht aus drei Ebenen: (1) Entscheidung – Problemdefinition, Anforderungsspezifikation, Planung; (2) Ausführung – Design und Implementierung; (3) Lieferung – Testen, Validierung, Integration, Wartung usw. Beachten Sie, dass dies konzeptionelle logische Ebenen sind, keine zeitlich aufeinanderfolgenden Phasen. Es ist üblich, zwischen diesen Ebenen hin und her zu wechseln, während das Projekt voranschreitet.

Das „Sandwich-Modell“ der Produktivitätseffekte von KI wurde in einem aktuellen Papier mit dem Titel „Code schreiben vs. Code liefern“ bestätigt. Durch die Beobachtung von 100.000 Entwicklern auf GitHub stellten die Forscher fest, dass KI-Agenten die Anzahl der geschriebenen Codezeilen um das Achtfache steigerten