„Lieber arbeitslos werden, als jemals wieder eine Zeile Code mithilfe von KI zu schreiben.“ Nach 18 Monaten Nutzung von KI im Arbeitsalltag hat ein Branchenveteran mit 20 Jahren Berufserfahrung angekündigt, die Nutzung von KI vollständig einzustellen: Er will die Freude am eigenhändigen Schreiben von Code zurückerlangen.

Wenn Ihnen jemand sagt, dass KI Programmierer dazu bringen kann, den Code um ein Vielfaches schneller zu schreiben, werden Sie sich wahrscheinlich nicht wundern.

Aber wenn ein erfahrener Programmierer, der seit über 20 Jahren Code schreibt, Ihnen sagt: „Ich nutze KI seit mehr als einem Jahr, schreibe tatsächlich schneller, aber ich mag das Programmieren immer weniger, also habe ich beschlossen, die Nutzung von KI vollständig einzustellen.“, dann ist diese Sache es wert, besprochen zu werden.

Kürzlich hat ein Softwareentwickler namens Brett seine eigenen Erfahrungen geteilt.

Er schreibt seit mehr als 20 Jahren Code und hat in den letzten anderthalb Jahren lange Zeit KI-Programmierwerkzeuge wie Cursor und Claude Code verwendet. Nach der Vorstellung vieler Menschen über KI-Programmierung sollte er einer der größten Nutznießer sein: Er erledigt mehr Aufgaben, erzeugt Code schneller und fühlte sich zeitweise sogar so, als würde er auf die „Weise der Zukunft“ arbeiten.

Schließlich traf er jedoch eine sehr gegen den Trend wirkende Entscheidung: die Nutzung von KI-Programmierwerkzeugen einzustellen und sogar die Nutzung von KI im Alltag zu beenden. Der Grund ist nicht, dass KI nicht leistungsstark genug ist, im Gegenteil, gerade weil sie zu leistungsstark ist – als KI zunehmend seine Programmierarbeit übernahm, wusste Brett nicht mehr, warum er überhaupt noch Code schreiben soll.

„Ich weiß, dass diese Entscheidung riskant ist. Es fühlt sich an, als hätte sich die Branche über Nacht verändert, als würde man ohne die Nutzung von KI zurückgelassen. Aber ich bin bereit, dieses Risiko einzugehen – wenn ich deswegen entlassen werde, keinen Job finde und meine Karriere damit endet, akzeptiere ich das voll und ganz.“

Erste Erfahrungen mit KI: Nicht praktisch und redet auch Unsinn

Brett kam erstmals etwa zwischen 2022 und 2023 mit KI-Programmierwerkzeugen in Kontakt.

Damals begann GitHub Copilot bereits, in Entwicklungsumgebungen wie VS Code integriert zu werden. Seine typischste Fähigkeit ist die automatische Code-Vervollständigung. Wenn Sie beispielsweise den Funktionsnamen sort_items schreiben, kann KI direkt erraten, was als Nächstes geschrieben werden soll, und sofort mehr als ein Dutzend Zeilen Code vervollständigen.

Aber Bretts erste Reaktion war keine Begeisterung, sondern: „Das lenkt zu sehr ab.“

Er mochte die automatische Code-Vervollständigung schon vorher nicht, denn wenn er bereits über die Implementierung nachdenkt, taucht plötzlich ein großer Block von KI-generiertem Code auf und stört seinen Denkprozess. Also probierte er es kurz aus und gab es schnell auf.

Bei dem zweiten Kontakt mit KI wurde ihm erstmals wirklich bewusst, dass große Sprachmodelle „Unsinn reden“ können.

Damals hatte ein Kollege ein Softwareproblem und bat ihn um Hilfe. Nach der gemeinsamen Fehlersuche stellten sie fest, dass der Kollege zuvor ständig einen KI-Chatbot konsultiert hatte. Die von der KI gegebenen Ratschläge schienen sehr professionell zu sein: Aktualisieren Sie eine wichtige Softwareabhängigkeit auf Version 4.6, dann wird das Problem gelöst.

Als die beiden dann nach dieser Version suchten, stellten sie fest – die Version 4.6 existiert überhaupt nicht. „Na gut, sie erfindet also einfach Dinge.“, dachte Brett damals, aber er machte sich nicht allzu viele Sorgen, schließlich hatte er als erfahrener Entwickler seine eigenen Methoden zum Debuggen, zur Fehlersuche und zur Überprüfung.

Beim dritten Mal kam ein Produktverantwortlicher zu dem Unternehmen, bei dem Brett damals arbeitete, der als „glühender Anhänger“ von KI galt und jedem von der Leistungsfähigkeit von KI vorschwärmte. Aber er blieb unbeeindruckt – er fand es nicht praktisch und hatte keinen entsprechenden Bedarf.

So blieb KI-Programmierung in Bretts Augen immer etwas, das „nichts mit ihm zu tun hat“, bis zum Frühjahr 2025.

Ein Satz des Managements: Alle müssen „auf KI umsteigen“

Zu dieser Zeit hatte Brett gerade einen neuen Job angefangen. Eines Tages fragte das Management plötzlich: „Wie können wir KI für die Programmierung nutzen?“ Brett antwortete ehrlich, dass er es kaum nutze, es oft Fehler mache, ihn störe und nicht schneller sei als er selbst.

Das Management dachte über seine Antwort nach.

Später erfuhr Brett, dass die Unternehmensleitung an einer großen Konferenz teilgenommen hatte und von einem Redner vollständig „gehirngewaschen“ wurde – der sagte, KI sei die Zukunft, und die Wissensarbeit werde sich in sechs Monaten vollständig verändern. Also kamen sie zurück und erließen eine strenge Anordnung: Alle müssen KI nutzen, sonst werden sie überholt.

„Na gut, dann probiere ich es ernsthaft aus.“ seufzte Brett. Das war genau im Frühjahr 2025.

Zuerst probierte er Cursor aus, deinstallierte es aber wegen der schlechten Erfahrung unter Linux und wechselte dann zu Zed. Zed verfügt über integrierte KI-Funktionen, er begann, KI Code schreiben und ändern zu lassen und nutzte es für verschiedene kleine Projekte: Musikplayer, kleine Software … Und diesmal war er wirklich beeindruckt: KI ist nicht mehr wie das frühe Copilot, das nur ein oder zwei Zeilen Code ergänzt, sondern versteht die gesamte Aufgabe, ändert Dateien und kann sogar eine Reihe von Aktionen selbstständig ausführen.

Im Sommer und Herbst 2025 begann Brett, zusätzlich Agentic Coding zu verwenden. Das ist die heute bekannte Arbeitsweise wie Claude Code oder Cursor Agent: Sie geben das Ziel vor, der KI-Agent analysiert selbst das Code-Repository, ändert Dateien, führt Befehle aus, testet und iteriert dann weiter.

Damals fühlte sich Brett sehr gut: „Wow, das ist die Zukunft.“ Es gab mehr Aufgaben, der Code wurde schneller ausgeliefert – aber genau hier wurde das Problem angelegt.

Wenn KI anfängt, Sie zu „schmeicheln“, läuft etwas falsch

Mit der Zeit ließ Brett nicht nur KI Code schreiben, sondern begann auch, mit KI zu chatten wie mit einem Menschen:

„Welches Buch sollte ich lesen?“

„Was hältst du von dieser Idee?“

„Wie ist dieser Lösungsvorschlag?“

Aber allmählich merkte er, dass KI immer versuchte, ihn glücklich zu machen: Was immer er sagte, sie stimmte zu; wenn er eine Idee vorbrachte, lobte sie ihn normalerweise und unterstützte ihn. Das machte ihn wachsam, aber insgesamt machte er sich nicht allzu viele Gedanken.

Später kam der Wendepunkt völlig unerwartet.

Eines Nachts wurde Brett krank, die Symptome waren etwas beunruhigend, er öffnete instinktiv den KI-Chatbot, beschrieb die Symptome und die KI antwortete: „Sie müssen so schnell wie möglich in die Notaufnahme gehen.“ Also fuhr er mitten in der Nacht in die Notaufnahme, wartete zwei Stunden und traf endlich den Arzt. Der Arzt schaute ihn an und sagte: „Was wollen Sie hier? Gehen Sie nach Hause und ruhen Sie sich aus, das braucht keine Notaufnahme.“

Er schämte sich so sehr, dem Arzt zu sagen, dass er von der KI „dazu geraten“ wurde, in die Notaufnahme zu gehen, dass er sich am liebsten im Boden vergraben hätte.

Gleichzeitig hörte er eine Sendung, in der darüber diskutiert wurde, dass Menschen, die lange mit Chatbots kommunizieren, sich allmählich von der Realität entfernen … All diese Dinge zusammen ließen Brett die KI-Chat-Tools neu bewerten und schließlich die Nutzung von KI-Chat einstellen.

Zu seiner Überraschung fühlte er sich nach dem Stopp wieder „zurück in der Realität“.

Diese Sache ließ ihn auch über ein weiteres Problem nachdenken: Wenn selbst ein erfahrener Programmierer von solchen Einflüssen betroffen sein kann, was ist dann mit normalen Nutzern? Schließlich ist eines der gefährlichsten Dinge an großen Modellen nicht, dass ihre Antworten wie von einer Maschine klingen, sondern dass sie immer mehr wie ein „Mensch“ wirken. Sie kann chatten, trösten, zustimmen und Ihnen Ratschläge in sehr natürlicher Sprache geben – aber sie ist letztendlich kein Mensch.

Nachdem die Arbeit an KI ausgelagert wurde, merkte er, dass er „immer weniger an Code interessiert ist“

Wenn KI-Chat Brett nur wachsam machte, war es die langfristige Nutzung von Agentic Coding, die ihn wirklich dazu brachte, die Nutzung von KI vollständig einzustellen.

Da KI immer leistungsstärker wurde, übertrug er immer mehr Implementierungsarbeiten an den Agenten. Anfangs dachte er, seine Effizienz habe sich verbessert, aber nach einigen Monaten merkte er ein sehr seltsames Gefühl: existenzielle Angst. „Ich schreibe seit 20 Jahren Code, das ist das, was ich liebe und worin ich gut bin. Wenn ich jeden Tag nur KI „Futter“ gebe, was ist dann der Sinn meines Lebens?“

Manche sagen, die Rolle von Entwicklern im KI-Zeitalter bestehe darin, Markdown-Dateien zu schreiben, um KI zu trainieren, Tausende von Codezeilen zu prüfen und als QA-Tester zu arbeiten – aber das ist alles nicht der Grund, warum Brett das Programmieren ursprünglich liebte. Er liebt es, Software zu erstellen, Probleme selbst zu lösen, mit Code in Kontakt zu kommen, anstatt jeden Tag vor einem riesigen Stapel von KI-Code zu stehen und zu versuchen, die wenigen Zeilen zu finden, in denen Fehler auftreten könnten.

Der Code wird immer mehr, aber die Menschen verstehen ihn immer weniger. Das ist auch der Punkt, an dem er KI-Programmierung für am gefährlichsten hält: Entwickler verlieren allmählich die Verbindung zu ihrem Code. Sobald diese Distanz größer wird, ist das Problem nicht mehr nur, dass das Verständnis für den Code schlechter wird: Sie kümmern sich immer weniger darum.

Brett stellte fest, dass er sich für den von KI generierten Code deutlich weniger interessiert als früher: Er hat 19 Jahre lang selbst Code geschrieben, er hat ihn gewartet, geschützt und sich Sorgen gemacht, ob sein Design gut genug ist; aber KI-generierter Code ist anders, weil er nicht selbst geschrieben wurde, er scheint nur ein „Produkt“ zu sein, wenn er kaputt ist, lässt man KI ihn ändern, wenn es nicht klappt, ändert man ihn nochmal … Langsam verschwindet die subtile Verbindung zwischen Mensch und Software.

Das Problem ist, dass Unternehmen möglicherweise nur die „zusätzlichen Codezeilen durch KI“ sehen

Nicht nur das, Brett hat noch eine Sorge: Unternehmen sehen möglicherweise nur den durch KI gesteigerten Output, ignorieren aber die damit verbundenen Kosten.

Beispielsweise schrieb ein Programmierer früher 100 Codezeilen pro Tag, jetzt schreibt KI 500 Zeilen für ihn. Der Chef sieht möglicherweise, dass die Produktivität um das Fünffache gestiegen ist; aber er sieht möglicherweise nicht, dass 500 Codezeilen gewartet, getestet, überprüft, verstanden werden müssen und versteckte Fehler beheben müssen, die später zu technischen Schulden werden können.

Noch wichtiger: Wenn alle Ingenieure von KI abhängig sind und ihre eigenen Fähigkeiten vernachlässigen, was passiert, wenn die KI-Tools eines Tages ausfallen? Wenn das Team sechs Monate, ein Jahr oder länger keine intensiven manuellen Programmierarbeiten ausgeführt hat, verschlechtern sich dann ihre Fähigkeiten nicht? Wie Brett sagte: „Was ist, wenn Claude oder Cursor eines Tages ausfällt, aber diese Leute schon lange keinen komplexen Code mehr selbst geschrieben haben?“

Darüber hinaus gibt es noch eine „unsichtbare“ Kosten durch die Nutzung von KI: Umweltkosten.

KI läuft nicht aus dem Nichts, das Training und der Einsatz großer Modelle erfordern eine große Anzahl von GPUs, Servern, Strom, Rechenzentren und Kühlanlagen:

Nach öffentlichen Daten verbraucht jede Eingabeaufforderung bei ChatGPT etwa 0,34 Wattstunden Energie und 0,322 Milliliter Wasser;

Jede Textanfrage bei Google Gemini verbraucht etwa 0,26 Milliliter Wasser und 0,24 Wattstunden Energie;

Das Training eines großen Modells wie GPT-3 verbraucht in hochmodernen US-Rechenzentren bis zu 700.000 Liter Wasser;

Und ein 20- bis 50-gängiger Dialog mit ChatGPT verbraucht indirekt bis zu 500 Milliliter Wasser.

Das ist nur die Spitze des Eisbergs. Nach einer Schätzung aus einer Studie von 2025 kann der jährliche Wasserverbrauch von KI-Systemen zwischen 312,5 Milliarden und 764,6 Milliarden Litern liegen, und die damit verbundenen CO2-Emissionen können zwischen 32,6 Millionen und 79,7 Millionen Tonnen liegen. Gleichzeitig beeinträchtigt die KI-Infrastruktur die Energie-, Land-, Wasser- und Hardwarelieferketten in der realen Welt, was dazu führt, dass Spielkonsolen teurer werden und Arbeitsspeicher für Computer schwer zu bekommen ist.

Für normale Nutzer scheinen diese Kosten sehr weit entfernt zu sein. Schließlich ist es schwer, sich vorzustellen, wie viele Server, Strom und Kühlressourcen hinter einer Eingabeaufforderung am Computer stecken.

Aber sobald Brett davon erfuhr, konnte er es nicht mehr ignorieren: „Wenn KI die Umwelt und die Gesellschaft schädigen kann und gleichzeitig meine Arbeit immer sinnloser macht, warum sollte ich sie dann weiter nutzen?“

Nach dem Wiedereinstieg in das manuelle Codieren fand er die Freude zurück: „Wenn ich deswegen meinen Job verliere, dann ist es eben so“

Also begann Brett im Frühjahr 2026 wieder, Code manuell zu schreiben: Kein Agent, kein Modell, das die Funktionen für ihn implementiert, er schrieb Zeile für Zeile. In seiner Freizeit entwickelte er Spiele und schrieb sogar eine kleine Spiel-Engine.

„Ich habe wirklich gemerkt, dass ich das Schreiben von Code liebe.“ gibt Brett zu, die Freude und Befriedigung beim Programmieren sind sofort zurückgekehrt: Es ist sehr erfüllend, Fehler selbst zu beheben, auf Schwierigkeiten zu stoßen, nach Informationen zu suchen, Lösungen auszuprobieren, zu scheitern und dann nochmal von vorne anzufangen. Was macht es schon, wenn es etwas langsamer geht? Was macht es schon, wenn man einige Stunden mehr für bestimmte Fehler braucht? Diese Erfahrungen selbst sind der Lernprozess, um ein ausgezeichneter Programmierer zu werden.

Rückblickend merkte er, dass er in den letzten anderthalb Jahren nicht nur „die Möglichkeit verloren hat, Code manuell zu schreiben“, sondern den gesamten Wachstumsprozess. In den letzten 20 Jahren hat er ständig gelernt; aber in den letzten 18 Monaten hat er hauptsächlich Aufgaben erledigt, Anforderungen abgehakt, Code