Sind Geschäftskräfte, die KI zur Softwareentwicklung einsetzen, schlagkräftiger als IT-Mitarbeiter beim Schreiben von Code?
Kürzlich habe ich auf Selbstmedien gesehen, dass viele sogenannte Fachexperten ihre Fähigkeiten zur Schau stellen: Sie bringen jahrelange Berufserfahrung mit und erstellen kleine Tools mit verschiedenen KI-Hilfsmitteln, die klein, spezialisiert und szenarienbezogen sind. Sie behaupten sogar, die IT-Abteilung ersetzen zu können. Andere sagen, dass mit KI-Tools wie WorkBuddy die Technik inzwischen demokratisiert ist und der größte Wert in der Berufserfahrung liegt.
Ist das in der Realität tatsächlich der Fall?
Lao Yang meint: Dass Fachkräfte mit KI-Tools Softwareentwicklung betreiben, hat zwar eine starke Wirkung, aber diese Wirkung liegt nicht darin, „die IT beim Schreiben von Code zu ersetzen“, sondern darin, „die Anforderungsübersetzungskette und die Lieferwarteschlange der IT zu umgehen“. Das eigentliche Problem liegt auch nicht nur bei CI/CD, sondern darin, dass das Unternehmen plötzlich eine große Anzahl von „Entwicklern ohne Bewusstsein für Software-Engineering“ bekommt. Ihre Tools wachsen wie Unkraut, sind kurzfristig wirksam, können aber langfristig zu einem Governance-Desaster werden.
I. Der echte Vorteil von Fachexperten + AI Coding: Nicht nur „schnell“
„Der größte Wert liegt in der Berufserfahrung, die Technik ist demokratisiert“ – auf den ersten Blick klingt das plausibel. Wenn Fachkräfte mit KI-Tools Softwareentwicklung betreiben, haben sie folgende Vorteile:
1. Der Verlust bei der Anforderungsübersetzung ist nahezu null.
In der traditionellen Kette stellen Fachabteilungen Anforderungen, verstehen sie, analysieren sie, entwickeln sie um und führen Tests und Abnahmen durch. Jede zusätzliche Übersetzungsebene führt zu zusätzlicher Verzerrung. Wenn Fachkräfte es selbst erledigen, wissen sie genau, was sie wollen, wo die Ausnahmen liegen und welches Ergebnis als korrekt gilt. Die KI wandelt nur ihre Aussagen in Code um. Mit einer Ebene weniger steigt die Liefergenauigkeit erheblich.
2. Lang nachgefragte Nischenanforderungen werden aktiviert.
Normalerweise wenden sich Fachabteilungen an die IT-Abteilung, wenn sie individuelle Systemfunktionen entwickeln wollen. Die IT-Abteilung ist aber ständig mit der Planung von Kernsystemen, Regulierungsprojekten und Plattformaufbau beschäftigt. Viele kleine, spezialisierte Anforderungen aus der Praxis, wie die automatische Bereinigung eines bestimmten Berichts, die automatische Bewertung eines Genehmigungsablaufs oder die Stapelverarbeitung bestimmter Daten, kommen oft gar nicht in die Warteschlange. Jetzt können Fachkräfte mit WorkBuddy solche Tools an einem Nachmittag erstellen – das ist eine wirksame Ergänzung unter Produktivitätsengpässen, kein Ersatz.
3. Implizites Wissen wird explizit gemacht.
Die Regeln, Erfahrungen und Urteilslogik in den Köpfen der Fachkräfte ließen sich früher nur schwer in Systemen abbilden. Jetzt lassen sie sich mit KI-Tools wie WorkBuddy über Skripte und kleine Tools festigen. Auch wenn die Tools einfach sind, wird das Wissen zumindest aufgezeichnet und wiederverwendbar – es ist ein Vermögenswert für die Organisation.
4. Die Fachabteilungen werden dazu angetrieben, Daten und Prozesse zu verstehen.
Nur wenn Fachkräfte selbst Tools erstellen, merken sie zum ersten Mal, dass die Datenkaliber so unübersichtlich, die Stammdaten so unsauber und die Prozesse so viele Verzweigungen haben. Dieser Prozess der „Datenaufklärung“ ist wirksamer als zehn Vorträge der IT über Daten-Governance.
5. Die Fehlerversuchskosten sind extrem niedrig.
Fachkräfte können eine Idee mit kleinen Tools validieren, ohne ein Projekt zu beantragen, Budget zu beantragen oder drei Monate zu warten. Wenn es funktioniert, spricht man über die Industrialisierung; wenn nicht, wirft man es weg – das ist typisches agiles Erkunden.
Aus diesen fünf Punkten geht hervor: Der Vorteil von Fachkräften bei der Systementwicklung mit KI-Tools liegt nicht in der Codequalität, sondern in „domänenspezifischem Urteilsvermögen und schneller Validierung“. Der von WorkBuddy oder ChatGPT generierte Code mag zwar nicht schlecht sein, aber zu wissen, „ob das Generierte korrekt ist, ob man es nutzen soll und in welchem Szenario man es einsetzt“, ist der Wettbewerbsvorteil der Fachkräfte.
II. Tiefergehende Probleme als CI/CD
Viele denken bei der Nutzung von KI-Tools zur Entwicklung durch Fachkräfte sofort an CI/CD, aber Lao Yang meint, das seien nur Oberflächenerscheinungen. Schwerwiegender ist, dass diese selbst erstellten Tools der Fachabteilungen nach dem Eintritt in die Produktivumgebung zu „Schatten-IT“ werden, deren Zerstörungskraft weit über Schwierigkeiten bei der Iteration hinausgeht. Konkret gibt es folgende Probleme:
Erstens: Kontrollverlust über Sicherheit und Compliance.
Fachkräfte verstehen grundsätzlich nichts von minimalen Berechtigungen, Datenanonymisierung, PII-Schutz und Anforderungen an die Cybersicherheitsklassifizierung. Sie ziehen möglicherweise Produktivdaten auf ihre PCs, um sie mit Python zu verarbeiten, kodieren Datenbankzugangsdaten fest in Skripte, laden Kundeninformationen auf öffentliche KI-Plattformen hoch und umgehen Genehmigungen, um direkt auf die APIs von Kernsystemen zuzugreifen. Die Datenleckage durch ein einziges Fachtool kann die Compliance-Bemühungen der IT über ein ganzes Jahr zunichte machen, und der entstandene Schaden ist sogar höher als die Kosten für den Kauf einer Standardsoftware.
Zweitens: Dateninseln und getrennte Datenkaliber verschlechtern sich beschleunigt.
Das ist das unerwünschteste, aber unvermeidliche Problem: Um die Anwendungseffekte ihrer jeweiligen Abteilungen zu erreichen, ziehen Fachkräfte selbst Daten und berechnen Indikatoren selbst. Bei der gleichen Kennzahl „Anzahl aktiver Kunden“ berechnet Abteilung A 100.000, Abteilung B 80.000 und Abteilung C mit einem von KI generierten SQL 120.000. Früher befanden sich die Dateninseln zumindest in den von der IT kontrollierten Datenbanken, jetzt sind sie auf PCs, temporären Skripten, freigegebenen Netzfestplatten und Online-Notebooks verteilt – sämtliche Maßnahmen zur Daten-Governance verlieren hier ihre Wirkung.
Drittens: Technische Schulden häufen sich exponentiell an.
Der von KI generierte Code hat oft keine Tests, keine Dokumentation und keine Versionsverwaltung. Pfade, Parameter und Umgebungen sind alle fest kodiert, und er hängt von einer bestimmten Bibliotheksversion ab. Das verstehen die Fachkräfte gar nicht. Noch problematischer: Wenn das Tool heute funktioniert, können sie morgen keine Anforderungsänderung mehr vornehmen; wenn ein Mitarbeiter das Unternehmen verlässt, bricht das Tool zusammen; wenn die Umgebung aktualisiert wird, stürzt das Tool ab. Das sind keine technischen Schulden, sondern eine technische Mülldeponie.
Viertens: Unklare Verantwortungsgrenzen.
Wer ist verantwortlich, wenn ein Fachtool falsche Zahlen berechnet und zu Fehlentscheidungen führt? Die Fachabteilung sagt, der Code sei von KI generiert, die IT sagt, sie habe das Tool nicht erstellt, der KI-Hersteller sagt, die Ausgabe sei nur als Referenz gedacht. Am Ende trägt niemand die Verantwortung, nur das Unternehmen selbst.
Fünftens: Die Konsistenz der Architektur wird zerstört.
In Zukunft muss die IT-Abteilung mit einer noch unübersichtlicheren technischen Architektur umgehen: Die Entwicklungsabteilung nutzt einheitlich Java, Spring Cloud und K8s, während die Fachabteilungen möglicherweise Python, Node.js, Excel-Makros, Low-Code und RPA einsetzen. Das Ergebnis ist: Jedes Tool ist eine Insel, die Betriebstechnik weiß nicht von seiner Existenz, die Sicherheitsabteilung weiß nicht, wo es läuft, und das Architekturkomitee kann es nicht verwalten. Das lässt sich nicht nur mit dem Wort „Chaos“ beschreiben.
Sechstens: Risiken im Zusammenhang mit Lieferketten und KI-Halluzinationen.
Aufgrund von fachlichen Unterschieden können Open-Source-Bibliotheken, die Fachkräfte über KI einführen, Sicherheitslücken, bösartigen Code oder nicht konforme Lizenzen enthalten. Die Fachabteilungen haben dafür grundsätzlich kein Bewusstsein, bis Probleme auftreten. Die IT-Abteilung verfügt über ein Management für Software-Lieferketten, die Fachabteilungen nicht. Außerdem vertrauen Fachkräfte möglicherweise übermäßig auf die KI-Ausgabe: Ein von KI generiertes SQL hat zwar korrekte Syntax, aber falsche Logik. Fachkräfte können den Ausführungsplan nicht lesen und glauben, dass das ausgegebene Ergebnis korrekt ist. Wenn die Modellversion aktualisiert oder der Prompt leicht angepasst wird, kann das Ergebnis lauten: Heute stimmt es, morgen nicht – man ist ständig damit beschäftigt, Fehler zu beheben.
III. Nicht „Fachkräfte ersetzen die IT“, sondern Rekonstruktion der Arbeitsteilung
Es ist leicht zu erkennen, dass die Wirkung von Fachkräften bei der Softwareentwicklung mit KI-Tools nicht darin liegt, besseren Code als die IT zu schreiben, sondern darin, das Verwaltungssystem der IT zu umgehen und schnell Geschäftswert zu erzeugen.
Die IT-Abteilung muss sich jetzt der Realität stellen: Die Rolle der IT muss sich von „Erbauer aller Software“ zu „Anbieter von Plattformen und Governance“ wandeln. Früher lag der Wert der IT in der „Umsetzung“, jetzt ist die Umsetzung durch KI demokratisiert. Der Wert der IT muss sich auf Plattform-Engineering, Daten-Governance, Sicherheit und Compliance, Architekturstandards, Beobachtbarkeit und Lebenszyklusmanagement von Vermögenswerten verlagern. Wenn die IT-Abteilung weiterhin mit traditionellen Denkweisen arbeitet, wird sie am Ende möglicherweise an den Rand gedrängt – denn die stolze technische Barriere wurde von KI durchbrochen.
IV. Wie findet man einen Ausweg?
Lao Yang meint, dass Unternehmen derzeit ein Governance-Framework für die „allgemeine Entwicklung“ benötigen.
1. Schutzmaßnahmen nach Stufen einrichten.
Klassifizieren Sie Fachtools nach Risiken:
Niedriges Risiko: Nur lesend, keine Berührung mit Produktivdaten, keine Außenwirkung, keine Beeinträchtigung zentraler Abläufe – Self-Service ist erlaubt;
Mittleres Risiko: Lesen und Schreiben nicht zentraler Daten, interne Nutzung, bestimmte Auswirkungen – Prüfung durch die IT ist erforderlich;
Höheres Risiko: Beteiligung von Kernsystemen, sensiblen Daten, externen Diensten oder finanzieller Compliance – die IT muss die Leitung übernehmen oder tief eingreifen.
2. Den Fachabteilungen eine kontrollierte Sandbox zur Verfügung stellen.
Die IT-Abteilung muss eine einheitliche Datenplattform, ein API-Gateway und eine Entwicklungsumgebung bereitstellen, die über integrierte Authentifizierung, Zugriffskontrolle, Datenanonymisierung, Audit-Protokolle, Code-Scans, Versionsverwaltung und Überwachungsalarme verfügt. Lassen Sie die Fachkräfte in der Sandbox arbeiten, anstatt direkt auf die Produktivdatenbank zuzugreifen.
3. CI/CD zu einem Ein-Klick-Veröffentlichungsvorgang kapseln.
Fachkräfte müssen GitLab CI, Jenkins und K8s nicht verstehen. Die IT-Abteilung stellt einen vorlagenbasierten Prozess bereit: Code hochladen, automatische Tests durchführen, automatische Scans durchführen und in die angegebene Umgebung bereitstellen. Machen Sie CI/CD zu einer Plattformfähigkeit, nicht zu einer Belastung für die Fachabteilungen.
4. Ein Vermögensregister und ein Indikatoren-Wörterbuch aufbauen.
Jedes Fachtool muss registriert werden, und die Datenquelle, die Indikatorendefinition, der Verantwortliche und der Nutzungsbereich müssen erfasst werden. Das Unternehmen baut ein einheitliches Indikatoren-Wörterbuch und zertifizierte Datenquellen auf. Fachabteilungen sollen vorrangig zertifizierte Quellen nutzen, um getrennte Datenkaliber zu vermeiden.
5. Einen Kanal von der Inkubation zur offiziellen Übernahme einrichten.
Wenn ein Fachtool funktioniert und Wert hat, darf es nicht dauerhaft unkontrolliert betrieben werden. Nach der Bewertung durch die IT wird es „offiziell anerkannt“: Es wird in das offizielle Code-Repository aufgenommen, Tests ergänzt, Überwachung implementiert, an CI/CD angeschlossen und in die Vermögensliste eingetragen. Die Fachabteilung ist für die Innovation verantwortlich, die IT für die ingenieurmäßige Übernahme.
6. Die Fachkräfte in „leichtem Software-Engineering“ schulen.
Fachkräfte müssen keine Programmierer werden, aber sie sollen die grundlegenden Konzepte der Versionsverwaltung, die roten Linien der Datenschutz-Compliance, das Schreiben einfacher Tests und die Aufzeichnung von Tool-Logik und Abhängigkeiten verstehen. Das ist nützlicher, als ihnen das Schreiben von Java-Code beizubringen.
7. Gemeinsame Verantwortung und kontrollierbare Kosten.
Die Fachabteilung ist für die Korrektheit der Geschäftslogik und die Angemessenheit der Nutzungsszenarien verantwortlich, die IT für die Plattformsicherheit, die Infrastruktur und die Betriebsgrundlinien. Wenn Probleme auftreten, prüft man zuerst, ob der Fehler in der Logik oder auf der Plattform liegt. Die Kosten für KI-Aufrufe, Cloud-Ressourcen und Speicher werden den Fachabteilungen zugeordnet, um zu verhindern, dass unkontrollierte Nutzung von großen Modellen, Tabellenerstellung und Datenspeicherung zu explodierenden Kosten führt.
V. Abschließende Zusammenfassung
Dass Fachkräfte mit KI-Tools entwickeln, ist kurzfristig eine Freisetzung der Produktivität, langfristig eine Herausforderung für die Governance. Die Wirkung liegt in „Schnelligkeit, Genauigkeit und Geschäftsbezug“, aber ohne Governance wird das Unternehmen am Ende eine Menge Dateninseln, Sicherheitslücken, technischen Müll und unklare Verantwortungen erhalten.
Das eigentliche zu lösende Problem ist nicht „ob man sie das machen lassen soll“, sondern „wie man sie auf einer kontrollierten Plattform arbeiten lässt“. Die Fachabteilung innoviert an einzelnen Punkten, die IT sichert die gesamte Fläche ab. Nur wenn die beiden Spuren gut verbunden sind, läuft nichts schief.
Lao Yang meint, dass die zukünftigen digitalen Organisationen höchstwahrscheinlich ein zweigleisiges System einführen werden: Fachexperten erstellen Tools, um die letzte Meile zu überbrücken und schnelle Fehlversuche durchzuführen; die IT baut Plattformen und Governance, um die Grundlage für Sicherheit, Daten, CI/CD, Überwachung und Vermögensverwaltung zu schaffen. Aber dieser Weg erfordert die Prüfung durch die Zeit.