Anthropic verkündet: „Das Programmierinterview ist tot“ – womit können Programmierer ihre Fähigkeiten unter Beweis stellen?

Die Auswirkungen von KI auf Nachwuchstechniker lassen sich kaum einseitig mit „Befähigung“ oder „Ersetzung“ zusammenfassen.

Bild | Das freiwillige Kündigungsangebot, das Microsoft kürzlich an 60.000 Mitarbeiter verteilt hat

Felix Rieseberg, Personalvermittler bei Anthropic, hat kürzlich eine ziemlich optimistische Einschätzung für Nachwuchstechniker abgegeben: „Hunger schlägt Dienstalter“ (Hunger beats tenure).

Seine Begründung lautet: Früher war der Einfluss von Ingenieuren stark an Erfahrung gebunden, also daran, wie viele Frameworks sie kennen, wie viele Systeme sie geschrieben haben und ob sie Implementierungen schnell abschließen können – aber KI macht diese Fähigkeiten immer weniger selten.

Ein Neueinsteiger, der wichtige Probleme identifizieren kann, kann mit Hilfe von KI schnell Prototypen erstellen, ohne erst jahrelang Erfahrung in der Ausführung sammeln zu müssen.

Der Ratschlag, den er gibt, lautet: Konzentriere dich bei der Arbeit nicht nur auf die dir zugewiesenen Aufgaben, verstehe die Geschäftsziele des Unternehmens, entwickle eine ausreichend wichtige Idee und setze sie so schnell wie möglich um.

In seinem Blog nennt er zudem das Beispiel von zwei relativ unerfahrenen Ingenieuren, die an einem Wochenende einen Prototyp der grafischen Oberfläche von Claude Code erstellt haben – die erste öffentliche Version wurde etwa acht Tage später veröffentlicht.

Früher haben so viele Menschen das Buch *Algorithmen und Datenstrukturen* gekauft, in der Hoffnung, sich den Weg zu einem guten Job und einer besseren Zukunft zu ebnen. Das Verschwinden von Programmierinterviews ist nun nur ein weiterer Meilenstein auf dem Weg der Softwareentwicklung zu einer höheren Abstraktionsebene.

Mit KI schnell erstellte Prototypen sind nicht nur technische Demos, sondern vielmehr eine Kommunikationsmethode, die das Dienstalter in der Organisation umgeht. Anstatt darauf zu warten, dass andere dein Urteil vertrauen, verwandle dein Urteil direkt in etwas, das man sehen kann.

Dass Einzelpersonen leichter Ergebnisse erzielen können, bedeutet nicht, dass Unternehmen mehr Neueinsteiger brauchen

Aber auch bei Anthropic lieferte ein interner Forschungsbericht Mitte Oktober eine Reihe von weniger ermutigenden Daten.

Seit Anfang 2025 ist der Anteil der Nachwuchskräfte im technischen Bereich von 21 % auf 14 % gesunken; der Anteil der Neueinstellungen im technischen Bereich unter Nachwuchskräften ist noch schneller gefallen, von 27 % auf 9 %.

Bild | Die Zahl der Einstiegsstellen bei Anthropic sinkt. Links der technische Bereich, rechts der nicht-technische Bereich. Blau steht für den Anteil der Nachwuchskräfte unter den neu eingestellten Mitarbeitern, Pink für den Anteil der Nachwuchskräfte unter den bestehenden Mitarbeitern, Orange für den Anteil der Einstiegsstellen unter allen ausgeschriebenen Stellen.

Diese beiden Informationen scheinen widersprüchlich, aber sie beantworten zwei verschiedene Fragen: Wie viel Einfluss kann ein Neueinsteiger ausüben, der bereits eine Chance bekommen hat? Und wie viele ausführende Einstiegsstellen braucht ein Unternehmen, das KI intensiv nutzt?

Der Grund dafür ist möglicherweise derselbe: Die „Ausführung“ wird immer billiger.

Weil die Ausführung nicht mehr teuer ist, kann ein Neueinsteiger mit Hilfe von KI Arbeiten erledigen, für die früher mehr Menschen und mehr Zeit nötig waren. Und weil die Ausführung nicht mehr teuer ist, brauchen Organisationen möglicherweise nicht mehr viele Einstiegsstellen, um diese Ausführungskapazität zu erhalten.

Der gestiegene Hebel für Einzelpersonen und der schrumpfende Zugang zu Einstiegsmöglichkeiten sind zwei Seiten derselben Medaille.

Bild | Bericht „Wie sich die Beschäftigungssituation bei Anthropic verändert“

Natürlich bedeutet der sinkende Anteil nicht, dass die absolute Zahl der Nachwuchskräfte im gleichen Verhältnis abnimmt. Der Bericht weist ausdrücklich darauf hin, dass die absolute Zahl der technischen Neueinstellungen bei Anthropic weiter wächst – nur Funktionsbereiche wie Vertrieb, Finanzen und Personalwesen expandieren schneller.

Das ist nur eine interne Stichprobe eines schnell wachsenden Unternehmens mit sehr hohem KI-Einsatz, die nicht direkt die gesamte Softwarebranche repräsentieren kann – und man kann auch nicht alle Veränderungen auf KI zurückführen.

Aber es zeigt uns zumindest, dass „KI kann Ingenieure befähigen“ und „KI wird mehr Ingenieursstellen schaffen“ nicht dasselbe sind.

Der Wert von Ingenieuren verschiebt sich zu beiden Enden

Dass die Ausführung neu bewertet wird, bedeutet nicht, dass Ingenieurskompetenz unwichtig wird. Es bedeutet vielmehr, dass sich der Wert von Ingenieuren von standardisierten Implementierungsschritten zu beiden Enden der Arbeit verschiebt.

Das eine Ende ist die Urteilsbildung im Vorfeld: Welche Probleme sind es wert, gelöst zu werden? Was brauchen Nutzer wirklich? Was soll ein Prototyp validieren? Welche der mehreren Lösungen, die alle schnell von KI implementiert werden können, soll man wählen?

Das andere Ende ist die Kontrolle im Nachhinein: Ist das System zuverlässig? Sind die Berechtigungen angemessen? Können die Ergebnisse überprüft werden? Kann der Mensch rechtzeitig eingreifen, wenn Abweichungen auftreten?

Katelyn Lesse, Leiterin des Plattform-Engineerings bei Anthropic, hat kürzlich einen Artikel mit dem Titel *Eine Reihe neuer Probleme, die Ingenieure lösen müssen* veröffentlicht. Sie beginnt mit der „Identitätskrise“ von Ingenieuren: KI übernimmt immer mehr Programmierarbeiten, und manche Menschen glauben, dass ihre Fähigkeiten an Wert verlieren.

Aber die Wahrheit ist: Je autonomer KI arbeiten kann, desto mehr müssen Ingenieure das Problem lösen, „wie man sie zuverlässig, sicher und kontrollierbar arbeiten lässt“.

Sie geht davon aus, dass Multi-Agent-Systeme in den nächsten ein bis zwei Jahren eine Menge tiefgehender Ingenieursprobleme mit sich bringen werden. Sie fasst die technischen Herausforderungen durch Multi-Agent-Systeme in vier Bereiche zusammen: Infrastruktur, Identität und Berechtigungen, Sicherheit und Isolierung sowie Überwachung und Notstopp.

Diese Probleme verschwinden nicht automatisch, nur weil Modelle besser im Schreiben von Code sind. Im Gegenteil: Sie werden immer wichtiger, je mehr Agenten es gibt, je mehr Berechtigungen sie haben und je länger sie laufen.

Ein kompromittierter Agent kann Injektionsanweisungen an andere Agenten weitergeben; ein Agent, der langfristig für Nutzer arbeitet, braucht klare und fortlaufende Autorisierung. Wenn Tausende von Agenten gleichzeitig laufen, braucht es Überwachungsmechanismen, die von den Agenten selbst nicht manipuliert werden können, sowie einen Stoppmechanismus, der das gesamte System wirklich abschalten kann.

Bild | Netflix-Dokumentation „Kontrollverlust durch Künstliche Intelligenz“

Das sind nach wie vor sehr „harte“ Ingenieursprobleme.

Daher komprimiert KI nur den mittleren Ausführungsprozess mit klaren Grenzen und relativ feststehenden Antworten. Je näher man an den beiden Enden „entscheiden, was zu tun ist“ und „sicherstellen, dass das System kontrollierbar ist“ kommt, desto schwieriger ist es, die Verantwortung des Menschen aufzuheben.

Das stellt neue praktische Anforderungen an „erfahrene“ Mitarbeiter: Die Kenntnis von Frameworks, Bibliotheken und Implementierungstricks ist nach wie vor nützlich, aber die Erfahrung muss sich letztendlich in der Entscheidungsfindung des Menschen widerspiegeln – zum Beispiel darin, Umwege zu vermeiden, Probleme zu erkennen, die von Prototypen verdeckt werden, und Risiken zu entdecken, bevor das System wächst.

Für Neueinsteiger gibt es mehr Chancen, Ideen schnell praktisch zu überprüfen. Der neue Druck besteht darin, dass die Lieferung eines lauffähigen Codes immer weniger allein den eigenen Beitrag beweisen kann.

Die Veränderungen bei den Einstellungen bei Anthropic bestätigen das: Personalvermittler legen immer mehr Wert auf die Eigenständigkeit und das Urteilsvermögen der Bewerber, und legen relativ weniger Wert auf eng gefasste Fachkenntnisse und konkrete Implementierungsfähigkeiten.

Das echte Problem ist die erste Stufe der Karriereleiter

Wenn man Nachwuchstechnikern sagt „du musst dein Urteilsvermögen zeigen“, entsteht ein neues Problem: Woher kommt das Urteilsvermögen?

Felix, der Personalvermittler bei Anthropic, schreibt in seinem Blog, dass er noch keine vollständige Antwort hat. Er sucht in Lebensläufen und Portfolios nach kleinen Prototypen, die Produktgeschmack, Nutzerempathie und prinzipielles Denken zeigen.

Offensichtlich entsteht Urteilsvermögen nicht aus dem Nichts, sondern entwickelt sich allmählich durch echte Probleme, Rückmeldungen bei Fehlern, Konflikte in der Zusammenarbeit und die Übernahme von Verantwortung. Früher boten Einstiegsstellen zwar viele sich wiederholende Ausführungsaufgaben, aber auch den Zugang, komplexe Systeme zu beobachten, an echten Entscheidungen teilzunehmen und Vertrauen in der Organisation aufzubauen.

Wenn diese Stellen geschrumpft werden, können Unternehmen zwei Dinge gleichzeitig erhöhen: Die Anforderungen an das Urteilsvermögen von Neueinsteigern und die Schwierigkeit, dass Neueinsteiger Erfahrungen im Urteilen sammeln.

„An einem Wochenende einen Prototyp erstellen“ kann Einzelpersonen helfen, ihr Potenzial zu beweisen, aber es kann dieses strukturelle Problem nicht allein lösen. Prototypen können Geschmack und Eigeninitiative zeigen, aber die Wartung echter Systeme, das Verständnis langfristiger Folgen, die Koordination verschiedener Teams und die Verantwortung für Fehler brauchen nach wie vor eine kontinuierliche Lernumgebung.

Daher müssen Unternehmen nicht nur die Interviewfragen neu gestalten, sondern die Einstiegsstellen selbst.

Wenn Einstiegsstellen nicht mehr hauptsächlich billige Ausführungskapazität bieten, können sie explizit zu einer Art Lehrlingsausbildung für Urteilsvermögen werden. Man lässt Neueinsteiger für echte Probleme mit klaren Grenzen verantwortlich sein, die Ausgaben von KI überprüfen, an der Auswahl von Lösungen teilnehmen, ihre Fehler erklären und nach und nach die Verantwortung für die