Meine neue Programmiersprache heißt Klarheit
Warum KI Softwareentwicklung nicht entzaubert, sondern den eigentlichen Kern der Arbeit sichtbarer macht: Probleme verstehen, Wissen strukturieren und Gedanken klar formulieren.
Gestern Abend auf dem Sofa, mitten in Rainer Stropeks TED Talk What to teach when AI writes the code – und plötzlich dieser eine Satz, den ich seitdem nicht mehr loswerde.
My new programming language is clarity.
Der Satz trifft mich gerade deshalb so sehr, weil er an mehreren Stellen gleichzeitig andockt. An meiner Arbeit. An meinem Verständnis von Softwareentwicklung. An meiner aktuellen Beschäftigung mit KI. Und an dieser ziemlich grundlegenden Frage, was eigentlich von meinem Beruf übrig bleibt, wenn KI irgendwann immer besser darin wird, Code zu schreiben.
Die Angst vor der falschen Frage
Seit generative KI in der Softwareentwicklung angekommen ist, kreist vieles um dieselbe Frage:
Ersetzt KI Softwareentwickler?
Ich kann nachvollziehen, warum diese Frage gestellt wird. Wenn ein Modell innerhalb weniger Sekunden Code schreibt, Fehler analysiert, Tests ergänzt oder ganze Prototypen baut, dann wirkt das erstmal bedrohlich. Vor allem dann, wenn man den eigenen beruflichen Wert stark daran koppelt, selbst Code zu schreiben.
Aber ich glaube, dass diese Frage zu kurz greift. Die interessantere Frage ist für mich eher:
Was war eigentlich schon immer der Kern guter Softwareentwicklung?
War es wirklich die Syntax?
War es das Auswendiglernen von Frameworks?
War es das Schreiben von Boilerplate?
Oder war das alles nur die notwendige Übersetzungsschicht zwischen einer Idee und einem Computer?
Softwareentwicklung war für mich immer Magie
Als ich angefangen habe zu programmieren, hatte das etwas Magisches.
Ich schrieb Code in einen Editor, führte ihn aus und plötzlich passierte etwas. Nicht immer das, was ich wollte, aber irgendetwas. Eine Idee wurde sichtbar. Ein Gedanke bekam Form. Ein Problem wurde lösbar.
Früher musste ich dafür viele Zaubersprüche auswendig lernen.
Syntax. APIs. Frameworks. Compilerfehler. Konventionen. Build-Systeme.
Heute kann ich eine Idee in ein Sprachmodell sprechen, sie grob beschreiben, nachschärfen, iterieren und bekomme innerhalb kurzer Zeit etwas, das ich sehen, prüfen und verändern kann.
Manchmal fühlt sich das an wie dieselbe Magie wie früher, nur mit deutlich weniger Reibung.
Die Magie ist nicht verschwunden. Sie hat nur ein anderes Interface bekommen.
Die Toastbrot-Vorlesung
In meiner ersten Informatikvorlesung an der Universität Bremen gab es eine Übung, die mir bis heute im Kopf geblieben ist.
Ein Student sollte angeleitet werden, ein Toast mit Marmelade zu schmieren. Die anderen Studierenden im Raum sollten ihm die Anweisungen geben.
Klingt erstmal simpel. Bis man merkt, wie viele Annahmen in so einer simplen Handlung stecken.
- Welchen Toast?
- Mit welcher Hand?
- Ist die Verpackung schon offen?
- Wo liegt das Messer?
- Ist das Glas Marmelade schon aufgeschraubt?
- Was bedeutet eigentlich „schmieren“?
Die Übung hat ziemlich schnell gezeigt, wie schwer es ist, eine scheinbar einfache Handlung so präzise zu beschreiben, dass jemand anderes sie wirklich exakt ausführen kann.
Damals ging es darum zu verstehen, wie Computer funktionieren. Heute denke ich wieder daran, wenn ich mit KI arbeite, denn im Kern hat sich diese Lektion gar nicht so stark verändert.
Ein Computer macht nicht einfach das, was ich meine. Er arbeitet mit dem, was ich ausdrücke.
KI zwingt uns zu Klarheit
Für mich ist das einer der spannendsten Effekte von KI in der Softwareentwicklung.
KI nimmt uns nicht einfach nur Arbeit ab. Sie zwingt uns auch dazu, genauer zu werden.
Wenn meine Anforderungen unklar sind, bekomme ich eine unklare Lösung. Wenn mein Problem widersprüchlich beschrieben ist, bekomme ich widersprüchlichen Code. Wenn ich selbst nicht genau weiß, was ich eigentlich erreichen will, kann mir auch das beste Modell nur begrenzt helfen.
Das klingt erstmal banal, ist es aber nicht. Denn in vielen Teams war Unklarheit schon vorher ein Problem. KI macht sie nur sichtbarer.
Weniger Reibung, mehr Fokus
Was ich aktuell in meinem Arbeitsalltag beobachte, ist nicht, dass KI uns das Denken abnimmt. Eher im Gegenteil.
Wir beschäftigen uns weniger mit nervigen Dingen: weniger Boilerplate, weniger Copy & Paste, weniger mechanische Wiederholung, weniger „Ich weiß gerade nicht, wie die API nochmal hieß“.
Dafür reden wir mehr über das eigentliche Problem: Was soll die Lösung wirklich können? Für wen bauen wir sie? Welche Annahmen stecken dahinter? Was wäre der einfachste Weg, es zu testen?
Und wenn ein Ansatz nicht funktioniert, tut es weniger weh, ihn zu verwerfen. Weil der erste Prototyp nicht mehr drei Tage Arbeit gekostet hat, sondern vielleicht nur noch einen Abend.
Dadurch wird Experimentieren günstiger.
Und wenn Experimentieren günstiger wird, verändert sich auch die Art, wie man denkt.
Dokumentation wird plötzlich wertvoller
Klarheit hört aber nicht beim Prompt auf. Das wäre mir zu kurz gedacht.
Für mich bedeutet Klarheit auch, Wissen haltbar zu machen: Entscheidungen festhalten, Architektur erklären, Kontext dokumentieren, Annahmen sichtbar machen.
Gerade in Organisationen gibt es unglaublich viel Wissen, das nirgendwo steht.
- „Frag mal Peter.“
- „Das weiß Lisa.“
- „Das ist historisch gewachsen.“
- „Das haben wir damals so entschieden, aber ich weiß nicht mehr genau warum.“
Solange Menschen miteinander arbeiten, funktioniert das irgendwie. Nicht gut, aber irgendwie.
Mit KI wird dieses implizite Wissen aber noch stärker zum Flaschenhals. Denn ein Modell kann nur mit dem arbeiten, was verfügbar ist. Wenn Kontext fehlt, entstehen Lücken. Wenn Entscheidungen nicht dokumentiert sind, kann niemand sie nachvollziehen, weder Mensch noch Maschine.
Vielleicht ist das einer der unterschätzten Effekte von KI: Sie macht schlechte Wissensarbeit sichtbar. Nicht, weil sie das Problem erzeugt, sondern weil sie darauf angewiesen ist, dass wir unser Wissen besser zugänglich machen.
Der Compiler hat uns auch nicht ersetzt
Linus Torvalds brachte das in einem Interview auf den Punkt:
“100% of their code is written by compilers. But they never say that.”
Wer sagt, 99% seines Codes werde von KI geschrieben, übersieht: 100% des Codes wurde schon immer von Compilern geschrieben. Und trotzdem gibt es weiterhin Softwareentwickler.
Eigentlich besteht die Geschichte der Softwareentwicklung aus immer neuen Abstraktionsebenen.
- Agentic AIZiele beschreiben statt jeden Schritt vorzugeben
- KI-AssistentenAbsichten in konkrete Codevorschläge übersetzen
- Frameworks & LibrariesAuf fertigen Bausteinen aufbauen
- HochsprachenLogik statt Prozessorbefehle formulieren
- AssemblerLesbare Namen für Maschinenbefehle verwenden
- MaschinencodeDie Befehle, die der Prozessor ausführt
Jede Schicht baut auf den Schichten unter ihr auf.
Jede Ebene nimmt uns einen Teil der direkten Übersetzungsarbeit ab. Und jedes Mal verschiebt sich die eigentliche Arbeit ein Stück weiter nach oben: weg vom „Wie bringe ich den Computer dazu, das auszuführen?“, hin zu „Was soll überhaupt entstehen?“
KI ist aus dieser Perspektive kein Bruch mit der Softwareentwicklung. Sie ist eine weitere Abstraktionsschicht. Eine ziemlich mächtige, ja, aber trotzdem eine Abstraktionsschicht.
Was bleibt dann übrig?
Wenn KI immer besser Code schreibt, bleibt nicht nichts übrig. Es bleibt das, was vorher vielleicht nur weniger sichtbar war.
Ich erlebe das inzwischen fast täglich. Ein Beispiel: der sogenannte „Grill-Me-Skill“ – ein kleines Werkzeug, das einen KI-Agenten dazu bringt, so lange nachzufragen, bis er sicher ist, dasselbe Verständnis des Problems zu haben wie du. Kein Code. Keine Lösung. Erst Klarheit. It’s just as simple as that.
Oder der Kollege, der vorletzte Woche zu mir kam, frustriert über eine Dokumentation, die einfach nicht stimmen wollte. Er war kurz davor, sich einen halben Tag Urlaub zu nehmen. Was ihn am Ende weitergebracht hat, war nicht mehr Code – sondern Klarheit. Er hat das Problem so lange umformuliert, hinterfragt und neu beschrieben, bis die KI mit ihm zusammen zu einem Ergebnis fand, das er sich kaum hätte träumen lassen.
Was also bleibt, wenn KI den Code schreibt?
Das Denken. Das Fragen. Das Entscheiden.
Und vielleicht vor allem die Verantwortung dafür, was überhaupt entstehen soll. Das sind keine Nebentätigkeiten von Softwareentwicklung. Vielleicht sind sie der eigentliche Kern.
Die neue Programmiersprache
Je länger ich über diesen Satz nachdenke, desto weniger glaube ich, dass Klarheit wirklich die neue Programmiersprache ist.
Vielleicht war sie schon immer die wichtigste. Früher wurde sie nur hinter Syntax versteckt.
Wer eine Idee umsetzen wollte, musste sie erst durch die Grammatik einer Programmiersprache pressen. Heute entsteht eine weitere Möglichkeit, mit Computern zu kommunizieren. Natürlicher. Schneller. Direkter.
Aber dadurch wird Denken nicht weniger wichtig. Es wird wichtiger. Denn wenn die Reibung zwischen Idee und Umsetzung kleiner wird, fällt noch stärker auf, ob die Idee klar ist.
Vielleicht ist KI also nicht das Ende der Softwareentwicklung. Vielleicht ist sie nur der Moment, in dem sichtbarer wird, was gute Softwareentwicklung schon immer war.
Nicht Code schreiben. Sondern Gedanken so klar formulieren, dass aus einer Idee Wirklichkeit werden kann.
Und vielleicht gilt das weit über Softwareentwicklung hinaus. KI hilft mir näher zu mir und zu dem zu finden, was ich sein möchte. Aber ich muss es auch zulassen.