KI-Programmierung: 30-Sekunden-Skript entfacht Debatte

KI schreibt in 30 Sekunden das Skript, für das ein Entwickler 400 € verlangte

Ein Privatperson ohne Programmierkenntnisse hatte 7.000 komprimierte Dateien mit Ordnern, Unterordnern, Texten und Videos. Er musste nur die Videos extrahieren, um sie auf einer Streaming-Plattform hochzuladen, da der Server andere Formate ablehnte. Sein ursprünglicher Plan sah vor, mehrere Personen zu bezahlen, die tagelang Datei für Datei öffneten, oder einen Entwickler für ein maßgeschneidertes Skript zu engagieren. Die geschätzten Kosten für die zweite Option beliefen sich laut seiner eigenen Berechnung auf 300 bis 400 Euro, mit einer Frist, die von der Laune des Profis abhing. Er löste das Problem, indem er den Code von einer konversationellen KI anforderte. Dreißig Sekunden für das Skript. Weitere dreißig Sekunden, um ihm zu erklären, wo die Pfade lagen und wie es auszuführen war.

Die in der ersten Person erzählte Episode löste eine Diskussion mit fast zweihundert Antworten darüber aus, ob dies eine Arbeitsrevolution oder eine Anekdote beim Mittagessen sei. Die These des Autors ist, dass generative KI jedem gerade die Macht gegeben hat, Aufgaben zu lösen, die früher die Beauftragung eines Dritten erforderten. Die Antwort der technischen Branche kam auf drei Ebenen: dass dies kein Programmieren sei, dass der generierte Code Überprüfung erfordert und dass die verschwindende Arbeit die repetitivste ist, nicht die komplexe.

Was dieses Skript wirklich tat und warum es kein Programmieren ist

Die Aufgabe bestand darin, komprimierte Dateien zu durchlaufen, Textdokumente zu ignorieren und nur die Videos beizubehalten. Eine Filterung nach Erweiterung innerhalb einer Schleife. Der Vergleich, der in der Diskussion kursierte, war der des Elektrikers: Eine Glühbirne wechseln macht niemanden zum Elektriker, und ein Tutorial anzusehen eliminiert den Beruf nicht. Wer diese Haltung vertritt, fügt einen Kontext hinzu: Vor dreißig Jahren konnte jeder mit einem Computer Dateien auf Disketten über die Befehlszeile komprimieren. Heute muss man es einer Maschine fragen, und es wird als Meilenstein dargestellt.

Das ist der Punkt, der technische Profile am meisten stört. Sie leugnen nicht, dass das Werkzeug funktioniert. Sie leugnen, dass die Leistung vergleichbar ist. Die Linie, die „eine KI nutzen“ von „programmieren“ trennt, ist dieselbe, die „einen Taschenrechner nutzen“ von „Mathematiker sein“ trennt, sagen sie im Wesentlichen. Und in dieser Unterscheidung liegt ein großer Teil der Debatte begründet.

Halluzinierender Code: Warum die Überprüfung weiterhin obligatorisch ist

Das am häufigsten wiederholte Argument unter denen, die mit diesen Tools arbeiten, ist, dass generierter Code Überprüfungsarbeit erfordert. Ein Teilnehmer fasst zusammen: Aktuelle Versionen sind Werkzeuge, die viele Dinge schnell erledigen, aber halluzinieren und keinen produktiven Code ohne Aufsicht generieren. Ein anderer erzählt, dass er für ein Visual Basic-Skript in Excel mehrere Versionen testen musste, bis es funktionierte, und zieht daraus die Schlussfolgerung: Es kommt darauf an, der Maschine Anweisungen geben zu können.

Diese Lücke zwischen dem, was die KI liefert, und dem, was das System benötigt, ist das Terrain, auf dem die Branche ihre Daseinsberechtigung verteidigt. Es geht nicht darum, dass die KI keinen Dateifilter schreiben kann. Es geht darum, dass das Ergebnis in eine konkrete Umgebung integriert werden muss, mit ihren Besonderheiten, und jemand muss die Verantwortung übernehmen, wenn es fehlschlägt. Die Diskussion führte zu einem bewusst extremen Beispiel: einer KI zu bitten, in Echtzeit, in Millisekundenschritten, einen vollständigen Verbrennungsmotor mit Temperaturen, Drücken, Luft- und Kraftstoffströmen, Elektronik und Mechanik zu simulieren. Die Antwort war, dass nur sehr wenige Programmierer das können. Und dass solche Aufgaben denen vorbehalten sein sollten, die bleiben.

Der Präzedenzfall, den niemand betrachten will: Traktoren und Bauwesen

Der historische Vergleich tauchte früh auf. Ein Teilnehmer erinnerte daran, dass Traktoren niemanden zurück aufs Land schickten: Die Arbeiter wurden Fahrer, Mechaniker und Fabrikarbeiter. Ein anderer entgegnete mit dem Bausektor, wo die Mechanisierung tatsächlich Menschen zurückließ. Die Diskussion verhedderte sich darin, ob frühere Veränderungen langsam genug waren, um einen geordneten Übergang zu ermöglichen, und ob sich der Zeitplan diesmal komprimiert.

Manche behaupten, dass der Prozentsatz der betroffenen Arbeitskräfte in kurzer Zeit zu hoch sein könnte, um ihn ohne Konflikte zu absorbieren. Andere antworten mit dem Argument, dass jede Automatisierung Widerstand erzeugt, weil sie mehr Menschen beschäftigt als nötig. Die Diskussion wurde in mehreren Abschnitten zu einem Aufeinandertreffen zweier Lesarten der Wirtschaftsgeschichte: derer, die auf Wiederaufnahme vertrauen, und derer, die daran erinnern, dass dies nicht immer geschah.

Das zerbrechende Geschäftsmodell: Freelancer, Fabriken und der Kunde, der nicht mehr zahlt

Die wirtschaftliche Schärfe der Angelegenheit liegt im Segment, das von Basisaufgaben lebte. Der Autor der ursprünglichen Nachricht stellt es unverblümt dar: Der Freelance-Entwickler, der einfache Skripte erstellte und dafür bezahlte, verliert dieses Volumen. Die Formulierung, die er verwendete, war die des Profis, der sich als Mechaniker ausgibt, um den unwissenden Kunden abzuzocken: „Ich muss dir ein maßgeschneidertes Skript machen, zwanzig Stunden und tausend Euro.“ Wenn der Kunde das Skript in einer Minute erhalten kann, verschwindet diese Marge.

Die technische Gegenoffensive hat zwei Säulen. Die erste: Die KI macht den Entwickler effizienter, ersetzt ihn nicht; das angeführte Beispiel waren Entwicklungsfabriken. Die zweite: Die freigesetzte Arbeit wird für komplexere Aufgaben verwendet, und nicht jeder eignet sich für diese Aufgaben. Das Problem dieses Arguments ist, dass es genau das Junior-Segment und den Freelancer für kleine Aufträge ausschließt, wo der Schlag zuerst spürbar ist.

Der Praktikant, der Analyst und der Projektleiter

Die am häufigsten wiederholte Vorhersage spricht nicht von Verschwinden, sondern von selektiver Substitution. Die KI kann konkrete Aufgaben ausführen und wird dies immer besser tun, aber sie versteht kein komplexes Problem, das viele verschiedene Aufgaben mit einem Metaproblem umfasst, das gelöst werden muss. Daher die Schlussfolgerung, die kursierte: Sie ersetzt weder einen Projektleiter noch einen Analysten, aber wohl den Praktikanten, dem Aufträge gegeben werden, die später überprüft werden müssen.

Diese Hierarchie nach Komplexitätsgraden ordnet fast die gesamte Debatte. An der Basis stehen repetitive und klar definierte Aufgaben: Dort schreitet die Automatisierung voran. An der Spitze stehen offene Probleme, die Urteilsvermögen erfordern: Dort ist ein Ersatz nicht am Horizont. Die unbequeme Frage lautet, wie viele Stellen an der Basis liegen und was mit ihnen geschieht.

Die Produktivität steigt, die Frage ist für wen

Der breitest konsensuale Punkt, selbst unter Skeptikern, ist, dass die Produktivität steigen wird. Die Uneinigkeit liegt bei der Verteilung. Wenn weniger Menschen für dieselbe Arbeit benötigt werden, ist die logische Konsequenz weniger Einstellung, und das bestreiten kaum jemand. Was diskutiert wird, ist, ob die Einsparungen in mehr Projekte, mehr Gewinn oder einfach in weniger Gehaltsabrechnungen übersetzt werden.

Ein Teilnehmer fügte eine Ableitung hinzu, die oft ausgeklammert wird: Wenn Entwicklungen beschleunigt werden, Fristen kürzer werden und Umgebungen schneller wechseln, hat dies psychologische und lebensstilbezogene Implikationen für alle. Geschwindigkeit ist nicht kostenlos. Der Autor der ursprünglichen Nachricht kündigte unterdessen an, die Diskussion aufzubewahren, um sie in fünf Jahren wieder aufzugreifen. Er glaubt, dass dann das Gelächter allgemein sein wird. Vielleicht hat auch recht, wer ihm antwortete, dass er selbst mit Computer und Tastatur arbeitet.