Python für Nicht-Ingenieure: Der Karrierestart spaltet die Branche

Python als Einstieg in technische Jobs spaltet die Entwickler

Das Erlernen von Python, um eine Remote-Anstellung zu sichern, ist zum meistdiskutierten Shortcut der Tech-Branche geworden. Ein Aspirant kündigte an, vier Stunden täglich unter der Woche und sechs am Wochenende dafür aufzuwenden. Die Reaktion offenbart eine echte Kluft: Einige sehen darin das Schweizer Taschenmesser, das für fast alles reicht; andere betrachten es als die Sprache, die KI dominiert, aber niemanden zum Ingenieur macht.

Der Ausgangspunkt ist ein konkretes Versprechen harter Arbeit: vier Stunden pro Tag, sechs am Wochenende. Dahinter steht die erste praktische Warnung, die nichts mit Code zu tun hat: Man muss beim Englisch-Wörterbuch beginnen, denn die Sprache heißt Python und nicht „Fitón“. Diese Anekdote ist nicht trivial. Wer den Namen der Sprache bei Kundenpräsentationen falsch schreibt, macht sich laut Berichten lächerlich.

Reicht Python aus, um als Programmierer zu arbeiten?

Die Antwort hängt davon ab, wen man fragt. Für Profile, die Programmierung nicht als Hauptberuf ausüben, funktioniert Python als Allzweckwaffe: Sie eignet sich zur Automatisierung von Aufgaben, zur Datenbearbeitung und zur Lösung spezifischer Anfragen ohne die Komplexität anderer Sprachen. Dies ist das häufigste Argument der Befürworter des Shortcuts.

Dagegen spricht ein grundlegendes Gegenargument: Wer programmiert, spricht mit Prozessoren, und die Sprache ist zweitrangig. Aus dieser Logik heraus sollte man Computerprogrammierung studieren, nicht eine bestimmte Sprache. Die Empfehlung lautet daher, sich auf Low-Level-Sprachen oder funktionale Sprachen mit seriöser Struktur zu konzentrieren: C, Rust, OCaml, Zig, Haskell. Wer bereits Java, serverseitiges JavaScript, Python oder PHP beherrscht, sollte zu C oder Rust wechseln.

Es gibt einen dritten Weg, pragmatischer und weniger episch: Der Lebenslauf wird an die Stelle angepasst, auf die man sich bewirbt. Man lernt das Nötigste, um die Stellenanforderungen zu decken, und hört auf, zu viel nachzudenken.

COBOL stützt das Bankwesen und der Mythos der Leistung

Dem Narrativ des hochqualifizierten Autodidakten steht ein verwirrender Fall gegenüber. Ein Arbeitnehmer absolvierte eine Fernausbildung in Webapplikationsentwicklung, während er auf dem Bau arbeitete. Er wurde von einer Fleischfirma eingestellt und wegen Personalabbau entlassen. Später erwarb er eine IBM-Zertifizierung in COBOL und wurde von einer Bank eingestellt. Seit zwei Jahren geht er einmal im Monat ins Büro und arbeitet durchschnittlich drei Stunden täglich. Manche Wochen tut er gar nichts.

Seine Verteidigung ist direkt: Diese COBOL-Wartung stellt sicher, dass Geld per Bizum (spanisches Sofortzahlungssystem) oder Verwaltungsgehälter ankommt. Er fügt ein Fakt hinzu, das erklärt, warum niemand seinen Job antastet: Laut seiner Aussage kennt er zwei COBOL-Spezialisten in einer europäischen Institution, die seit dreißig Jahren machen, was sie wollen, weil jeder Versuch, diese Mainframes zu migrieren, gescheitert ist. Die Daten seien so kritisch, dass, wieder laut seiner Geschichte, ein Niesen dieser Systeme die europäische Wirtschaft erschüttern könnte.

Die Schlussfolgerung ist nicht, dass COBOL die Zukunft ist, sondern dass der Markt Knappheit und Abhängigkeit bezahlt, nicht technische Eleganz.

KI als Krücke und die Angst, zurückgelassen zu werden

Der Aufstieg von Code-Assistenten hat das Argument neu geordnet. Für Python-, Bash- oder SQL-Aufgaben behaupten einige, diese sparen unzählige Stunden. Die wiederholte Bedingung ist, dass man lesen kann, was die Maschine generiert, Optimierungspotenziale erkennt und Teile zusammenfügt. Ohne dieses Kriterium ersetzt das Werkzeug den Programmierer nicht: Es entlarvt ihn.

Der Gegenpunkt kommt von jemandem, der seit Jahren Kabel verdreht und die Lage mit Distanz betrachtet. Seine These lautet, dass Maschinen in wenigen Jahrzehnten fast alles Programmierbare erledigen werden und er Kindern heute nicht raten würde, dies zu studieren. Für Früheinsteiger lohnt es sich vielleicht noch. Für alle anderen lautet der Rat, etwas Physisches zu finden, das nur Menschen können.

Dies ist keine überprüfbare Vorhersage, aber sie erklärt, warum viele erfahrene Profis erwägen, Python zu lernen, auch wenn es ihnen nicht gefällt: Sie wollen nicht vom Avalanche-Effekt ausgeschlossen werden.

Englisch, falsch geschriebene Namen und die Glaubwürdigkeitslücke

Die häufigste Korrektur betrifft nicht die Syntax. Die Sprache heißt Python, geschrieben P-Y-T-H-O-N, und wer sie „Fitón“ oder „Phyton“ nennt, verliert Autorität, bevor er die erste Zeile schreibt. Die Anekdote des Chefs, der den Namen bei Kundenpräsentationen falsch ausspricht, dient als Warnung: In einer Branche, die sich als technisch verkauft, verraten Details.

Dieses Detail verbindet sich mit breiterer Kritik. Profile, die mit Python beginnen, werden beschuldigt, sich für Ingenieure zu halten, nur weil sie die Konversation mit einem Prozessor beherrschen. Die Antwort ist scharf: Das klingt wie von schlecht trainierter künstlicher Intelligenz geschrieben. Die Diskussion verfällt in gegenseitige Verachtung zwischen Schulen, wobei jeder praktische Nutzen verloren geht.

---

Eine Frage bleibt unbeantwortet. Wenn Python hilft, einzusteigen, Aufgaben zu automatisieren und Zeit durch KI zu sparen, warum erzeugt es so viel Ablehnung bei denen, die seit Jahren Code tippen? Vielleicht liegt das Problem nicht an der Sprache, sondern an dem, was sie verspricht: ein Shortcut zu einem Job, den andere zehn Jahre brauchten, um zu verstehen.