Engineering-Grundlagen

Unsere Position. Wir sehen die Lücke bei den Engineering-Grundlagen, nicht bei KI-Skills: the fundamentals were always important, and AI made them urgent (öffnet in einem neuen Tab).

Agents übernehmen die klar umrissenen Aufgaben mit geringem Risiko, an denen Juniors früher gelernt haben. Damit gerät der Weg in Gefahr, auf dem aus Juniors Seniors werden. Dahinter steckt das Siebzig-Prozent-Problem: Der Agent schafft ungefähr siebzig Prozent, ein Junior sieht den fehlenden Teil nicht, und ein Senior fängt ihn im Review auf (The AI-Native Software Engineer, Addy Osmani (öffnet in einem neuen Tab)).

Beim Hiring zählen jetzt die Skills, die über die bereits automatisierten hinausgehen. Zwölf CTOs nannten auf die Frage, was sie heute schätzen, kritisches Denken, Systemdenken und das Übersetzen von Business-Kontext, nicht Prompt Engineering. In ihren Interviews bekommen Kandidat:innen leicht fehlerhaften KI-generierten Code. Die CTOs beobachten, ob sie innehalten, nachfragen und ihn prüfen (CTOs Reveal How AI Changed Software Developer Hiring in 2025 (öffnet in einem neuen Tab)).

Verifikation wird zu einer eigenen Grundlage. LLMs leiten Code per Inferenz ab, statt ihn zu kompilieren. Deshalb wird ihr Output nie zu einer festen Schicht, die ihr nicht mehr lesen müsst. Bei jedem Einsatz wägt ihr ab, wie schwer ein Fehler wiegt, wie wahrscheinlich er ist und wie gut eure Chancen stehen, ihn vor dem Release zu finden (I still care about the code (öffnet in einem neuen Tab)). Halluzinationen häufen sich dort, wo echte Arbeit passiert. Das ist der Fall, wenn eine Aufgabe nah an einem bekannten Konzept liegt, aber spezifische Details verlangt, etwa eine interne Library oder eine gerade erschienene API-Version (Podcast zu den Fallstricken agentischer Entwicklung (öffnet in einem neuen Tab)).

Einstieg

• Der Lernpfad für Junior Engineers: Wie KI Einstiegsarbeit und Signale im Hiring verändert und welche gezielte Übung künftige Senior Engineers brauchen.
• Verification Literacy: Warum probabilistische Codegenerierung Review, Tests und das Wissen um die Fehlermuster von Modellen zu Grundlagen macht.

Verwandte Seiten

• Einstieg und Lernen: wo die Grundlagen in die ersten Wochen der Praxis passen.
• Software Engineering: die Werte und Prinzipien, die durch Agents mehr Gewicht bekommen.
• Architekturarbeit im agentischen Zeitalter: wohin sich die Arbeit von Engineers verschiebt, wenn Agents den Code schreiben.
• Qualität und Verifikation: warum das Prüfen das Tempo bestimmt, nicht das Generieren.
• Senior Engineering Skills: die Skills rund um den Code, etwa das Schreiben der Design Docs und Konventionen, auf denen Agents heute aufbauen.

Quellen

Artikel

• CTOs Reveal How AI Changed Software Developer Hiring in 2025 (öffnet in einem neuen Tab) - Interviews von Final Round AI mit zwölf CTOs, die kritisches Denken, Systemdenken und das Übersetzen von Business-Kontext höher schätzen als Prompt Engineering.
• I still care about the code (öffnet in einem neuen Tab) - Essay mit dem Argument, dass LLMs per Inferenz arbeiten, statt zu kompilieren. Ihr Output bleibt deshalb ein dauerhaftes Risiko, das jeder Einsatz abwägen muss.

Posts

• The fundamentals were always important, and AI made them urgent (öffnet in einem neuen Tab) - LinkedIn-Post, der die Skill-Lücke des agentischen Zeitalters bei den Engineering-Grundlagen verortet statt bei KI-Skills.

Talks und Videos

• A Developer’s Guide to Not Getting Replaced by Agents (öffnet in einem neuen Tab) - Folge des AI Native Dev Podcasts über Fallstricke agentischer Arbeit. Sie verortet Halluzinationen neben bekannten Konzepten, wo spezifische Details gefragt sind.
• The AI-Native Software Engineer (öffnet in einem neuen Tab) - Talk bei JavaScript Conferences by GitNation, der das Siebzig-Prozent-Problem benennt: Agents schaffen den Großteil, und Juniors übersehen den Rest.