Zum Inhalt springen

Wissensbasis

Der Lernpfad für Junior Engineers

KI übernimmt die kleinen, risikoarmen Aufgaben, an denen Juniors früher gelernt haben. Teams müssen Lernarbeit deshalb gezielt schaffen. Auch das Hiring verschiebt sich: Interviewer:innen prüfen jetzt, ob Kandidat:innen fehlerhaften KI-generierten Code hinterfragen und prüfen.

Verfasst von

Aktualisiert:

Einstieg 2

Unsere Position. Wir stellen nach Urteilsvermögen bei Unklarheit ein und leveln nach Entscheidungsqualität, nicht danach, wie viel Arbeit jemand beaufsichtigt (öffnet in einem neuen Tab). Erfahrung zählt für das Urteilsvermögen, das daraus entstanden ist, nicht für den Titel, den sie eingebracht hat.

Die Kosten zeigen sich zuerst im Review. Wer als Junior nicht sieht, was der Agent übersehen hat, liefert es aus, und jemand aus dem Senior-Team fängt es auf.

Wie schützen Teams das Lernen von Juniors?

  • Setzt den Agenten für Juniors als Copilot ein, nicht als Autopilot, damit sie den Kontakt zur Problemdomäne behalten.
  • Baut KI ins Onboarding ein, zum Beispiel als Skill, der durch die Codebase führt und einen Beispiel-Pull-Request öffnet.
  • Prüft Systemdenken und die Übersetzung von Geschäftskontext. Zwölf CTOs gewichten beides inzwischen höher als Prompt Engineering.

Was passiert mit Engineering-Arbeit auf Einstiegsniveau?

Der Umbruch trifft diejenigen am härtesten, die diese Grundlagen noch aufbauen. KI übernimmt genau die klar umrissenen, risikoarmen Aufgaben, an denen Juniors früher gelernt haben. Das bedroht die Pipeline, die aus Juniors Seniors macht (The AI-Native Software Engineer, Addy Osmani (öffnet in einem neuen Tab), 5. Dezember 2025). Derselbe Talk nennt die Falle das Siebzig-Prozent-Problem: Agenten kommen ungefähr siebzig Prozent des Wegs weit. Ein Junior sieht die fehlenden dreißig Prozent nicht und reicht das Ergebnis als Pull Request ein, jemand aus dem Senior-Team fängt es im Review auf. Der Blog Mechanical Survival beschreibt den Verlust schärfer. Wer Juniors auf Autopilot statt Copilot setzt, trennt sie von den Fähigkeiten und ebenso von der Problemdomäne. Ohne die Praxis fehlen ihnen die Sinne, mit denen sie die Arbeit wahrgenommen hätten (Team dynamics after AI (öffnet in einem neuen Tab), 2. Oktober 2025).

Berichte aus der Praxis bestätigen, dass die Lücke real und ungelöst ist. Im Februar 2026 hatte KI einen großen Teil der Aufgaben an sich gezogen, die früher an Juniors gingen. Nur wenige Teams haben bisher angepasst, wie sie Juniors ausbilden (Branchensynthese: AI’s impact on the state of the art in software engineering in 2026 (öffnet in einem neuen Tab), 6. Februar 2026). Der Markt, der daraus entsteht, ist U-förmig: Seniors, die mit KI besonders viel bewirken, an einem Ende, KI-native Juniors am anderen, die Mitte gerät unter Druck (Videoessay zum KI-nativen Talentmarkt (öffnet in einem neuen Tab), 13. Januar 2026). Ein Gegenzug, der funktionieren kann, lässt die Pipeline rückwärts laufen. Teams bauen KI ins Onboarding ein, damit neue Leute schon sicher mit KI ankommen und ihre Senior-Teams mitziehen (Bloomberg-Talk: KI-Einführung bei Bloomberg (öffnet in einem neuen Tab), 16. Dezember 2025). Manche Teams packen das in einen Onboarding-Skill. Er richtet die Umgebung ein, führt durch die Codebase und öffnet einen Beispiel-Pull-Request (Branchensynthese: AI’s impact on the state of the art in software engineering in 2026 (öffnet in einem neuen Tab)).

Die Marktdaten zeigen den Druck inzwischen. Bei den fünfzehn größten US-Techunternehmen sind Neueinstellungen von Absolvent:innen seit 2019 um 55 Prozent gesunken. An der University of California sind die Einschreibungen ins Informatik-Grundstudium zum ersten Mal seit dem Dotcom-Crash zurückgegangen (SF Standard: AI Writes the Code Now, What Is Left for Software Engineers? (öffnet in einem neuen Tab), 19. Februar 2026). Wer noch Grundlagen aufbaut, sollte die Karriere daher nicht auf die konkreten Fähigkeiten setzen, die gerade automatisiert werden. Der Rat lautet, auf das zu setzen, was darüber liegt: Urteilsvermögen, Problemrahmung und die Fähigkeit, bei KI-Output zu erkennen, ob er stimmt (A Country Full of Geniuses (öffnet in einem neuen Tab), 13. Februar 2026).

Das Hiring belohnt genau das bereits. Zwölf CTOs wurden gefragt, welche Fähigkeit sie heute schätzen, die sie vor KI nicht geschätzt haben. Sie nannten übereinstimmend kein Prompt Engineering, sondern kritisches Denken, Systemdenken und die Übersetzung von Geschäftskontext. Gemeint ist die Fähigkeit, die selbstsichere, aber falsche Antwort zu erkennen und zu durchdenken, wie Teile gemeinsam skalieren. Dazu gehört, aus einer unklaren Anforderung das Richtige zum Bauen abzuleiten (Final Round AI: CTOs Reveal How AI Changed Software Developer Hiring in 2025 (öffnet in einem neuen Tab), 8. Juli 2025).

Ihre Interviews haben sich entsprechend verschoben. Sie geben Kandidat:innen leicht fehlerhaften KI-generierten Code und beobachten, ob sie innehalten, Rückfragen stellen und den Code prüfen, statt ihn zu akzeptieren. Gefragt sind laut den von Final Round AI befragten CTOs die Developer, die das Chaos der KI aufräumen können. Wer noch mehr davon erzeugt, ist nicht gefragt.

Ein Interview mit einem Praktiker schlägt eine konkrete Lehrzeit für Teams vor, die bereits Agenten einsetzen. Neue Leute schreiben zuerst etwa ein Jahr lang Code von Hand, um zu wissen, womit die Agenten umgehen. Danach führen Lead Engineers sie wie einen weiteren Agenten: gleiche Aufgabengröße, gleiche deterministische Gates, mehrere Monate mit wenig Output und schnellem Lernen. Erst danach führen sie eigene Agenten. Dieser Pfad lehrt zu erkennen, wann ein Agent im Kreis läuft: Er ändert eine Sache und macht eine andere kaputt. Der Praktiker erkannte das nur, weil er selbst auf dieselbe Weise gekämpft hatte. Er bietet den Pfad als Vermutung an, nicht als erprobtes Programm (LIVE: Software Fundamentals in the Age of AI (öffnet in einem neuen Tab), August 2026).

Verwandte Seiten

Quellen

Artikel

Posts

Talks und Videos