Das Wie des Codens ist gelöst, das Was des Bauens nicht

Hintergrund

In zwei Jahren hat sich die Softwareentwicklung radikal gewandelt. GitHub Copilot lieferte 2021 nur einzeilige Vorschläge; 2026 verstehen Cursor, Replit Agent und Devin ganze Codebasen, generieren Module aus natürlicher Sprache und debuggen, deployen und testen autonom. Über 70 % der Entwickler nutzen KI-Assistenten, in manchen Projekten stammen über 40 % des Codes von KI.

Doch der Fortschritt offenbart einen Widerspruch: Das „Wie“ des Codens ist gelöst, doch das „Was“ – was soll gebaut werden? – rückt in den Vordergrund. Teams bauen effizient am Markt vorbei. KI glänzt in der Ausführung, aber Produktdefinition, Bedarfsermittlung und Nutzerwertbeurteilung bleiben menschlich.

Tiefenanalyse

Führende KI-Coding-Tools nutzen große Sprachmodelle, trainiert auf Open-Source-Code und natürlicher Sprache, um Absichten in Code zu übersetzen. Cursor verwendet eine Mixture-of-Experts-Architektur, indiziert das gesamte Projekt und bindet API-Dokumentationen ein. Replit Agent automatisiert Umgebung, Paketmanagement und Deployment – auf die Anweisung „Erstelle eine Foto-Sharing-App“ entsteht in Minuten ein Prototyp.

Programmieren hat klare Regeln und sofortiges Feedback – Code läuft oder nicht –, daher ist das „Wie“ lösbar. Das „Was“ betrifft vage Aspekte: Nutzerprobleme, Marktlücken, Konkurrenzschwächen. Diese lassen sich nicht aus Code ableiten oder mit Verlustfunktionen optimieren. Selbst fortgeschrittene KI liefert ohne Kontext und Geschäftsdaten nur generische Beschreibungen, keine wettbewerbsfähigen Entscheidungen.

Branchenwirkung

Die Lücke verändert Rollen und Wettbewerb. Entwickler verlagern sich von Syntax und Debugging zu Systemdesign und Architektur. Junior-Programmierer könnten weniger gefragt sein, „Augmented Engineers“ mit Geschäftsverständnis und KI-Kompetenz sind gesucht.

Produktmanager und Designer werden strategisch wichtiger. Bei technischen Kosten nahe null entscheidet Nutzerverständnis über Differenzierung. Manche Firmen schaffen „KI-Produktstrategen“, die Marktsignale in KI-Spezifikationen übersetzen.

Low-Code/No-Code-Plattformen geraten unter Druck, da KI natürliche Sprache in Profi-Code umsetzt; Drag-and-Drop verliert seinen Vorteil, sie müssen sich auf vertikale Lösungen konzentrieren. Software-Outsourcing wird umgekrempelt: Reine Codierung bringt geringere Margen, Anbieter müssen Anforderungsanalyse und Beratung anbieten.

Ausblick

Ob KI die „Was bauen?“-Barriere durchbricht, ist die nächste Herausforderung. Erste Ansätze: Tools integrieren Nutzerverhalten und Heatmaps zur automatischen Verbesserung; Start-ups analysieren Wettbewerberbewertungen und Social Sentiment. Radikaler: KI führt generative Interviews mit Endnutzern – mit Halluzinations- und Ethikrisiken.

Kurzfristig dient KI als Assistent für Anforderungsanalyse, generiert Hypothesen und bereitet Daten auf, die Wertbeurteilung bleibt beim Menschen. Langfristig könnten multimodale Modelle zu „Produktideen-Partnern“ werden. Doch menschliche Empathie, Assoziation und Wertabwägung bleiben unersetzlich. Optimale Strategie: Mensch-Maschine-Kollaboration – KI führt deterministisch aus, der Mensch definiert, was gebaut werden soll.