Mat KI programméieren: delegéieren, ouni d’Kontroll ze verléieren

Programméieragente beschleunegen eng Rei Aufgaben, mee hir Iwwerwaachung verlaangt Kompetenzen, déi ee weiderhi muss trainéieren. Wat Studien an Ingenieuren tatsächlech behaapte kënnen.

E Programméieragent kann Code schreiwen, Kommandoen ausféieren a verschidde Schrëtt hannerteneen ofschaffen, ouni all Kéier op eng Instruktioun ze waarden. D’Aarbecht vum Entwéckler verlagert sech domat: manner tippen, méi virgi a kontrolléieren. Mee et bleift eng manner siichtbar Fro wéi déi no der Zäiterspuernis: Wann een e puer Aufgaben manner dacks ausféiert, wéi kann een déi néideg Kompetenze behalen, fir e Feeler z’entdecken oder nees d’Kontroll ze iwwerhuelen?

Iwwert dëse Risiko schwätzen Ingenieuren, déi esou Tools all Dag benotzen. Mee een däerf en net mat engem noweisbaren, dauerhafte Kompetenzverloscht bei allen Entwéckler verwiesselen. Déi verfügbar Informatioune beschreiwen haaptsächlech Notzungsweisen, Aschätzungen an Erfarungen, déi op bestëmmt Aufgaben ageschränkt sinn. Si hëllefen awer ze verstoen, wou d’Delegéieren problematesch ka ginn a wéi ee Kontroll méi konkret ka maachen.

Code delegéieren heescht net, d’Responsabilitéit ofzeginn

An engem Text iwwer d’Notzung vu Programméieragente ënnerscheet den Addy Osmani, Ingenieur bei Anthropic a Member vum Claude-Code-Team, dräi Stufe vum Delegéieren. Op der éischter liwwert den Agent e Virschlag, deen d’Persoun iwwerpréift. Op der zweeter gëtt dëse Virschlag zum Ausgangspunkt vun der Aarbecht. Op der drëtter gëtt en ouni wierklech Kontroll iwwerholl. D’Fuerscher vu Wharton bezeechnen dës Haltung als „kognitiv Kapitulatioun“.

Den Ënnerscheed läit manner beim Tool wéi bei der Roll, déi de Benotzer behält. En Entwéckler kann en Agent eng Funktioun schreiwe loossen an trotzdeem verantwortlech bleiwen, ze verstoen, wat se mécht, ze iwwerpréiwen, ob se dem Besoin entsprécht, an ze decidéieren, ob se integréiert ka ginn. Ëmgedréint kann eng technesch plausibel Äntwert ugeholl ginn, well se gutt presentéiert ass oder well den éischten Test klappt.

En erfollegräichen Test beweist awer nëmmen dat, wat e kontrolléiert. Wann den Test eng falsch Viraussetzung aus der Funktioun iwwerhëlt, déi e soll kontrolléieren, kënnen déi zwee zesumme versoen, de Problem z’entdecken. Fir sënnvoll ze kontrolléieren, muss een dofir och den Ëmfang vum Test kucken: Wéi eng Fäll deckt en of, wéi eng léisst en aus, a wéi eng Viraussetzunge muss een unhuelen, fir dem Resultat ze vertrauen?

D’Virdeeler bei der Notzung moossen net, wat ee léiert

Eng Etüd, déi Anthropic 2025 publizéiert huet, gëtt en Abléck an d’Ännerungen, déi an der Entreprise observéiert goufen. Si baséiert op enger Ëmfro bei 132 Ingenieuren a Fuerscher, 53 Gespréicher an der Analyse vun 200 000 internen Transkriptioune vu Claude Code, déi am Februar an am August 2025 gesammelt goufen. An der Ëmfro hunn d’Mataarbechter geschat, datt si Claude bei 59 % vun hirer Aarbecht benotzen, an him en duerchschnëttleche Produktivitéitsgewënn vu 50 % zougeschriwwen. Dës Zuele baséieren op Aussoen: Si beschreiwen d’Aschätzung vun de Befroten, net eng onofhängeg Miessung vun der tatsächlech gespuertener Zäit.

D’Analyse vun den Transkriptioune weist dogéint, wéi sech d’Verdeelung vun den Notzungsweisen entwéckelt huet. Tëscht Februar an August ass den Undeel vun den Transkriptiounen, déi als Aarbecht un der Ëmsetzung vun neie Funktioune klasséiert goufen, vun 14,3 % op 36,9 % geklommen, an deen, deen als Aarbecht um Design oder un der Planung vum Code klasséiert gouf, vun 1 % op 9,9 %. Den Tool huet och méi Aktiounen hannerteneen ausgeféiert, ier nees e Mënsch agräife misst. Dës Resultater weisen, datt d’Ekippen Claude Code méi komplex oder méi autonom Aufgaben uvertraut hunn. Si moossen awer net eleng eng Hausse vum gesamten Aarbechtsvolume oder de Kompetenzniveau vun all eenzelner Persoun.

D’Gespréicher weisen och déi méiglech Kehrsäit vun dëser Entwécklung. Verschidde Befroter soen, si géifen a Beräicher méi sécher ginn, déi si virdrun net esou gutt beherrscht hunn, well d’KI et méi einfach mécht, eng éischt Versioun ze erstellen oder neie Code ze entdecken. Anerer maache sech Suergen, datt si manner léieren, wann si Problemer net selwer léisen: Dokumentatioun liesen, d’Fonctionnement vun engem Tool ënnersichen oder e Feeler noverfollegen, kann Wësse vermëttelen, dat fir déi direkt Korrektur net onbedéngt néideg ass, mee spéider hëlleft, de System als Ganzt ze verstoen.

Anthropic präziséiert, datt d’Befroten Mataarbechter vun enger Entreprise sinn, déi dës Tools entwéckelt, an datt si se an engem besonnesche Kontext benotzen. D’Äntwerte kënne weiderhin duerch d’Auswiel vun de befrote Persounen an duerch de Fait beaflosst sinn, datt verschidde Miessungen op Aussoe baséieren. Dës Aarbecht beliicht Ofweegungen, déi an där Organisatioun observéiert goufen; si erlaabt net d’Conclusioun, datt Entwéckler am Allgemengen hir Kompetenze laangfristeg verléieren, wa si KI benotzen.

Fir ze iwwerwaachen, muss ee wëssen, wat ee kontrolléiert

Dat ass de praktesche Paradox vun der Iwwerwaachung: Fir de Code vun engem Agent ze bewäerten, brauch ee genuch Wëssen, fir ze erkennen, wat geféierlech, onvollstänneg oder net passend ass. Mee grad d’Befroter bei Anthropic maache sech Suergen ëm de Erhalt vu Kompetenzen, déi een esouwuel fir d’Schreiwe vum Code wéi och fir seng Kritik brauch. E puer soen dofir, datt si sech Zäit fir d’Programméieren ouni KI huelen, fir dëst Handwierk weider ze trainéieren.

Dës Entscheedung beäntwert net all d’Froen. Et muss besonnesch nach gekläert ginn, wéi eng Kompetenzen an enger Aarbecht néideg sinn, an där d’Tools d’Aufgabe vun den Ingenieure veränneren. Verschidde befrote Mataarbechter kënne sech virstellen, datt sech hir Aarbecht a Richtung Konzeptioun, Code-Review oder Koordinatioun vun Agenten verlagert. Anerer bedaueren, datt si manner direkt mam Code schaffen, oder stellen sech Froen iwwer d’Ausbildung vun Ufänger. D’Etüd hält dës Siichtweisen fest; si seet net viraus, wéi sech de Beruff entwéckelt.

D’Resultater vun enger anerer Etüd, déi hir Auteuren an der Wharton Magazine diskutéieren, lenken d’Opmierksamkeet op d’Akzeptéiere vun enger generéierter Äntwert. D’Befroter konnten ChatGPT benotzen, fir Froen zu Logik a Schlussfolgerung ze léisen. De Steven Shaw erkläert, datt d’Participanten an den Experimenter d’Äntwert vum Tool dacks iwwerholl hunn, och wann se falsch war. Dës Aufgaben beliichten e Verhalen an enger experimenteller Situatioun; si moossen weder d’Qualitéit vun der Aarbecht vun engem Entwéckler an enger Entreprise nach e laangfristege Verloscht vu senge Fäegkeeten.

Kontroll jee no Bedeitung vum Risiko

Den Addy Osmani réit net dozou, all Aufgab mat där selwechter Grëndlechkeet ze kontrolléieren. Eng Aufgab, déi wéineg Risiko mat sech bréngt a sech einfach korrigéiere léisst, brauch net onbedéngt genee esou grëndlech iwwerpréift ze ginn ewéi eng Ännerung, déi d'Sécherheet, d’Donnéeën oder den Asaz a Produktioun beaflosse kann. Virun enger wichteger Aufgab schléit hien vir, fir d’éischt eng eege Viraussetzung ze formuléieren an duerno nozedenken, wat d’Äntwert vum Agent falsch maache kéint. Hie réit och dozou, den Agent seng Choixen an déi vun him benotzte Standardwäerter erkläre ze loossen.

Bei enger Softwareännerung kënnen dës Schrëtt a konkret Froen iwwersat ginn: Wat fir e Verhalen soll sech änneren? Wéi eng Deeler vum System si betraff? Wéi eng Fäll kontrolléiert den Test tatsächlech? Huet den Agent eng Ofhängegkeet oder eng Viraussetzung agefouert, déi d’Ekipp net iwwerpréift huet? Eng sënnvoll Iwwerpréiwung besteet net nëmmen doran, d’Resultat nach eng Kéier ze liesen; si vergläicht et mat Critèren, déi festgeluecht goufen, éier een et ugeholl huet.

D’Fro ass also net, ob ee selwer all Zeil schreift oder alles engem Agent iwwerlooss. Et geet drëm ze decidéieren, wéi eng Operatioune kënnen delegéiert ginn, genuch Verständnis ze behalen, fir déi wichteg Entscheedungen ze iwwerwaachen, an ze kontrolléieren, ob d’Aarbechtsgewunnechten nach ëmmer déi néideg Kompetenze fërderen. Wéi séier Code entsteet, gesäit een direkt. Ob een en nees iwwerhuele kann, weist sech eréischt, wann een en erkläre muss, korrigéieren oder weiderentwéckelen.