Erkenne die Fähigkeiten, die an Wert gewinnen, während Codegenerierung alltäglich wird, und rüste dich aus, um sie gezielt zu pflegen.
Diese Lektion in Kodokon öffnenWenn eine Fähigkeit alltäglich wird, sinkt ihr Marktwert und verschiebt sich auf das, was sie umgibt. Die schriftliche Übersetzung hat das durchgemacht, die Fotografie auch. In der Entwicklung ist die zur Massenware gewordene Fähigkeit klar: aus einer präzisen Spezifikation korrekten Code herzustellen. Was zwangsläufig an Wert gewinnt, sind die beiden Enden der Kette, die die KI nicht abdeckt. Davor: die Spezifikation - einen vagen, widersprüchlichen, politischen Bedarf in ein gut gestelltes Problem zu verwandeln; das ist die Fähigkeit, die jeder Nutzer eines Assistenten auf die harte Tour wiederentdeckt, denn ein Prompt ist nichts anderes als eine Spezifikation, deren jede Ungenauigkeit du bezahlst. Danach: die Verifikation - Review, Tests, Sicherheitsaudit, die Fähigkeit zu sagen „dieser plausible Code ist falsch“; sie wird gerade deshalb kritisch, weil die Menge an plausiblem Code explodiert. Und über beidem: die Architektur, jene strukturellen Entscheidungen, deren Wirkung sich in Jahren bemisst und die das Modell - ohne Gedächtnis für deine Organisation und ohne Verantwortung für seinen Rat - nicht tragen kann.
Die Gefahr für erfahrene Entwickler ist nicht die Ersetzung, sondern die unbemerkte Atrophie. Tiefe Fähigkeiten schwinden schmerzlos: Nichts zeigt an, dass deine Fähigkeit, ohne Hilfe zu debuggen oder eine API von Grund auf zu entwerfen, erodiert ist - bis zu dem Tag, an dem sie gefragt ist. Die Antwort ist ein bewusstes, regelmäßiges Audit dessen, was du tatsächlich übst - im Gegensatz zu dem, was du zu üben glaubst. Es ist ein herrlich widerborstiger Einsatz der KI: das Modell nutzen, um zu messen, was das Modell dich verlieren lässt.
You are my technical career coach, direct and without flattery. Here is the honest log of my week of work with AI assistance:
- Tasks where I produced the work myself (AI as reviewer): [LIST]
- Tasks entirely delegated to the AI: [LIST]
- Code accepted without being able to explain it in detail: [LIST, even if it's uncomfortable]
- Technical decisions made this week: [LIST]
Analysis in three parts:
1. Skills actually exercised this week (the ones going up) versus delegated skills (the ones at risk of atrophy).
2. My comprehension debt: each item in the third list, with its concrete associated risk.
3. ONE 30-minute exercise for next week, targeting my most fragile skill, to be done without any assistance.
Format: assessment in 10 lines maximum. I prefer fair criticism to vague encouragement.Kritisch zu bleiben ist ebenfalls eine Fähigkeit, an der man arbeitet. Die richtige Haltung heißt kalibriertes Vertrauen: weder das pauschale Misstrauen, das den Produktivitätsgewinn zunichtemacht, noch das blinde Vertrauen, das Selbstzufriedenheit einnistet. Kalibrieren heißt, die Prüftiefe an zwei Größen anzupassen: an die Kosten eines Fehlers (ein Regex in einem Wegwerfskript und eine Berechtigungsrichtlinie verdienen nicht dieselbe Sorgfalt) und an die beobachtete Fehlerquote des Modells bei dieser Art von Aufgabe - die du nur kennst, wenn du anfangs tatsächlich alles prüfst, was es in deinem Bereich produziert. Führe diese Zählung ein paar Wochen: Du wirst wissen, wo das Modell glänzt und wo es halluziniert, und deine Wachsamkeit landet genau dort, wo sie sich auszahlt.
From now on and for this entire conversation, adopt the role of mentor rather than executor. Permanent rules:
1. When I ask you for code, start by asking me to propose my approach; only present yours afterward, explicitly comparing it to mine.
2. When you correct me, state the general principle behind the correction, not just the one-off fix.
3. Once per response, ask me a question that checks I've understood, and wait for my answer before continuing.
4. If I simply ask you to "do it for me", remind me of this instruction and offer the guided version.
Confirm you've understood by restating these rules in a single sentence.Beschäftigungsfähigkeit läuft am Ende auf eine Frage hinaus, die jeder Recruiter der kommenden Jahre stellen wird: Was bringst du mit, was das Modell nicht mitbringt? Die belastbare Antwort passt in drei Wörter, die diesen Lernpfad durchziehen: spezifizieren, verifizieren, entscheiden - dazu eine Methode: weiter in die Tiefe lernen, mit der KI als anspruchsvollem Tutor statt als Lösungsautomat. Wer versteht, was er ausliefert, bleibt selten und damit teuer. Das war die These der ersten Lektion; es ist auch der Schluss dieses Lernpfads.