Die menschliche Seite der KI-Transformation

Die menschliche Seite der KI-Transformation

Warum wir nicht nur über Produktivität sprechen sollten – sondern auch über Identität, kognitive Belastung und die Zukunft professioneller Expertise

„KI wird Entwickler:innen nicht ersetzen – aber Entwickler:innen, die KI nutzen, werden diejenigen ersetzen, die es nicht tun.“¹ Kaum ein Satz beschreibt die aktuelle Debatte rund um generative KI so treffend – und zugleich so verkürzt. Wir sprechen über Produktivität, Automatisierung und Geschwindigkeit, über Benchmarks, Agenten und die nächste Generation von Entwicklungswerkzeugen. Unternehmen investieren Milliarden in KI, Entwickler:innen experimentieren mit immer neuen Modellen und beinahe täglich erscheinen Studien, die belegen, wie stark sich Softwareentwicklung bereits verändert hat.

Was in diesen Diskussionen jedoch häufig fehlt, ist der Blick auf die Menschen. Denn technologische Transformation verändert nicht nur Werkzeuge; sie verändert auch Rollen, das Selbstverständnis und die Art, wie Menschen ihre eigene Kompetenz wahrnehmen. Gerade in Gesprächen mit Entwickler:innen und technischen Führungskräften höre ich in den letzten Monaten immer wieder kritische Stimmen.

„Ich frage mich manchmal, wofür ich eigentlich fünfzehn Jahre Erfahrung gesammelt habe."

Oder:

„Ich habe das Gefühl, ständig hinterherzulaufen. Kaum habe ich ein Tool verstanden, gibt es schon das nächste."

Diese Aussagen erzählen eine andere Geschichte als die öffentliche Debatte. Es geht dabei selten um die Angst, morgen den Arbeitsplatz zu verlieren. Es geht vielmehr um die grundlegende Frage, welchen Wert Erfahrung, Handwerk und Fachwissen in einer Welt haben, in der Maschinen in Sekunden Ergebnisse erzeugen, für die früher jahrelange Übung notwendig war.

Wenn Expertise neu verhandelt wird

Softwareentwicklung war für viele Menschen schon immer mehr als nur ein Beruf – sie war ein Handwerk. Wer über Jahre gelernt hat, komplexe Systeme zu verstehen, Architekturen zu entwerfen oder Fehler zu analysieren, entwickelt nicht nur Fachwissen, sondern auch einen Stolz auf das eigene Können, das oft Teil der Identität wird. Die Organisationspsychologie spricht hier von beruflicher Identität (occupational identity): dem Selbstverständnis, das Menschen aus ihrer Arbeit entwickeln.

Aktuelle Forschung zeigt, dass genau diese Identität durch generative KI herausgefordert wird. Interessanterweise geht es dabei weniger um die Sorge, ersetzt zu werden. Vielmehr beschreiben viele erfahrene Softwareentwickler:innen einen Prozess, in dem sie ihre Rolle und den Wert ihres beruflichen Wissens neu definieren müssen. Besonders Senior Engineers erleben KI häufig als Veränderung ihres beruflichen Selbstverständnisses – nicht als unmittelbare Konkurrenz.²

In der Psychologie kennen wir zudem den Begriff der Core Beliefs: tief verwurzelte Überzeugungen darüber, worauf unser eigener Wert basiert.

Für viele Entwickler:innen könnten diese Überzeugungen lauten:

„Ich bin wertvoll, weil ich komplexe Probleme lösen kann.“

„Mein Wissen und meine Erfahrung machen den Unterschied.“

Wenn KI plötzlich Aufgaben übernimmt, die bislang als Ausdruck genau dieser Expertise galten, entsteht eine verständliche Irritation.

Dies geschieht nicht, weil das Wissen plötzlich wertlos geworden wäre, sondern weil sichtbar wird, dass sich die Art verändert, wie dieses Wissen eingesetzt wird. Die entscheidende Frage lautet deshalb nicht, ob wir Entwickler:innen in Zukunft noch brauchen, sondern worin ihre Fachkompetenz künftig bestehen wird.

Das Handwerk verschwindet nicht – aber seine Rolle verändert sich

Softwareentwicklung war lange geprägt vom Gedanken des Craftsmanship.

Für viele lag die eigentliche Motivation nicht allein im fertigen Produkt, sondern im Weg dorthin: im Verstehen komplexer Zusammenhänge, im Debuggen, im Experimentieren und im Gefühl, ein Problem wirklich durchdrungen zu haben.

Der Psychologe Mihaly Csikszentmihalyi beschrieb diesen Zustand als Flow – ein Erleben tiefer Konzentration und intrinsischer Motivation.³

KI verändert dieses Erleben grundlegend. Nicht, weil kreatives Denken verschwindet, sondern weil viele der handwerklichen Zwischenschritte automatisiert werden. Das Handwerk stirbt nicht, aber seine Exklusivität nimmt ab.

Vom Produzieren zum Urteilen

Mit generativer KI verändert sich nicht nur die Geschwindigkeit der Softwareentwicklung. Sie verändert die Art der Arbeit selbst.

Über viele Jahre bestand ein wesentlicher Teil der täglichen Arbeit darin, Lösungen zu entwickeln: Anforderungen verstehen, Architektur entwerfen, Code schreiben, testen und verbessern.

Heute übernimmt generative KI einen Teil dieser Aufgaben. Die Arbeit verschwindet dadurch jedoch nicht – sie verschiebt sich.

Immer häufiger besteht die eigentliche Herausforderung darin, Ergebnisse zu bewerten:

• Ist der generierte Code korrekt?
• Sind Sicherheitsaspekte berücksichtigt?
• Passt die Lösung zur Architektur?
• Wurden Randfälle übersehen?
• Versteht das Modell den fachlichen Kontext?

Die eigentliche Kompetenz verschiebt sich damit vom Produzieren zum Urteilen.

Das ist keineswegs weniger anspruchsvoll. Im Gegenteil: Kritisches Denken, Systemverständnis, Domänenwissen und Verantwortungsbewusstsein werden wichtiger als je zuvor.

Doch auch diese Entwicklung ist vermutlich nur ein Zwischenschritt.

Schon heute bewerten KI-Systeme Codequalität, erkennen Sicherheitslücken oder priorisieren Pull Requests. Mit zunehmender Reife generativer KI werden auch Bewertungsprozesse zunehmend automatisiert werden.

Der Mensch wird dann vor allem dort eingreifen, wo Entscheidungen weitreichende fachliche, wirtschaftliche oder ethische Auswirkungen haben.

Gleichzeitig entsteht eine neue Form von Expertise: nicht nur gute Entscheidungen zu treffen, sondern Systeme zu gestalten, die gute Entscheidungen ermöglichen.

Die eigentliche Herausforderung wird künftig nicht darin bestehen, jede Entscheidung selbst zu treffen.

Sondern zu wissen, welche Entscheidungen wir Maschinen guten Gewissens überlassen können – und bei welchen menschliches Urteilsvermögen unverzichtbar bleibt.

Mehr Produktivität bedeutet nicht automatisch weniger mentale Belastung

Nahezu alle aktuellen Untersuchungen zeigen, dass generative KI die Produktivität von Entwickler:innen steigern kann, doch Produktivität ist nicht dasselbe wie Entlastung. Die Kognitionspsychologie unterscheidet verschiedene Formen mentaler Belastung: Während KI einen Teil der eigentlichen Ausführungsarbeit reduziert, entstehen gleichzeitig neue Anforderungen wie das Validieren von Ergebnissen, das Erkennen von Halluzinationen sowie die Risikoabschätzung. Die mentale Arbeit verschwindet also nicht, sie verlagert sich lediglich.

Eine aktuelle Studie von Microsoft kommt zu einem ähnlichen Ergebnis: Je stärker Menschen KI-Systemen vertrauen, desto stärker verändert sich die Art ihres kritischen Denkens. Statt selbst Inhalte zu entwickeln, verschiebt sich die kognitive Leistung zunehmend auf Bewertung, Kontrolle und Integration der Ergebnisse.⁴

Hinzu kommt ein weiterer Faktor: Nicht nur die tägliche Arbeit, auch die Veränderung selbst beschleunigt sich. Neue Modelle und Frameworks erscheinen im Wochentakt, während Agenten immer mehr Aufgaben übernehmen. Viele Entwickler:innen beschreiben deshalb weniger klassische Überarbeitung als vielmehr ein permanentes Gefühl, den Anschluss nicht verlieren zu dürfen.

AI Burnout – oder einfach Veränderungsstress?

In diesem Zusammenhang tauchen zunehmend Begriffe wie AI Fatigue oder AI Burnout auf. Ob sich diese Bezeichnungen wissenschaftlich als eigenständige Konzepte etablieren werden, ist derzeit offen, doch die zugrunde liegenden Mechanismen sind gut bekannt: kognitive Belastung, Entscheidungserschöpfung und kontinuierliche Anpassungsleistung. Vielleicht erleben wir gar keine völlig neue Form von Erschöpfung, sondern bekannte psychologische Reaktionen auf eine technologische Transformation von bisher ungekanntem Tempo.⁵

Was bedeutet das für Unternehmen?

Unternehmen investieren derzeit verständlicherweise massiv in Modelle und Plattformen. Mindestens genauso wichtig ist jedoch die menschliche Seite der Transformation. Organisationen müssen nicht nur erklären, wie KI genutzt wird, sondern auch Orientierung geben, welche Rolle menschliche Expertise künftig spielt. Denn Unsicherheit entsteht selten durch Technologie allein, sondern wenn Menschen ihren eigenen Platz in der Veränderung nicht mehr erkennen.

Führung bedeutet deshalb heute mehr denn je, Identität zu stiften – nicht indem man Veränderungen kleinredet, sondern indem man sichtbar macht, welche Kompetenzen in Zukunft noch wichtiger werden: Urteilskraft, Domänenwissen, Systemdenken, Verantwortung und Zusammenarbeit. Hierzu müssen wir „Critical Thinking“- und Validierungstechniken trainieren und Räume öffnen, die es ermöglichen, dass Entwickler:innen offen über die Überforderung durch neue Tools und Arbeitsweisen sprechen können.

Die eigentliche Transformation beginnt beim Menschen

Die Geschichte der Softwareentwicklung war schon immer eine Geschichte technologischer Innovation, neu ist diesmal jedoch die Geschwindigkeit. Wenn wir den Menschen bei dieser Transformation nicht mitdenken werden wir höchstwahrscheinlich rückblickend feststellen, dass die größte Herausforderung nicht darin bestand, Maschinen intelligenter zu machen, sondern Menschen dabei zu unterstützen, ihre berufliche Identität in der Zusammenarbeit mit intelligenten Systemen weiterzuentwickeln. Denn Technologie verändert Werkzeuge, aber Transformation verändert Menschen – und genau dort entscheidet sich der langfristige Erfolg.

---

1. https://blog.devdetails.com/p/a-practical-example-of-using-ai-for?utm_source=chatgpt.com ↩

2. Occupational Identity of Software Engineers in the Age of Generative AI, arXiv (2024). ↩

3. Mihaly Csikszentmihalyi, Flow: The Psychology of Optimal Experience. ↩

4. Lee et al., The Impact of Generative AI on Critical Thinking, Microsoft Research (2025). ↩

5. John Sweller, Cognitive Load Theory. ↩