Warum sich echte AI-Transformation unbequem anfühlt

Was AI-Assisted Coding über Verhaltensänderung, Stress und nachhaltige Produktivität offenlegt

Teaser

In Workshops funktioniert AI-Assisted Coding oft sehr gut. Im Arbeitsalltag jedoch zeigen sich Rückfälle und Unsicherheit, nicht aufgrund von Unwillen, sondern weil sich unsere Arbeit gerade fundamental verändert.

In meiner Arbeit als AI Coach habe ich ein Muster immer wieder beobachtet:
Wissen über AI-Tools und Methodik ist schnell aufgebaut. Die eigentliche Herausforderung beginnt dort, wo neue Arbeitsweisen unter realem Druck Bestand haben müssen. AI-Assisted Coding ist nicht der Endpunkt dieser Entwicklung. Wir stehen am Anfang eines Wandels, der unsere Art zu entwickeln viel weiter und tiefgreifender verändern wird.

Dieser Artikel beschreibt, warum sich echte AI-Transformation oft unangenehm anfühlt – und warum genau dieses Unbehagen kein Hindernis ist, sondern ein notwendiges Signal.

Meine Erfahrung

Als AI Coach habe ich unterschiedliche Formate zur Einführung von AI-Assisted Coding begleitet. Klassische ein- bis zweitägige Workshops haben sich dabei als sinnvoller Einstieg erwiesen. Sie schaffen Überblick, senken Berührungsängste und motivieren einzelne Entwickler:innen, AI-Tools und Methodik in ihren Arbeitsalltag zu integrieren. Gleichzeitig zeigte das Feedback aus Kundenprojekten ein wiederkehrendes Muster: Der anfängliche Impuls führte selten zu nachhaltiger Veränderung. Nach kurzer Zeit blieb die Nutzung häufig bei wenigen Enthusiast:innen hängen, während der Großteil der Teams in gewohnte Arbeitsweisen zurückfiel.

Forschung zur Wirksamkeit von Trainings zeigt seit Jahrzehnten, dass genau hier das Kernproblem liegt:
Wissen allein führt selten zu stabilem Verhalten im Arbeitsalltag. Entscheidend ist der Transfer in reale Arbeitssituationen – und dieser bleibt bei einmaligen Maßnahmen häufig aus¹,².

Als Reaktion darauf haben wir bei der codecentric ein intensiveres Format entwickelt, das wir AI Sprint genannt haben. Es kombiniert einen initialen Workshop mit einer Begleitung der Teams über einen oder mehrere Sprints hinweg – inklusive täglicher Community of Practice und einem abschließenden Review. Ziel war nicht nur Wissensvermittlung, sondern das tatsächliche Arbeiten mit AI-Tools im konkreten Projektkontext. Die Ergebnisse waren deutlich besser. Durch die enge Begleitung konnten wir auf projektspezifische Bedürfnisse eingehen, Erfahrungen im Team teilen, aktuelle Entwicklungen aus der schnelllebigen GenAI-Welt einbringen und bewusst Raum für Experimente schaffen. Teams berichteten von höherer Geschwindigkeit bei der Ticketbearbeitung, gelösten Altlast-Bugs und erfolgreichen Software-Migrationen.Und trotzdem zeigte sich auch hier:

Die Gewohnheit ist ein hartnäckiger Gegner. 

Wissen != Veränderung

 Ich habe in meinem privaten Umfeld mehrere Menschen dabei begleitet, Gewicht zu verlieren oder Muskulatur aufzubauen. Fast immer war das Muster dasselbe: Die meisten wussten ziemlich genau, was sie tun müssten. Sie kannten die Prinzipien, hatten Artikel gelesen, Videos gesehen, Apps installiert. Gescheitert ist es selten am Wissen, sondern daran, dieses Wissen im Alltag konsequent umzusetzen – vor allem dann, wenn Stress, Zeitdruck oder Frust ins Spiel kamen. In genau diesen Momenten greifen Menschen nicht auf das zurück, was sie theoretisch als sinnvoll erkannt haben, sondern auf das, was sich vertraut und sicher anfühlt.

„Heute habe ich wenig Zeit, also hole ich mir schnell etwas beim Laden um die Ecke.“

„Der Tag war so stressig, jetzt brauche ich einfach etwas Süßes.“

Genau dieses Muster zeigt sich auch bei AI-Assisted Coding. Die Tools sind verfügbar, Trainings wurden durchgeführt, erste Erfahrungen gesammelt. Nach kurzer Zeit wissen viele Entwickler:innen, dass AI sie grundsätzlich unterstützen kann. Sobald reale Arbeitsbedingungen greifen – Deadlines, Kontextwechsel, Druck – wird dieses Wissen jedoch oft kaum genutzt. Stattdessen hört man Sätze wie:

„Ich habe das mal geprompted, es gab viele Codeänderungen, aber es hat nicht zu dem gewünschten Ergebnis geführt, da mach ich es lieber selbst.“

„Er entwickelt einfach drauf los und benutzt Libraries, die ich nicht mal kenne, ich habe das Gefühl, dass ich nicht mehr Herr über den Code bin.“

„Entweder es macht zu viel oder es macht nicht das was ich will, also ich sehe noch keinen Mehrwert mit diesen Tools zu arbeiten.“

Unter Stress dominieren etablierte Routinen, selbst dann, wenn bessere Alternativen bekannt sind. Die Stress- und Lernforschung beschreibt dieses Verhalten klar: Neue Arbeitsweisen bleiben fragil, solange sie nicht zur Gewohnheit geworden sind³,⁴. AI Adaption scheitert deshalb selten an der Technologie. Es scheitert daran, dass wir erwarten, dass Menschen unter Druck ihr Verhalten anpassen können – ohne sie dabei zu unterstützen.

Identity Shift

Der Einsatz von AI in der Softwareentwicklung verlangt mehr als neue Werkzeuge und Methoden. Er verlangt einen fundamentalen Rollenwechsel. Viele Entwickler:innen haben über Jahre ein klares berufliches Selbstverständnis aufgebaut: Ich analysiere Probleme. Ich entwerfe Lösungen. Ich schreibe Code. AI-Assisted Coding verschiebt dieses Selbstbild. Nicht, weil Fähigkeiten entwertet werden, sondern weil sich die Art der Arbeit verändert.

Eine ähnliche Dynamik zeigt sich beim Abnehmen. Viele Menschen scheitern nicht an Trainingsplänen oder Ernährungswissen, sondern daran, dass ihr Selbstbild sich nicht mit ihnen verändert. Solange man sich nicht selbst als jemand erlebt, der anders lebt, bleiben neue Routinen instabil.

Und die Veränderung im AI Development Umfeld ist noch nicht abgeschlossen. Was wir aktuell als AI-Assisted Coding erleben, ist nur ein erster Schritt. Die Systeme entwickeln sich weiter, von unterstützenden Werkzeugen hin zu Akteuren, die zunehmend selbst entwerfen, entscheiden und umsetzen. Der Fokus verschiebt sich weg von der vollständigen Eigenentwicklung jeder Lösung hin zur Interaktion mit einem System, zur Bewertung von Ergebnissen und zur bewussten Abgabe von Entwicklungsverantwortung. 

Das ist kein zusätzlicher Skill. 

Das ist ein Identity Shift.

Und genau deshalb greifen klassische Trainingsansätze zu kurz. Sie vermitteln Wissen, adressieren aber nicht die Veränderung im Selbstverständnis, die neue Arbeitsweisen dauerhaft tragfähig macht.

Der Coach

Beim Abnehmen ist das offensichtlich. Die meisten Menschen wissen, was sie tun müssten. Trotzdem gelingt nachhaltige Veränderung oft erst dann, wenn jemand sie über einen längeren Zeitraum begleitet. Nicht wegen mehr Know How, sondern weil regelmäßige Check-ins stattfinden, Routinen gemeinsam reflektiert werden und Trainings- und Ernährungsjournals als Gesprächsgrundlage dienen. Erfahrungen werden geteilt, Fortschritte und Rückfälle werden gemeinsam eingeordnet.

Bei AI-Assisted Coding ist es nicht anders. Was fehlt, ist Unterstützung dabei, diese neue Arbeitsweise und die Methoden auch dann zu leben, wenn Druck, Zeitmangel und alte Gewohnheiten greifen. Ein AI Coach wirkt hier nicht als Tool-Erklärer, sondern als kontinuierliche Begleitung. Durch regelmäßige Check-ins, durch Sparring bei konkreten Problemen im Arbeitsalltag und durch bewusst geschaffene Räume für den Austausch. Erfolge werden sichtbar gemacht, Erfahrungen geteilt und Unsicherheiten offen angesprochen. Neue Arbeitsweisen werden nicht eingefordert, sondern im Alltag kontinuierlich integriert. Genau dadurch entsteht nachhaltige Veränderung.

Meta-Analysen zur Wirksamkeit von Lernen und Coaching zeigen, dass genau diese Form der kontinuierlichen Begleitung den Transfer neuer Arbeitsweisen signifikant verbessert – insbesondere durch regelmäßige Anwendung, Feedback und situative Unterstützung.⁶,⁷,⁸

Echte Transformation

Wer AI nur über Tools und Trainings einführt, unterschätzt, was hier wirklich passiert:
einen Identity Shift in der Softwareentwicklung.

Empirische Forschung zeigt, dass nachhaltiges Lernen und Verhaltensänderung maßgeblich von psychologischer Sicherheit, Zeit für Anwendung und aktiver Unterstützung durch Führung abhängen⁵,¹.

AI-Transformation scheitert selten an fehlenden Tools.
Sie scheitert daran, dass Menschen mit einer tiefgreifenden Veränderung ihrer Arbeitsweise allein gelassen werden.

Wenn du darüber sprechen möchtest, wie diese Veränderung in euren Teams bewusst eingeleitet und nachhaltig begleitet werden kann, lass uns ins Gespräch kommen.

Quellen

¹ Baldwin, T. T., & Ford, J. K.
Transfer of training: A review and directions for future research
https://doi.org/10.1111/j.1744-6570.1988.tb00632.x

² Blume, B. D. et al.
Transfer of training: A meta-analytic review
https://doi.org/10.1177/0149206309352880

³ McEwen, B. S.
Physiology and neurobiology of stress and adaptation
https://doi.org/10.1152/physrev.00041.2006

⁴ Grossman, R., & Salas, E.
The transfer of training: What really matters
https://doi.org/10.1111/j.1468-2419.2011.00373.x

⁵ Edmondson, A. C.
Psychological Safety and Learning Behavior in Work Teams
https://doi.org/10.2307/2666999

⁶ Grant, A. M. et al.
Executive coaching: A randomized controlled trial
https://doi.org/10.1080/17439760902992456

⁷ Beidas, R. S. et al.
Training versus training plus ongoing consultation
https://doi.org/10.1176/appi.ps.201100401

⁸ Cepeda, N. J. et al.
Distributed practice in verbal recall tasks
https://doi.org/10.1037/0033-2909.132.3.354