Wird KI Entwickler ersetzen? Ein Versprechen so alt wie die Informatik

Man hört es in den Medien, man liest es auf LinkedIn: Bald schreibt die KI den gesamten Code, und Entwickler braucht man nicht mehr. Für eine Geschäftsführung, die überlegt, eine Software entwickeln zu lassen, ist die Frage ganz konkret. Soll man abwarten? Braucht man überhaupt noch Profis?

Das Versprechen ist nicht neu. Seit den ersten Computern hieß es bei mehreren großen Fortschritten der Informatik, sie würden Programmierer überflüssig machen. Bis heute, im Jahr 2026, zeigen die verfügbaren Daten einen Beruf im Wandel, mit weniger Beschäftigung für junge Berufstätige in den Berufen, die der KI ausgesetzt sind, aber keinen Beruf, der verschwindet.

Coder, Entwickler, Softwareingenieur: drei Berufe

Hinter „Entwickler“ verbergen sich in Wirklichkeit mehrere Berufe. Der Coder erhält eine fertige Beschreibung dessen, was gebaut werden soll, und setzt sie in ein funktionierendes Programm um. Der Entwickler geht von einem Problem aus und entwirft die Lösung selbst. Der Softwareingenieur schließlich behandelt jede Entscheidung als Hypothese, die zu überprüfen ist: Er probiert aus, beobachtet, was die Nutzer tun, korrigiert und hält die Software in einem Zustand, in dem sie sich weiterhin gefahrlos ändern lässt.

Dave Farley ist zusammen mit Jez Humble Autor von Continuous Delivery (auf Englisch), dem Standardwerk über Continuous Delivery in der Softwareentwicklung, und Autor von Modernes Software-Engineering (Modern Software Engineering, auf Englisch). Auch er unterscheidet diese drei Profile, in einem Video (auf Englisch) vom Juni 2025. Für ihn geht der Softwareingenieur Probleme mit einer wissenschaftlichen, rationalen Herangehensweise an und weiß nach jeder kleinen Änderung, ob seine Software in Produktion gehen kann.

Die KI bedroht diese drei Berufe nicht auf dieselbe Weise. Für den ersten bietet die Geschichte der Informatik bereits einen Präzedenzfall.

Ein Präzedenzfall: die Erfassung von Programmen auf Lochkarten

In den 1960er-Jahren schrieb man ein Programm zunächst von Hand, auf Programmierformularen. Danach musste es auf Lochkarten übertragen werden, damit der Computer es lesen konnte. In großen Organisationen übernahmen diese Arbeit oft Datenerfassungskräfte, die die Karten über eine Tastatur stanzten, so die ACONIT (auf Französisch), ein Verein zur Geschichte der Informatik, und die Fédération des équipes Bull (auf Französisch). Sie erfassten vor allem Verwaltungsdaten. In kleinen Einrichtungen stanzten die Programmierer ihre Karten oft selbst.

Diese Stelle wurde damals meist mit Frauen besetzt. Das Dokument der Fédération des équipes Bull beschreibt sie in der weiblichen Form als „Datenerfasserin“ („opératrice de saisie“, auf Französisch) und verlangt von ihr „Fingerfertigkeit“ („dextérité“, auf Französisch). Ihre einzige Aufstiegsmöglichkeit führt zur „Prüferin“ („opératrice de vérification“, auf Französisch) oder zur „Ausbilderin“ („monitrice“, auf Französisch). Die männliche Stelle des „Maschinenbedieners in der Lochkartentechnik“ („opérateur de mécanographie“, auf Französisch) dagegen kann zu einer Stelle als „Techniker für die Inbetriebnahme (eigentlich Programmierer)“ („technicien de mise en route (en fait programmeur)“, auf Französisch) führen.

Diese Aufteilung beruhte auf einem Vorurteil, das die Geschichte widerlegt hat: Frauenarbeit sei ausführende Arbeit. In den USA waren die ersten Menschen, die den ENIAC, einen der allerersten Computer, programmierten, Frauen. Laut dem Historiker Nathan Ensmenger, zitiert von der Universität Stanford, hatten ihre Vorgesetzten sie ausgewählt, weil diese das Programmieren für eine wenig qualifizierte Büroarbeit hielten, „vergleichbar mit Ablage, Maschinenschreiben oder Telefonvermittlung“ („akin to filing, typing, or telephone switching“, auf Englisch). Das Programmieren erwies sich als anspruchsvolle geistige Arbeit. Daraufhin kamen die Männer, begünstigt durch Einstellungstests auf Grundlage von Persönlichkeitsprofilen, die sie bevorzugten. In Frankreich kommen die Forscherinnen Isabelle Collet und Nicole Mosconi in einem Artikel (auf Französisch) von 2010 zum selben Befund: Der Frauenanteil in den Informatikberufen lag 1982 bei 34 % und 2002 bei 20 %. Die Männer strömten in diese Berufe, „in dem Maße, wie die Stellen an Prestige gewannen“ („à mesure que les emplois gagnaient en prestige“, auf Französisch).

Im Lauf der 1970er-Jahre erlauben Terminals, die an Timesharing-Rechner angeschlossen sind, dem Programmierer, sein Programm selbst einzutippen, ohne Umweg über die Karten, so die englischsprachige Wikipedia. 1980 war in den USA noch jede fünfte in der Informatik beschäftigte Person Datenerfassungskraft. Das Bureau of Labor Statistics, die US-Bundesbehörde für Arbeitsstatistik, sagte damals bereits den Rückgang dieser Nachfrage voraus. Der Beruf überlebte in der Datenerfassung am Bildschirm, die weiter zurückgeht: 520.220 Stellen im Jahr 1999, 174.930 im Jahr 2018, laut der Monthly Labor Review, der Fachzeitschrift dieser Behörde.

Was fast verschwunden ist, ist nicht der Programmierer. Es ist der Arbeitsschritt, in dem jemand anderes eintippte, was ein Programmierer entworfen hatte. In den USA gab es 1970 laut einem Bulletin des Bureau of Labor Statistics 176.500 Programmierer. 2025 sind es, zählt man die Softwareentwickler mit, 1.828.600, zehnmal so viele, laut derselben Behörde. Die Kategorien von 1970 und 2025 sind nicht streng vergleichbar: Dieses Verhältnis gibt eine Größenordnung an.

Der Coder geht denselben Weg

Das Census Bureau, die US-Volkszählungsbehörde, beschreibt Programmierer als Fachleute, die „nach Spezifikationen arbeiten, die von Softwareentwicklern oder anderen Personen erstellt wurden“ („from specifications drawn up by software developers or other individuals“, auf Englisch). Unter den Berufsbezeichnungen, die es diesem Beruf zuordnet, findet sich übrigens auch „Coder“. Genau diese Arbeit erledigen KI-Werkzeuge schon heute gut. In seinem Video hält Dave Farley KI für „sehr gut darin, detaillierte Anweisungen in Code zu übersetzen“ („very good at translating detailed instructions into code“, auf Englisch).

Der Beruf des Programmierers geht bereits zurück. Laut dem Bureau of Labor Statistics ist die Zahl der Programmierer von 585.000 (2000) auf 110.800 (2025) gesunken. Ein Teil dieses Rückgangs geht auf eine geänderte Einordnung zurück: Seit 2000 zählt die US-Statistik Softwareingenieure und Softwareentwickler gesondert. Doch für die kommenden zehn Jahre erwartet die Behörde einen weiteren Rückgang um 7 %. Sie erklärt ihn mit der Automatisierung eines Teils dieser Arbeit, insbesondere durch KI, und damit, dass die anspruchsvollsten Aufgaben inzwischen den Entwicklern zufallen.

Nach unserer Einschätzung nimmt der Coder heute einen ähnlichen Platz ein wie damals die Datenerfassungskräfte: Er setzt eine Beschreibung um, die andere erdacht haben. Genau an diesem Arbeitsschritt setzen die KI-Werkzeuge heute an.

Eine Maschine, die denkt: eine Idee, älter als der Computer

Die KI ist nicht mit ChatGPT entstanden. Die Idee einer Maschine, die denken kann, ist mehrere Jahrhunderte älter als die ersten Computer.

Ende des 13. Jahrhunderts entwirft der mallorquinische Philosoph Ramon Llull eine „Kunst“, die auf der Kombination von Begriffen beruht. Einige seiner Figuren bestehen aus Kreisen, die sich gegeneinander drehen, um diese Kombinationen zu bilden, so die Stanford Encyclopedia of Philosophy (auf Englisch), die Philosophie-Enzyklopädie der Universität Stanford. 1642 erfindet Blaise Pascal eine Rechenmaschine, die heute das Musée des arts et métiers (auf Französisch) zeigt. 1655 schreibt der englische Philosoph Thomas Hobbes, dass Denken auf Rechnen hinauslaufe, wie der Forscher Giuseppe Longo in einem Vorlesungsskript (auf Französisch) der École normale supérieure in Erinnerung ruft. Gottfried Wilhelm Leibniz, deutscher Philosoph und Mathematiker, träumt danach von einer Sprache, in der zwei Menschen, die uneins sind, ihren Streit mit den Worten „Lasst uns rechnen“ (Calculemus, auf Latein) beilegen, berichtet die Zeitschrift The Public Domain Review (auf Englisch).

1843 beschreibt die britische Mathematikerin Ada Lovelace die von Charles Babbage erdachte Analytische Maschine. Sie benennt auch ihre Grenze: Die Maschine „erhebt keinerlei Anspruch, irgendetwas hervorzubringen. Sie kann alles ausführen, was wir ihr anzuordnen wissen“ („has no pretensions whatever to originate anything. It can do whatever we know how to order it to perform“, auf Englisch), so ihre Anmerkung G.

1950 eröffnet der britische Mathematiker Alan Turing einen Artikel in der Zeitschrift Mind mit den Worten: „Ich schlage vor, die Frage zu betrachten: ‚Können Maschinen denken?‘“ („I propose to consider the question, ‘Can machines think?’“, auf Englisch). Im August 1955 schlagen John McCarthy und drei weitere Forscher vor, im folgenden Sommer am Dartmouth College eine zweimonatige Studie zur „künstlichen Intelligenz“ („artificial intelligence“, auf Englisch) durchzuführen. Ihr Antrag geht davon aus, dass jeder Aspekt der Intelligenz „sich im Prinzip so genau beschreiben lässt, dass man eine Maschine bauen kann, die ihn simuliert“ („can in principle be so precisely described that a machine can be made to simulate it“, auf Englisch).

Was ein KI-Agent für die Softwareentwicklung ist

Die KI-Werkzeuge, über die man 2026 spricht, vervollständigen nicht mehr nur eine Codezeile. Es sind Agenten. In einer Veröffentlichung vom Dezember 2024 unterscheidet Anthropic, der Hersteller der KI Claude, zwei Fälle. Im ersten führt ein Programm im Voraus festgelegte Schritte nacheinander aus. Im zweiten „steuert“ der Agent, das KI-Modell, „seine Abläufe und den Einsatz seiner Werkzeuge selbst“ („dynamically direct their own processes and tool usage“, auf Englisch).

In der Entwicklung liest ein KI-Agent den bestehenden Code, ändert ihn, startet die automatisierten Tests und beginnt von vorn, solange sie fehlschlagen. Anthropic stellt fest, dass ein Agent in der Lage ist, „seine Lösungen anhand der Testergebnisse zu verbessern“ („iterate on solutions using test results as feedback“, auf Englisch). Man spricht von agentischer Entwicklung. Dieselbe Veröffentlichung hält fest: „Die Prüfung durch Menschen bleibt entscheidend“ („human review remains crucial“, auf Englisch).

Nach unserer Einschätzung führt ein KI-Agent eine Aufgabe, die kein Urteilsvermögen verlangt, sehr gut aus: eine genaue Beschreibung in Code umzusetzen, der die Tests besteht. Das ist die Arbeit des Coders. Er entscheidet nicht an Ihrer Stelle, was es wert ist, gebaut zu werden, und er steht für diese Entscheidung nicht vor Ihren Nutzern ein. Man kann sich also nicht mehr damit begnügen, Coder oder Programmierer zu sein: Der Wert einer Fachkraft liegt in dem, was sich nicht an eine Maschine delegieren lässt.

Siebzig Jahre „Programmierer braucht man nicht mehr“

Es ist nicht das erste Mal, dass ein Werkzeug die Programmierer überflüssig machen soll.

1954: FORTRAN sollte das Codieren „praktisch abschaffen“

Im November 1954 stellt ein Team von IBM FORTRAN vor. Diese Sprache erlaubt es, eine Berechnung in einer Form zu schreiben, die der mathematischen Notation nahekommt, und überlässt es dann der Maschine, sie in Anweisungen zu übersetzen. Ihr vorläufiger Bericht kündigt an: FORTRAN „dürfte das Codieren und das Debuggen praktisch abschaffen“ („should virtually eliminate coding and debugging“, auf Englisch), also das Suchen und Beheben von Fehlern. Es sollte erlauben, ein Problem für weniger als die Hälfte der üblichen Kosten zu lösen.

Dreißig Jahre später kommt Fred Brooks auf diese Versprechen zurück. Er hat bei IBM die Entwicklung einer großen Computerfamilie geleitet, das Informatik-Institut der University of North Carolina gegründet und den Turing Award erhalten, die höchste Auszeichnung des Fachs. In „Keine Wunderwaffe“ („No Silver Bullet“, auf Englisch), einem Text von 1986, erinnert er daran, dass man seit fast vierzig Jahren von „automatischer Programmierung“ spricht. Er zitiert dort einen anderen Informatiker, David Parnas: Automatische Programmierung sei „immer ein Euphemismus gewesen“ („always has been a euphemism“, auf Englisch) für das Programmieren in einer höheren Sprache als der, die man bis dahin hatte.

Was man als Maschine präsentierte, die von allein programmiert, war in Wirklichkeit eine neue Sprache, in der weiterhin Programmierer schreiben mussten.

1959: COBOL, eine Sprache, die die Geschäftsleitung lesen können sollte

1959 entwirft ein auf Initiative des US-Verteidigungsministeriums gebildeter Ausschuss COBOL, eine Sprache für betriebliche Anwendungen. Ihre Anweisungen sind wie englische Sätze aufgebaut, so IEEE Spectrum (auf Englisch). Jean Sammet, Mitglied dieses Ausschusses, schrieb 1978, es sei „ganz sicher beabsichtigt (und erwartet) gewesen, dass die Sprache von unerfahrenen Programmierern verwendet und von der Geschäftsleitung gelesen werden könnte“ („certainly intended (and expected) that the language could be used by novice programmers and read by management“, auf Englisch).

Die Idee kehrt im Januar 2023 zurück, als Andrej Karpathy, KI-Forscher und Mitgründer von OpenAI, diesen Beitrag veröffentlicht:

The hottest new programming language is English

Die angesagteste neue Programmiersprache ist Englisch.

1981: „das letzte Programm“

Im Februar 1981 stellt das britische Magazin Personal Computer World The Last One vor, einen Programmgenerator. Der Journalist David Tebbutt sieht darin eine Software, die womöglich „die letzte jemals von einem Menschen geschriebene“ („the last one ever written by a human being“, auf Englisch) sein würde. Der Coder „wird den Beruf wechseln müssen“ („going to have to change his job“, auf Englisch), schreibt er. Die übrigen IT-Fachleute würden seiner Ansicht nach davon profitieren.

1982: Werkzeuge, die Code aus Diagrammen erzeugen

1982 veröffentlicht James Martin ein Buch mit eindeutigem Titel: Anwendungsentwicklung ohne Programmierer (Application Development Without Programmers, auf Englisch). Ende der 1950er-Jahre bei IBM eingestiegen, wurde er Berater und schrieb mehr als hundert Bücher über Informatik, so The Register (auf Englisch). Im Vorwort, das der Entwickler Simon Willison in seinem Blog (auf Englisch) zitiert, sagt er voraus, dass „die meisten Computer künftig zumindest teilweise ohne Programmierer funktionieren müssen“ („most computers in the future will have to work at least in part without programmers“, auf Englisch). Sein Buch stellt die sogenannten „nichtprozeduralen“ Sprachen vor: Man beschreibt darin das gewünschte Ergebnis, nicht die Schritte, um es zu erreichen.

In den folgenden Jahren kommen die CASE-Werkzeuge auf (computergestützte Softwareentwicklung). Mit ihnen zeichnet man eine Anwendung in Form von Diagrammen, ihre Daten wie ihre Verarbeitungen, und manche erzeugen anschließend den Code. IEF, von Texas Instruments mit James Martin und seiner Beratungsfirma entwickelt, erzeugte so COBOL-Code, laut Wikipedia (auf Englisch). In Frankreich begleiten diese Werkzeuge die Methode Merise, die ab 1978 auf Initiative des Industrieministeriums entwickelt wurde: AMC Designor, MEGA oder WinDesign, laut den Vorlesungsunterlagen (auf Französisch) von Bernard Espinasse, Hochschullehrer an der Universität Aix-Marseille.

Diese Werkzeuge werden als Lösung für die Produktivitäts- und Qualitätsprobleme des Fachs präsentiert. 1992 stellt Chris Kemerer, damals Forscher an der MIT Sloan School of Management, in der Fachzeitschrift IEEE Software die Frage: Warum kaufen so viele Organisationen diese Werkzeuge, nur um sie dann im Regal liegen zu lassen? Er zitiert eine Studie: Ein Jahr nach ihrer Einführung waren 70 % dieser Werkzeuge und Techniken nie verwendet worden, 25 % wurden nur von einem einzigen Team genutzt und 5 % breit eingesetzt, ohne dass man ihr volles Potenzial ausschöpfte.

1990: Software, zusammengesetzt wie Elektronik

Die objektorientierte Programmierung zerlegt ein Programm in „Objekte“, die Daten und die darauf anwendbaren Operationen zusammenfassen. Brooks selbst erwartete 1986 viel von ihr. Er bezweifelte aber, dass sie den Kern der Schwierigkeit lösen würde.

1990 kündigt Brad Cox im Computermagazin BYTE an: „eine industrielle Revolution der Software auf Grundlage wiederverwendbarer und austauschbarer Teile“ („a software industrial revolution based on reusable and interchangeable parts“, auf Englisch), in „Es gibt eine Wunderwaffe“ („There Is a Silver Bullet“, auf Englisch). Als Mitgründer der Firma Stepstone und Urheber der Sprache Objective-C vertreibt er „integrierte Software-Schaltkreise“ („Software-ICs“, auf Englisch): Softwarekomponenten, gedacht wie die Chips, die man auf einer Leiterplatte zusammensetzt.

2000er-Jahre: CMS und ihre Erweiterungen

Mit Content-Management-Systemen (CMS) muss man keinen Code mehr schreiben, um eine Website zu erstellen. WordPress, das verbreitetste, läuft auf 39,7 % aller Websites, laut der Erhebung von W3Techs (auf Englisch) vom 16. Oktober 2026. Seine Plugins fügen einer Website ein Formular, einen Shop oder einen Kalender hinzu: Das sind Funktionen, die Entwickler geschrieben haben und die danach jeder mit wenigen Klicks aus dem offiziellen WordPress-Verzeichnis installieren kann.

Die Hersteller dieser Werkzeuge versprechen, ohne Code auszukommen. Im September 2010 stellt Wix, ein Dienst zur Erstellung von Websites, eine Oberfläche (auf Englisch) heraus, auf der man seine Website baut, indem man Elemente mit der Maus an ihren Platz zieht, und die „komplexen Computercode aus der Gleichung nimmt“ („removing complex computer codes from the equation“, auf Englisch). Diese Funktionen und Werkzeuge werden weiterhin von Entwicklern geschrieben. Was sich ändert, ist, wer sie zusammensetzt.

2010er-Jahre: Low-Code

2014 hat das Marktforschungsunternehmen Forrester Plattformen (auf Englisch) „Low-Code“ getauft, die die Erstellung von Anwendungen beschleunigen, indem sie „die Menge des von Hand geschriebenen Codes drastisch verringern“ („dramatically reducing the amount of hand-coding required“, auf Englisch). Low-Code bedeutet, eine Anwendung aus visuellen Bausteinen zusammenzusetzen, statt Code zu schreiben.

2019 sagte das Marktforschungsunternehmen Gartner voraus, dass auf Low-Code bis 2024 „mehr als 65 % der Aktivitäten in der Anwendungsentwicklung“ („more than 65% of application development activity“, auf Englisch) entfallen würden, berichtet ADTmag (auf Englisch). Diese Plattformen sollen Beschäftigten ohne Programmierausbildung, die ADTmag „Citizen Developer“ („citizen developers“, auf Englisch) nennt, ermöglichen, ihre Unternehmensanwendungen selbst zu erstellen. Im Juni 2021 ging Gartner noch weiter: Bis 2024 würden 80 % der technologischen Produkte und Dienste von Menschen gebaut, die keine Technologieprofis sind, berichtet die Website Technology Decisions (auf Englisch). Eine von Gartner veröffentlichte Bilanz dieser Prognosen haben wir nicht gefunden.

Seit 2024: die KI

Im Februar 2024 erklärte Jensen Huang, CEO des Chipherstellers Nvidia, auf dem World Government Summit in Dubai laut Tom’s Hardware (auf Englisch): „Unsere Aufgabe ist es, eine Computertechnologie zu schaffen, mit der niemand mehr programmieren muss“ („It is our job to create computing technology such that nobody has to program“, auf Englisch). Und: „Jeder Mensch auf der Welt ist jetzt ein Programmierer“ („Everybody in the world is now a programmer“, auf Englisch).

Im Januar 2025 kündigte Mark Zuckerberg, CEO von Meta, in der Gesprächssendung des amerikanischen Moderators Joe Rogan an, Meta und die anderen Unternehmen der Branche würden „wahrscheinlich 2025“ („probably in 2025“, auf Englisch) über eine KI verfügen, die die Rolle eines Ingenieurs mittlerer Erfahrungsstufe übernehmen kann, berichtet Fortune (auf Englisch).

Im Februar 2025 lud Sam Altman, CEO von OpenAI, dem Hersteller von ChatGPT, in einem Blogbeitrag (auf Englisch) dazu ein, sich einen KI-Agenten vorzustellen, der irgendwann „die meisten Dinge“ („most things“, auf Englisch) erledigen kann, die ein Softwareingenieur mit einigen Jahren Erfahrung in einem großen Unternehmen tut, bei Aufgaben von höchstens zwei Tagen.

Am 10. März 2025 sprach Dario Amodei, CEO von Anthropic, vor dem Council on Foreign Relations (auf Englisch), einer amerikanischen Denkfabrik für Außenpolitik. „Ich denke, in drei bis sechs Monaten sind wir so weit, dass die KI 90 % des Codes schreibt“ („I think we’ll be there in three to six months, where AI is writing 90% of the code“, auf Englisch), erklärte er. „Und in zwölf Monaten könnten wir in einer Welt leben, in der die KI praktisch den gesamten Code schreibt“ („And then in 12 months, we may be in a world where AI is writing essentially all of the code“, auf Englisch). Eine Woche zuvor hatte Anthropic (auf Englisch) eine Finanzierungsrunde über 3,5 Milliarden Dollar bekannt gegeben.

Diese vier Aussagen stammen von Führungskräften von Unternehmen, die KI entwickeln oder die Chips herstellen, auf denen sie läuft. Zwei davon nennen eine Frist: 2025 bei Mark Zuckerberg, September 2025 und März 2026 bei Dario Amodei. Man kann sie also mit dem vergleichen, was seitdem geschehen ist. Für die von Dario Amodei angekündigten 90 % stammt die einzige externe Überprüfung, die wir gefunden haben, von Ryan Greenblatt, Chief Scientist von Redwood Research, einer Forschungseinrichtung für KI-Sicherheit. Im Oktober 2025 hielt er diese Vorhersage (auf Englisch) für „wahrscheinlich falsch“ („probably false“, auf Englisch). Seiner Einschätzung nach schrieb die KI damals etwa 50 % des Codes von Anthropic, und nur in einigen Teams 90 %. Für die von Mark Zuckerberg angekündigte Frist haben wir keine externe Überprüfung gefunden.

Was mit der Beschäftigung geschah

Keine dieser Wellen hat die Gesamtzahl der Menschen verringert, die beruflich Software entwickeln, auch wenn die Zahl der reinen Programmierer zurückgeht. In den USA stieg die Zahl der Stellen von Programmierern, Softwareingenieuren und Softwareentwicklern von 1.282.000 (2000) auf 1.828.600 (2025), laut dem Bureau of Labor Statistics. Diese Zahlen zählen Stellen: Wer zum Vergnügen programmiert oder neben einem anderen Beruf, ist darin nicht enthalten.

In Frankreich verfolgt keine öffentliche Statistik über einen langen Zeitraum nur die Entwickler. Die verfügbaren Zahlen betreffen alle Informatiker: Sie zeigen eine Tendenz, nicht die Zahl der Entwickler. 1985 gab es 200.000 Informatiker und zehn Jahre später fast 300.000, laut dem Centre d’analyse stratégique und der Dares, zitiert von Le Monde Informatique (auf Französisch). 2017 zählte das Insee (auf Französisch), das französische Statistikamt, 730.000 Menschen in den digitalen Berufen, einer noch weiter gefassten Gruppe.

Schach bietet einen Vergleich. Als die Maschinen stärker wurden als die Spieler, konnte man befürchten, dass diese das Spiel aufgeben würden. Im Mai 1997 schlug Deep Blue, ein Computer von IBM, als erster einen amtierenden Weltmeister, Garri Kasparow, in einem Match unter Turnierbedingungen, so IBM (auf Englisch). Die Spieler sind nicht verschwunden. Der französische Schachverband (auf Französisch) zählte in der Saison 2019–2020 50.883 Mitglieder und in der Saison 2025–2026, Stand 1. September 2026, 92.815: Die Zahl der Mitglieder hat sich fast verdoppelt, obwohl die Maschinen seit 1997 besser spielen als die Menschen.

Vielleicht verhält es sich mit dem Programmieren ebenso. Seit Februar 2025 spricht man von „Vibe Coding“, einem von Andrej Karpathy eingeführten Begriff, den man mit „Programmieren nach Gefühl“ übersetzen könnte: Man beschreibt in Alltagssprache, was man will, und die KI schreibt den Code. Laut der französischsprachigen Wikipedia ermöglicht diese Praxis Laien ohne Ausbildung in Softwaretechnik, Software zu erstellen. Nach unserer Einschätzung sind viele dieser „Vibe Coder“ weder Profis noch Berufsentwickler, und sie tauchen in keiner Beschäftigungsstatistik auf.

Für diejenigen, die es beruflich tun, ist der Markt 2026 härter, vor allem zu Beginn der Laufbahn. Die Apec (auf Französisch), die französische Vereinigung für die Beschäftigung von Fach- und Führungskräften, zählte auf ihrer Website 31.370 Stellenangebote für Entwickler im Jahr 2022 und 15.830 im Jahr 2024. Nur 24 % dieser Angebote standen Berufseinsteigern offen, gegenüber 30 % bei allen Angeboten. Der Rückgang setzte sich 2025 fort, mit 12.690 Angeboten, laut Le Monde Informatique (auf Französisch). Auf der Jobplattform Indeed lagen die in Frankreich veröffentlichten Stellenangebote für Softwareentwicklung am 16. Oktober 2026 bei 51,3 % ihres Niveaus vom Februar 2020, gegenüber 89,1 % bei allen Angeboten, laut den Daten des Indeed Hiring Lab.

In Frankreich haben Forscher des LIFT, eines Labors der HEC Paris, gemeinsam mit der Banque de France die Meldungen von Neueinstellungen untersucht. In ihrer Studie (auf Französisch) vom Oktober 2026 gingen die unbefristeten Einstellungen von Entwicklern und IT-Ingenieuren im Alter von 21 bis 29 Jahren zwischen November 2022 und März 2026 um etwa 42 % zurück, gegenüber 11 % in den Berufen, die der KI weniger ausgesetzt sind. Die Autoren weisen darauf hin, dass sich dieser Rückgang zugleich am schwersten der KI zuschreiben lässt: Die Branche hatte 2021 und 2022 viel eingestellt, vor dem Anstieg der Zinsen.

Ähneln diejenigen, die vor vierzig Jahren das Ende der Programmierer verkündeten, denen, die es heute verkünden? In mindestens einem Punkt: Bei IBM 1954, bei Brad Cox 1990 wie bei den Führungskräften von KI-Unternehmen heute kam die Ankündigung von denen, die das Werkzeug schufen oder verkauften. Der Unterschied ist diesmal real: Eine KI schreibt bereits einen Teil des Codes. Aber die Frage bleibt dieselbe. Wer entscheidet, was dieser Code tun soll?

Wo stehen wir heute, im Jahr 2026?

Die Entwickler nutzen KI. Die Frage-und-Antwort-Website Stack Overflow befragt jedes Jahr die Entwickler, die sie besuchen. In ihrer Umfrage 2025 (auf Englisch) nutzen 84 % der Befragten KI-Werkzeuge beim Entwickeln oder planen es. Sie misstrauen ihnen aber auch: 46 % zweifeln an der Richtigkeit der Antworten, gegenüber 33 %, die ihnen vertrauen. Ihr häufigster Kritikpunkt, genannt von 66 %: Lösungen, die „fast richtig, aber eben nicht ganz“ („almost right, but not quite“, auf Englisch) sind.

Die Website Stack Overflow selbst hat den Großteil ihrer Fragen verloren. Jahrelang stellten Entwickler dort ihre Fragen und fanden die der anderen. Im März 2014 wurden dort 207.169 Fragen veröffentlicht. Im November 2022, dem Monat, in dem OpenAI ChatGPT (auf Englisch) startete, waren es nur noch 109.120, und im September 2026 974. Wir haben diese Zahlen am 20. Oktober 2026 über die öffentliche Schnittstelle (auf Englisch) von Stack Exchange erhoben, die nur die noch online stehenden Fragen zählt. Der Rückgang hatte vor ChatGPT begonnen; danach hat er sich beschleunigt. Schon im Januar 2025 stellte Gergely Orosz, Autor des Newsletters The Pragmatic Engineer (auf Englisch), fest, dass die Website seit 2009 nicht mehr so wenige Fragen pro Monat erhalten hatte, und sah darin die Wirkung der KI-Assistenten.

Wie viel Zeit die KI den Entwicklern spart, bleibt schwer zu belegen. METR, eine Forschungseinrichtung, die KI-Modelle bewertet, hat im Juli 2025 ein Experiment (auf Englisch) mit 16 erfahrenen Entwicklern veröffentlicht, die an Software mit öffentlichem Quellcode arbeiten. Für jede ihrer 246 realen Aufgaben entschied ein Losverfahren, ob sie KI verwenden durften oder nicht. Mit KI brauchten sie 19 % mehr Zeit, um ihre Aufgaben abzuschließen. Vor dem Experiment hatten sie erwartet, 24 % Zeit zu sparen; danach glaubten sie noch, 20 % gespart zu haben. Sie waren also langsamer und glaubten dabei, schneller zu sein.

Im Februar 2026 hat METR das Experiment wiederholt (auf Englisch), mit 57 Entwicklern und mehr als 800 Aufgaben. Die Ergebnisse deuten diesmal auf eine Zeitersparnis hin, doch METR hält sie für wenig aussagekräftig, wegen der Art, wie die Stichprobe zustande kam. Immer mehr Entwickler lehnten die Teilnahme ab. Von denen, die teilnahmen, geben 30 bis 50 % an, bestimmte Aufgaben ausgelassen zu haben, weil sie sie nicht ohne KI erledigen wollten. Dem Experiment entgehen also gerade die Aufgaben, bei denen die KI am meisten hilft: Laut METR ist der tatsächliche Gewinn wahrscheinlich höher als der gemessene. Derzeit überarbeitet die Einrichtung das Studiendesign.

Was die KI sichtbar macht

Wenn das Schreiben von Code weniger kostet, sieht man besser, was die Projekte schon vorher gebremst hat. Den Bedarf verstehen, entscheiden, was gebaut werden soll, die Reaktion der Nutzer einholen, die Software mit den anderen Werkzeugen des Unternehmens verbinden, prüfen, dass sie funktioniert, sie in Betrieb nehmen: Keiner dieser Schritte geht schneller, weil der Code schneller geschrieben wird.

Eliyahu Goldratt, Physiker und später Spezialist für industrielle Organisation, erklärt es in Das Ziel (The Goal, auf Englisch), einem 1984 erschienenen Wirtschaftsroman: Einen Schritt zu beschleunigen, der nicht der Engpass ist, steigert die Produktion der Fabrik nicht.

Die besten Softwarefachleute sagen das seit Langem. Fred Brooks unterscheidet schon 1986 zwei Anteile beim Bau einer Software. Der erste ist die Übersetzung: eine Idee in der Sprache der Maschine ausdrücken, mit ihren Grenzen. Der zweite ist die Konzeption: über die oft sehr komplexe Struktur dessen entscheiden, was die Software tun soll. Ihm zufolge haben die großen Produktivitätsgewinne der Vergangenheit Hindernisse des ersten Anteils beseitigt: sehr begrenzte Maschinen, unhandliche Sprachen, knappe Rechenzeit.

FORTRAN, COBOL, die nichtprozeduralen Sprachen, die CASE-Werkzeuge, die Objekte, die CMS, Low-Code: Nach unserer Einschätzung hat jedes davon die Übersetzung erleichtert. Keines hat die Konzeption überflüssig gemacht.

„Der schwierigste Teil beim Bau eines Softwaresystems ist die genaue Entscheidung, was gebaut werden soll“ („The hardest single part of building a software system is deciding precisely what to build“, auf Englisch), schreibt Brooks. Die Kunden, fährt er fort, haben ihr Problem fast nie so detailliert durchdacht, wie eine Software es verlangt. Daher sein Rat: zahlreiche Rückkopplungsschleifen zwischen dem Kunden und demjenigen vorzusehen, der die Software entwirft.

2001 unterzeichnen siebzehn Praktiker der Softwareentwicklung das Agile Manifest. Es verlangt von Nutzern und Entwicklern, dass sie „während des Projektes täglich zusammenarbeiten“, so die offizielle deutsche Übersetzung. Und es macht „funktionierende Software“ zum „wichtigsten Fortschrittsmaß“.

Eine KI, die Code schreibt, erleichtert ebenfalls die Übersetzung. Sie entscheidet nicht an Ihrer Stelle, was Ihre Software tun soll. Allen Holub, Autor von Büchern über Softwaredesign, den wir in unserem Artikel darüber, wie man mit KI eine App erstellt, zitieren, kommt in einem Beitrag zum selben Schluss: Solange eine KI kein Gespräch mit den Nutzern führen kann, um ihren Bedarf herauszuarbeiten, bleibt diese Arbeit menschlich.

There is no such thing as "Agentic software development" or an "Agentic SDLC." There's just Agentic coding. Big difference. Coding is a small part of the overall process. […]

„Agentische Softwareentwicklung“ oder einen „agentischen Softwareentwicklungszyklus“ gibt es nicht. Es gibt nur agentisches Programmieren. Ein großer Unterschied. Das Programmieren ist nur ein kleiner Teil des gesamten Prozesses.

Der Coder kümmert sich weder darum, den Bedarf zu verstehen, noch darum, die Reaktion der Nutzer einzuholen: Er erhält eine fertige Beschreibung. Der Entwickler übernimmt das zum Teil, da er die Lösung entwirft. Der Softwareingenieur übernimmt alle diese Schritte, weil er experimentell arbeitet: Jede Funktion ist eine Hypothese, die die Nutzung bestätigt oder korrigiert. In seinem Video erinnert Dave Farley daran: Ein Problem so gut zu verstehen, dass man detaillierte Anweisungen dafür schreiben kann, bleibt schwierige Arbeit.

Wir respektieren diese Unterscheidung. Was für uns am Ende zählt, ist das Software-Engineering. Wer die Probleme des Engineerings löst, und nicht nur die des Codierens, wird unserer Ansicht nach als Letzter ersetzt werden, wenn es überhaupt je dazu kommt.

Was man schon bei den ersten Projekten hätte tun sollen, ist nichts Neues: jeden Tag mit den Nutzern zusammenarbeiten, häufig eine funktionierende Software in Betrieb nehmen und jede Änderung prüfen, bevor sie die Nutzer erreicht.

Was das für eine Geschäftsführung ändert

Die nützliche Frage ist nicht, ob eine KI den Code Ihrer Software schreiben wird: Sie schreibt bereits einen Teil davon. Die Frage ist, wer entscheidet, was die Software tun soll, wer prüft, dass sie es tut, und wer sie weiterentwickelt, wenn sich Ihr Geschäft verändert.

Wenn Sie einen Entwickler einstellen oder einen Dienstleister auswählen, reicht es nicht, dass er Code schreiben kann. Fragen Sie ihn, wie er vorgeht, um zu verstehen, was die Software tun soll, und woran er nach jeder Änderung erkennt, dass die Software für Ihre Nutzer in Betrieb gehen kann.

Der DORA-Bericht 2025 (auf Englisch), herausgegeben vom Forschungsprogramm von Google Cloud zur Entwicklung und Auslieferung von Software, stützt sich auf die Antworten von fast 5.000 Tech-Fachleuten. Er beschreibt die KI als Verstärker. Sie stärkt die Teams, die bereits gute Praktiken haben, und verschärft die Schwierigkeiten der anderen. Der Unterschied liegt rund um den Code: automatisierte Tests, die jede Änderung prüfen, bevor sie Ihre Nutzer erreicht, eine Prüfung dessen, was das Werkzeug geschrieben hat, Produktions-Deployments, die nicht kaputt machen, was am Vortag funktionierte.

Wer so arbeitet, hat nicht auf die KI gewartet. Sie macht nur für alle die Schwierigkeiten sichtbar, auf die diese Teams seit Langem hinweisen.

Bei DEVEDANOS gehört die KI zu unseren Werkzeugen, und diese Engineering-Praktiken geben ihr den Rahmen. Wir sprechen mit den Nutzern Ihrer Anwendung, um ihren Bedarf zu verstehen und die Funktionen festzulegen. Danach schreiben KI-Entwicklungsagenten einen großen Teil des Codes Ihrer Software. Jede Änderung, die sie vorschlagen, wird durch automatisierte Tests geprüft und gegengelesen, bevor sie in Produktion geht. Um diese Agenten zu steuern, nutzen wir unsere eigene Erweiterung agentic-cd für Claude Code, das Entwicklungswerkzeug von Anthropic, sowie nWave, eine öffentliche Erweiterung für dasselbe Werkzeug. Unser Ansatz bleibt der eines Engineering-Teams: mit Ihnen entscheiden, was es wert ist, gebaut zu werden, und jede Änderung prüfen.

Bei der Entwicklung individueller Software arbeiten wir mit einem festen Budget, das am Ende jedes Monats für die geleistete Arbeit abgerechnet wird. Ihre Anwendung ist innerhalb eines Monats nutzbar, mit einigen wesentlichen Funktionen: Ihre Nutzer arbeiten sofort damit, und ihre Nutzung bestimmt, welche Funktionen als Nächstes entwickelt werden. Sobald eine Funktion abgenommen und live ist, wird sie an der Reaktion Ihrer Nutzer gemessen, und wir entscheiden sofort mit Ihnen über die nächsten, solange Sie es wünschen. Eine lebendige Anwendung ist nie fertig: Wird sie nicht mehr weiterentwickelt, bekommt sie nur noch Sicherheitskorrekturen und Updates der Komponenten, auf denen sie beruht, und dann ist es eine Anwendung, die stirbt.

Und damit das, was im letzten Monat funktioniert hat, auch in diesem Monat noch funktioniert, gilt unsere Null-Regressions-Garantie. Wenn eine Regression eingeführt wird, beheben wir sie ohne Mehrkosten und fügen einen automatisierten Test hinzu, der das erwartete Verhalten bei jeder zukünftigen Änderung prüft: Die Regression kann nicht durch dieselbe Tür zurückkommen.

Weiterlesen

Kann ein KI-Agent die Anwendung allein bauen? Unser Artikel darüber, wie man mit KI eine App erstellt, vergleicht die verschiedenen Werkzeuge und trennt, was sie allein schaffen, von dem, wofür es einen Profi braucht. Sie planen das Budget für diese Anwendung? Unser Artikel über das Budget einer Anwendung erklärt, warum man ein Ziel anstreben sollte statt einer Funktionsliste.

Wenn Sie wiederkehrende Aufgaben Ihres Unternehmens der KI übertragen möchten, beschreibt unsere Seite zur KI-Integration für Unternehmen, was wir umsetzen können.

Sie zögern, Ihre Software anzugehen, und warten lieber ab, was die KI bringt? Sprechen wir darüber?

Quellen

• Mark Tyson, Tom’s Hardware, „Jensen Huang meint, Kinder sollten nicht programmieren lernen, sondern das der KI überlassen“ („Jensen Huang says kids shouldn’t learn to code — they should leave it up to AI“, auf Englisch), 25. Februar 2024: https://www.tomshardware.com/tech-industry/artificial-intelligence/jensen-huang-advises-against-learning-to-code-leave-it-up-to-ai
• Beatrice Nolan, Fortune, über das Gespräch von Mark Zuckerberg mit Joe Rogan, 24. Januar 2025 (auf Englisch): https://fortune.com/2025/01/24/mark-zuckerberg-ai-engineer-capex-spend
• Council on Foreign Relations, „Vortragsreihe mit Unternehmenschefs: Dario Amodei von Anthropic“ („CEO Speaker Series with Dario Amodei of Anthropic“, auf Englisch), 10. März 2025 (Transkript): https://www.cfr.org/event/ceo-speaker-series-dario-amodei-anthropic
• Anthropic, „Anthropic schließt eine Series-E-Runde bei einer Bewertung von 61,5 Milliarden Dollar ab“ („Anthropic raises Series E at $61.5B post-money valuation“, auf Englisch), 3. März 2025: https://www.anthropic.com/news/anthropic-raises-series-e-at-usd61-5b-post-money-valuation
• Anthropic, „Wirksame Agenten bauen“ („Building effective agents“, auf Englisch), 19. Dezember 2024: https://www.anthropic.com/research/building-effective-agents
• IBM, Programming Research Group, Vorläufiger Bericht: Spezifikationen des IBM-Systems zur Übersetzung mathematischer Formeln, FORTRAN (Preliminary Report: Specifications for the IBM Mathematical FORmula TRANslating System, FORTRAN, auf Englisch), 10. November 1954 (Archiv des Computer History Museum): https://softwarepreservation.computerhistory.org/FORTRAN/
• Frederick P. Brooks, Jr., „Keine Wunderwaffe: Wesen und Akzidenz in der Softwaretechnik“ („No Silver Bullet: Essence and Accident in Software Engineering“, auf Englisch), Proceedings of the IFIP Tenth World Computing Conference, 1986, wieder abgedruckt in Vom Mythos des Mann-Monats (The Mythical Man-Month, auf Englisch), Jubiläumsausgabe, Addison-Wesley, 1995: https://worrydream.com/refs/Brooks_1986_-_No_Silver_Bullet.pdf
• UNC College of Arts and Sciences, „In Erinnerung an den Gründer des Instituts, Frederick P. Brooks Jr.“ („Remembering department founder Dr. Frederick P. Brooks Jr.“, auf Englisch), 18. November 2022: https://college.unc.edu/2022/11/remembering-department-founder-dr-frederick-p-brooks-jr/
• Amanda Davis, IEEE Spectrum, über Jean Sammet und die Entwicklung von COBOL, 15. Dezember 2024 (auf Englisch): https://spectrum.ieee.org/jean-sammet-accidental-computer-programmer
• Jean E. Sammet, „Die frühe Geschichte von COBOL“ („The Early History of COBOL“, auf Englisch), History of Programming Languages, ACM, 1978 (zitiert von Mar Hicks): https://doi.org/10.1145/800025.1198367
• Mar Hicks, „Für die Dauer gebaut“ („Built to Last“, auf Englisch), Logic(s), Nr. 11, 31. August 2020: https://logicmag.io/care/built-to-last/
• James Martin, Anwendungsentwicklung ohne Programmierer (Application Development Without Programmers, auf Englisch), Prentice-Hall, 1982
• Simon Willison, über das Buch von James Martin, 14. Juli 2025 (auf Englisch): https://simonwillison.net/2025/Jul/14/application-development-without-programmers/
• Simon Sharwood, The Register, über die Laufbahn von James Martin, 28. Juni 2013 (auf Englisch): https://www.theregister.com/2013/06/28/james_martin_found_dead/
• Wikipedia, „CA Gen“ (früher IEF, auf Englisch): https://en.wikipedia.org/wiki/CA_Gen
• Bernard Espinasse, „Einführung in MERISE“ („Introduction à MERISE“, auf Französisch), Universität Aix-Marseille: https://pageperso.lis-lab.fr/bernard.espinasse/wp-content/uploads/2021/12/2-IntroMerise-4p.pdf
• Chris F. Kemerer, „Wie die Lernkurve die Einführung von CASE-Werkzeugen beeinflusst“ („How the Learning Curve Affects CASE Tool Adoption“, auf Englisch), IEEE Software, Bd. 9, Nr. 5, Mai 1992: https://sites.pitt.edu/~ckemerer/CK%20research%20papers/LearningCurveAffectsCASEAdoption_Kemerer92.pdf
• Brad J. Cox, „Es gibt eine Wunderwaffe“ („There Is a Silver Bullet“, auf Englisch), BYTE, Oktober 1990 (Nachdruck von Dr. Dobb’s, archiviert): https://web.archive.org/web/2019/https://www.drdobbs.com/there-is-a-silver-bullet/184407534
• W3Techs, „Nutzungsstatistik und Marktanteil von WordPress“ („Usage statistics and market share of WordPress“, auf Englisch), Erhebung vom 16. Oktober 2026: https://w3techs.com/technologies/details/cm-wordpress
• WordPress.org, Plugin-Verzeichnis: https://wordpress.org/plugins/
• Wix, Pressemitteilung, PR.com, September 2010 (auf Englisch): https://www.pr.com/press-release/260804
• Clay Richardson und John R. Rymer, Forrester, „Neue Entwicklungsplattformen für kundennahe Anwendungen entstehen“ („New Development Platforms Emerge For Customer-Facing Applications“, auf Englisch), 9. Juni 2014: https://www.forrester.com/report/New-Development-Platforms-Emerge-For-CustomerFacing-Applications/RES113411
• David Ramel, ADTmag, „Studie sagt die Übernahme durch Low-Code-Werkzeuge voraus“ („Research Predicts Low-Code Tooling Takeover“, auf Englisch), 12. August 2019 (über Gartners Magic Quadrant für Low-Code-Anwendungsplattformen für Unternehmen (Magic Quadrant for Enterprise Low-Code Application Platforms, auf Englisch)): https://web.archive.org/web/2020/https://adtmag.com/Articles/2019/08/12/gartner-lowcode.aspx
• Technology Decisions, „80 % der Technologieprodukte werden bis 2024 von Branchenfremden gebaut“ („80% of tech products to be built by tech outsiders by 2024“, auf Englisch), Juni 2021: https://technologydecisions.com.au/content/it-management/news/80-of-tech-products-to-be-built-by-tech-outsiders-by-2024-1270248970
• Stack Overflow, Entwicklerumfrage 2025 (2025 Developer Survey, auf Englisch), Teil KI: https://survey.stackoverflow.co/2025/ai
• Stack Exchange API, Zahl der pro Monat auf Stack Overflow veröffentlichten und noch online stehenden Fragen, Erhebung vom 20. Oktober 2026: https://api.stackexchange.com/docs/questions
• OpenAI, „ChatGPT stellt sich vor“ („Introducing ChatGPT“, auf Englisch), 30. November 2022: https://openai.com/index/chatgpt/
• Gergely Orosz, The Pragmatic Engineer, „Machen LLMs Stack Overflow überflüssig?“ („Are LLMs making StackOverflow irrelevant?“, auf Englisch), 21. Januar 2025: https://blog.pragmaticengineer.com/are-llms-making-stackoverflow-irrelevant/
• METR, „Die Wirkung der KI von Anfang 2025 auf die Produktivität erfahrener Open-Source-Entwickler messen“ („Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity“, auf Englisch), 10. Juli 2025: https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/
• METR, „Wir ändern das Design unseres Experiments zur Entwicklerproduktivität“ („We are Changing our Developer Productivity Experiment Design“, auf Englisch), 24. Februar 2026: https://metr.org/blog/2026-02-24-uplift-update/
• U.S. Bureau of Labor Statistics, Occupational Outlook Handbook, „Programmierer“ („Computer Programmers“, auf Englisch): https://www.bls.gov/ooh/computer-and-information-technology/computer-programmers.htm
• U.S. Bureau of Labor Statistics, Ausblick auf das IT-Personal (Computer Manpower Outlook, auf Englisch), Bulletin 1826, 1974: https://fraser.stlouisfed.org/title/computer-manpower-outlook-4683/fulltext
• DORA, Stand der KI-gestützten Softwareentwicklung 2025 (2025 State of AI-assisted Software Development, auf Englisch): https://services.google.com/fh/files/misc/2025_state_of_ai_assisted_software_development.pdf
• Dave Farley, „Coder, Entwickler, Softwareingenieur: Was ist der Unterschied?“ („Coder vs Developer vs Software Engineer, What’s the Difference?“, auf Englisch), YouTube-Kanal Modern Software Engineering, 18. Juni 2025, Stellen bei 1 min 22 s, 10 min 26 s und 12 min 46 s: https://www.youtube.com/watch?v=fcjBfSiyI0k
• ACONIT, „Programm Gamma 3“ („Programme Gamma 3“, auf Französisch), Archivdokument: https://www.aconit.org/histoire/Gamma-3/Articles/Programme_Gamma_3_Geynet.doc
• Alain Lesseur, Fédération des équipes Bull, „Die Lochkartentechnik: die Berufe“ („La mécanographie : les métiers“, auf Französisch), 2013: https://project.inria.fr/minf/files/2013/03/La-m%C3%A9canographie-m%C3%A9tiersv2.pdf
• Stanford, Clayman Institute for Gender Research, über die Arbeiten von Nathan Ensmenger, 1. Juni 2011 (auf Englisch): https://gender.stanford.edu/news/researcher-reveals-how-computer-geeks-replaced-computer-girls
• Isabelle Collet und Nicole Mosconi, „Informatikerinnen: von der Klassendominanz zur Diskriminierung nach Geschlecht“ („Les informaticiennes : de la dominance de classe aux discriminations de sexe“, auf Französisch), Nouvelles Questions Féministes, Bd. 29, Nr. 2, 2010 (Nachdruck bei Interstices): https://interstices.info/app/uploads/2018/05/les_informaticiennes_de_la_dominance_de_classe_aux_discriminations_de_sexe.pdf
• Wikipedia, „Kartenlocher“ („Keypunch“, auf Englisch): https://en.wikipedia.org/wiki/Keypunch
• U.S. Bureau of Labor Statistics, Beschäftigungstrends in den IT-Berufen (Employment Trends in Computer Occupations, auf Englisch), Bulletin 2101, Oktober 1981: https://eric.ed.gov/?id=ED224915
• U.S. Bureau of Labor Statistics, Monthly Labor Review, „Wachstumstrends ausgewählter Berufe, die als durch Automatisierung gefährdet gelten“ („Growth trends for selected occupations considered at risk from automation“, auf Englisch), 2022: https://www.bls.gov/opub/mlr/2022/article/growth-trends-for-selected-occupations-considered-at-risk-from-automation.htm
• Julia Beckhusen, U.S. Census Bureau, „Berufe in der Informationstechnologie“ („Occupations in Information Technology“, auf Englisch), ACS-35, August 2016: https://www.census.gov/content/dam/Census/library/publications/2016/acs/acs-35.pdf
• U.S. Bureau of Labor Statistics, Occupational Outlook Handbook, Ausgabe 2002–2003, „Programmierer“ („Computer Programmers“, auf Englisch) (archiviert): https://web.archive.org/web/2002/http://www.bls.gov/oco/ocos110.htm
• U.S. Bureau of Labor Statistics, Occupational Outlook Handbook, Ausgabe 2002–2003, „Softwareingenieure“ („Computer Software Engineers“, auf Englisch) (archiviert): https://web.archive.org/web/2002/http://www.bls.gov/oco/ocos267.htm
• U.S. Bureau of Labor Statistics, Occupational Outlook Handbook, „Softwareentwickler, Qualitätssicherungsanalysten und Tester“ („Software Developers, Quality Assurance Analysts, and Testers“, auf Englisch): https://www.bls.gov/ooh/computer-and-information-technology/software-developers.htm
• Stanford Encyclopedia of Philosophy, „Ramon Llull“ (auf Englisch): https://plato.stanford.edu/entries/llull/
• Musée des arts et métiers, „Die Rechenmaschine von Pascal“ („La machine à calculer de Pascal“, auf Französisch): https://www.arts-et-metiers.net/musee/la-machine-calculer-de-pascal
• Giuseppe Longo, „Von der Logik zur Informatik“ („De la logique à l’informatique“, auf Französisch), École normale supérieure, LIENS-98-18, 1998: https://www.di.ens.fr/reports/1998/liens-98-18.A4.pdf
• Jonathan Gray, The Public Domain Review, „Lasst uns rechnen! Leibniz, Llull und die rechnende Vorstellungskraft“ („Let us Calculate! Leibniz, Llull, and the Computational Imagination“, auf Englisch), 10. November 2016: https://publicdomainreview.org/essay/let-us-calculate-leibniz-llull-and-the-computational-imagination/
• Luigi Federico Menabrea, Skizze der von Charles Babbage erfundenen Analytischen Maschine (Sketch of the Analytical Engine Invented by Charles Babbage, auf Englisch), Übersetzung und Anmerkungen von Ada Lovelace, 1843: https://www.fourmilab.ch/babbage/sketch.html
• Alan M. Turing, „Rechenmaschinen und Intelligenz“ („Computing Machinery and Intelligence“, auf Englisch), Mind, Bd. LIX, Nr. 236, Oktober 1950: https://academic.oup.com/mind/article/LIX/236/433/986238
• John McCarthy, Marvin Minsky, Nathaniel Rochester, Claude Shannon, „Antrag für das Dartmouth Summer Research Project über künstliche Intelligenz“ („A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence“, auf Englisch), 31. August 1955: https://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html
• David Tebbutt, „The Last One“ (auf Englisch), Personal Computer World, Februar 1981: https://tebbo.com/archive/pw8102.htm
• Andrej Karpathy, Beitrag auf X, 24. Januar 2023: https://x.com/karpathy/status/1617979122625712128
• Sam Altman, „Drei Beobachtungen“ („Three Observations“, auf Englisch), Februar 2025: https://blog.samaltman.com/three-observations
• Ryan Greenblatt, „Werden 90 % des Codes bei Anthropic von KIs geschrieben?“ („Is 90% of code at Anthropic being written by AIs?“, auf Englisch), LessWrong, 22. Oktober 2025: https://www.lesswrong.com/posts/prSnGGAgfWtZexYLp/is-90-of-code-at-anthropic-being-written-by-ais
• Claire Padych, Le Monde Informatique, „600.000 Informatiker im Jahr 2015 (laut CAS/Dares)“ („600 000 informaticiens en 2015 (selon CAS/Darès)“, auf Französisch), 15. Februar 2007: https://www.lemondeinformatique.fr/actualites/lireamp-600-000-informaticiens-en-2015-selon-cas-dares-22118.html
• Insee, „Welche Berufe gehören zum Digitalen?“ („Quels sont les métiers du numérique ?“, auf Französisch), L’économie et la société à l’ère du numérique, Ausgabe 2019: https://www.insee.fr/fr/statistiques/fichier/4126588/NUM19_D1_metiers.pdf
• IBM, „Deep Blue“ (auf Englisch): https://www.ibm.com/history/deep-blue
• Fédération française des échecs, Mitgliederzahlen pro Saison, Stand 1. September 2026 (auf Französisch): https://echecs.asso.fr/%28swkxhr55odp5p4555z2ryo45%29/Actus/6797/EFFBRUTS.pdf
• Wikipédia, „Vibe coding“ (auf Französisch): https://fr.wikipedia.org/wiki/Vibe_coding
• Apec, Die gefragten Berufe für Fach- und Führungskräfte 2025 (Les métiers cadres porteurs en 2025, auf Französisch), 2025: https://corporate.apec.fr/files/live/sites/corporate/files/Nos%20etudes/PDF/Etude%20Apec%20-%20Les%20metiers%20cadres%20porteurs%20en%202025.pdf
• Le Monde Informatique, „Die Nachfrage nach Entwicklern und IT-Projektleitern bröckelt 2025“ („La demande en développeurs et chefs de projets IT s’érode en 2025“, auf Französisch), 27. Februar 2026: https://www.lemondeinformatique.fr/actualites/lire-la-demande-en-developpeurs-et-chefs-de-projets-it-s-erode-en-2025-99488.html
• Indeed Hiring Lab, in Frankreich auf Indeed veröffentlichte Stellenangebote für Softwareentwicklung (Index, 1. Februar 2020 = 100), über FRED, Erhebung vom 16. Oktober 2026: https://fred.stlouisfed.org/series/IHLIDXFRTPSOFTDEVE
• Antonin Bergeaud, Antoine Bertheau, Simon Bunel, Oscar Degos, Marco Guido Palladino, „Generative KI: ein Einstellungsstopp für junge Menschen in den exponierten Berufen“ („IA générative : un gel des embauches de jeunes dans les métiers exposés“, auf Französisch), LIFT Policy Paper 2026-02, HEC Paris, Oktober 2026: https://heclift.github.io/website/files/papers/LIFT_PolicyPaper_2026-02.pdf
• Eliyahu M. Goldratt und Jeff Cox, Das Ziel (The Goal, auf Englisch), North River Press, 1984
• Manifest für Agile Softwareentwicklung, „Prinzipien hinter dem Agilen Manifest“, 2001: https://agilemanifesto.org/iso/de/principles.html
• Allen Holub, LinkedIn-Beitrag, 15. September 2026: https://www.linkedin.com/feed/update/urn:li:activity:7505649129218453507/
• nWave: https://nwave.ai