Die KI taugt nichts? Eine Ausrede, die näher an uns herangerückt ist

Der Satz, den wir alle schon gesagt haben

Es gibt einen Satz, der früher oder später durch jedes Entwicklerteam geht. "Die KI taugt nichts." Manchmal etwas höflicher verpackt, im Kern aber genau das. Der Satz klingt wie eine nüchterne Feststellung. Jemand hat es probiert, das Ergebnis war Müll, also ist die Sache erledigt.

Ich habe ihn selbst gesagt. Mehr als einmal. Man wirft dem Modell eine Aufgabe hin, bekommt etwas zurück, das halb stimmt und halb erfunden ist, und schiebt den Rechner ein Stück von sich weg. Taugt nichts. Weiter mit der echten Arbeit. Das Bequeme an dem Satz ist, dass er das Gespräch sofort beendet. Niemand fragt nach. Und genau da wird es interessant. Denn so neu, wie er sich anfühlt, ist dieser Satz nicht.

Eine Ausrede mit Vorgeschichte

Wer lange genug mit Software-Entwicklung zu tun hat, kennt das Grundmuster aus einer früheren Variante. Damals zeigte der Finger nicht auf das Werkzeug, sondern nach außen. Auf den Kunden. Auf die schlechte Anforderung. Auf das vage Ticket, in dem drei Sätze standen, von denen sich zwei widersprachen.

"Der Kunde kann ja nicht mal selber erklären, was er will." Diesen Satz haben wir gesagt, gehört, mitgenickt. Er fühlte sich gerecht an. Wenn das Ergebnis nicht passte, lag das am unklaren Input, und der kam von jemand anderem.

Heute sucht sich derselbe Reflex ein neues Ziel. Nicht mehr der Kunde liefert den schlechten Input, sondern wir selbst. Wir formulieren die Aufgabe, wir geben den Kontext mit oder eben nicht, wir entscheiden, wie genau wir beschreiben, was wir wollen. Das Modell verarbeitet, was es bekommt. Und wenn das Ergebnis nicht trägt, ist der Weg nach außen plötzlich versperrt.

Das ist nicht derselbe Mechanismus wie früher, sondern ein verschobener. Der unklare Input ist geblieben. Nur die Person, von der er kommt, hat sich geändert. Sie ist näher gerückt.

Zwei Sätze, die wir kennen, und was sie verschweigen

Es gibt ein paar Glaubenssätze über KI, die so vernünftig klingen, dass man sie kaum hinterfragt.

Der erste geht so. "Die KI erzeugt viel Code, aber damit geht die Arbeit erst richtig los." Stimmt ja auch. Man bekommt einen Berg an Output und muss ihn verstehen, prüfen, einordnen, in die bestehende Architektur einpassen. Das ist Arbeit. Nur verschweigt der Satz etwas. Diese Arbeit, das Verstehen, das Beschreiben, das Schaffen von Kontext, war auch vorher schon nötig. Wenn sie erst danach losgeht, dann wurde sie vorher übersprungen. Die KI hat sie nicht erzeugt. Sie hat sie sichtbar gemacht.

Der zweite klingt noch endgültiger. "Enterprise-Projekte kann man mit KI nicht umsetzen." Zu komplex, zu viele Abhängigkeiten, zu viel Geschichte im System. Auch hier steckt eine wahre Beobachtung drin, aber die Schlussfolgerung springt zu weit. Komplexität ist keine harte Grenze, an der die KI abprallt. Sie ist die Stelle, an der die Vorarbeit teurer wird. Mehr Kontext, sauberere Spezifikation, ein durchdachtes Rahmenwerk. Wer das nicht liefert, bekommt schlechte Ergebnisse. Das liegt dann nicht am Werkzeug, sondern an der fehlenden Vorbereitung.

Die Verantwortung ist näher gerückt

Wenn der Input bei uns liegt, kann die Schuld nicht mehr nach außen wandern. Das klingt erst einmal unbequem. Tatsächlich ist es die bessere Nachricht.

Denn was hier passiert, ist nicht das Schrumpfen unserer Rolle, sondern ihr Wachstum. Was kleiner wird, ist das reine Tippen von Code. Was größer wird, ist alles drumherum. Ein Problem so weit durchdringen, dass man es eindeutig beschreiben kann. Die Anforderung so scharf formulieren, dass keine zwei Lesarten übrig bleiben. Den Kontext und das Rahmenwerk so in Ordnung halten, dass ein gutes Ergebnis überhaupt entstehen kann.

Das war noch nie ein Nebenprodukt guter Entwicklung. Es war immer der Kern des Handwerks. Nur konnte man es lange Zeit umgehen oder zumindest verstecken, weil die eigentliche Mühe im Code lag und niemand so genau hinsah, wie sauber die Anforderung davor war. Die KI nimmt diese Deckung weg. Sie macht unbarmherzig sichtbar, wo das Verstehen fehlt, wo die Beschreibung schwammig war, wo der Kontext nie ordentlich gepflegt wurde.

Das ist kein Verlust. Es ist eine Aufwertung. Die anspruchsvolle Arbeit verschiebt sich dorthin, wo sie immer hingehörte. An den Anfang, in den Kopf, in die Auseinandersetzung mit dem Problem.

Wie das in der Praxis aussieht

Der Unterschied zeigt sich nicht in einem Vortrag über KI, sondern im Moment, in dem etwas nicht funktioniert. Da gibt es zwei Wege. Man kann auf das Werkzeug schimpfen. Oder man bringt die Anforderung in Ordnung.

Der KI-Output wird als unbrauchbar abgestempelt, bevor jemand richtig hingesehen hat. Schauen wir genauer hin, liegt das Problem inzwischen fast nie im Modell, sondern davor. Der Prompt war vage, der mitgegebene Kontext lückenhaft, die eigentliche Anforderung nie sauber ausformuliert. Wir wechseln dann nicht das Tool, sondern schärfen die Aufgabe nach. Was genau soll entstehen, in welchem Rahmen, mit welchen Randbedingungen. Danach trägt das Ergebnis. Nicht, weil die KI plötzlich klüger geworden wäre, sondern weil der Input es ist.

Genauso verbreitet ist die Gegenrichtung. Die Erwartung lautet, die KI mache das eben in fünf Minuten, und alles andere sei künstlich aufgeblähter Aufwand. Auch das ist eine Form, die eigene Verantwortung an die Maschine abzugeben, nur mit umgekehrtem Vorzeichen. Statt mitzuschwimmen erklären wir dann lieber, was realistisch ist und worin die Arbeit tatsächlich besteht. Das ist nicht der bequemere Weg im Gespräch. Es ist der ehrlichere.

Wie wir KI konkret einsetzen, ist bei uns übrigens selbst noch in Bewegung. Es gibt keinen fertigen Prozess, den wir hier verkaufen könnten. Was es gibt, ist eine Grundhaltung. Wenn das Ergebnis nicht stimmt, schauen wir zuerst auf den eigenen Input, bevor wir auf das Werkzeug zeigen.

Beim nächsten Mal

Der Satz wird wieder fallen. In der nächsten Besprechung, im nächsten überlasteten Sprint, wenn das Ergebnis anders ausfällt als erwartet. "Die KI taugt nichts."

Es lohnt sich, danach kurz innezuhalten und den Blick zu drehen. Nicht zuerst auf das Werkzeug, sondern auf das, was wir hineingegeben haben. Die wirklich spannende Nachricht an dieser ganzen Entwicklung ist nämlich nicht, dass die KI uns überflüssig macht. Sie macht unsere Rolle größer. Genau darin liegt der Unterschied zwischen jemandem, der auf das Werkzeug zeigt, und jemandem, der für das Ergebnis geradesteht.