Ein Entwickler, mehrere Produkte: Wie KI Teams verändert

Ein Entwickler, mehrere Produkte: Wie KI die Kapazitätsgrenzen kleiner Teams neu definiert

Noch vor ein paar Jahren hätte es beinahe absurd geklungen: Ein einzelner Entwickler arbeitet parallel an acht oder neun Full-Stack-Anwendungen, betreut zusätzlich mehrere WordPress-Projekte, entwickelt APIs, Frontends und Backends und behält dabei auch noch Architektur, Tests, Sicherheit und Dokumentation zuverlässig im Blick.

Völlig unmöglich wäre das auch damals nicht gewesen. Auf Dauer wäre eine solche Arbeitsweise jedoch kaum effizient und vor allem nur schwer kontrollierbar gewesen. Irgendwann stößt jeder Entwickler an eine natürliche Grenze – nicht unbedingt bei seinen Ideen oder seinem technischen Wissen, sondern schlicht bei der verfügbaren Zeit.

Künstliche Intelligenz beginnt genau diese Grenze zu verschieben.

Nicht, weil Entwickler plötzlich zehnmal schneller tippen können, sondern weil KI heute einen erheblichen Teil der wiederkehrenden, vorbereitenden und analysierenden Entwicklungsarbeit übernehmen kann. Standardstrukturen müssen nicht jedes Mal vollständig von Grund auf entstehen. Erste Implementierungen, Komponenten, Tests, technische Varianten oder Refactoring-Vorschläge lassen sich wesentlich schneller vorbereiten.

Für uns bei WebDigiTech ist das längst keine theoretische Zukunftsvision mehr. Wir erleben diese Veränderung unmittelbar in unserer täglichen Entwicklungsarbeit.

Doch genau an diesem Punkt beginnt auch die andere Seite dieser neuen Geschwindigkeit.

Mehr Code bedeutet nicht automatisch bessere Software.

Tippen ist nicht länger der eigentliche Engpass

Softwareentwicklung bestand natürlich schon immer aus weit mehr als dem Schreiben einzelner Codezeilen. Trotzdem war die verfügbare Entwicklungszeit lange eine sehr reale Grenze. Jedes neue Feature musste umgesetzt, jedes Refactoring durchdacht, jeder Fehler analysiert und jeder Test geschrieben werden. Hinzu kamen Dokumentation, technische Recherche und die vielen kleinen Entscheidungen, aus denen am Ende ein funktionierendes Produkt entsteht.

KI kann heute viele dieser Schritte erheblich beschleunigen. Sie kann API-Endpunkte vorbereiten, Komponenten erstellen, vorhandene Logik analysieren, Tests vorschlagen oder verschiedene Lösungswege gegenüberstellen.

Damit verändert sich auch die zentrale Frage in der Entwicklung.

Nicht mehr ausschließlich:

„Wie schnell kann ich diesen Code schreiben?“

Sondern immer häufiger:

„Verstehe und kontrolliere ich noch vollständig, was hier gerade entsteht?“

Genau hier liegt vielleicht eine der spannendsten Veränderungen der aktuellen KI-Entwicklung. Die Produktionskapazität steigt – doch damit wächst gleichzeitig die Menge an Software, Entscheidungen und technischen Zusammenhängen, die ein Mensch überblicken muss.

Mehr Code ist nicht gleich bessere Software

Eine der größten Herausforderungen bei KI-generiertem Code besteht darin, dass eine schlechte Lösung heute nicht zwingend wie eine schlechte Lösung aussehen muss.

KI kann Code erzeugen, der sauber strukturiert, plausibel benannt und auf den ersten Blick professionell wirkt. Er kann sogar funktionieren und vorhandene Tests bestehen – und trotzdem an einer entscheidenden Stelle falsch sein.

Zum Beispiel:

• Ein Login kann reibungslos funktionieren und dennoch eine ernsthafte Sicherheitslücke enthalten.
• Eine API kann genau die erwarteten Daten zurückgeben, aber Berechtigungen nicht sauber prüfen.
• Eine Datenbank kann technisch einwandfrei laufen und trotzdem personenbezogene Informationen speichern, die für den eigentlichen Zweck überhaupt nicht benötigt werden.
• Eine neue Funktion kann isoliert betrachtet hervorragend funktionieren, gleichzeitig aber eine Architekturentscheidung verletzen, deren Folgen erst Monate oder Jahre später sichtbar werden.

Genau deshalb wird menschliche Prüfung durch KI nicht überflüssig. Sie wird wichtiger.

Security und Datenschutz sind keine Punkte, die man am Ende einer Entwicklung noch schnell ergänzt. Sie beginnen bereits bei der Architektur, bei Datenflüssen, Rollen, Berechtigungen und bei der Frage, welche Komponenten einander überhaupt vertrauen dürfen.

Ebenso wichtig ist die Entscheidung, welche Daten tatsächlich benötigt werden, wo sie verarbeitet werden und welches System für bestimmte Informationen als verlässliche Source of Truth dient.

Der sichtbare Code ist am Ende nur die Oberfläche vieler Entscheidungen, die bereits lange davor getroffen wurden.

KI macht noch keinen Softwarearchitekten

Deshalb greift auch die Vorstellung zu kurz, ein einzelner Entwickler könne mit KI automatisch ein vollständiges Entwicklungsteam ersetzen.

KI vervielfacht nicht automatisch Kompetenz. Sie vervielfacht zunächst einmal die Möglichkeit, Dinge zu produzieren.

Und genau darin liegt sowohl ihre Stärke als auch ihr Risiko.

Wer eine gute technische Richtung vorgibt, kann mit KI enorm schnell vorankommen. Wer dagegen auf einer falschen Annahme aufbaut, läuft mit derselben Geschwindigkeit nur schneller in die falsche Richtung.

Professionelle KI-gestützte Entwicklung verlangt deshalb deutlich mehr als die Fähigkeit, einen guten Prompt zu formulieren.

Ein Engineer muss unter anderem verstehen:

• welche Verantwortung in das Backend gehört und welche Logik niemals ausschließlich dem Frontend überlassen werden sollte,
• wie Authentifizierung und Autorisierung sauber voneinander getrennt werden,
• wie Daten durch ein System fließen und wo Vertrauensgrenzen entstehen,
• welche Abhängigkeiten langfristige Risiken erzeugen können,
• welche Daten wirklich benötigt werden,
• welche Zustände später noch verändert werden dürfen,
• und welche technische Entscheidung heute bequem erscheint, aber in zwei Jahren teuer werden könnte.

Ein guter Engineer muss deshalb nicht nur wissen, wie etwas gebaut werden kann.

Er muss beurteilen können, ob es überhaupt so gebaut werden sollte.

KI kann Code erzeugen. Echtes Engineering beginnt dort, wo entschieden wird, welcher Code überhaupt entstehen soll.

Wer trägt am Ende die Verantwortung?

Vielleicht ist das die wichtigste Frage der gesamten Diskussion.

Wenn eine KI eine Funktion erzeugt und darin eine Sicherheitslücke steckt – wer trägt die Verantwortung?

Wenn Kundendaten falsch verarbeitet werden?

Wenn eine Berechtigungsprüfung fehlt?

Oder wenn ein eigentlich unveränderlicher Geschäftsprozess durch eine falsche Architektur später doch manipuliert werden kann?

In einem professionellen Umfeld kann die Antwort niemals lauten:

„Die KI hat das so geschrieben.“

Am Ende muss ein Mensch eine technische Entscheidung vertreten können.

Mit der Leistungsfähigkeit der Werkzeuge wächst deshalb auch die Verantwortung der Menschen, die sie einsetzen.

Ein erfahrener Entwickler kann heute wesentlich mehr Entwicklungsarbeit koordinieren und umsetzen als noch vor wenigen Jahren. Gleichzeitig muss er aber auch eine größere Menge erzeugten Codes prüfen, mehr technische Zusammenhänge verstehen und sicherstellen, dass Entscheidungen über verschiedene Bereiche eines Systems hinweg konsistent bleiben.

Die neue Stärke bringt eine neue Pflicht mit sich.

Unser Ansatz: KI beschleunigt, der Mensch entscheidet

Bei WebDigiTech haben wir diese Arbeitsweise für uns in einem einfachen Ablauf zusammengefasst:

Human Direction → AI Execution → Human Review → Tests → Commit → Product

Der entscheidende Schritt steht nicht zufällig ganz am Anfang.

Human Direction bedeutet für uns nicht, möglichst geschickt einen Prompt zu formulieren. Es bedeutet zunächst, das eigentliche Problem zu verstehen.

Welche Geschäftslogik muss abgebildet werden? Welche Architektur passt dazu? Wo liegen Sicherheitsgrenzen? Welche Daten werden tatsächlich benötigt? Welche Regeln dürfen innerhalb des Systems nicht verletzt werden? Und welche Konsequenzen könnte eine Entscheidung später für andere Teile des Produkts haben?

Erst wenn diese Richtung klar ist, kann KI ihre eigentliche Stärke ausspielen.

Sie kann Implementierungen vorbereiten, Varianten liefern, bestehende Strukturen analysieren, Tests unterstützen und wiederkehrende Entwicklungsarbeit erheblich beschleunigen.

Doch bevor daraus ein Teil eines realen Produkts wird, übernimmt wieder der Mensch.

Der Code wird geprüft, getestet und in den Gesamtkontext des Systems eingeordnet. Erst danach folgen Commit und schließlich der Weg in das eigentliche Produkt.

Der gefährliche Weg wäre dagegen die vermeintliche Abkürzung:

Prompt → Code → Production

Sie sieht schnell aus. Sie spart Schritte. Und genau deshalb entfernt sie die wichtigsten Sicherungen professioneller Softwareentwicklung.

KI wird erst dann zu einem wirklichen Engineering-Werkzeug, wenn Geschwindigkeit und menschliche Kontrolle miteinander verbunden werden.

Ein echter Vorteil für kleine Teams

Für erfahrene Entwickler und spezialisierte kleine Teams eröffnet diese Entwicklung Möglichkeiten, die vor wenigen Jahren nur schwer vorstellbar waren.

Projekte, für die früher deutlich mehr personelle Kapazität notwendig gewesen wäre, können heute teilweise mit wesentlich schlankeren Strukturen entwickelt und parallel weitergeführt werden.

Das kann sogar Vorteile mit sich bringen.

Weniger Übergaben bedeuten häufig weniger Informationsverlust. Kommunikation wird direkter, Entscheidungen bleiben nachvollziehbarer und ein Entwickler, der ein Produkt über längere Zeit begleitet, kann größere Teile der technischen Zusammenhänge selbst überblicken.

Ein einzelner Engineer wird dadurch nicht plötzlich zu zehn Menschen.

Aber ein erfahrener Engineer kann mit KI heute eine technische Reichweite erreichen, für die früher wesentlich mehr manuelle Entwicklungsarbeit notwendig gewesen wäre.

Der entscheidende Punkt ist jedoch:

Dieser Vorteil entsteht nicht allein durch KI.

Er entsteht erst dann, wenn Erfahrung, technisches Urteilsvermögen und künstliche Intelligenz sinnvoll miteinander verbunden werden.

Der eigentliche Wettbewerbsvorteil besteht deshalb nicht darin, möglichst viele KI-Tools einzusetzen oder möglichst schnell möglichst viel Code zu produzieren.

Er besteht darin, mehr bewegen zu können, ohne dabei die Kontrolle über das eigene System zu verlieren.

Code wird billiger, Verantwortung wertvoller

Viele Software Engineers werden künftig vermutlich weniger Code vollständig selbst schreiben. Das bedeutet jedoch nicht, dass ihre Arbeit an Bedeutung verliert.

Im Gegenteil.

Je mehr Software mit Unterstützung von KI entstehen kann, desto wichtiger wird die Fähigkeit, technische Zusammenhänge zu verstehen, Architekturentscheidungen über längere Zeit konsistent zu halten, Risiken frühzeitig zu erkennen und Verantwortung für das Ergebnis zu übernehmen.

KI demokratisiert zunehmend die Fähigkeit, Code zu erzeugen.

Sie demokratisiert jedoch nicht automatisch Erfahrung, technisches Urteilsvermögen oder Verantwortungsbewusstsein.

Und vielleicht liegt genau darin die eigentliche Veränderung dieser neuen Entwicklungsära:

Wenn Code immer leichter verfügbar wird, verliert nicht der gute Engineer an Wert. Wertvoller wird das, was sich nicht einfach generieren lässt – Erfahrung, Weitsicht und die Fähigkeit, für technische Entscheidungen einzustehen.

WebDigiTech unterstützt Sie dabei, den technischen Weg zu finden, der zu Ihrem Unternehmen, Ihrem Projekt und den tatsächlichen Anforderungen passt.