Seit KI ganze Dateien schreibt, stellt sich die Frage in jedem zweiten Gespräch: Wird es in Zukunft überhaupt noch Entwickler geben? Die kurze Antwort lautet ja – aber der Beruf sieht in fünf Jahren anders aus als heute. Dieser Beitrag ordnet ein, was die Zahlen hergeben, welche Aufgaben tatsächlich wegfallen und worauf sich Unternehmen, Entwickler und Einsteiger einstellen sollten.
Was die Zahlen heute sagen
Die Stimmung in der Branche ist widersprüchlich: Auf der einen Seite werden Stellen gestrichen, auf der anderen wird weiter händeringend gesucht. Drei Werte beschreiben die Lage am besten.
- Der Mangel schrumpft, verschwindet aber nicht. Laut Bitkom-Studie 2026 sind in Deutschland rund 79.000 IT-Stellen unbesetzt – etwa 47 Prozent weniger als im Rekordjahr 2023. Gleichzeitig dauert es im Schnitt fast acht Monate, bis eine offene Stelle besetzt ist.
- Die Prognosen zeigen weiter nach oben. Das U.S. Bureau of Labor Statistics erwartet für Softwareentwicklung, Qualitätssicherung und Test von 2024 bis 2034 ein Wachstum von rund 15 Prozent – deutlich schneller als der Durchschnitt aller Berufe.
- KI ist Alltag, Vertrauen ist es nicht. In der Stack Overflow Developer Survey 2025 gaben 84 Prozent der Befragten an, KI-Werkzeuge zu nutzen oder nutzen zu wollen. Nur 29 Prozent halten die Ergebnisse für zuverlässig – ein Rückgang gegenüber 40 Prozent im Vorjahr.
Das Bild ist also nicht „Beruf verschwindet“, sondern „Markt sortiert sich neu“. Wichtig dabei: Der Rückgang offener Stellen hat mehrere Ursachen. Nach den Einstellungsjahren 2021 und 2022 folgte eine Korrektur, dazu kamen Zinswende und schwache Konjunktur. KI ist ein Faktor, aber nicht der einzige.
Warum es Einsteiger zuerst trifft
Ehrlich betrachtet ist der Einstieg härter geworden. Genau die Aufgaben, mit denen Berufsanfänger früher begonnen haben – kleine Bausteine bauen, Tests schreiben, Oberflächen nachziehen –, erledigt KI heute in Minuten. Wenn Unternehmen diese Arbeit nicht mehr vergeben, fehlt die Stufe, auf der Erfahrung entstanden ist.
Das ist ein echtes Problem, und es löst sich nicht von allein: Wer heute keine Juniors ausbildet, hat in fünf Jahren keine Seniors, die KI-Ergebnisse beurteilen können. Betriebe, die das verstanden haben, stellen weiter ein – aber mit verändertem Einstieg. Neue Kolleginnen und Kollegen lesen und bewerten früher fremden Code, statt ihn zuerst selbst zu tippen.
Was KI übernimmt – und was nicht
Nützlich ist die Unterscheidung nicht nach Berufen, sondern nach Aufgaben. KI ist stark, wo es viele ähnliche Vorbilder gibt und das Ziel klar beschrieben ist. Sie ist schwach, wo Kontext, Verantwortung und Abwägung nötig sind.
Der Denkfehler in vielen Prognosen steckt in der Annahme, Entwickler würden den ganzen Tag Code tippen. Tatsächlich geht ein großer Teil der Arbeit in Verstehen, Abstimmen, Entscheiden und Prüfen. Genau dieser Teil wird durch KI nicht kleiner, sondern größer: Wer zehnmal so viel Code erzeugt, muss zehnmal so viel beurteilen.
Wie sich die Rolle verschiebt
Aus der Praxis lassen sich vier Verschiebungen beobachten:
- Vom Schreiben zum Beurteilen. Code lesen, Schwachstellen erkennen und Vorschläge ablehnen zu können, wird zur Kernfähigkeit.
- Vom Detail zur Struktur. Wie Systeme geschnitten sind, welche Daten wohin fließen und was passiert, wenn ein Teil ausfällt, entscheidet über Erfolg oder Chaos.
- Von der Technik zum Problem. Wer versteht, wie ein Betrieb wirklich arbeitet, baut die richtige Lösung. Die falsche Lösung schnell zu bauen, hilft niemandem.
- Von der Umsetzung zur Verantwortung. Sicherheit, Datenschutz und Nachvollziehbarkeit bleiben menschliche Pflichten – rechtlich ohnehin. Wer KI einsetzt, ist nach dem EU AI Act Betreiber und muss unter anderem für KI-Kompetenz im Team sorgen.
Drei Szenarien bis 2030
Niemand kennt die Zukunft. Statt einer Vorhersage hier drei Verläufe, die aus heutiger Sicht plausibel sind:
- Der Verstärker (wahrscheinlich). Teams bleiben etwa gleich groß, liefern aber mehr. Software, die früher zu teuer war, wird machbar – kleine Fachanwendungen, Automatisierungen, Werkzeuge für einzelne Abteilungen. Die Nachfrage wächst mit dem Angebot, ein bekannter Effekt aus früheren Technologiesprüngen.
- Die Spreizung (ebenfalls plausibel). Einfache Standardprojekte wandern zu Baukästen und KI. Anspruchsvolle Systeme mit Schnittstellen, Sicherheitsanforderungen und langer Lebensdauer werden teurer, weil weniger Menschen sie beherrschen. Die Mitte gerät unter Druck.
- Der Rückbau (weniger wahrscheinlich, nicht ausgeschlossen). Werden KI-Systeme deutlich zuverlässiger und lassen sich Ergebnisse automatisch prüfen, sinkt der Bedarf an reiner Umsetzungsarbeit spürbar. Was bliebe, wären Architektur, Verantwortung und Betrieb – aber mit weniger Köpfen.
In allen drei Verläufen gilt derselbe Satz: Wer nur Code tippt, bekommt ein Problem. Wer Probleme löst, bekommt mehr Arbeit.
Was das für Unternehmen bedeutet
- Nicht an der falschen Stelle sparen. KI senkt die Kosten für den ersten Entwurf, nicht für Betrieb, Sicherheit und Wartung. Diese Posten machen über die Jahre den größeren Teil aus.
- Prüfen bleibt Pflicht. Legen Sie fest, wer KI-erzeugten Code freigibt – genauso, wie Sie es bei Verträgen und Rechnungen tun.
- Wissen im Haus halten. Wenn niemand im Unternehmen versteht, wie die eigene Software funktioniert, ist das ein Risiko – unabhängig davon, wer sie geschrieben hat.
- Menschen weiterbilden. Der Umgang mit KI lässt sich lernen. Das ist meist günstiger, als Erfahrung neu einzukaufen – und nach Art. 4 EU AI Act inzwischen ohnehin gefordert.
Was das für Entwickler und Einsteiger bedeutet
Die gute Nachricht: Die Fähigkeiten, die jetzt wichtiger werden, lassen sich gezielt aufbauen.
- Grundlagen zahlen sich wieder aus. Wer versteht, wie Daten, Netzwerke und Datenbanken funktionieren, erkennt schlechte Vorschläge sofort.
- Fremden Code lesen üben. Das ist die Fähigkeit, die im Alltag mit KI am häufigsten gebraucht wird – und am seltensten geübt wird.
- Ein Fachgebiet wählen. Wer eine Branche versteht, etwa Logistik, Handwerk oder Gesundheitswesen, hat einen Vorsprung, den kein Modell ersetzt.
- KI-Werkzeuge beherrschen, nicht meiden. Der Einstieg ist niedrig; wie das praktisch aussieht, zeigt unser Beitrag zu Vibe Coding.
- Verantwortung übernehmen können. Wer sagen kann, warum eine Lösung so gebaut ist, ist schwer zu ersetzen.
Häufige Fragen
Lohnt sich ein Informatikstudium noch?
Ja, wenn es um Grundlagen geht statt um eine einzelne Programmiersprache. Genau das Verständnis für Systeme, Daten und Algorithmen macht den Unterschied zwischen jemandem, der KI-Vorschläge beurteilen kann, und jemandem, der sie nur abtippt.
Werden Entwickler durch KI billiger?
Bisher zeigt sich das nicht flächendeckend. Gefragte Profile mit Erfahrung in Architektur, Sicherheit und Betrieb sind eher teurer geworden, während einfache Umsetzungsarbeit unter Druck steht.
Kann ich meine Software künftig komplett von KI bauen lassen?
Für kleine, klar umrissene Werkzeuge: ja. Für Systeme mit Kundendaten, Bezahlvorgängen oder Schnittstellen raten wir davon ab. Dort liegt die Arbeit nicht im Schreiben des Codes, sondern in Architektur, Absicherung und Betrieb über Jahre.
Brauche ich als Unternehmen überhaupt noch eine Agentur?
Für einen Prototyp oft nicht mehr. Sobald etwas verlässlich laufen, gewartet und verantwortet werden muss, schon. Der Bedarf verschiebt sich von „bitte umsetzen“ zu „bitte richtig entscheiden und dann umsetzen“.
Wie bereite ich mein Team vor?
Mit klaren Regeln für den KI-Einsatz, einem verbindlichen Freigabeprozess und Schulung. Einen Einstieg bietet unsere Klarwerk Akademie; wo in Ihrem Betrieb Automatisierung überhaupt lohnt, zeigt der KI-Potenzial-Rechner.
Fazit
Entwickler wird es weiter geben – aber weniger als reine Code-Schreiber und mehr als Menschen, die Probleme verstehen, Systeme entwerfen und für Ergebnisse geradestehen. Der Teil der Arbeit, der sich gut beschreiben lässt, wandert zur Maschine. Der Teil, der Urteilsvermögen verlangt, wächst. Wer sich darauf einstellt, arbeitet in fünf Jahren produktiver als heute. Wer darauf wartet, dass alles bleibt, wie es war, wird überrascht.
