Die zunehmende Verbreitung von generativer und agentischer Künstlicher Intelligenz (KI) verändert die Softwareentwicklung grundlegend. Andrew Ng, Gründer von Coursera und Dozent in Stanford, hat auf Basis einer Analyse von über 10.000 Stellenausschreibungen und Gesprächen mit KI-Experten, Personalverantwortlichen und Recruitern vier zentrale Kompetenzbereiche für die KI-Entwicklung identifiziert.
Ng betont, dass alle Entwickler – von Full-Stack- und Data Engineers bis hin zu DevOps- und Machine-Learning-Ingenieuren – KI-Engineering-Fähigkeiten benötigen. Die Softwareentwicklung habe sich durch den Aufstieg generativer und agentischer KI drastisch gewandelt, und die Aneignung der richtigen Fähigkeiten sei in der von Hype geprägten KI-Umgebung oft verwirrend.
Kritik an zu engem Fokus
Ngs Empfehlungen stießen jedoch auf Kritik, da sie aus Sicht einiger Branchenbeobachter das Gesamtbild zu wenig berücksichtigen. Sie argumentieren, der Fokus liege zu stark auf internen, technischen Aspekten und vernachlässige die geschäftliche Problemstellung. Andy Thurai, Gründer und KI-Berater bei The Field CTO, bezeichnet Ngs Ansatz als „gefährlich enges Framework für Unternehmen“, das einen „massiven blinden Fleck“ durch eine „Builder Bias“ aufweise.
Thurai zufolge konzentriert sich Ngs Taxonomie ausschließlich auf die „Tag-1-Innovation“ – das Schreiben von Code und das Funktionierenlassen des Modells. In Unternehmensumgebungen sei jedoch der schwierigste Teil der KI nicht mehr der Bau der Intelligenz, sondern deren Orchestrierung, Beobachtung und Finanzierung. Ein zu enger Kompetenzbereich optimiere für die Variable, die in der Produktion am wenigsten zählt.
Erweiterte Fähigkeiten für den Unternehmenseinsatz
Deepika Sidana, Senior Manager of Software Engineering bei American Express, stimmt zu, dass Ngs skizzierte Fähigkeiten wichtig, aber nicht ausreichend sind. Der Bau einer KI-Anwendung sei nur ein Teil der Herausforderung. Ingenieure müssten auch das Geschäftsproblem, den Kundenworkflow, Risiken, Compliance-Anforderungen und die Konsequenzen eines Scheiterns verstehen.
Besonders kritisch für den Einsatz von KI in Unternehmen sind laut Sidana starke Orchestrierungsfähigkeiten. Dazu gehören die Koordination von Modellen, Tools, Daten, Bewertungen, Beobachtbarkeit, menschlichen Genehmigungen und Fallback-Pfaden. Die stärksten KI-Ingenieure würden Software-Grundlagen mit Domänenwissen, Produktbeurteilung, Kommunikation und Verantwortlichkeit für messbare Geschäftsergebnisse kombinieren.
Weitere von Thurai genannte Schlüsselkompetenzen umfassen:
- Engineering und deterministische Governance
- Multi-Agenten-Orchestrierung
- Agenten-Arbitrierung
- KI FinOps (Finanzmanagement für KI-Operationen)
- Laufzeitökonomie
- Agentische Beobachtbarkeit
- Agentische Sicherheit
- Soziotechnische Systemintegration
„Innovation bringt einen an die Startlinie, aber Beobachtbarkeit, Sicherheit, Resilienz und Governance bringen einen in die Produktion“, so Thurai.
Naman Ahuja, Software Engineer bei Meta, ergänzt, dass die wertvollsten Engineering-Fähigkeiten im Zeitalter der KI zunehmend außerhalb der traditionellen Codierung liegen. KI könne die Implementierung schnell generieren; die schwierigere Arbeit bestehe darin, das richtige Problem zu formulieren, geschäftliche Einschränkungen zu verstehen, Systeme zu zerlegen, KI- und Softwarekomponenten zu orchestrieren und zu beurteilen, ob eine Ausgabe in der Produktion tatsächlich nützlich ist. Ingenieure, die mehr Wert schaffen, könnten mehrdeutige Geschäftsziele in zuverlässige technische Systeme übersetzen.
Chris Matteson, Head of Sales Engineering bei Union.ai, warnt davor, dass die Produktivitätssteigerungen durch KI verschwendet werden, wenn KI-fähige Softwareentwickler nicht verstehen, warum die Software geschrieben wird und wie sie verwendet werden soll. Ein ganzheitlicher Blick sei entscheidend, um zu wissen, welche Entscheidungen endgültig sind und unter welchen Kriterien ein Prototyp verworfen werden sollte. Interaktion mit der realen Welt führe zu großartiger Software.
Thema: Technologie / KI allgemein. Quelle/Inspiration: ZDNet.