Gunnar Schomaker vom SICP über die Zukunft der Software-Erstellung Bleibt das Programmieren den Deppen und der KI überlassen?

Anbieter zum Thema

Universität Paderborn

PANDUIT

Vertiv GmbH

VON ZUR MÜHLEN'SCHE GmbH

Programmierung steht vor einem tiefgreifenden Wandel. Sprachmodelle codieren bereits heute, KI-Tools generieren Benutzeroberflächen auf Zuruf und Unternehmen experimentieren mit automatisierter Entwicklung. Gleichzeitig wächst der Druck, Software ressourcenschonender zu gestalten, während sich am Horizont sich mit dem Quantencomputing die nächste technologische Zäsur ankündigt.

Wie verändert sich der Beruf des Programmierers? Welche Rolle spielen Algorithmen heute und künftig noch? Und warum ist Green Coding trotz wachsender Energieprobleme in den Rechenzentren noch immer kein Standard? Darüber haben sich Gunnar Schomaker vom Software Innovation Campus Paderborn (SICP) und DataCenter-Insider-Chefredakteurin Ulrike Ostler ausgetauscht.

In der Folge #68 der DataCenter Diaries „Wir wollten die Programmierung einfach machen, so dass auch der Dümmste damit umgehen kann. Und das haben wir nun davon.“ erfahren, was unter diesem, zugegebenen vereinfachten, Statement zu verstehen ist und ob Programmierer noch ein Traumberuf ist.

Die Podcast-Folge #68 der DataCenter Diaries findet sich auf Spotify, Apple Podcasts, Deezer und Amazon Musik.

Das Vibe-Coding

Tasache ist, dass es einen Übergang vom klassischen Programmieren hin zum so genannten Vibe Coding gibt. Gemeint ist damit eine Arbeitsweise, bei der Menschen dem Computer nur, jetzt noch mithilfe von Prompts, beschreiben, was sie haben möchten, während KI-Systeme den eigentlichen Code generieren.

Als Analogie nennt Schomaker eine erfunene oder echte Szene aus Star Trek: Scotty spricht in eine Computermaus und fordert „transparentes Aluminium“ an. Genau in diese Richtung entwickle sich die Software-Entwicklung derzeit. Anwender formulieren Anforderungen in natürlicher Sprache, KI-Systeme erzeugen daraus Klassenstrukturen, Benutzeroberflächen oder sogar komplette Prototypen.

Das unterschiedet sich von dem Begrinn des KI-Einsatzes in der Programmiereung. Noch vor wenigen Jahren hat sich dieser darauf konzentriert, KI zur Verbesserung von Codequalität einzusetzen, etwa für Dokumentation, Lesbarkeit oder Korrektheit. Mit dem Mit dem Durchbruch großer Sprachmodelle hat sich laut Schomaker die Situation radikal verändert. Heute könne man einem System sagen: „Verschiebe den Button nach unten rechts“ oder „optimiere das Interface nach ergonomischen Kriterien“. DAs sind Aufgaben, die früher einmal als hochspezialisierte Intellectual Property galten.

Die Produktivität steigt, aber nicht automatisch

Vor allem in frühen Entwicklungsphasen der Software-Erstellung sieht Schomaker große Vorteile. Unternehmen könnten Prototypen deutlich schneller erzeugen und direkt mit Kunden iterieren. Das aber verändert auch die klassische Rollenverteilung in Entwicklungsprojekten. Ob das die Produktivität insgesamt erhöht? Das darf bezweifelt werden.

Die achte Nutanix-Studie mit dem Enterprise Cloud Index

KI liebt Container, erzeugt Schatten-IT und organisatorische Silos

Gitlab DevSecOps Report 2026

KI macht Entwickler schneller… und Entwicklung langsamer

Menschliche Expertise KI-generierten Code

Der menschliche Vorteil beim Vibe Coding

Schomaker differenziert. Zwar beschleunigten KI-Werkzeuge viele Tätigkeiten erheblich, gleichzeitig gebe es aber auch menschliche Faktoren, die Effizienzgewinne relativieren. Er verweist auf das bekannte Phänomen, dass Arbeit dazu neige, die verfügbare Zeit vollständig auszufüllen. Entwickler arbeiteten häufig erst kurz vor Deadlines maximal effizient – unabhängig davon, welche Werkzeuge zur Verfügung stehen. KI könne daher zwar Prozesse beschleunigen, führe aber nicht zwangsläufig dazu, dass Projekte insgesamt schneller abgeschlossen würden.

Hinzu komme ein weiteres Problem: KI erleichtere zwar den Einstieg ins Programmieren, führe aber auch dazu, dass immer mehr Menschen Software entwickeln, ohne die zugrundeliegenden Prinzipien wirklich zu verstehen. Schomaker zieht Parallelen zu den frühen 2000er Jahren, als viele Quereinsteiger Codefragmente per Copy-and-Paste zusammensetzten, ohne deren Funktionsweise nachvollziehen zu können.

Informatiker oder Programmierer?

Für Schomaker ist dabei eine klare Unterscheidung wichtig: zwischen Informatikern und reinen Programmierern. Wähen sich Informatiker sich mit der eigentlichen Problemlösung beschäftigten, also mit der Frage, wie sich ein reales Problem in ein maschinenlösbares Modell überführen lasse - daazu gehörten Algorithmen, Datenstrukturen und Bewertungsfähigkeit - setzten Programmierer hingegen häufig vorgegebene Lösungen in bestimmten Programmiersprachen um.

Gerade diese mittlere Ebene der „Framework-Programmierer“ könnte durch KI massiv unter Druck geraten. Wer primär bestehende Bibliotheken zusammensetze und Standardcode produziere, werde künftig leichter ersetzbar sein.

Nicht ersetzbar seien dagegen Kompetenzen wie Bewertung, Architekturverständnis und algorithmisches Denken. Schomaker illustriert das anhand eines einfachen Beispiels: dem Sortieren von Daten. Viele Entwickler würden heute einfach eine fertige Sortierfunktion aufrufen, ohne zu wissen, welcher Algorithmus dahintersteckt oder warum unterschiedliche Sortierverfahren unter verschiedenen Bedingungen unterschiedlich effizient arbeiten. Genau dieses Wissen werde künftig wichtiger, nicht unwichtiger.

Green Coding: Die unterschätzte Baustelle

Doch wie steht es um das Green Coding? Immerhin wird viel und intensiv über Energie-effiziente Rechenzentren diskutiert, die Softwareseite zumeist jedoch außen vorgelassen. Dabei entsteht ein erheblicher Teil des Energieverbrauchs bereits durch ineffiziente Software-Architekturen, unnötige Berechnungen oder ungeeignete Programmiersprachen. Während etwa nativer C-Code vergleichsweise effizient arbeitet, können interpretierte oder hochabstrahierte Sprachen wie Python oder Perl ein Vielfaches an Ressourcen benötigen.

Trotzdem fehlt bislang ein breiter Konsens darüber, wie Software systematisch nach Nachhaltigkeitskriterien bewertet werden könnte. Laut Schmaker ist das Problem hochkomplex, weil jede Optimierung von der jeweiligen Systemgrenze abhänge. Eine lokal effiziente Lösung könne global ineffizient werden, sobald andere Komponenten oder Architekturebenen berücksichtigt würden.

Energie-Effizienz und Nachhaltigkeit von Programmen

Umweltbundesamt: Schluss mit ineffizienter Software und Datenverarbeitung!

Prinzipien und Tools, die die Datennutzung ergrünen lassen

So wird die Software-Architektur nachhaltig

Tools, Techniken und Anreize für eine umweltschonende IT

Mit einfachen Schritten Internet und Rechenzentrum grüner machen

Wege zur nachhaltigen Digitalisierung

HPI-Konferenz: „Clean-IT” und Green IT - Wie geht das?

Als Beispiel nennt Schomaker die klassische Web-Suche. Suchmaschinen optimierten enorme Rechenleistungen für minimale Geschwindigkeitsgewinne, obwohl viele Nutzer problemlos einige Sekunden länger auf Ergebnisse warten könnten. Der Nutzer habe aber praktisch keine Möglichkeit, bewusst auf maximale Performance zu verzichten.

Das ist vielleicht sogar ein grundsätzliches Problem der heutigen IT: Systeme werden permanent auf Spitzenleistung optimiert, unabhängig davon, ob diese Leistung tatsächlich notwendig ist.

Green IT endet nicht bei der Kühlung

Tatsächlich müsse Green IT bereits beim Softwaredesign beginnen. Trotzdem wird dieser Zusammenhang in vielen Entwickler-Communities noch immer unterschätzt. Doch Schomaker nimmt Entwickler, zumindest teilweise, in Schutz. Viele Informatiker hätten traditionell kaum Bezug zur physikalischen Realität der Hardware. Er erinnert sich an seine eigene Studienzeit, in der elektrotechnische Grundlagenfächer von vielen Informatikstudenten eher als lästige Pflicht empfunden wurden.

Das grundlegende Problem bestehe darin, dass die digitale Welt häufig losgelöst von ihrer physischen Infrastruktur betrachtet werde. Entwickler sähen primär virtuelle Funktionen und daher auch nicht deren reale Auswirkungen auf Energieverbrauch, Kühlung oder Hardware-Auslastung.

Die Zukunft gehört den Algorithmen

Algorithmen werden wichtiger denn je. Sie lassen Software-Agenten allein und im Team agieren, sie lassen Quantencomputer rechnen. Es kommt zunehmend auf mathematische Modelle, Optimierungsverfahren und domänenspezifische Algorithmen an. Damit sind viele zukünftige Herausforderungen weniger klassische Programmierprobleme als vielmehr mathematische und wissenschaftliche Fragestellungen. Braucht es in Zukunft eher gute Mathematiker als Programmierer?

Denkbar wären generische Frameworks, die unterschiedliche Algorithmen flexibel kombinieren können. Wissenschaftler beispielsweise verschiedener Fachrichtungen könnten dabei ihre spezifischen Modelle und Optimierungsverfahren einbringen, während die eigentliche Ausführungsumgebung standardisiert bleibe, zumal es in vielen Bereichen der Anwendungen zunehmend nicht mehr darum geht, überhaupt eine Lösung zu finden, sondern die jeweils beste oder effizienteste Variante auszuwählen. Schomaker zeigt auf, dass Bereiche wie Auto-Tuning, adaptive Optimierung oder KI-gestützte Compiler-Entwicklung stark an Bedeutung gewinnen.

Quantencomputing wird spezialisieren, nicht ersetzen

Bei der Aussicht auf das Quantencomputing bleibt Schomaker pragmatisch. Er erwartet keine vollständige Ablösung klassischer Computerarchitekturen, sondern vielmehr eine stärkere Spezialisierung. Quantencomputer würden insbesondere in Bereichen wie Materialforschung oder komplexen Optimierungsproblemen neue Möglichkeiten eröffnen. Für alltägliche Anwendungen wie Office-Software oder E-Mail seien sie dagegen irrelevant.

Nikola Strah, Classiq, über Mut, Software, Chancen und Spielwiesen

Quantencomputing zwischen Hype, Handwerk und Hausaufgaben

Vom Labor in die Praxis

Acht Punkte zum Stand des Quantencomputing 2026

Ach! Fujitsu entwickelt Quantencomputer?

Echte Quantum-inspired Apps, die Optimierungsaufgaben lösen

Quantum-Ambassador Jan-Rainer Lahmann im Gespräch

IBM: Quantenvorteil noch 2026, fehlertoleranter Quantenchip bis 2029

Programmierer der Zukunft müssen flexibel sein

Würde Schomaker heute noch empfehlen, Programmierer zu werden? Seine Antwort fällt differenziert aus.

Wer lediglich eine Programmiersprache erlernen wolle, bewege sich in einem zunehmend austauschbaren Markt. Reines Übersetzen von Anforderungen in Standardcode verliere an Wert. Wer dagegen Informatik als interdisziplinäre Problemlösung verstehe, habe weiterhin hervorragende Perspektiven.

Besonders spannend findet Schomaker die Verbindung von Informatik und Fachdomänen, etwa in der Wirtschaftsinformatik oder in anwendungsnahen KI-Projekten. Künftige Entwickler müssten Technologien bewerten, Systeme verstehen und unterschiedliche Disziplinen zusammenführen können.

Die eigentliche Programmierung werde nicht verschwinden. Aber sie werde sich deutlich verändern: weg vom reinen Schreiben von Code, hin zur Gestaltung intelligenter, effizienter und nachhaltiger Systeme.

(ID:50857509)