Du hörst es dieses Jahr in jedem Meeting: „Mit KI kann jetzt jeder Software bauen." Halb wahr — und die fehlende Hälfte ist die teure. KI lässt jeden Code produzieren. Sie lässt nicht jeden Software produzieren, die sicher und skalierbar ist und nach dem Launch noch steht.

Dieser Unterschied ist das ganze Spiel. Und er verändert, wie du übers Staffing denken solltest — nicht ob du überhaupt Leute brauchst.

„Einfach KI nutzen" bringt dir eine Demo

Gib einer fähigen Nicht-Engineer-Person ein KI-Coding-Tool, und sie produziert etwas, das wunderbar demonstriert. Die Probleme kommen später, wenn die Demo auf die Realität trifft:

  • Es bricht unter realen Bedingungen. Echte Nutzer, echte Daten, echte Last kommen — und der Prototyp, der fertig aussah, kippt um.
  • Niemand kann es debuggen. Die KI hat Code geschrieben, den niemand im Team versteht. Wenn er um 2 Uhr nachts ausfällt, gibt es niemanden, der ihn reparieren kann.
  • Die Grundlagen fehlen. Keine Tests, keine Architektur, Sicherheitslücken — technische Schulden, deren Behebung mehr kostet, als es gekostet hätte, es gleich richtig zu bauen.

Nichts davon heisst, dass KI das Problem ist. KI ist ein Power-Tool. In erfahrenen Händen ist sie transformativ; in unerfahrenen baut sie etwas, das zusammenbricht.

Der Unterschied hat sich verschoben — er ist nicht verschwunden

Zwei Jahrzehnte lang war die knappe Fähigkeit das Schreiben von Code. KI hat das im Überfluss verfügbar gemacht. Aber sie hat eine neue Knappheit geschaffen: das Urteilsvermögen, KI zu führen und ihre Fehler abzufangen. Zu wissen, wonach man fragt. Den subtil kaputten Output zu erkennen. Zu entscheiden, was ausgeliefert wird und was nicht. Genau dieses Urteilsvermögen hat ein Senior-Engineer — und ein Tool nicht.

„KI ersetzt Engineers" ist also der falsche Rahmen. KI ersetzt schwaches Engineering — die Routine, den Boilerplate, die Arbeit, die nie einen Menschen brauchte. Sie macht starke Engineers dramatisch produktiver. Die Lücke zwischen beiden wird grösser, nicht kleiner.

Was „KI-gestützt" konkret bedeutet

Ein Senior-Engineer, der KI-first arbeitet, nimmt keine Abkürzungen — er komprimiert die langsamen Teile und investiert die gewonnene Zeit in die Teile, die zählen:

  • Schnellere Lieferung — KI-gestütztes Coden, Refactoring und Testgenerierung räumen die Fleissarbeit weg, sodass pro Sprint mehr ausgeliefert wird.
  • Höhere Qualität, nicht niedrigere — KI entwirft; der Engineer reviewt, härtet ab und verantwortet es. Jede Zeile wird von einem Menschen verstanden, der sie verteidigen kann.
  • Die langweilige, aber kritische Arbeit wird erledigt — Dokumentation und Tests, sonst das Erste, was übersprungen wird, werden jetzt geschrieben, weil KI sie günstig macht.
  • Es bleibt wartbar — saubere Architektur und menschliches Eigentum bedeuten, dass der nächste Engineer übernehmen kann.

Richtig ausgestattet deckt ein Senior-Engineer heute ab, wofür es früher mehrere brauchte. Das ist der Shift hinter KI-gestützter Entwicklung: nicht weniger Können, mehr Leverage.

Die Leitplanken, die es vom Hype trennen

KI gut in Kundenprojekten einzusetzen heisst, bei den Risiken explizit zu sein. Der Standard, den es zu halten gilt:

  • Dein IP bleibt deins — in den Vertrag geschrieben; Kundencode wird nie zum Training öffentlicher Modelle verwendet.
  • Alles wird security-geprüft — KI-generierter Code durchläuft dieselben Reviews und Standards wie jeder andere. Nichts wird ungeprüft ausgeliefert.
  • Ein Mensch ist verantwortlich — ein benannter Senior-Engineer verantwortet jedes Deliverable. KI assistiert; sie hat nie das letzte Wort.
  • Es läuft auf EU-/DSGVO-Basis — die Rechtsgrundlage ist explizit, kein nachträglicher Gedanke.

Was das fürs Staffing heisst

Die Erkenntnis ist nicht „stell weniger Leute ein". Sondern: Der Wert einer guten Engineer-Person ist gerade gestiegen — und die Kosten einer schwachen ebenso. Eine Nicht-Engineer-Person mit KI bringt dich zur Demo und dann an eine Wand. Ein Senior-Engineer mit KI bringt dich zum Produkt — mit weniger Leuten auf der Payroll, als das alte Modell verlangte.

Wir haben das selbst erlebt. Mola, unser eigenes Analytics-SaaS für Zahnkliniken, begann als Nebenprojekt und läuft heute als live betriebenes Produkt, betreut von einem einzigen Vollzeit-Engineer — PMS-Integrationen, eine Metrics-Engine, Dashboard, Empfehlungen und eine dreisprachige Website, alles auf DSGVO-konformer, in der Schweiz gehosteter Infrastruktur. Das ist die Arbeit eines Teams, erledigt von einer KI-gestützten Person.

Die ehrliche Version des KI-Versprechens

KI hat Engineers nicht überflüssig gemacht. Sie hat gute deutlich produktiver gemacht und schwache wirklich gefährlich — weil sie jetzt Dinge ausliefern können, die auf eine Weise brechen, die sie nicht sehen. Die Frage ist also nicht „brauche ich noch Engineers?" Sondern: „Habe ich jemanden mit dem Urteilsvermögen, KI auf die richtigen Probleme anzusetzen und ihre Fehler abzufangen?"

Das ist die Engineer-Person, die es sich zu vermitteln lohnt. Und genau die vermitteln wir — jetzt KI-gestützt by default.

Folgeartikel: Wir haben Senior-Engineers aus Versehen ausgebildet — was mit der Pipeline passiert, die Seniors hervorbringt, wenn KI die Arbeit absorbiert, die sie ausgebildet hat.