Künstliche Intelligenz: Software Developer müssen sich neu (er-)finden

Lange Zeit galten sie als Gewinner der Digitalisierung: Software-Entwickler waren top bezahlt, konnten sich ihre Jobs aussuchen und blickten in eine rosige Zukunft. Und heute? Eine rosige Zukunft ist ihnen keinesfalls mehr sicher. Künstliche Intelligenz (KI) lernt schnell und auch das Programmieren. Wollen die Developer relevant bleiben, müssen sie ihr Skillset verändern. Denn eins ist klar: Als IT-Experten werden sie auch in Zukunft gebraucht. 

Wer sprechen kann, kann programmieren

Künstliche Intelligenz hat in der letzten Dekade enorme Fortschritte gemacht und so werden Anwendungen still und leise zum Teil unseres Alltags. In der globalen Befragung von McKinsey „The State of AI in 2021“ gaben 54% der Unternehmen an, mindestens eine KI-Anwendung zu nutzen. Ein Jahr zuvor waren es noch 50% gewesen. Zwei Drittel planen ihren KI-Einsatz auszuweiten.

Viele KI-Systeme müssen nicht mehr über Monate trainiert werden, sondern sind innerhalb kurzer Zeit einsatzbereit und in der Lage, sich von da an selbst zu optimieren. Wo Entwickler früher an Funktionsverbesserungen geschrieben haben, sind sie heute überflüssig. 

Man mag einwenden, dass es zumindest Entwickler braucht, um die KI-Systeme initial zu programmieren. Doch auch hier bahnt sich ein Zeitenwechsel an. Codex, das KI-System des US-Forschungsunternehmens OpenAI, kann bereits heute natürliche Sprache in 12 Programmiersprachen konvertieren. 

KI-Systeme: Unterstützung oder Konkurrenz? 

Developer sollten die smarten Technologien dennoch nicht als Konkurrenz, sondern als Unterstützung betrachten – zu diesem Fazit kommt eine Deloitte-Studie 2021. Denn zumindest zurzeit seien die KI-Tools vor allem geeignet, um Teilaufgaben zu übernehmen. Wer komplexe Projekte realisieren  möchte, braucht zumindest noch eine Weile erfahrene Entwickler. 

Einmal im Einsatz können KI-Systeme aber schon heute beeindruckende Leistungen erbringen: als Chatbot einen Großteil des Kundensupports übernehmen (GPT-3), Krankheiten in ihrem Frühstadium erkennen (z.B. Watson), Montagearbeiten in gefährlichen Umgebungen durchführen, als Live-Dolmetscher agieren und vieles andere. Doch in einem sind sie Menschen ähnlich: Sie sind nicht fehlerfrei. Manchmal wird ihr Code nicht ausgeführt, manchmal kann die Datenbasis zu systematischen Verzerrungen in den Empfehlungen der KI führen. In Zukunft brauchen Unternehmen verstärkt Experten, die die Verlässlichkeit von KI-Ergebnissen sicherstellen. 

Der Bedarf an Developer, die Codezeilen schreiben, wird sinken. Stattdessen eröffnen sich andere Aufgabenfelder.

Gesucht: Experten für Daten und Machine Learning 

Um bei KI-Projekts mitarbeiten zu können, brauchen Entwickler Expertise in Themen wie Machine Learning (ML), Natural Language Processing (NLP), Deep Learning (DL), Robotic Process Automation (RPA) und Regression. Dabei hängt es von der jeweiligen Rolle ab, welche Knowhow-Tiefe Entwickler anstreben sollten.

Unternehmen suchen laut einer ZDNet-Befragung zurzeit vor allem Data Engineers (69%), gefolgt von Data Scientists (54%) und Developern mit KI-Expertise (54%). 

Data Science & Data Engineering

Zwar existieren Studiengänge für Data Science, aber der Bedarf übersteigt die akademisch ausgebildeten Experten bei Weiten. Damit eröffnen sich auch Chancen für Developer. Da sie auf ein fundiertes IT-Wissen aufsetzen, reichen oft Bootcamps oder Online-Kurse, um sich fehlendes Knowhow schnell anzueignen und die neuen Aufgaben zu übernehmen, zum Beispiel in der  Datensammlung, -bereinigung und der Datenaufbereitung für KI-Anwendungen. 

Neben Kenntnissen von gängigen Programmiersprachen wie Python, R, Scala und JavaScript, KI-Bibliotheken wie TensorFlow, Café und Torch sowie Machine Learning Tools empfehlen Experten Data Scientists und Data Engineers in spe, eine unternehmerische Denke mitbringen. Die Kernfrage der Jobs: Welche Daten und IT-Infrastruktur brauchen wir, um Businessherausforderungen zu lösen und unternehmerischen Wert zu schaffen und wie können wir diese effizient realisieren? 

AI Developer

In Zukunft werden Softwareprojekte immer häufiger zu KI-Projekten. Die Suche nach KI-Entwicklern gleicht für Unternehmen zurzeit aber meist der Suche nach der sprichwörtlichen Stecknadel. Auch deswegen kaufen viele von ihnen KI über Drittanbietertools ein. Ihnen fehlt das interne Knowhow. Perspektivisch werden sie ohne eigene KI-Experten aber nicht mehr auskommen. Pflege und Wartung von KI-Anwendungen lässt sich intern kosteneffizienter abbilden und wer einfache KI Apps selbst entwickeln kann, schont ebenfalls sein Budget.

Für Frontend Developer gilt deshalb: Je souveräner sie mit KI-Frameworks und AI APIs umgehen, desto besser ihre Karriereaussichten. Wer als AI Developer KI-Anwendungen von Null aufbauen möchte, muss darüber hinaus fit in Cloud-Plattformen wie Google Cloud AI oder Azure sein, souverän Deep Learning Libraries, Profiling Tools wie Perl oder Perforce und Analytic Tools wie TensorFlow navigieren. 

Die neuen Rollenbilder überlappen teilweise. Da die Unterschiede im Skillset ohnehin abnehmen werden, je mehr Tools die mathematische Basisarbeit übernehmen, eine Chance für Entwickler, sich auszuprobieren, um ihre Nische zu finden. 

Die Zukunft gehört spezialisierte IT-Generalisten 

Viele Entwicklungen sind heute nicht absehbar, nur eins ist sicher: Wollen Developer im Zeitalter von KI relevant bleiben, müssen sie sich neue Tools und Frameworks und neue Denkweisen aneignen. Angesichts des rasanten Fortschritts in der künstlichen Intelligenz wird es noch wichtiger als bisher, sich kontinuierlich weiterzubilden.

In jedem Bereich von KI tiefes Wissen aufzubauen, ist kaum möglich. Krisenresilient ist deshalb eine   Karriereausrichtung als spezialisierter Generalist, als T-Shaped Developer. Man hat sich ein solides Überblickswissen angeeignet und vertieft einen fachlichen KI-Schwerpunkt nach individuellen Vorlieben. Wer so vorgeht, kann auf Marktveränderungen schnell reagieren und neue Expertise aufbauen.

Key Takeaways

  • Der Anteil von KI-Anwendungen in Unternehmen wächst weltweit: Laut McKinsey nutzten 2021 56% der Unternehmen die Technologie.
  • Für Entwicklung und Pflege von KI-Systemen benötigen Developer neue Kompetenzen, das eigentliche Coding verliert an Bedeutung.
  • Aktuell gehören Data Engineers, Data Scientists und KI-Entwickler zu den am stärksten nachgefragten IT-Rollen. 
  • Angesichts der rasanten technologischen Entwicklungen ist eine Karriere als T-Shaped Developer empfehlenswert.

Ein Auszug unserer Kunden

Mit einigen unserer Kunden verbindet uns eine außergewöhnliche Erfolgsgeschichte. Hier kannst du die Geschichte nachlesen: zu den success stories.

     

Im Vergleich zu anderen KIs, ist die CO2-Bilanz von semantha® um ein vielfaches besser.

Das FORBES Magazin beschreibt uns mit den Worten „Hirn mit künstlicher Intelligenz“.