In einer Welt, in der KI mit einem einfachen Prompt ganze Anwendungen erzeugen kann, stellt sich die Frage, ob Programmieren lernen noch relevant ist, immer dringlicher. GitHub-CEO Thomas Dohmke sprach auf der Microsoft Build 2025 darüber und vertrat eine differenzierte Sicht: wie sich das Programmieren entwickeln wird und warum klassische Programmierkenntnisse unverzichtbar bleiben, auch wenn KI-Agenten immer leistungsfähiger werden.
Der magische Moment, der alles veränderte
Dohmkes Weg mit KI-gestütztem Programmieren begann mit Skepsis. Als er 2020 zum ersten Mal mit GPT-Modellen in Berührung kam, zweifelte er wegen seines Hintergrunds im Compilerbau daran, dass ein KI-System die feinen Syntaxunterschiede zwischen Programmiersprachen sauber beherrschen könnte. „Ich dachte, das funktioniert nicht, das wird nicht funktionieren, ich habe daran gezweifelt“, erinnerte er sich. „Ich konnte nicht glauben, dass das Modell die Syntax von Python und die von Ruby oder JavaScript auseinanderhalten kann.“
Als GPT-3 und OpenAIs Codex dann aber vollständige, syntaktisch korrekte Methoden schrieben, etwa zur Erkennung von Primzahlen, erlebte Dohmke das, was er „Magie“ nennt. Denselben Wandel von Skepsis zu Staunen sollten später Millionen von Entwicklern mit GitHub Copilot erleben, das heute in Dateien, in denen es aktiviert ist, rund 25 Prozent des Codes schreibt.
Die Zahlen bestätigten die Wirkung: Als GitHub Copilot vor dem öffentlichen Start intern testete, erreichte der Net Promoter Score den Wert 72, außergewöhnlich hoch für ein Entwicklerwerkzeug, das die Arbeitsweise grundlegend verändert. „Wir dachten, das würde negativer aufgenommen werden, als es dann wirklich war“, gab Dohmke zu. „Tatsächlich war die Reaktion überwältigend positiv.“
Warum Kinder trotzdem programmieren lernen sollten
Obwohl KI selbst programmieren kann, plädiert Dohmke mit Nachdruck dafür, dass Kinder unbedingt programmieren lernen. Seine Begründung geht über die reine Arbeitsplatzsicherheit hinaus und zielt auf eine Grundkompetenz in einer Welt, die immer stärker von Software bestimmt wird.
„Software ist überall“, erklärte er. „Unsere Autos werden heute größtenteils durch Software definiert, unsere Häuser sind von Software dominiert, das Reisen ist von Software dominiert.“ So wie wir Mathematik und Physik unterrichten, um die physische Welt zu verstehen, hält Dohmke Programmierkenntnisse für unerlässlich, um die digitale Realität zu verstehen, die uns umgibt.
Es gibt aber auch einen unmittelbareren, praktischen Grund: KI-Coding-Agenten brauchen menschliche Aufsicht. „Die Rolle der Ingenieure besteht jetzt darin, zu überprüfen, was der Agent getan hat“, betonte Dohmke. „Wie soll ich das machen, wenn wir dieses Verständnis nicht mehr haben?“ Er zeichnete ein drastisches Szenario, in dem Unternehmen Sicherheitsvorfälle oder den Verlust von Kundendaten erleiden, weil ihre Ingenieure KI-generierten Code nicht richtig beurteilen können.
Daraus entsteht, was Dohmke eine neue Ebene des „Handwerks“ in der Softwareentwicklung nennt. Zu klassischen Sprachen und Logik kommt für künftige Programmierer die KI-gestützte Entwicklung als Kernkompetenz dazu, die sie beherrschen müssen.
Die Architektur der Software von morgen
Die Grenze zwischen deterministischem Code und KI-generierten Komponenten verschwimmt zusehends, doch Dohmke sieht darin eher Evolution als Revolution. Er stellt sich vor, dass Entwickler fließend zwischen zwei Abstraktionsebenen wechseln: dem klassischen deterministischen Programmieren und dem nichtdeterministischen Bereich der Prompts in natürlicher Sprache.
„Zum Handwerk von Softwareingenieuren wird gehören, zwischen den beiden Abstraktionsebenen springen zu können“, erklärte er. Dabei hilft KI zunächst bei Spezifikation und Ideenfindung, danach zerlegt man komplexe Probleme in kleinere, besser handhabbare Teile, die KI zuverlässig umsetzen kann.
Dieser hybride Ansatz trägt den aktuellen Grenzen von KI Rechnung und nutzt zugleich ihre Stärken. Komplexe Anfragen wie „Baue GitHub“ werden KI-Systeme weiterhin überfordern, sauber abgegrenzte Aufgaben lassen sich aber schneller und genauer erledigen als in rein menschlicher Entwicklung.
Vom „Vibe Coding“ zur professionellen Entwicklung
Dohmke erkennt den Reiz von „Vibe Coding“ an, dem schnellen Prototyping mit KI-Werkzeugen, unterscheidet aber zwischen Hobbyprojekten und professioneller Softwareentwicklung. Echte Geschäftsanwendungen brauchen Sicherheitsprüfungen, Standards für die Codequalität, Tests und die Einhaltung der Arbeitsweisen im Team.
„In echten Softwareprojekten muss man trotzdem nach Sicherheitslücken suchen, auf die Codequalität achten und auf die Standards, die das Team festgelegt hat“, merkte er an. Das schafft Raum für das, was er „Agentic DevOps“ nennt: KI übernimmt Routineaufgaben wie Fehlerbehebungen und das Erzeugen von Testfällen, während sich Menschen auf Architektur und kreatives Problemlösen konzentrieren.
Die menschliche Aufsicht soll bleiben, wegfallen soll die mühsame Arbeit. „Das an einen Agenten abzugeben, während ich auf meinem lokalen Rechner mit dem Agent Mode vibe: Das ist für mich der Traum“, sagte Dohmke.
Der Open-Source-Schachzug
Strategisch bedeutsam war die Ankündigung von GitHub, die Copilot-Integration für VS Code als Open Source freizugeben. Dahinter stehen praktische wie grundsätzliche Überlegungen. VS Code selbst ist Open Source, und neugierige Entwickler hatten den clientseitigen Code von Copilot ohnehin schon per Reverse Engineering untersucht. Ihn proprietär zu halten, brachte also wenig.
„VS Code ist JavaScript, es ist also nicht schwer, Copilot per Reverse Engineering zu analysieren“, erklärte Dohmke. „Seit 2021 gibt es Blogposts, in denen Leute nachgeschaut haben, was es macht und wie es hinter den Kulissen den Prompt baut.“
Die Öffnung ermöglicht Beiträge aus der Community, während GitHub die Kontrolle über die wertvolle API-Schicht behält. Entwickler können Copilot jetzt forken, neue Modelle hinzufügen, Migrationswerkzeuge für weitere Programmiersprachen bauen oder mit besseren Benutzeroberflächen experimentieren und dabei weiterhin die Backend-Dienste von GitHub nutzen.
Die Vision eines Ökosystems von Agenten
Statt eines einzigen allmächtigen KI-Assistenten stellt sich Dohmke ein vernetztes Ökosystem spezialisierter Agenten vor. Persönliche Agenten würden das Leben organisieren (Fotos, Reisen, Empfehlungen für Unterhaltung), Arbeitsagenten die Codebasen und das institutionelle Wissen eines Unternehmens verwalten. Aufgabenspezifische Agenten von Fluglinien oder Reisebüros würden vorübergehenden Bedarf abdecken.
Die eigentliche Neuerung wäre die nahtlose Integration zwischen diesen Agenten, wobei eine kluge Governance festlegt, welche Information zu welchem Kontext gehört. „Wenn Sie das Unternehmen verlassen, trennen Sie die Verbindung, und das Wissen, das Teil Ihrer Arbeit war, bleibt beim Unternehmen“, erklärte Dohmke.
Dieser verteilte Ansatz geht sowohl auf Datenschutzbedenken als auch auf praktische Grenzen ein. Statt ein riesiges Modell auf alle denkbaren Bereiche zu trainieren, könnten spezialisierte Agenten in ihrem jeweiligen Gebiet glänzen und dabei passende Grenzen einhalten.
Der Umgang mit der Angst
Entwicklern, die fürchten, durch KI ersetzt zu werden, bietet Dohmke den Blick in die Geschichte an. So wie die industrielle Revolution und die Verbreitung des Personal Computers manche Arbeitsplätze vernichtet und andere geschaffen haben, dürfte KI ähnlichen Mustern folgen. Als Beispiel nennt er das Softwaretesten: Stellen für manuelles Testen verschwanden, aber viele Tester wechselten in die Softwareentwicklung oder ins Produktmanagement.
„Bei der industriellen Revolution und beim Personal Computer war das schon so“, merkte er an. „Wenn Technologie Rollen ersetzt hat, haben wir neue Möglichkeiten für diese Menschen gefunden.“
Optimistischer gesehen öffnet KI den Zugang zum Programmieren für mehr Menschen. Sprachbarrieren fallen weg, wenn man auf Deutsch, Chinesisch oder in jeder anderen natürlichen Sprache programmieren kann. Kinder können auch dann weiterlernen, wenn das technische Wissen ihrer Eltern nicht mehr reicht, weil sie KI-Assistenten direkt fragen können.
Der endlose Backlog
Am wichtigsten ist vielleicht, was Dohmke über eine Grundwahrheit der Softwareentwicklung sagt: Die Arbeit hört nie auf. Jedes Softwareunternehmen, das er kennt, führt einen, wie er es nennt, „endlosen Backlog“ aus Funktionen, technischen Schulden, Compliance-Anforderungen und neuen Standards.
„Uns wird die Arbeit nie ausgehen“, betonte er. KI wird Entwickler demnach nicht ersetzen, sondern Teams helfen, bisher unmögliche Arbeitsmengen zu bewältigen, und ganz neue Kategorien personalisierter Software ermöglichen.
In der Zukunft, die Dohmke beschreibt, werden Programmierer nicht überflüssig, sondern leistungsfähiger: Sie setzen größere Ideen schneller um und behalten die entscheidende Aufsicht, die dafür sorgt, dass Software sicher und zuverlässig bleibt und menschlichen Bedürfnissen entspricht. Programmieren zu lernen ist in dieser Vision mehr als eine Absicherung für die Karriere. Es ist eine Grundkompetenz, um an einer immer stärker programmierbaren Welt teilzuhaben.
Aus dem Englischen übersetzt: zum Originalbeitrag