KI-Nutzer und Nicht-Nutzer: Zwei unterschiedliche Ingenieure

Im vergangenen Jahr hat sich KI schnell von einem „Werkzeug“ zu einem „Partner“ entwickelt. Viele Ingenieure entwickeln dabei jedoch eine gefährliche Illusion: KI könne Entscheidungen und sogar Verantwortung ersetzen.

Die Realität ist genau das Gegenteil. Je leistungsfähiger die KI, desto mehr erfordert sie vom Menschen stärkere Fähigkeiten in Bezug auf Einschränkungen, Urteilsvermögen und Informationsausdruck.

Wenn man KI als einen „unendlich vergrößerten Junior-Ingenieur“ betrachtet, lässt sich die richtige Nutzung als ein Problem des Informationsfluss-Designs abstrahieren.

In diesem Artikel werde ich versuchen, aus ingenieurstechnischer Perspektive die Grenzen der Zusammenarbeit zwischen Mensch und KI neu zu definieren.

1. Eingabe: Nicht mehr ist besser, sondern genauer ist besser

Viele Menschen reagieren bei der Nutzung von KI zunächst damit, den gesamten Kontext auf einmal hineinzuwerfen.

Aber in technischen Systemen ist uns eines sehr klar: Redundante Informationen verschmutzen das Signal.

Bei KI ist es genauso.

Wenn du Folgendes bereitstellst:

• vage Anforderungen

• irrelevanter Kontext

• ungefilterte Logs oder Code

• mehrfach überlagerte, aber nicht aufbereitete Informationen

Du erhöhst tatsächlich das „Rauschen bei der Schlussfolgerung“.

Der bessere Ansatz ist:

• Bereitstellung minimal ausreichender Informationen (Minimum Sufficient Context)

• Klare Aufgabenabgrenzung (Eingabe / Ausgabe / Einschränkungen)

• Entfernen von Informationen, die nicht zum Ziel beitragen

Ein Beispiel:

Falscher Ansatz: „Hier ist mein gesamter Projektcode, schau mal, wo das Problem liegt.“

Richtiger Ansatz: „Im Next.js App Router tritt bei einem Server Component, der eine API aufruft, ein Hydration-Mismatch auf. Hier ist der minimale Reproduktionscode plus Fehlerprotokoll. Bitte analysieren Sie die Ursache.“

Die Qualität der KI hängt weitgehend davon ab, ob du die Eingabe wie ein API-Design gestaltest.

2. Lass die KI nicht über das Ergebnis entscheiden

Ein häufiger Irrtum ist: „Hilf mir, ein System zu entwerfen“ „Hilf mir, eine vollständige Lösung zu implementieren“

Und dann die Ergebnisse direkt in die Produktion übernehmen.

Das ist im Wesentlichen die Auslagerung der „Entscheidungsbefugnis“ an die KI.

Das Problem ist: KI ist gut darin, „plausible Antworten“ zu generieren, aber sie garantiert nicht die „optimale Lösung“ oder eine Lösung, die auf dein Szenario zutrifft.

In der Technik gibt es ein wichtiges Prinzip: Entscheidungen müssen von der verantwortlichen Instanz getroffen werden.

Die richtige Zusammenarbeit sollte so aussehen:

• KI liefert Kandidatenlösungen (Options)

• KI gibt Trade-offs (Vor- und Nachteile) an

• Der Mensch trifft die endgültige Auswahl

Zum Beispiel:

Lass die KI: „Gib mir 3 Ansätze zur Implementierung des MCP-Server-Routings und analysiere Komplexität, Skalierbarkeit und Bereitstellungskosten.“

Statt: „Schreib mir ein MCP-Server-Routing-System.“

Ersteres stärkt dein Urteilsvermögen, letzteres schwächt es.

3. KI zum „Verstehen des Problems“ nutzen, nicht zum „Erledigen der Aufgaben für dich“

Die stärkste Fähigkeit der KI ist eigentlich nicht das Schreiben von Code, sondern:

• Probleme zerlegen

• Wissenspfade bereitstellen

• Komplexe Konzepte erklären

• Lösungsräume aufbauen

Aber „Pfad auswählen + Ergebnisse validieren“ muss vom Menschen erledigt werden.

Ein gesunder Arbeitsablauf sollte so aussehen:

1. Mit KI den Problemraum erkunden

2. Selbst die Lösung bestimmen

3. Dann KI bei der Umsetzung helfen lassen

4. Der Mensch übernimmt Validierung und Konvergenz

Wenn Schritt 2 und 4 übersprungen werden, treten typische Probleme auf:

• Der Code läuft, aber du weißt nicht warum

• Das System funktioniert, ist aber nicht wartbar

• Bei Problemen kannst du nicht debuggen

Im Wesentlichen übergibst du den „kognitiven Kreislauf“ an die KI.

4. Neugestaltung des Informationsflusses: Wer ist wofür verantwortlich

Man kann die Zusammenarbeit zwischen Mensch und KI als ein Informationsflusssystem abstrahieren:

KI → Mensch:

• Erkenntnisse (insights) liefern

• Ansätze (approaches) liefern

• Optionen (options) liefern

Mensch → KI:

• Klares Ziel definieren (clear objective)

• Randbedingungen festlegen (constraints)

• Validierungsergebnisse liefern (feedback / evaluation)

Der Schlüssel liegt darin: KI ist für die „Divergenz“ zuständig, der Mensch für die „Konvergenz“.

Sobald diese Richtung umgekehrt wird, treten auf:

• KI-Ausgaben werden zunehmend zufälliger

• Der Mensch wird zunehmend abhängig

• Das System wird letztlich unkontrollierbar

5. Kernprinzipien für den ingenieurstechnischen Einsatz von KI

Wenn man es in ein paar ingenieurstechnische Prinzipien zusammenfassen möchte, könnten diese sein:

1. Prompts als Schnittstelle entwerfen, nicht als Chat

2. KI als „Kandidatengenerator“ betrachten, nicht als „Entscheider“

3. Dem Menschen immer das letzte Urteil vorbehalten

4. Einen Validierungszyklus erzwingen (Test / Review / Benchmark)

5. Priorität auf die Fähigkeit zu fragen legen, nicht auf die Fähigkeit zu kopieren

Langfristig wird der wahre Unterschied nicht daher rühren, „wer schneller Code mit KI schreibt“, sondern von „wer besser weiß, wie man KI einschränkt“.

Fazit

KI wird Ingenieure nicht ersetzen, aber sie wird die Unterschiede zwischen Ingenieuren vergrößern.

Wer nicht fragt, erhält scheinbar richtige Antworten; wer Informationsflüsse entwirft, erhält wirklich nutzbare Systeme.

In dieser Phase ist die wirklich wichtige Fähigkeit nicht mehr „Code schreiben“, sondern: Probleme definieren, Systeme einschränken, Urteile fällen.

Diese drei Dinge lassen sich kurzfristig nicht auslagern, und genau das ist die Grenze zwischen durchschnittlichen und herausragenden Ingenieuren.