Wie KI meine Arbeit verändert
KI ist inzwischen ein fester Bestandteil meines Arbeitsalltags. Wenn ich allerdings darüber nachdenke, wo sie meine Arbeit tatsächlich verändert hat, lande ich nicht zuerst beim Programmieren. Viel deutlicher merke ich es an den vielen kleinen Schritten rund um die eigentliche Entwicklung.
Ein gutes Beispiel ist der Beginn eines neuen Webprojekts. Früher habe ich mich für die erste gestalterische Orientierung gerne durch TemplateMonster, ThemeForest und ähnliche Seiten geklickt. Nicht unbedingt mit der Absicht, dort ein fertiges Template zu kaufen. Es ging um Ideen: Wie könnte der Einstieg aussehen? Wie lassen sich Leistungen präsentieren? Was kann man mit einer eher schwierigen Bildauswahl anfangen? Wie könnte eine Navigation funktionieren, wenn der Kunde deutlich mehr Menüpunkte unterbringen möchte, als mir lieb ist?
Dabei ging es eigentlich nie darum, das eine perfekte Template zu finden. Bei einem gefiel mir vielleicht der Umgang mit großen Bildern, beim nächsten eine ungewöhnliche Aufteilung des Einstiegs und beim dritten nur ein kleines Detail in der Navigation. Aus diesen Eindrücken entstand irgendwann eine eigene Idee für das Projekt.
Genau diesen Teil des Prozesses kann KI heute ziemlich gut ergänzen.
Nicht das fertige Layout, sondern mehr Ideen
Wenn ich ChatGPT heute nach unterschiedlichen gestalterischen Ansätzen frage, erwarte ich nicht, dass einer davon anschließend die neue Website wird. Meistens interessiert mich nicht einmal der komplette Entwurf.
Interessanter sind einzelne Ideen darin.
Vielleicht ist die Anordnung der Inhalte langweilig, aber die Idee für den Einstieg funktioniert. Bei einer anderen Variante gefällt mir, wie mit Bildern gearbeitet wird, während der Rest überhaupt nicht zum Kunden passt. Manchmal ist es nur eine Kleinigkeit – eine andere Gewichtung der Inhalte oder eine Kombination, auf die ich selbst zunächst nicht gekommen wäre.
Damit übernimmt KI für mich ein Stück weit die Rolle, die früher das Durchstöbern von Template-Seiten hatte. Der große Unterschied ist, dass ich die Suche stärker auf das konkrete Projekt ausrichten kann. Statt mich durch hundert fertige Immobilien-, Handwerker- oder Restaurant-Templates zu klicken, kann ich gezielt eine bestimmte Fragestellung durchspielen.
Was passiert, wenn die Seite fast vollständig über Typografie funktioniert? Wie könnte man denselben Inhalt wesentlich kompakter aufbauen? Was wäre eine Alternative zur üblichen Hero-Fläche mit Überschrift, Text und Button? Wie lässt sich eine Seite strukturieren, wenn gutes Bildmaterial praktisch nicht vorhanden ist?
Nicht jede Antwort darauf ist brauchbar. Das muss sie auch nicht sein.
Für die Ideenfindung kann schon ein Detail reichen, das einen Gedanken in eine andere Richtung schiebt. Der eigentliche Entwurf entsteht anschließend daraus und nicht dadurch, dass ich einen KI-Vorschlag auswähle und nur noch Logo und Farben austausche.
Gerade beim Design ist die Abkürzung verlockend
Natürlich könnte man es sich einfacher machen. KI kann mittlerweile erstaunlich schnell komplette Oberflächen erzeugen, die auf den ersten Blick professionell aussehen. Die üblichen Zutaten stimmen: große Typografie, großzügige Flächen, Karten mit abgerundeten Ecken, dezente Verläufe und ein prominent platzierter Call-to-Action.
Das sieht selten wirklich schlecht aus. Es sieht nur irgendwann alles erstaunlich ähnlich aus.
Genau darin sehe ich momentan eine der größeren Gefahren beim Einsatz von KI im Design. Wer sich von ihr nicht inspirieren, sondern die gestalterischen Entscheidungen gleich mit abnehmen lässt, bekommt sehr schnell etwas, das ordentlich aussieht und trotzdem kaum eine eigene Handschrift besitzt.
Das ist im Grunde nicht einmal ein neues Problem. Auch zu Zeiten fertiger Website-Templates konnte man das Logo austauschen, die Unternehmensfarbe einstellen und behaupten, die Seite sei fertig. Das Ergebnis sah dann eben aus wie das Template.
Mit KI ist diese Abkürzung nur wesentlich bequemer geworden.
Deshalb finde ich sie für die frühe Phase eines Projekts besonders interessant. Ich kann Gedanken visualisieren, Varianten durchspielen und Sackgassen schneller erkennen, ohne jeden Ansatz erst selbst weit ausarbeiten zu müssen. Danach beginnt aber weiterhin die eigentliche Gestaltungsarbeit: auswählen, kombinieren, reduzieren, verändern und vor allem dafür sorgen, dass am Ende eine Website für diesen Kunden entsteht und nicht einfach eine weitere hübsche KI-Website.
Die langweiligen Aufgaben darf die KI gerne haben
An anderer Stelle bin ich deutlich weniger zurückhaltend. Im Entwickleralltag gibt es genügend Arbeiten, bei denen das gewünschte Ergebnis ziemlich genau feststeht und der Weg dorthin vor allem aus Tipparbeit besteht.
Gerade bei solchen strukturierten Aufgaben ist KI sehr brauchbar. Wenn die Struktur einer HTML-Komponente feststeht, muss ich nicht jede wiederkehrende Auszeichnung selbst schreiben. Auch beim Erstellen von Grundgerüsten oder beim Umbau von Code nach einem klar definierten Muster kann KI viel mechanische Arbeit abnehmen.
Das ist keine Arbeit, die ich ohne KI nicht erledigen könnte. Genau das macht sie aber zu einem guten Anwendungsfall. Ich weiß, wie das Ergebnis aussehen soll, und kann relativ schnell beurteilen, ob die erzeugte Lösung brauchbar ist. Warum sollte ich dann Zeit mit dem Teil verbringen, der sich problemlos automatisieren lässt?
Für mich ist das inzwischen wesentlich interessanter als die Vorstellung, komplette Anwendungen von einer KI programmieren zu lassen. Ich möchte nicht möglichst viel Verantwortung abgeben, sondern möglichst wenig Zeit mit Arbeiten verbringen, bei denen meine Erfahrung keinen besonderen Mehrwert liefert.
HTML-E-Mails sind dafür fast das perfekte Beispiel
Besonders deutlich wird das bei Newslettern. Moderne Websites lassen sich heute mit Werkzeugen bauen, von denen man vor einigen Jahren nur träumen konnte. Bei HTML-E-Mails trifft man dagegen weiterhin auf Tabellenlayouts, Inline-CSS und die diversen Eigenheiten einzelner Mailclients.
Natürlich kann ich ein solches Template von Hand aufbauen. Ich habe nur wenig Bedürfnis, jedes Mal wieder bei null anzufangen.
Für solche Aufgaben ist KI praktisch, weil die Regeln weitgehend bekannt sind und sich ein solides Grundgerüst schnell erzeugen lässt. Anschließend kann ich mich um die projektspezifischen Details kümmern, statt zunächst eine Menge Boilerplate zu schreiben.
Das Testen nimmt mir die KI allerdings nicht ab. Nur weil ein erzeugtes Template im Browser ordentlich aussieht, bedeutet das noch lange nicht, dass Gmail, Apple Mail und verschiedene Outlook-Versionen derselben Meinung sind. Gerade bei E-Mails bleibt deshalb der alte Grundsatz bestehen: Was nicht getestet wurde, funktioniert im Zweifelsfall genau dort nicht, wo der Kunde es als Erstes ausprobiert.
Trotzdem beginnt die Arbeit heute an einem anderen Punkt. Statt mit einer leeren Datei starte ich mit einem brauchbaren Gerüst und beschäftige mich schneller mit den Dingen, die für das konkrete Projekt relevant sind.
Weniger suchen, schneller ausprobieren
Ähnlich hat sich mein Umgang mit kleineren technischen Fragen verändert. Früher bestand ein Teil der Entwicklungsarbeit zwangsläufig daraus, Dokumentationen zu durchsuchen, alte Projekte zu öffnen oder bei Stack Overflow nach genau dem Problem zu suchen, das garantiert schon jemand vor acht Jahren hatte.
Das ist heute seltener notwendig. Bei überschaubaren technischen Fragen kann KI einen guten Ausgangspunkt liefern. Das ist gerade dann angenehm, wenn ich grundsätzlich weiß, wie eine Lösung funktioniert, mir aber beispielsweise eine bestimmte Syntax oder ein Parameter gerade nicht einfällt.
Auch hier ist der entscheidende Punkt für mich nicht, dass die KI mehr weiß. Sie verkürzt zunächst einmal die Recherche.
Statt die eigentliche Aufgabe zu unterbrechen, mehrere Suchergebnisse zu öffnen und mich durch Dokumentationen und Diskussionen zu bewegen, bekomme ich zunächst eine konkrete Antwort, mit der ich weiterarbeiten kann.
Ob diese Antwort richtig ist, steht auf einem anderen Blatt.
Plausibel ist nicht automatisch richtig
Eine der wichtigsten Erfahrungen im Umgang mit KI ist für mich deshalb, dass eine Antwort sehr überzeugend aussehen und trotzdem falsch sein kann.
Das fällt bei Programmcode besonders auf. Eine Lösung kann syntaktisch sauber sein und auf den ersten Blick vernünftig wirken, dabei aber unnötig kompliziert sein, veraltete Funktionen verwenden oder schlicht an der eigentlichen Anforderung vorbeigehen. Im unangenehmsten Fall werden Funktionen oder Parameter verwendet, die es so überhaupt nicht gibt.
Deshalb halte ich wenig davon, erzeugten Code einfach zu übernehmen. Ich muss zumindest verstehen, was dort passiert und warum die vorgeschlagene Lösung funktionieren soll.
Interessanterweise macht das Erfahrung für mich nicht weniger wichtig, sondern eher wertvoller. Ich muss vielleicht weniger Syntax auswendig kennen als früher. Dafür muss ich einschätzen können, ob eine vorgeschlagene Lösung sinnvoll, wartbar und für das jeweilige Projekt geeignet ist.
Das ist gerade bei bestehenden Kundenprojekten entscheidend. Dort interessiert mich nicht nur, ob ein Stück Code heute funktioniert. Ich möchte auch wissen, ob ich es in zwei Jahren noch verstehen und ändern kann, ob es unnötige Abhängigkeiten erzeugt und ob ich mir damit an anderer Stelle neue Probleme einhandle.
Eine KI kennt diesen Kontext nur so weit, wie ich ihn ihr vermittle. Ich kenne das Projekt.
KI ist im Entwickleralltag ohnehin angekommen
Dass solche Werkzeuge wieder verschwinden werden, halte ich inzwischen für eher unwahrscheinlich. Interessanter ist die Frage, wie selbstverständlich sie bereits genutzt werden.
JetBrains hat 2026 mehr als 15.000 professionelle Entwickler zum Einsatz von KI-Coding-Agents befragt. 90 Prozent der Befragten gaben an, solche Werkzeuge mindestens wöchentlich zu verwenden, 68 Prozent sogar täglich.
Die spannendere Frage ist deshalb für mich nicht mehr, ob man als Entwickler KI nutzt, sondern wofür.
Ich sehe wenig Sinn darin, möglichst viele Aufgaben an eine KI zu übertragen, nur weil es technisch möglich ist. Bei klar strukturierten, repetitiven Arbeiten funktioniert sie für mich hervorragend. Bei Entscheidungen, die viel Projektwissen, Erfahrung oder gestalterisches Urteilsvermögen benötigen, sieht es anders aus.
Die Grenze verläuft dabei auch nicht immer an derselben Stelle. Wenn ich ein Grundgerüst für ein E-Mail-Template brauche, kann ich wesentlich mehr abgeben als bei der Gestaltung einer kompletten Website. Bei einer kleinen Hilfsfunktion ist die Situation eine andere als bei einer grundlegenden Architekturentscheidung.
Diese Grenze herauszufinden gehört inzwischen selbst zur Arbeit.
Der eigentliche Zeitgewinn steckt für mich im Ausprobieren
Ein Aspekt wird bei der Diskussion über KI häufig auf reine Zeitersparnis reduziert. Wenn eine Aufgabe früher zwei Stunden gedauert hat und heute nur noch eine, dann habe ich eine Stunde gespart.
Das stimmt natürlich. Interessanter finde ich aber, was dadurch innerhalb eines Projekts möglich wird.
Gerade in der Ideenphase kann ich heute wesentlich mehr Richtungen ausprobieren, ohne jede davon weit ausarbeiten zu müssen. Manche davon landen nach wenigen Minuten wieder im Papierkorb. Andere liefern vielleicht nur ein einziges Detail, das später im tatsächlichen Entwurf auftaucht.
Das ist für mich der interessantere Effekt: Nicht jeder Versuch muss sich lohnen.
Wenn das Ausprobieren günstiger wird, kann ich mir mehr schlechte Ideen erlauben. Und zwischen fünf schlechten Ideen steckt gelegentlich eine sechste, auf die ich ohne sie gar nicht gekommen wäre.
Die KI liefert mir damit nicht zwangsläufig die Lösung. Sie kann aber den Raum vergrößern, in dem ich nach einer Lösung suche.
Meine Arbeit ist dadurch nicht weniger geworden
Wenn ich meinen Arbeitsalltag heute mit dem von vor einigen Jahren vergleiche, würde ich deshalb nicht sagen, dass KI meine Arbeit übernommen hat. Sie hat vor allem verschoben, womit ich meine Zeit verbringe.
Ich tippe weniger Dinge, deren Ergebnis ohnehin bereits feststeht. Ich kann Ideen schneller ausprobieren und muss bei kleineren technischen Fragen nicht jedes Mal bei null mit der Recherche beginnen. Gleichzeitig verbringe ich mehr Zeit damit, Ergebnisse einzuordnen, zu korrigieren und an das jeweilige Projekt anzupassen.
Damit kann ich ziemlich gut leben.
Ich vermisse es jedenfalls nicht, ein HTML-E-Mail-Grundgerüst zum wiederholten Mal komplett von Hand aufzubauen. Und wenn mir eine KI bei einer klar strukturierten Aufgabe eine halbe Stunde Arbeit erspart, sehe ich wenig Grund, darauf zu verzichten.
Bei der Gestaltung möchte ich dagegen nicht, dass KI mir die Entscheidung abnimmt. Sie darf mir eine Richtung zeigen, auf die ich selbst vielleicht nicht gekommen wäre. Sie darf eine Idee visualisieren, damit ich merke, dass sie doch nicht funktioniert. Und sie darf mir zehn schlechte Vorschläge liefern, wenn im elften ein Detail steckt, das mich auf einen besseren Gedanken bringt.
Das fertige Layout ist dabei gar nicht das Interessante.
Interessant ist, schneller auf die Idee zu kommen, aus der am Ende eine eigene wird.