Manchmal fragen mich Leute, ob mich KI als Ingenieur nervös macht. Ehrlich gesagt ist das Gegenteil der Fall: In meinen mehr als elf Jahren in der Tech-Branche ist kaum etwas Spannenderes passiert. Nicht der Hype und nicht die Freitags-Demos, die viral gehen, sondern das, was darunterliegt: Software kann endlich mit Sprache, Dokumenten und Stimme auf eine menschenähnliche Weise arbeiten.
Zuerst begeistern mich die neuen Produktarten. Vor einigen Jahren waren Aufgaben wie „Lies dieses unübersichtliche PDF und fülle das Formular aus“ oder „Beantworte Kundenfragen anhand unserer Wissensdatenbank und nenne eine Quelle“ noch Forschungsprojekte. Heute passen sie in einen Sprint. Eine Text-to-Speech-Pipeline macht aus einem Buch ein Hörbuch; ein RAG-System erschließt die Unternehmensdokumente für Fragen; ein Agent übernimmt einen lästigen mehrstufigen Prozess, den ein Mensch am letzten Schritt freigibt. Ganze Softwarekategorien, die früher undenkbar waren, sind heute schlicht Ingenieursarbeit.
Dann ist da der Multiplikatoreffekt. Ich arbeite selbst am Produkt, ohne Agentur und ohne Team aus Junioren, und KI-Werkzeuge haben verändert, was ein einzelner Senior Engineer liefern kann. Boilerplate, erste Testentwürfe, Migrationen und kleine Skripte zum Prüfen einer Idee tippt der Assistent; ich übernehme Denken und Review. So bleibt mehr Zeit für das, wofür Kunden tatsächlich zahlen: Architektur, Produktentscheidungen und Randfälle, die darüber bestimmen, ob man einer Funktion vertrauen kann.
Auch die technische Herausforderung begeistert mich. Ein Modell ist keine gewöhnliche Funktion: Dieselbe Eingabe kann ein anderes Ergebnis liefern, in einem Satz zugleich brillant und falsch sein, und jeder Aufruf kostet Geld. Darauf etwas Zuverlässiges aufzubauen, ist ein neues Handwerk: Schemas für strukturierte Ausgaben, Retrieval, das den passenden Absatz findet, Evaluationen statt Bauchgefühl, Guardrails mit sicherem Fehlerverhalten und Logs, die erklären, was passiert ist. Jedes dieser Probleme ist spannend, und viele sind noch nicht vollständig gelöst.
Ich liebe auch das Ökosystem und sein Tempo: die APIs von OpenAI und Anthropic, offene Modelle für den eigenen Server, LangChain und LlamaIndex, das Vercel AI SDK, MCP als Verbindung von Agenten zu echten Werkzeugen und Vektorsuche direkt in einem gewöhnlichen Postgres. KI hat mich zu Python, Audio und Ideen gebracht, mit denen ich mich sonst nie beschäftigt hätte. Alle paar Monate verändert sich die Landschaft, und ich darf wieder Anfänger sein – eines der schönsten Gefühle in diesem Beruf.
Was ich nicht mag, ist KI als Dekoration: ein Chatbot auf der Landingpage, damit im Pitch Deck ein Schlagwort steht, oder ein Modell, das ungeprüft in die Datenbank schreiben darf. Eine Technologie zu mögen heißt, Kosten, Datenschutz und menschliche Kontrolle ernst zu nehmen, wenn viel auf dem Spiel steht. Wenn Sie eine Idee haben, die vor wenigen Jahren unmöglich schien, erzählen Sie mir davon. Vielleicht ist sie heute einfach ein klar abgegrenztes Projekt.
Geben Sie dem nächsten Produkt jemanden, der bleibt.
Bereit für den Start? Schreiben Sie mir – ich kann sofort beginnen und bleiben. Langfristige Mandate statt Übergabe nach zwei Wochen. Lassen Sie uns über Ihr Projekt, die Anforderungen und den besten Weg nach vorn sprechen.