Illustration Absmeier foto freepik ki

Die Softwareentwicklung geht in Richtung KI-gestützter Autonomie einzelner Fachkräfte. Doch wie entsteht die Fähigkeit, eigenständig mit KI-Systemen zu arbeiten? Die Antwort liegt in einem scheinbaren Widerspruch: DevSecOps-Kollaboration. Viele Jahre funktionsübergreifender Zusammenarbeit vermitteln jenes breite Wissen über Sicherheit, Infrastruktur und Geschäftslogik, das Ingenieure befähigt, KI-Outputs zu bewerten und Verantwortung zu übernehmen.

Einzelne Teammitglieder können heute bewältigen, was einst ganze Teams erforderte. Doch die Ingenieure, die diese Autonomie erreichen, haben sich ihr Können nicht im luftleeren Raum angeeignet. Sie haben Jahre in funktionsübergreifenden Teams verbracht und dabei systematisch Wissen angesammelt. Die Grundlage für KI-gestützte Einzelarbeit ist genau das, was manche Unternehmen derzeit reduzieren: eine intensive kollaborative Lernkultur.

Zusammenarbeit als Grundlage

Das zentrale Ziel von DevSecOps ist die Etablierung einer kollaborativen Entwicklungskultur, die den gesamten Lebenszyklus der Softwarebereitstellung umfasst – von der Geschäftsstrategie bis zur technischen Implementierung. Im Mittelpunkt dieser Kultur stehen Wiederverwendbarkeit und Best Practices, die die Produktivität der Entwickler und die Effizienz der Bereitstellung direkt verbessern. Unternehmen erreichen dies durch ein Dual-Gate-System:

Die konsensbasierten Code-Reviews durch Menschen stellen den Wissenstransfer sicher und wahren Qualitätsstandards über alle Disziplinen hinweg.
Die automatisierten Qualitäts- und Sicherheitskontrollen identifizieren Probleme, bevor diese die Produktion erreichen.

Dieser Ansatz schafft ein Gleichgewicht zwischen Geschwindigkeit und Kontrolle. Er reduziert Risiken im Software-Änderungsmanagement und stellt sicher, dass Beschleunigung nicht auf Kosten von Stabilität oder Sicherheit erfolgt.

Leider bleiben die meisten Unternehmen an dieser Stelle stehen. Sie implementieren die Prozesse, installieren die Tools und messen Geschwindigkeitsverbesserungen. Dabei übersehen sie jedoch die grundlegende Transformation, die unter der Oberfläche stattfindet.

Der Wissenstransfer-Mechanismus

Beim kollaborativen Modell geht es im Kern um Lernen und Wissensbeherrschung im großen Maßstab. Studien aus der pädagogischen Psychologie, insbesondere Blooms Taxonomie des Lernens, zeigen, dass die höchste Form der Beherrschung durch das Vermitteln von Konzepten an andere erreicht wird.

Hier offenbart das Dual-Gate-System seinen tieferen Wert. Code-Reviews werden zu strukturierten Wissenstransfers. Jede Person agiert als Experte in ihrem Bereich und lernt gleichzeitig aus benachbarten Fachgebieten:

Der Sicherheitsingenieur, der Code überprüft, vermittelt sichere Entwicklungspraktiken und lernt dabei über geschäftliche Anforderungen. Die Architektin versteht Produktprioritäten und teilt ihr Wissen über technische Einschränkungen. Nachwuchsentwickler lernen Muster von erfahrenen Kollegen und bringen frische Perspektiven zu Tools ein.

Dies erzeugt einen Netzwerkeffekt, bei dem das Wissen jeder Person die Fähigkeiten aller anderen erweitert. Expertise fließt in alle Richtungen innerhalb der Organisation. Diese kollaborative Kultur fördert eine lernende Organisation, in der jede Interaktion Gelegenheiten zur Wissensweitergabe und zu beschleunigtem Wachstum schafft.

Betrachtet man DevSecOps aus dieser Perspektive, wird der Code-Review zu einem Lernmoment. Sicherheitsscans sind ebenfalls Gelegenheiten zum Lernen. Jede Interaktion im System ermöglicht Wissenstransfer und Kompetenzentwicklung. Dies hebt besonders kompetente Ingenieure hervor: Sie haben durch jahrelange kollaborative Interaktion Wissen aus angrenzenden Bereichen verinnerlicht.

Das Solo-Team: KI als Partner, nicht als Ersatz

Die natürliche Weiterentwicklung dieses kollaborativen Modells ist das Ein-Personen-Team – ein Wissensarbeiter, der durch KI ergänzt wird, was zu beispielloser Autonomie und Effizienz führt. Das Potenzial ist erheblich. Jeder Ingenieur erhält KI-Partner, welche die Aufgaben untergeordneter Ebenen übernehmen, etwa das Erinnern, Verstehen und grundlegende Anwenden von Konzepten. Wenn man einem Agenten beibringt, diese redundanten Aufgaben auszuführen, sinkt die kognitive Belastung drastisch. Dies schafft eine mentale Kapazität für intensiveres Denken, einschließlich Analyse, Bewertung und kreativer Problemlösung.

Auf diese Weise kann KI menschliche Fähigkeiten erweitern, anstatt sie zu ersetzen. Eine aktuelle GitLab-Studie ergab, dass 80 Prozent der deutschen DevSecOps-Fachleute erwarten, dass KI ihre Rolle in den nächsten fünf Jahren erheblich verändern wird [1]. Allerdings stimmen 76 Prozent zu, dass KI tatsächlich einen Bedarf an mehr Ingenieuren schaffen wird, nicht weniger.

In Führungskreisen entsteht jedoch eine problematische Gegenposition. Einige Führungskräfte glauben, dass hochleistungsfähige KI-Agenten Wissensarbeiter vollständig ersetzen können. Dies zeigt ein grundlegendes Missverständnis darüber, wie Menschen Expertise entwickeln.

Selbst mit hochleistungsfähiger KI werden weiterhin menschliche Experten benötigt, die:

Ergebnisse über mehrere Disziplinen hinweg bewerten können
Vertrauen in KI-Empfehlungen etablieren
domänenspezifische Urteile fällen
Verantwortung für Produktionssysteme übernehmen

Tatsächlich ergab eine GitLab-Studie, dass 35 Prozent der deutschen DevSecOps-Fachleute der Ansicht sind, dass KI das Karrierewachstum für Nachwuchsentwickler beschleunigen wird.

Das Argument, dass der Nachwuchs nicht mehr benötigt wird, ignoriert die Tatsache, dass weiterhin jemand das überprüfen und validieren muss, was KI produziert. Entwickler schreiben nicht nur Code – sie lernen, ihn über mehrere Bereiche hinweg zu bewerten und entwickeln das Urteilsvermögen, das zur Verifizierung von KI-Outputs erforderlich ist.

Das gegenteilige Argument – dass KI erfahrene Architektinnen und Entwickler ersetzen könnte – ist ebenso problematisch. Diese Logik legt nahe, dass grundlegendes Lernen übersprungen und die Informatikausbildung auf das Steuern von KI-Agenten fokussiert werden könnte. Doch ohne Verständnis dafür, wie guter Code in den Bereichen Sicherheit, Infrastruktur und Geschäftslogik aussieht, können diese Absolventen nicht beurteilen, ob KI-Outputs korrekt sind. Beide Extreme verfehlen den Punkt.

Die eigentliche Einschränkung: Mangel an kollektiver Weisheit

Die eigentliche Einschränkung ist nicht die Fähigkeit der KI. Es ist der Mangel an Personen, die tatsächlich als Solo-Team agieren können. Benötigt werden Ingenieure mit ausreichenden Kenntnissen über mehrere Fachgebiete hinweg, um KI-Outputs in den Bereichen Sicherheit, Infrastruktur, Qualität und Geschäftslogik effektiv zu bewerten. Und es werden Ausbilderinnen benötigt, die verstehen, wie man diese vielseitig qualifizierten Praktiker entwickelt.

Das kollaborative Modell aus dem ursprünglichen DevSecOps-Ziel bleibt unverzichtbar, da dies der Mechanismus ist, durch den Menschen diese breite Wissen entwickeln. Das Ein-Personen-Team ist nicht jemand, der isoliert arbeitet. Es ist jemand, der die kollektive Weisheit des funktionsübergreifenden Teams verinnerlicht hat und nun mit KI-Ergänzung arbeiten kann, während er das Urteilsvermögen und die Verantwortlichkeit beibehält, die nur menschliche Expertise bieten kann.

Der Weg nach vorn

Unternehmen stehen vor einer entscheidenden Wahl. Der naheliegende Weg besteht darin, KI als Kostensenkungsstrategie zu betrachten, indem teure erfahrene Fachkräfte durch günstigere Tools und Personen ersetzt werden, die diese bedienen können. Dieser Weg führt zu instabilen Systemen, technischen Schulden und letztlich zum Scheitern.

Der nachhaltige Weg erkennt an, dass KI ein Werkzeug ist, das bestehende Fähigkeiten erweitert, aber nicht das Urteilsvermögen ersetzen kann, das aus tiefgreifender, funktionsübergreifender Beherrschung resultiert.

Erfolgreiche Unternehmen werden diejenigen sein, die verstärkt auf kollaboratives Lernen setzen und gleichzeitig in KI-Ergänzung investieren. Sie verstehen, dass die Schaffung eines Ein-Personen-Teams zunächst die Schaffung eines Teams erfordert, das jeden Einzelnen über mehrere Bereiche hinweg schult. Sie erkennen, dass der Code-Review-Prozess dazu beiträgt, das Wissen zu vermitteln, das für den effektiven Einsatz von KI-Tools erforderlich ist. Sie investieren in Wissenstransfersysteme, die Ingenieurinnen hervorbringen, die eigenständig arbeiten können, nachdem sie vom Kollektiv gelernt haben.

Dies ist das Paradox des KI-Zeitalters in der Softwarebereitstellung. Je leistungsfähiger KI-Tools werden, desto wichtiger wird der Wert des kollaborativen Lernens. Der einzige Weg, um Personen zu schaffen, die diese Tools effektiv einsetzen können, ist der funktionsübergreifende Wissenstransfer, der durch DevSecOps ermöglicht wird.

Das Ziel hat sich nicht geändert. Die Produktivität muss verbessert, die Effizienz gesteigert und Risiken müssen reduziert werden. Was sich geändert hat, ist das Verständnis, dass das Erreichen dieser Ziele im großen Maßstab sowohl kollaboratives Lernen als auch KI-Ergänzung erfordert – nicht eine Wahl zwischen beiden.

Erfolgreiche Unternehmen werden eine Kultur schaffen, in der jeder lehrt, jeder lernt und jeder in der Lage ist, als Ein-Personen-Team zu arbeiten, wenn er durch KI unterstützt wird. Letztendlich ist der eigentliche Wettbewerbsvorteil nicht die KI, sondern die Menschen, die wissen, wie man sie effektiv einsetzt.

André Braun ist Director of Sales Central Europe bei GitLab.

[1] https://about.gitlab.com/de-de/blog/devsecops-report-germany/

2086 Artikel zu „KI Entwickler“

News | Business | Trends 2025 | Digitalisierung | Trends Kommunikation | New Work

Vier-Tage-Woche, KI und Kaffee: Was Entwickler wirklich produktiv macht

14. August 2025

200 Senior Developerinnen und Developer wurden zu Produktivität, Arbeitsgewohnheiten und den Auswirkungen ihres Berufs auf ihr Privatleben befragt – das Ergebnis: ein ambivalentes Bild zwischen Stress, Work-Life-Balance und hoher Zufriedenheit. Jeder Vierte streitet sich regelmäßig mit dem Partner über den Job – trotzdem bereuen 94 Prozent ihre Berufswahl nicht. 68 Prozent mögen Meetings, aber nur 27 Prozent empfinden…

2086 Artikel zu „KI Entwickler“

659 Artikel zu „DevSecOps“