Anthropic-CEO prognostiziert Ende des traditionellen Programmierens innerhalb eines Jahres in Davos 2026

Beim World Economic Forum in Davos in diesem Januar löste eine Erklärung einer der führenden Persönlichkeiten der künstlichen Intelligenz (Künstliche Intelligenz (artificial intelligence)) Schockwellen im globalen Technologiesektor aus. Dario Amodei, der CEO von Anthropic, sagte voraus, dass Modelle der Künstlichen Intelligenz innerhalb eines erstaunlich kurzen Zeitraums von 6 bis 12 Monaten die Fähigkeit besitzen könnten, „die meisten, vielleicht alle“ Aufgaben zu übernehmen, die derzeit von Softwareentwicklern (Softwareentwickler (software engineers)) erledigt werden.

Im Gespräch neben Demis Hassabis, dem CEO von Google DeepMind, stellen Amodeis Kommentare eine der aggressivsten Zeitlinien dar, die bisher für die Automatisierung hochqualifizierter kognitiver Arbeit prognostiziert wurden. Die Diskussion, die sich auf die rasche Beschleunigung der Fähigkeiten von KI (im Folgenden: KI) konzentrierte, ging über theoretische Möglichkeiten hinaus und bezog sich auf konkrete Realitäten, die bereits in erstklassigen KI‑Laboren beobachtet werden. Amodei enthüllte, dass sich der interne Workflow bei Anthropic bereits grundlegend verändert habe, wobei menschliche Ingenieurinnen und Ingenieure vom Schreiben von Code zur Überwachung von KI-generierten Ergebnissen übergegangen seien. Dieser Wandel markiert einen Wendepunkt in der Entwicklung der Softwareentwicklung und deutet darauf hin, dass die Ära des „Hand-Codings“ von Entwicklern möglicherweise schnell zu Ende geht.

Der 6‑bis‑12‑Monate-Horizont: Eine Neubestimmung von Kompetenz

Kernpunkt von Amodeis Prognose ist das Konzept der End-to-End-Fähigkeit (End-to-End-Fähigkeit (end-to-end capability)). Im Gegensatz zu aktuellen Coding‑Assistenten, die Zeilen vervollständigen oder Snippets basierend auf Eingaben erzeugen, wird erwartet, dass die nächste Modellgeneration den gesamten Lebenszyklus von Softwareentwicklungsaufgaben übernimmt. Dazu gehört das Verstehen umfassender Anforderungen, das Entwerfen von Lösungen, das Schreiben des notwendigen Codes, das Debuggen von Fehlern und das Deployen der Software — alles mit minimaler menschlicher Intervention.

„Wir könnten sechs bis zwölf Monate davon entfernt sein, dass das Modell das meiste, vielleicht alles von dem tut, was SWEs [Softwareentwickler (software engineers)] end‑to‑end machen,“ sagte Amodei während des Panels. Diese Zeitlinie legt die Ankunft vollständig autonomer Software‑Engineering‑Agenten (KI‑Agenten (AI agents)) eindeutig auf Ende 2026 oder Anfang 2027. Die Implikationen sind tiefgreifend, da sie darauf hindeuten, dass die Lücke zwischen natürlicher Sprachanweisung und einsatzbereiter Softwareanwendung kurz davorsteht zu verschwinden.

Die Beschleunigung wird durch das, was Branchenexperten als Capability-Overhang (Capability-Overhang (capability overhang)) bezeichnen, angetrieben — die Idee, dass aktuelle Modelle bereits ungenutztes Potenzial besitzen, das erst entdeckt wird, kombiniert mit den exponentiellen Verbesserungen der Modelle, die derzeit trainiert werden. Wenn diese Modelle die Fähigkeit entwickeln, über längere Zeiträume zu argumentieren und komplexe, mehrstufige Projekte zu managen, wandeln sie sich von Werkzeugen für Ingenieurinnen und Ingenieure zu Ingenieurinnen und Ingenieuren selbst.

Von Schreibern zu Redakteuren: Der interne Wandel bei Anthropic

Vielleicht das überzeugendste Beweismaterial, das Amodei anführte, waren Anekdoten aus seinem eigenen Unternehmen. Als Schöpfer der Claude‑Modellreihe haben Anthropic‑Ingenieurinnen und -Ingenieure frühzeitigen Zugang zu den fortschrittlichsten verfügbaren Coding‑Fähigkeiten. Laut Amodei hat sich die Alltagspraxis seiner technischen Mitarbeiter bereits gewandelt.

„Ich habe Ingenieurinnen und Ingenieure bei Anthropic, die sagen: ‚Ich schreibe keinen Code mehr. Ich lasse das Modell den Code schreiben, ich bearbeite ihn. Ich mache die Dinge drumherum,‘“ berichtete Amodei.

Diese Aussage unterstreicht einen kritischen Übergang in der Definition eines „Softwareentwicklers (software engineers)“. Die Rolle verlagert sich schnell auf der Abstraktionsleiter nach oben. Anstatt sich auf Syntax, Logikumsetzung und Speicherverwaltung zu konzentrieren, agiert die Ingenieurin bzw. der Ingenieur der nahen Zukunft eher wie ein Produktmanager oder technischer Architekt. Ihre bzw. seine Hauptaufgabe besteht darin, das Problem klar zu definieren und die Lösung der KI auf architektonische Solidität und Sicherheit zu überprüfen.

Dieser interne Wandel bei Anthropic dient als Mikrokosmos für die breitere Branche. Er legt nahe, dass die unmittelbare Zukunft des Berufs nicht unbedingt Arbeitslosigkeit bedeutet, sondern ein radikales „Umschulen“ (reskilling), bei dem der Wert eines Entwicklers nicht in seiner Fähigkeit liegt, Python oder C++ zu schreiben, sondern in seiner Fähigkeit, KI‑Agenten (KI‑Agenten (AI agents)) zu orchestrieren, um komplexe Systeme zu bauen.

Die rekursive Schleife: KI baut KI

Ein wesentlicher Treiber dieser beschleunigten Zeitlinie ist die rekursive Schleife (rekursiver Kreislauf (recursive loop)) der KI‑Entwicklung — ein Phänomen, das Amodei und Hassabis ausführlich diskutierten. Je besser KI‑Modelle Code schreiben, desto häufiger werden sie eingesetzt, um die Forschung und Entwicklung der nächsten Generation von KI‑Modellen zu beschleunigen.

Die Beschleunigungs‑Kette:

1. Code‑Generierung: Aktuelle Modelle schreiben hochwertigen Code zur Verbesserung der Trainingsinfrastruktur für KI.
2. Effizienzgewinne: Das beschleunigt den Iterationszyklus für Forscherinnen und Forscher und ermöglicht schnellere Experimente.
3. Überlegene Modelle: Schnellere Iteration führt zu intelligenteren Modellen, die wiederum besser im Code‑Schreiben sind.
4. Kumulatives Wachstum: Der Zyklus wiederholt sich in einem sich immer schneller drehenden Tempo.

Amodei beschrieb dies als einen Zyklus, der sich „mit beschleunigender Geschwindigkeit schließt“. Diese positive Rückkopplungsschleife ist der Grund, warum lineare Vorhersagen über KI‑Fortschritte oft versagen. Die Werkzeuge, die zur Entwicklung der Technologie verwendet werden, sind die Technologie selbst, was zu einer Verbesserungsgeschwindigkeit führt, die historische Präzedenzfälle in der Softwareentwicklung übertrifft.

Größere wirtschaftliche Auswirkungen: Die „Nobel‑Niveau“-Prognose

Während die Schlagzeilen auf Softwareentwicklerinnen und -entwickler fokussiert bleiben, erweiterte Amodei seine Davos‑Kommentare auf die breitere weiße‑Kragen‑Belegschaft. Er bekräftigte eine frühere Prognose, dass KI‑Modelle bis 2026 oder 2027 in mehreren Bereichen „Nobel‑Niveau“ (Nobel‑Niveau (Nobel-level)) erreichen könnten. Das deutet darauf hin, dass die Automatisierung der Softwareentwicklung nur die Spitze des Speers ist.

Die potenzielle wirtschaftliche Verdrängung ist erheblich. Amodei warnte, dass bis zu 50 % der Junior‑White‑Collar‑Jobs innerhalb der nächsten ein bis fünf Jahre verschwinden könnten, da KI‑Agenten (KI‑Agenten (AI agents)) Einstiegsaufgaben übernehmen. Im Kontext der Softwareentwicklung bringt dies Junior‑Entwickler in eine besonders prekäre Lage. Wenn eine KI die Aufgaben eines Junior‑Ingenieurs schneller, kostengünstiger und genauer erledigen kann, könnte der traditionelle Einstiegspfad in den Beruf — Lernen durch einfache Bugfixes und Implementierung von Features — abgeschnitten werden.

Die folgende Tabelle skizziert die prognostizierte Entwicklung der Rolle des Softwareentwicklers auf Basis der in Davos 2026 geteilten Einsichten.

Table: The Evolution of Engineering Roles (2025-2027)

Engpässe und Unsicherheiten

Trotz des Vertrauens in die 6‑bis‑12‑Monate‑Prognose nannte Amodei auch Vorbehalte. Der Übergang zu vollständig autonomen Software‑Engineering‑Systemen hängt nicht ausschließlich von algorithmischen Verbesserungen ab. Externe Faktoren, insbesondere Hardware‑Einschränkungen, spielen eine entscheidende Rolle.

„Ich denke, es gibt viele Unsicherheiten,“ gab Amodei zu und nannte „Chipfertigung“ und „Trainingszeit“ als potenzielle Engpässe. Die physische Infrastruktur, die erforderlich ist, um Inferenz für Millionen von KI‑Softwareentwicklern zu betreiben, ist immens. Wenn die Nachfrage nach Compute die Verfügbarkeit von GPUs und TPUs übersteigt, könnte die Einführung dieser Fähigkeiten langsamer erfolgen, als die technische Machbarkeit vermuten lässt.

Darüber hinaus bleibt die Zuverlässigkeit von End‑to‑End‑Agenten (End-to-End-Fähigkeit bereits eingeführt) ein Hürdenpunkt. Während ein Modell möglicherweise 99 % eines Codesatzes korrekt schreiben kann, können die verbleibenden 1 % subtile, schwer zu entdeckende Fehler in kritischen Systemen katastrophal sein. Die Rolle des Menschen als abschließende Prüfinstanz bleibt zumindest kurzfristig unerlässlich, um Sicherheit und Schutz in eingesetzten Anwendungen zu gewährleisten.

Fazit: Der Aufruf zur Anpassung

Die Botschaft aus Davos 2026 ist klar: Die Softwareentwicklungsbranche steht am Rande einer totalen Transformation. Für Unternehmen verspricht dies eine Ära beispielloser Produktivität, in der Software in Gedankengeschwindigkeit erzeugt werden kann. Für Fachkräfte ist es eine deutliche Warnung, sich anzupassen.

Das „Aussterben“ des Softwareentwicklers ist nicht das Verschwinden des menschlichen Elements, sondern die Obsoleszenz einer bestimmten Arbeitsweise. Während Creati.ai diese Entwicklungen weiter beobachtet, wird zunehmend deutlich, dass die Zukunft denjenigen gehört, die die Kunst des Leitens von KI meistern, statt mit ihr zu konkurrieren. Mit einer gesetzten Zeitspanne von weniger als einem Jahr schließt sich das Fenster für diese Anpassung rapide.