ALTES SKRIPT ERKANNT
“Junior Devs mit KI werden mich überholen”
Versuch diese Antwort:
“Ein Junior mit KI kann schnell Code generieren. Ich kann sehen, welcher Code wirklich funktioniert. Das ist der Unterschied.”DIE ÜBUNG ANSEHEN
Erstelle eine Antwort auf diesen Gedanken – und einen Schritt, der sie belegt.
DER GEDANKE
“Junior Devs mit KI werden mich überholen”
DEINE AUFGENOMMENE ANTWORT
“Ein Junior mit KI kann schnell Code generieren. Ich kann sehen, welcher Code wirklich funktioniert. Das ist der Unterschied.”
EIN PRIVATER SCHRITT
Nimm einen KI-generierten Code von heute. Lies ihn. Ohne ihn auszuführen, schreib einen Satz, warum ihn behalten oder ablehnen. Wenn du die Begründung nicht in einem Satz nennst, lies weiter bis du kannst.
Der Code ist da, bevor deine Erklärung kommt
- 01 / Die KI-Lösung taucht zuerst auf
Du reviewst Code von einem Junior—fünf Monate im Job—und er postet eine KI-generierte Komponente. Zwanzig Sekunden Gesamtzeit. Du hattest schon mental einen Zwei-Stunden-Plan skizziert. Du scannst das Ergebnis. Es funktioniert. Nicht wie du es strukturieren würdest, aber es funktioniert. Du schließt den Tab ohne Kommentar, weil du das Skript schon spüren kannst: Wenn die KI das in zwanzig Sekunden schafft, wofür waren diese zwei Stunden Architektur-Lernen?
- 02 / Der Vergleich fühlt sich wie Beweis an
Du fängst an, die KI zuerst bei kleinen Problemen zu nutzen, weil es ja 'schneller' ist. Aber du merkst das Muster: Wenn die Ausgabe gut ist, lernst du nichts—du kopierst sie einfach. Wenn sie falsch ist, fixst du sie schnell und machst weiter. Die echte Kosten ist stiller: Du hörst auf, Design-Entscheidungen Juniors zu erklären, weil dir bewusst wird, dass du sagen müsstest 'Ich würde die KI zuerst fragen, dann entscheiden.' Dieser Satz macht dich ersetzbar klingen. Also hörst du auf zu erklären, was bedeutet, du denkst nicht mehr selbst darüber nach, was das Vertrauen bestätigt: Vielleicht war ein Jahrzehnt Lernen nur teuer getippter Code.
- 03 / Vergleiche den Code mit deinem Urteil, nicht mit KI-Geschwindigkeit
Wenn du das nächste Mal KI-generierten Code siehst—deinen oder von jemandem anderem—mach das: Lies ihn sechzig Sekunden und triff eine Entscheidung: behalten oder ablehnen. Schreib einen Satz, warum. Du misst nicht gegen KI-Generierungs-Geschwindigkeit (das ist unfair). Du misst etwas Echtes: Kannst du sehen, warum dieser Code falsch ist, oder richtig, auf eine Weise, die die KI selbst nicht erklären kann? Dieses Urteil—zu wissen, welcher Code raus muss—ist die Fertigkeit, die sich nicht geändert hat. Die KI machte schlechten Code schneller, aber dein Job zu erkennen, was schlechter Code ist, ist noch da.
TRACE · 01/04
Wie dieses Skript dich steuert
- Du siehst die KI in Sekunden generieren, was dich Planung kostete, und schließt deinen Entwurf, weil 'es ja schon fertig ist'.
- Ein Junior fragt, wie du ein Design-Problem löst, und du zögerst, weil zuzugeben, die KI zuerst zu nutzen, wie 'ich weiß ja nicht wirklich' klingt.
- Du löschst deine eigene Lösung, bevor du sie laufen lässt, und nimmst an, KI-Code muss besser sein, nur weil er schneller war.
SOURCE_LOCATED · 02/04
Die verborgene Regel darunter
Das KI-Obsoleszenz-Skript
Wenn ein Junior mit einem Tool zum gleichen Ergebnis kommt, waren meine Jahre Lernen nur langsames Tippen, und Geschwindigkeit ist jetzt die einzige Fertigkeit, die zählt.
FORGING_REPLACEMENT · 03/04
Ersatzzeilen (diese aufnehmen)
- Ein Junior mit KI kann schnell Code generieren. Ich kann sehen, welcher Code wirklich funktioniert. Das ist der Unterschied.
- Die KI machte die Urteils-Seite nicht leichter—sie machte das Erkennen von falschem Code leichter.
- Ich habe Jahre damit verbracht, meinen Code zu debuggen. Jetzt verbringe ich Zeit, fremden Code zu verstehen. Beides ist noch Arbeit.
In der App pro Person generiert — das hier ist die Richtung, nicht dein Skript. Deins entsteht aus deinen exakten Worten.
INSTALL · 04/04
Das Protokoll, auf einer Karte
Wenn ich denke
“Junior Devs mit KI werden mich überholen”
Sage ich
“Ein Junior mit KI kann schnell Code generieren. Ich kann sehen, welcher Code wirklich funktioniert. Das ist der Unterschied.”
Dann tue ich eine Sache
Nimm einen KI-generierten Code von heute. Lies ihn. Ohne ihn auszuführen, schreib einen Satz, warum ihn behalten oder ablehnen. Wenn du die Begründung nicht in einem Satz nennst, lies weiter bis du kannst.
STATUS: READY_TO_INSTALL
Diesen Gedanken löschen4 Minuten. Deine Stimme. Kostenlos.
Das Wipe-Protokoll
- Schreibe den Gedanken exakt so auf, wie er läuft: „Junior Devs mit KI werden mich überholen“. Wort für Wort — der Wipe zielt auf den Satz, nicht auf das Gefühl.
- Finde die Regel und die vermiedene Handlung. Wovon entschuldigt dich dieser Gedanke so bequem?
- Nimm die Ersatzzeilen unten mit deiner eigenen Stimme auf. Sprich, als wärst du es ernst — keine Aufnahme, keine Installation.
- Fahre die Schleife: morgens und abends abspielen, 7 Tage lang eine Beweis-Handlung pro Tag loggen.
Klare Antworten
Wenn sie es prompts können, was ist der Unterschied zwischen ihrer Geschwindigkeit und meiner Erfahrung?
Generierungs-Geschwindigkeit versus Urteils-Genauigkeit. Eine KI kann zehn Lösungen pro Minute machen. Zu wissen, welche in sechs Monaten nicht in Produktion fehlschlägt, ist die Fertigkeit. Das kommt nur von fehlgeschlagenen Systemen.
Aber ein Junior mit KI könnte einfach mehr als ich schaffen, schneller.
Schneller Code, der bricht, zählt nicht. Dein echter Job ist nicht 'Code generieren'—es ist 'Code generieren, der nicht bricht'. Das sind verschiedene Jobs. Junior generiert; du überprüfst. Das ist nicht obsolet.
Bedeutet nicht, dass die KI-Lernkurve immer kürzer wird, mein Lernen irrelevant?
Die Lernkurve für die KI-*Nutzung* ist kürzer. Die Lernkurve zum Wissen, welche Ausgabe vertrauen ist immer noch Jahre von sehenden Fehlschlagen gemessen. Du verwechselst zwei verschiedene Kurven.
Verwandte alte Skripte
Verwandte Selbstchecks
Verwandte Forschung
Forschende zum Weiterlesen
Verwandte Mechanismen
Die Forschung hinter diesem Skript
- Impostor Phenomenon in Software Engineers — Guenes et al., ICSE-SEIS 2024, 2024
- Understanding and effectively mitigating code review anxiety — Lee et al., Empirical Software Engineering, 2024
- Understand team effectiveness (Project Aristotle) — Google re:Work, 2016
- Psychological impacts of AI-induced job displacement among Indian IT professionals: a Delphi-validated thematic analysis — PMC, 2024