Seit einigen Jahrzehnten geben Regierungen und andere Akteure Milliarden dafür aus, Menschen das Programmieren beizubringen. Man hielt es für einen der wenigen Berufe, die in einer sich verändernden Welt sicher sein würden, doch wie sich zeigt, gehören das Schreiben und Bearbeiten von Code zu den Tätigkeiten, für die KI-Modelle am besten geeignet sind. Technologieunternehmen haben in den letzten Jahren über 1 Million Beschäftigte entlassen, und Microsoft hat erst letzte Woche 60.000 Abfindungsangebote unterbreitet. Für Menschen in der Softwarebranche ist das ein erschreckender und zutiefst verunsichernder Moment.
Vor etwa einem Monat habe ich ein internes Memo geschrieben, in dem ich den Pfad zur KI-Einführung beschrieben habe, den Proton gehen muss, um wettbewerbsfähig und sicher zu bleiben, und was wir als Organisation bisher versäumt haben und korrigieren müssen, damit dieser unvermeidliche Wandel gelingt. Es besteht kaum Zweifel, dass Organisationen, die sich nicht schnell genug transformieren, letztlich ihre Teams und diejenigen enttäuschen werden, die sich auf sie verlassen.
Das Memo diente noch einem weiteren Zweck: Es sollte meine Kolleginnen und Kollegen davon überzeugen, dass wir in diesem Wandel keine passiven Akteure sind, dass das Unternehmen ihre Talente und ihr Fachwissen braucht, um ihn umzusetzen, und dass dieser Wandel Chancen für diejenigen bietet, die sich darauf vorbereiten und sich darauf einlassen.
Das Memo ist kein ausführliches Engineering-Dokument. Es geht nicht auf die Details von Sicherheit, Zuverlässigkeit oder Infrastruktur ein. Vielmehr zeigt es die Richtung auf, in die sich unsere Branche insgesamt bewegt.
Das vollständige Memo findest du unten.
PDF des KI-Manifests herunterladen(neues Fenster)
KI @ Proton, Engineering-Manifest
Es sollte niemanden bei Proton überraschen, am wenigsten im Engineering, dass sich Software-Engineering in diesem Jahr, wenn nicht schon früher, unwiderruflich verändert hat. LLMs und die dazugehörigen Tools sind inzwischen in der Lage, Code zu schreiben – so sehr, dass mir ein Senior-Engineer bei Proton vor einigen Tagen sagte (ich zitiere): „Niemand schreibt in {business unit name} mehr Code.“ Wie das Auswendiglernen von Telefonnummern im 20. Jahrhundert oder das Reiten im 19. Jahrhundert ist das manuelle Schreiben von gutem Code eine Kernkompetenz, deren Zeit vorbei ist.
Das ist grundsätzlich eine fantastische Sache. Ein großer Teil des Schreibens von Code war und ist zeitaufwendige Plackerei, zumindest in der Produktion und im großen Maßstab. Dokumentation und Tests sind beides notwendige Aufgaben, die nur wenige gern erledigen und die historisch oft vernachlässigt wurden – auf Kosten guter Kommunikation, Effizienz und Zuverlässigkeit. Boilerplate ist der Inbegriff der Mühsal im Software-Engineering, und vielleicht muss sich nie wieder ein Mensch damit herumschlagen. Modelle können inzwischen Architekturen und Systemdesigns empfehlen und vorschlagen, die, obwohl oft unvollkommen, einen sinnvollen Beitrag zu Diskussion, Entscheidungsfindung und Wissensvermittlung leisten.
Außerhalb von Proton erobert die KI-Revolution die Welt im Sturm. Vieles davon ist oberflächliches Beiwerk, kosmetische Kampagnen, die eher als innovativ wahrgenommen werden sollen, als wirklich innovativ zu sein. Aber vieles davon ist sehr real, und die Investitionen, die diese Unternehmen (einschließlich unserer Wettbewerber) jetzt tätigen, werden das Geschäftsumfeld bestimmen, in dem wir künftig agieren. Hier geht es nicht darum, Trends nachzujagen – wir verlieren hier den Anschluss, und das ist eine existenzielle Bedrohung für den Erfolg der Mission selbst.
Warum also fühlt es sich bei Proton nicht so an, als wäre die Revolution bereits angekommen? Warum ist die Produktivität nicht deutlich gestiegen, wenn doch alle schon ständig LLMs nutzen? Ich glaube, es läuft auf drei Dinge hinaus, die wir alle korrigieren müssen, wenn wir in der neuen Ära erfolgreich sein wollen, die bereits heute angebrochen ist und nicht erst bevorsteht.
Der erste Punkt ist ein Wandel in der Engineering-Kultur und in der Denkweise von Engineers. Deine Aufgabe hat sich grundlegend verändert. Sie besteht nicht mehr darin, Code zu schreiben, und LLMs sind nicht dafür da, dir zu helfen, besseren Code schneller zu schreiben. Deine Aufgabe ist es, dem LLM zu helfen, besseren Code schneller zu schreiben. Alle Engineers sind jetzt Teamleitungen und Führungskräfte, und deine direkten Mitarbeitenden sind die Modelle und Agenten, die du nutzt. Sie direkt anzuleiten und zu korrigieren, wenn sie falsch liegen, gehört natürlich dazu. Aber ein Team aus zwei Personen, die immer im Pair-Programming zusammengearbeitet haben, wäre nicht viel wert, ebenso wenig ein Team, in dem niemand arbeitet, wenn die Teamleitung in einer Besprechung ist. KI muss in der Lage sein, autonom und kontinuierlich zu arbeiten, mit immer weniger menschlicher Betreuung. Deine Aufgabe ist es, Probleme zu erkennen, die das LLM nicht allein lösen kann, und ihm zu helfen, sie nicht nur diesmal zu lösen, sondern sie beim nächsten Mal besser lösen zu können – nicht nur für dich, sondern für alle: Kontextdateien auf Repository-Ebene, geteilte Skills und Prompts und die Gewohnheit, dafür zu sorgen, dass wiederholte Fehler eine Untersuchung und eine Korrektur auslösen. Deine Aufgabe ist es, die Grenzen dessen zu verschieben, was das LLM autonom tun kann, bei den Dingen einzuspringen, die es nicht kann, und immer darüber nachzudenken, wie du den Status quo verbessern kannst.
Das ist nicht das Ende der Expertise. Das LLM ist schnell. Du bist langsam, aber du bringst lebenslange Erfahrung, Urteilsvermögen und Verständnis mit. Außerdem bist du (hoffentlich) deutlich weniger anfällig für Halluzinationen und dafür, von schlechten oder böswilligen Eingaben in die Irre geführt zu werden, und du bist dir selbst, deinen Teamkolleginnen und Teamkollegen sowie Proton gegenüber rechenschaftspflichtig – auf eine Weise, wie es ein Modell nie sein kann. Gemeinsam könnt ihr weit mehr und weit schneller erreichen, als es jeder von euch allein könnte.
Es ist auch nicht das Ende guter Engineering-Praktiken. Wartbarkeit und Geschwindigkeit sind bei gut architektonierten Codebasen besser. Dokumentation und Tests bleiben entscheidend. Dennoch müssen wir offen dafür sein, dass sich Best Practices ändern, wenn sich Kosten und Möglichkeiten ändern. Tests sind ein gutes Beispiel dafür. Die alte Best Practice besagt, dass zu viele Tests (insbesondere Ende-zu-Ende-Tests) ein schlechter Kompromiss sind in einer Welt, in der das Schreiben und Warten von Tests teuer ist. Wenn das Schreiben und Warten von Tests günstig wird, wird sich die Grenze, die wir ziehen, wahrscheinlich ebenfalls verschieben.
Der zweite Grund, warum wir die KI-Revolution nicht vollständig nutzen konnten, ist, dass wir fast vollständig in Phase 1 feststecken – LLMs nutzen, um Aufgaben im Rahmen bestehender Workflows zu beschleunigen. Aber das Schreiben von Code ist nicht der einzige Teil des Softwareentwicklungszyklus, und was passiert, wenn du einen Engpass beseitigst? Ein anderer nimmt seinen Platz ein. Vielleicht ist es die Geschwindigkeit und Kapazität der CI. Vielleicht sind es Design, Freigaben, Spezifikationen und Code-Reviews (ja, wir müssen und werden an einen Punkt kommen, an dem der Großteil der menschlichen Code-Reviews entfällt). Vielleicht ändert sich der Workflow nicht wesentlich, aber LLMs ermöglichen es uns endlich, in Automatisierung zu investieren, die zuvor zu kostspielig war. Wenn wir nicht alle unsere Prozesse ganzheitlich betrachten und Engpässe gnadenlos beseitigen, werden wir unser volles Potenzial nicht erreichen. Oft bedeutet die Beseitigung dieser Engpässe nicht nur die Optimierung von Teilen unserer bestehenden Workflows, sondern deren grundlegende Überarbeitung und Neugestaltung. Das ist Phase 2, und wir müssen jetzt dorthin kommen.
Der dritte Grund ist ein Problem kollektiven Handelns. LLMs effektiv zum Schreiben von Code zu nutzen, kann jede Person im Engineering für sich selbst tun. Den CI-Prozess für ein ganzes Team, eine Geschäftseinheit oder ein Unternehmen neu aufzubauen oder zu optimieren, ist eine viel größere Aufgabe und bringt Opportunitätskosten und Zielkonflikte mit sich. Nicht unmöglich, und viele Menschen bei Proton haben allein erstaunliche Dinge geleistet, von denen sich einiges weit verbreitet hat. Aber das Unternehmen als Ganzes umzurüsten erfordert ein Maß an Organisation und Ressourcen, das wir bisher schlicht nicht investiert haben. Was die Diskussion über den Softwareentwicklungszyklus im vorherigen Absatz betrifft: In vielen Fällen wissen wir nicht einmal, wo die Engpässe liegen, weil wir nicht in die notwendigen Tools investiert haben, um das herauszufinden. Etwas Vorsicht mag in der Vergangenheit angebracht gewesen sein – es hat einige Zeit gedauert, herauszufinden, wie man diese neuen Tools am besten nutzt, und wir werden weiterhin Experimente fördern. Aber es ist höchste Zeit, dass wir uns als Organisation zu der Transformation bekennen, die der Moment erfordert.
Was bedeutet das also für dich als Engineer? Nun, deine Handlungsmöglichkeiten und deine Verantwortlichkeiten sind beide gewachsen. Nicht nur bist du dafür verantwortlich, dass die Arbeit erledigt wird, sondern du bestimmst jetzt auch, wie sie erledigt wird, und bist damit für kontinuierliche Optimierung und maximale Automatisierung verantwortlich (und dafür, diese Verbesserungen mit deinen Kolleginnen und Kollegen zu teilen – Erfolg bei Proton ist Teamsport). Es liegt auch in deiner Verantwortung, notwendige Verbesserungen zu melden und zu eskalieren, die du nicht selbst umsetzen kannst. Proton wird seinerseits die kritischen Investitionen organisieren und mit Ressourcen ausstatten, die nötig sind, um Phase 2 zu durchlaufen und das Potenzial der KI-Revolution voll auszuschöpfen.
Unterm Strich leben wir in einer neuen Welt. „Programmieren“ ist tot. Engineering nicht, und Expertise auch nicht. Deine alte Aufgabe ist weg. Deine neue Aufgabe als Gestalter wird es dir ermöglichen, mehr zu leisten und mehr Wirkung zu erzielen als je zuvor, wenn du die Chance ergreifst. Und Proton wird dich dabei unterstützen; mehr zu diesen Bemühungen erfährst du in den kommenden Tagen und Wochen. Die Ära des Experimentierens geht weiter, aber die Zeit zu handeln ist jetzt. Die Zukunft ist da – machen wir sie zu unserer.
Titelbild von: Bernard Leonardo
Instagram: @dranreboel
Website: https://dranreboel.myportfolio.com/work






