KI ist mehr als eine Technologie. Sie ist Werkzeug, Werkstatt, Abstraktionsebene und Paradigmenwechsel zugleich — und der jüngste Schritt in einer 60 Jahre langen Evolution weg vom »Wie?« hin zum »Was?«.
Wer KI nur als weiteres Werkzeug im Stack behandelt, verschenkt Potenzial – und unterschätzt, was sich daneben verändert: die Art, wie Software entsteht, validiert und betrieben wird.
Zwei Perspektiven machen diese Verschiebung greifbar. Strukturell wirkt KI auf drei Ebenen gleichzeitig – als Technologie, als Werkzeug und als neues Paradigma. Historisch ist sie der jüngste Schritt in einer 60-jährigen Evolution, die Software systematisch weg vom »Wie?« und hin zum »Was?« geführt hat.
Strukturell wirkt KI simultan auf drei Ebenen: als Technologie im Kern, als Werkzeug und Werkstatt in der Mitte, als neue Abstraktions- und Paradigmenebene außen. Per Hover oder Klick auf einen Ring erscheint die passende Einordnung.
Drei Ebenen umfassen einander wie Schalen. Aufklappen für Details.
KI ist die erste Abstraktionsebene, die semantische Intentionen statt Syntax verarbeitet. Damit verschiebt sich der Fokus vom deterministischen »Wie« zum deklarativen »Was« — und vom absoluten Ergebnis zur statistischen Wahrscheinlichkeit.
„Wir orchestrieren Ziele, statt Zeilen zu schreiben."
Von der assistierenden Code-Vervollständigung zum autonomen Agenten. 2025 markiert den agentischen Kipppunkt — die KI wird vom passiven Kopiloten zum proaktiven Autopiloten im gesamten SDLC.
„Agentische KI ist der Beschleuniger agiler Entwicklung — AI-gility."
Die grundlegenden Bausteine, Protokolle und Standards eines Softwaresystems. KI zieht als neue Technologie direkt in das Endprodukt ein und löst fachliche Probleme zur Laufzeit.
„Technologisches Verständnis ist das Fundament unseres Handwerks."
60 Jahre Softwareentwicklung in vier Abstraktionssprüngen – jede Stufe rückte die Frage »Wie?« einen Schritt näher an die Frage »Was?«.
Jeden Schritt der Maschine explizit vorgeben. Der Mensch denkt auf Maschinenebene – in Registern, Schleifen, Instruktionen.
Jede Operation wird explizit beschrieben — auf Register-, Speicher- und Instruktionsebene. Der Programmierer spricht die Sprache der Maschine.
„Der Mensch denkt wie die Maschine."
Komplexität wird durch Kapselung beherrschbar. Statt einzelner Instruktionen formuliert der Mensch Beziehungen zwischen Bausteinen — Klassen, Vererbung, Patterns.
„Der Mensch denkt in Strukturen."
Der Fokus verschiebt sich vom Ablauf zum Ergebnis. SQL beschreibt das gewünschte Datenbild, HTML den Seitenaufbau — nicht die Schritte dorthin. Das »Wie?« tritt zurück hinter das »Was?«.
„Der Mensch beschreibt Ziele — die Maschine findet Wege."
Die finale Abstraktion: natürliche Sprache als Schnittstelle. KI-Agenten verstehen Absichten, planen Lösungen und handeln. Der Mensch formuliert Kontext und Ziel — die Maschine übersetzt in Code und Aktion.
„Der Mensch formuliert Absichten — die Maschine handelt."
Das Ziel beschreiben – die Maschine findet den Weg. Der Mensch formuliert Absichten, die Maschine plant und handelt.
KI-Werkzeuge vollziehen gerade den Sprung vom reaktiven Kopiloten zum proaktiven Autopiloten. Prä-agentische Assistenten brachten begrenzte, punktuelle Effizienzgewinne im einstelligen Prozentbereich – agentische Systeme können autonome Aufgaben im gesamten Software Development Lifecycle übernehmen: von der Anforderungsanalyse über Implementierung und Test bis zur Inbetriebnahme.
Die zentrale Verschiebung: Der Mensch wechselt die Rolle. Aus dem Ausführenden wird ein Orchestrator, der Ziele formuliert, Leitplanken setzt und Ergebnisse validiert. Governance wird damit wichtiger, nicht weniger wichtig – denn Geschwindigkeit ohne Qualitätssicherung produziert nur schnelleren Code-Wildwuchs.
Coding Agents senken die Kosten pro Feature nicht durch schlechtere Qualität, sondern durch intelligente Automatisierung von Routineaufgaben. Viel interessanter ist die zweite Wirkung: Ansätze, die bisher zu teuer oder zeitaufwändig waren, werden realistisch.
IT-Sicherheit, Integration in gewachsene – oft unzureichend dokumentierte – Umsysteme, architektonische Grundsatzentscheidungen und das kritische Hinterfragen von KI-Ergebnissen bleiben menschliche Aufgaben. Entwickler entwickeln sich dabei vom Code-Schöpfer zum Strategen, der Zielsysteme definiert und ihre Qualität validiert.
Genau deshalb bilden wir unsere Mitarbeiter systematisch in KI-Themen aus – technische wie nicht-technische Rollen. Wer KI sinnvoll einsetzen will, muss wissen, wo sie zuverlässig ist, wo sie halluziniert, und wie man Qualität statistisch validiert statt binär prüft.
Wie KI-Werkzeuge und agentische Systeme im eigenen Entwicklungs-Setup ankommen – konkret, ohne Hype.
Ansprechpartner
Daniel Wochnik
Geschäftsbereichsleitung «Finanzdienstleistungen»
Gespräch vereinbaren LinkedIn