Die Zukunft der Softwareentwicklung bis 2034 wird weniger radikal sein als viele erwarten: Programmiersprachen, Kernprinzipien und Testfähigkeiten bleiben zentral. KI-Werkzeuge beschleunigen vor allem die Produktion von Legacy-Code und senken die Qualität. Wer präzise beschreiben, testen und die richtigen Fragen stellen kann, hat den entscheidenden Vorteil.
Das Wichtigste in Kürze
- Entwickler, die generierten Code ungeprüft übernehmen, werden zu Wartungsprogrammierern: Sie verlieren den kreativen Teil ihrer Arbeit und produzieren schneller schlechteren Code.
- Die Codequalität auf GitHub sinkt nachweislich seit dem breiten Einsatz von KI-Assistenten: Code-Fluktuation, Duplikate und Copy-Paste-Muster nehmen laut einer GitClear-Studie vom Januar 2024 bereits zu.
- Die meistgenutzten Programmiersprachen weltweit wurden im 20. Jahrhundert entwickelt, und an dieser Zusammensetzung wird sich bis 2034 wenig ändern.
- Präzision, Testfähigkeit und das Stellen der richtigen Anforderungsfragen sind die Kernkompetenzen, die Entwickler von KI nicht ersetzen lassen können.
- Tabellenkalkulationen haben gezeigt, dass ein Werkzeug, das Programmierung für alle zugänglich macht, nicht Arbeitsplätze vernichtet, sondern neue Wartungs- und Qualitätsaufgaben schafft.
Programmiersprachen verändern sich langsamer, als der Hype suggeriert
Wer die Zukunft der Softwareentwicklung verstehen will, sollte zuerst auf die Konstanten schauen, nicht auf die Schlagzeilen. Die meistgenutzten Programmiersprachen stammen überwiegend aus dem 20. Jahrhundert. Von den fünf am häufigsten verwendeten Sprachen wurde nur eine im 21. Jahrhundert entwickelt.
Diese Trägheit zieht sich durch die gesamte Liste. Auch in den Top 20 und den Top 50 der gebräuchlichsten Sprachen halten sich Vertreter aus dem letzten Jahrhundert. Die Sprachen selbst entwickeln sich weiter, aber ihre Zusammensetzung bleibt erstaunlich stabil.
Das hat Folgen für Prognosen. Keine in den 2020er Jahren entwickelte Sprache gehört derzeit zu den 20 meistgenutzten. Wer heute nativ programmiert und mit Rust arbeitet, wird das mit hoher Wahrscheinlichkeit auch 2034 noch tun. Rust ist inzwischen über zehn Jahre alt.
Kevlin Henney empfiehlt, diese Stabilität als Orientierung zu nutzen. Die Sprache, in der du in zehn Jahren arbeitest, existiert vermutlich schon heute. Sie steht heute vielleicht nicht in den Top 20, aber sehr wahrscheinlich in den Top 50.
Warum der KI-Hype an den realen Trends vorbeigeht
Ein nüchterner Blick zurück hilft gegen überzogene Erwartungen. Wer 2024 lebt, kann sich an 2014 erinnern, an 2004, an 1994. In diesen Zyklen gibt es echte Veränderungen, aber auch vieles, das sich kaum bewegt hat.
Mehrere als Zukunft verkaufte Technologien haben diese Probe nicht bestanden. Das Metaverse ist zersplittert und wird sich nach Kevlins Einschätzung nicht als allgegenwärtige Plattform durchsetzen. Wahrscheinlicher sind weitere AR- und VR-Anwendungen in Nischen wie Industrie und Gaming, und Gaming gibt es bereits.
Web3 zeigt das Muster besonders deutlich. Der Begriff wird seit über einem Jahrzehnt diskutiert, ohne reale Wirkung. Zum Vergleich: Web 2.0 war innerhalb des Jahrzehnts, in dem der Begriff geprägt wurde, bereits dominant. Bei Kryptowährungen hält Kevlin lediglich digitale Zentralbankwährungen für plausibel.
Auch agile Entwicklung gehört zu den langsamen Bewegungen. Der Name ist zur Normalität geworden, die Zahl der Teams, die tatsächlich agil arbeiten, bleibt niedrig. Daran dürfte sich bis 2034 wenig ändern.
KI wirft rechtliche und ethische Fragen auf, die keine Technikfrage sind
Die Verbreitung von KI hängt an offenen Fragen, die außerhalb der Technik liegen. Ungeklärt ist die Beziehung zwischen KI und Big Data: Woher stammen die Trainingsdaten, und welche urheberrechtlichen Konsequenzen ergeben sich daraus? Diese Fragen werden derzeit vor Gericht verhandelt.
Bei automatisierten Systemen, die über das Leben von Menschen entscheiden, geht es nicht um technische Fähigkeit. Wer das als reine Technikfrage darstellt, hat nicht verstanden, wie Menschen funktionieren. Es ist eine Frage der Entscheidung: Was wollen wir, und wie gestalten wir es?
Der Grund liegt im Verfahren selbst. KI auf statistischer Basis bildet die wahrscheinlichste Vergangenheit ab. Damit lässt sie Randfälle und Minderheiten systematisch außer Acht. Wer diese Entscheidung nicht bewusst trifft, benachteiligt eine Gruppe von Menschen, weil das in der Natur eines statistikbasierten Ansatzes liegt.
Wer das als eine Frage der Technik darstellt, hat nicht verstanden, wie Menschen funktionieren. Wir haben hier die Wahl. Kevlin Henney
Beim Regulierungsrahmen ist die Wirkung noch offen. Die KI-Verordnung der EU (AI Act) ist eine der ersten ihrer Art. Ob sie weltweit so prägend wird wie die DSGVO, lässt sich noch nicht sagen, zumal sie verwässert wurde. Zum Zeitpunkt des Gesprächs 2024 erwartete Kevlin spürbare praktische Wirkung frühestens im Folgejahr, womöglich erst 2026.
Die Tabellenkalkulation zeigt, warum Entwickler gebraucht werden
Das am weitesten verbreitete Programmierparadigma der Welt ist die Tabellenkalkulation, und sie liefert die beste Vorlage für die Zukunft mit KI. Die meisten Menschen, die Tabellen bauen, haben keine Erfahrung in der Softwareentwicklung.
Das Ergebnis ist bekannt. Die meisten Tabellenkalkulationen sind nicht wartbar, schwer verständlich und fehlerhaft. Trotzdem haben sie niemandem den Job gekostet, sondern Chancen geschaffen. Wenn künftig vermehrt Nicht-Fachleute Software anstoßen, bleibt der Job des Entwicklers sicher, weil dieser Code verstanden und repariert werden muss.
Programmieren ist mehr als das Aneinanderreihen von Syntax. Es ist das Streben nach Präzision und die Antwort auf die Frage, was eigentlich erreicht werden soll. Eine ungenaue Spezifikation in natürlicher Sprache fällt oft schlimmer aus als dieselbe Ungenauigkeit im Code.
Genau hier liegt der Wert. Die Brücke zwischen dem weichen, flexiblen Raum menschlicher Bedürfnisse und einer präzisen, festen Notation hat die Softwareentwicklung schon immer geschlagen. Dieselbe Eingabe muss jedes Mal dasselbe Ergebnis liefern, empirisch belegbar durch Tests und Laufzeitdaten.
Generative KI macht aus vielen Entwicklern Wartungsprogrammierer
Die nüchterne Prognose lautet: Die meisten Entwickler werden mit KI Legacy-Code produzieren, nur schneller als bisher. Das ist keine Spekulation über die Technik, sondern eine Beobachtung darüber, wie Menschen Werkzeuge benutzen.
Die Ironie steckt im Detail. Wer vollständig auf generative Werkzeuge setzt, ob Copilot oder ChatGPT, beschäftigt sich am Ende mit Code, den jemand anderes geschrieben hat und dessen Begründung er nicht kennt. Damit verschwindet genau der Teil der Arbeit, der Spaß macht. Übrig bleibt Wartung.
Erste Daten stützen das. Eine im Januar 2024 veröffentlichte Studie von GitClear zeigt auf GitHub bereits Druck auf die Codequalität. Die Code-Fluktuation steigt, es gibt mehr duplizierten und mehr per Copy-and-paste eingefügten Code. Häufiger als zuvor wird neu geschrieben, was gerade erst entstand, weil es falsch war.
Schneller das Falsche zu produzieren, ist nicht das Ziel. Mehr Commits bedeuten nicht mehr Produktivität. Die nahe liegende Lehre wäre, den Fokus auf Qualität zu legen, doch viele Organisationen werden diese Lehre nicht ziehen.
Der Beruf verschwindet nicht, er spaltet sich
Softwareentwicklung wird es 2034 weiterhin geben, denn die Welt läuft auf Software und der Bedarf nimmt nicht ab. Der Beruf wird sich aber teilen, und der Unterschied zwischen den beiden Gruppen wird groß.
Auf der einen Seite stehen Entwickler, die im Qualitätsbereich arbeiten und verstehen, was ein Werkzeug ihnen tatsächlich bringt. Genau diese Einordnung war schon immer die eigentliche Herausforderung. Auf der anderen Seite stehen Menschen, die zu Marionetten ihrer Werkzeuge werden, eingebettet in mangelhafte Verwaltungsprozesse.
Manche Unternehmen werden bis 2034 erkannt haben, dass Qualität zählt, und entsprechend handeln. Ihnen wird es gut gehen. Die meisten werden es nicht erkennen und sich an Kleinteiligem aufreiben, was den Druck auf die einzelnen Entwickler erhöht. In solchen Firmen kann die Arbeit unangenehm werden.
Continuous Deployment verschärft diesen Druck. Was früher monatlich kleinteilig gesteuert wurde, ist heute tägliche Routine. Ohne ein Umfeld echter Zusammenarbeit fühlt sich das nach Mikromanagement und permanentem Termindruck an.
Agilität heißt, die Distanz zwischen Bedarf und Code zu verkürzen
Der Kern von Agilität ist die Reduktion von Distanz und Kommunikationsbarrieren zwischen denen, die Software brauchen, und denen, die sie bauen. An diesem Prinzip ändert sich nichts, auch wenn die organisatorischen Rahmenbedingungen ständig in Bewegung sind.
Ein Blick zurück macht das greifbar. Früher entstand Software innerhalb der Unternehmen, die sie nutzten, oft als maßgeschneiderte Anwendung. Die Distanz zwischen Geschäftsanwendern und Entwicklern war kurz, weil beide im selben Haus saßen.
Heute gibt es beides gleichzeitig. Outsourcing schafft neue organisatorische Grenzen, die überbrückt werden müssen. Kleine Unternehmen besitzen eine natürliche Flexibilität, große verkaufen oft als Agilität, was nur weniger Hierarchieebenen sind. Drei Führungsebenen statt vier machen aus einer Organisation noch kein agiles Team.
Auffällig ist die Verschiebung der Richtung. Inzwischen treibt die Software das Geschäft, statt nur ein Produkt geschäftlicher Entscheidungen zu sein. Der Begriff agil wird heute selbstverständlich in einem allgemeinen Geschäftskontext verwendet, in dem er vor Jahren keine Bedeutung hatte.
Softwareentwicklung redet mehr über Menschen als andere Disziplinen
Entgegen dem eigenen Ruf beschäftigt sich die Softwareentwicklung intensiv mit dem Zwischenmenschlichen, oft stärker als andere Branchen. Probleme mit Menschen werden hier mehr diskutiert als in vielen technischen Fachgebieten.
Das prägt den Umgang mit Schwierigkeiten. Statt Konflikte zu personalisieren, werden sie als systemische Fragen betrachtet, die man verstehen muss. Diese Haltung verschafft der Disziplin eine bessere Ausgangslage, als ihr Ruf vermuten lässt.
Wie du dich auf die nächsten zehn Jahre vorbereitest
Setz auf die Grundlagen, denn sie verändern sich am langsamsten. Prinzipien, tiefere Fähigkeiten und die Frage, was eine Software eigentlich leisten soll, tragen länger als jedes einzelne Werkzeug.
Zwischen Anforderung und Test liegt ein natürlicher Kreislauf. Um zu verstehen, wie man etwas testet, musst du zuerst verstehen, was es leisten soll. Lerne, beides gut zu beschreiben, in natürlicher Sprache wie in Code: Wie sieht das Richtige aus, wie das Falsche?
Bei den konkreten Werkzeugen hilft eine ehrliche Einordnung der Geschwindigkeit. Manches bewegt sich überraschend schnell, anderes kaum. Vor zehn Jahren reagierten viele auf Kubernetes mit Ratlosigkeit, während JUnit aus dem 20. Jahrhundert stammt und bis heute genutzt wird.
Drei Empfehlungen geben Orientierung:
- Sprachen breiter denken. Definiere dich nicht über eine Sprache. Wer in Java oder C# arbeitet, nutzt ohnehin weitere Sprachen wie JavaScript. Gib auch ihnen First-Class-Status.
- Über den eigenen Rand hinausschauen. Wenn du eine Top-10-Sprache nutzt, schau dir die nächsten Top 10 und den Rest der Top 20 an. Dort liegt oft der Ursprung deiner nächsten Sprache.
- Open Source beobachten. Viele neue Ideen entstehen im Open-Source-Bereich. Dort findest du früh, was später Mainstream wird.
Am Ende geht es um Balance. Bleib bei den Grundlagen, frage nach den Kernprinzipien guter Softwareentwicklung, und behalte zugleich im Blick, welche Neuerungen wirklich tragen und wo du sie findest. Deine Fähigkeit, präzise zu sein, gut zu testen und die richtige Frage zu stellen, war immer relevant. Künftig wird sie zum sichtbaren Unterschied zwischen Entwicklern und zwischen Unternehmen.
Häufig gestellte Fragen
Lohnt es sich, für die nächsten zehn Jahre auf eine brandneue Programmiersprache zu setzen?
Vermutlich nicht. Von den fünf meistgenutzten Sprachen war 2024 nur eine im 21. Jahrhundert entstanden, und keine in den 2020er Jahren entwickelte Sprache stand in den Top 20. Die Sprache, in der jemand in zehn Jahren arbeitet, existiert mit hoher Wahrscheinlichkeit bereits: vielleicht nicht in den Top 20, aber sehr wahrscheinlich in den Top 50.
Warum haben sich Metaverse und Web3 nicht als Zukunftstechnologien durchgesetzt?
Beide haben die Zeitprobe nicht bestanden. Web3 wurde 2024 seit über einem Jahrzehnt diskutiert, ohne reale Wirkung, während Web 2.0 schon innerhalb des Jahrzehnts dominant war, in dem der Begriff geprägt wurde. Das Metaverse war zersplittert und setzte sich nicht als allgegenwärtige Plattform durch. Plausibler blieben AR- und VR-Anwendungen in Nischen wie Industrie und Gaming.
Verschlechtert der Einsatz von KI-Assistenten messbar die Codequalität?
Erste Daten deuteten darauf hin. Eine im Januar 2024 veröffentlichte Studie von GitClear zeigte auf GitHub steigende Code-Fluktuation, mehr duplizierten und mehr per Copy-and-paste eingefügten Code. Häufiger als zuvor wurde neu geschrieben, was gerade erst entstanden war, weil es falsch war. Mehr Commits bedeuten deshalb nicht mehr Produktivität.
Warum benachteiligen statistikbasierte KI-Systeme systematisch Minderheiten?
Weil ein statistischer Ansatz die wahrscheinlichste Vergangenheit abbildet und dabei Randfälle und Minderheiten außer Acht lässt. Bei Systemen, die über das Leben von Menschen entscheiden, ist das keine Frage der technischen Fähigkeit, sondern eine Entscheidung. Wer sie nicht bewusst trifft, benachteiligt eine Gruppe von Menschen, weil das in der Natur des Verfahrens liegt.
Werden Entwickler überflüssig, wenn Nicht-Fachleute mit Werkzeugen selbst Software erzeugen?
Nein. Das am weitesten verbreitete Programmierparadigma der Welt ist die Tabellenkalkulation, gebaut überwiegend von Menschen ohne Erfahrung in der Softwareentwicklung. Die Ergebnisse sind meist schlecht wartbar, schwer verständlich und fehlerhaft, haben aber niemandem den Job gekostet. Je mehr Nicht-Fachleute Software anstoßen, desto mehr Code muss verstanden und repariert werden.
Woran erkennt man, ob ein Unternehmen tatsächlich agil arbeitet?
An der Distanz zwischen denen, die Software brauchen, und denen, die sie bauen, nicht an der Zahl der Hierarchieebenen. Drei Führungsebenen statt vier machen aus einer Organisation noch kein agiles Team. Kleine Unternehmen besitzen eine natürliche Flexibilität, große verkaufen oft flachere Strukturen als Agilität. Die Zahl wirklich agil arbeitender Teams blieb niedrig.
Wie lässt sich einschätzen, welche neuen Werkzeuge man ernst nehmen sollte?
Indem man das Tempo einzelner Bereiche unterscheidet. Manches bewegt sich schnell, anderes kaum: JUnit stammt aus dem 20. Jahrhundert und wird weiterhin genutzt, während Kubernetes um 2014 bei vielen noch Ratlosigkeit auslöste. Wer eine Top-10-Sprache nutzt, sollte die nächsten Top 10 und den Rest der Top 20 ansehen. Neue Ideen entstehen häufig im Open-Source-Bereich.
