Code lesen ist tot: Die Assembler-Analogie und der KI-Vampir

Letzte Woche hab ich mir dabei zugeschaut, wie ich drei Stunden lang generierten Code Zeile für Zeile durchgegangen bin, und dann dachte ich: Moment mal, warum mache ich das eigentlich? Das war der Moment, in dem mir klar wurde, dass sich gerade etwas Grundlegendes verändert. Und dass es eine Schattenseite hat, über die kaum jemand redet.

Du liest keinen Assembler. Bald liest du auch keinen Code mehr.

Hand aufs Herz: Wann hast du zuletzt Assembler gelesen, um zu prüfen, ob dein C-Compiler korrekt arbeitet? Wenn du nicht gerade an Compilern oder Embedded Systems arbeitest, ist die Antwort vermutlich: nie. Du vertraust der Toolchain. Du vertraust den Abstraktionen. Das ist einfach so.

Ben Shoemaker liefert ein überzeugendes Argument, dass wir bei High-Level-Code genau an diesem Wendepunkt stehen. Wenn KI-Agenten Tausende Zeilen pro Session raushauen, ist Zeile-für-Zeile-Lesen keine echte Verifikation. Es ist Theater. Sieht professionell aus, bringt aber wenig. OpenAIs Engineering-Team hat komplette Produkte gebaut, bei denen jede einzelne Zeile von Codex-Agenten geschrieben wurde. Ihre Investition ging in Infrastruktur, nicht in manuelles Code-Review.

Shoemakers Punkt ist klar: Die Spezifikation, die Tests und die Verifikationsschicht: Das sind jetzt die Artefakte, die zählen. Nicht der Code selbst. Code wird zum Implementierungsdetail, so wie Maschinencode heute eins ist. Etwas, das die Maschine produziert und die Maschine verifizieren kann.

Das Harness ist die neue Codebasis

Okay, wenn du keinen Code mehr liest, was machst du dann den ganzen Tag? Du entwirfst Harnesses. Klingt fancy, meint aber im Grunde:

Spezifikationen mit klaren Akzeptanzkriterien. Automatisierte Tests auf mehreren Ebenen. Architektur-Constraints, die die Code-Generierung in die richtige Richtung steuern. Cross-Model-Reviews, bei denen mehrere KI-Systeme gegenseitig ihre blinden Flecken checken. Das ist quasi das Luftfahrt-Modell: Du fliegst das Flugzeug nicht manuell auf 10.000 Metern. Du entwirfst den Autopiloten, überwachst die Instrumente und greifst ein, wenn was nicht stimmt.

Der Rollenwechsel ist real: vom Coder zum Orchestrator. Die Kernkompetenz ist nicht mehr, elegante for-Schleifen zu schreiben. Es geht darum, "korrekt" so präzise zu definieren, dass Maschinen das Ergebnis sowohl produzieren als auch verifizieren können. Und ja, das ist anspruchsvoller als es klingt.

Aber dann kommt der Vampir

Und hier wird's unangenehm. Steve Yegges The AI Vampire benennt etwas, das viele von uns spüren, aber nicht in Worte fassen können. KI-gestütztes Coding macht süchtig. Richtig süchtig.

Es liefert Dopamin in unvorhersehbaren Schüben: der absolute Rausch, wenn ein Agent ein Problem in Sekunden löst, gefolgt von der Frustration, seine Halluzinationen zu debuggen, gefolgt vom nächsten Produktivitäts-High. Kennst du dieses Gefühl von Spielautomaten? So ähnlich, nur dass du dabei Code shippst statt Geld zu verlieren.

Das Ergebnis? Du arbeitest härter, länger und intensiver als je zuvor. Du bist 10x produktiver, aber auch 10x ausgelaugter. Yegge nennt es den vampirischen Effekt: KI extrahiert eine unhaltbare Arbeitsintensität, während sie dir das Gefühl gibt, es selbst zu wollen. Aber du willst es nicht wirklich. Die Dopamin-Schleife entscheidet für dich.

Seine Lösung ist schmerzhaft klar: 3-4 Stunden sind der neue Arbeitstag für tiefes KI-gestütztes Arbeiten. Nicht weil du faul bist. Sondern weil die kognitive Last des Orchestrierens von KI-Agenten (Outputs reviewen, Kurs korrigieren, Kontext aufrechterhalten) auf eine Weise erschöpfend ist, die traditionelles Coding schlicht nicht war.

Die unbequeme Mitte

Hier kollidieren die beiden Ideen, und das ist der Punkt, der mir schlaflose Nächte bereitet (ironischerweise). Shoemaker sagt uns: Hört auf, den Code zu lesen. Yegge sagt uns: Der Prozess des Nicht-Code-Lesens-aber-alles-Orchestrierens laugt euch aus.

Und weißt du was? Beide haben recht.

Die Zukunft ist Orchestrierung, nicht zeilenweises Coding. Aber Orchestrierung in KI-Geschwindigkeit erzeugt eine völlig neue Art von Burnout, einen, bei dem du immer shippst, immer iterierst, immer nur einen Prompt vom nächsten Feature entfernt bist. Das Laufband stoppt nie, weil die Maschine nie müde wird. Aber du schon.

Was wir tatsächlich empfehlen

Bei Heimdall arbeiten wir täglich mit KI-Agenten. Wir stecken mittendrin in dieser Transformation. Und hier ist, was wir dabei gelernt haben:

Investiere in Harnesses, nicht in Reviews. Schreib bessere Spezifikationen. Schreib mehr Tests. Bau Feedback-Schleifen, die Probleme erkennen, bevor du generierten Code auch nur anschaust. Dein zukünftiges Ich wird dir danken.

Setz harte Grenzen. Drei bis vier Stunden fokussierte KI-gestützte Arbeit, dann Schluss. Wirklich Schluss. Der Vampir kann dich nicht aussaugen, wenn du den Raum verlässt.

Widersteh dem "noch ein Prompt"-Drang. Das Gefühl, dass du heute Abend noch ein Feature shippen könntest? Das ist die Sucht, die spricht. Klapp den Laptop zu. Geh raus. Trink ein Bier. Was auch immer.

Denk dran: Du bist der Pilot, nicht die Turbine. Autopilot bedeutet nicht, dass du 24 Stunden durchfliegst. Es bedeutet, dass du klüger fliegst, mit Pausen, in denen du dich erholen kannst.

Der Wandel vom Coder zum Orchestrator ist real und unaufhaltsam. Aber ihn zu überleben bedeutet anzuerkennen, dass auch Orchestrierung Grenzen hat, und dass das Produktivste, was du manchmal tun kannst, ist: einfach aufzuhören.

---

Du brauchst Hilfe beim Aufbau nachhaltiger KI-Workflows? Schreib uns an contact@heimdall.engineering.