Die Stille, die AI ausgeschaltet hat

Die Diskussion "lohnt es sich noch, Programmieren zu lernen, wenn es AI gibt" startet aktuell alle zwei Wochen bei null. Ich denke seit Monaten darüber nach — zuerst als theoretische Frage, dann als eine, von der abhängt, was du einem Jüngeren sagst, der fragt "womit fange ich an". Eine Evidenzbasis ist entstanden, also geht es nicht mehr Meinung gegen Meinung. Und gelinde gesagt liegen beide lauten Extreme falsch.

Es geht nicht um "lernen oder nicht". Es geht darum, was genau du an AI abgibst und was du bei dir behältst. Und um eine Sache, die AI wirklich geändert hat — nicht in die Richtung "alles steht Kopf", sondern viel feiner: die erzwungene Rückmeldung, die früher die Realität für dich übernommen hat, ist weg.

Zwei Extreme — beide einseitig

Räumen wir zuerst die zwei lauten Lager vom Tisch, die in jeder Diskussion auftauchen:

• Lager Nr. 1: "Sprachen muss man nicht mehr lernen — AI schreibt das". Am lautesten unter denen, die Bootcamps "werde in 30 Tagen Programmierer mit AI" verkaufen.
• Lager Nr. 2: "Alle werden dümmer, in ein paar Jahren gibt es keine Spezialisten mehr". Am lautesten unter Erfahrenen, die sich ein wenig vor ihrer eigenen Hilflosigkeit fürchten, weil Jüngere so schnell produktiv aussehen.

Eine falsche Dichotomie. Im Kern hat sich nichts Grundlegendes geändert: Wie immer zählt bewusstes Verstehen, nicht trockenes Auswendiglernen. AI vertieft nur die Kluft zwischen denen, die's wirklich draufhaben, und dem Rest — und das schneller als früher.

Was die Evidenzbasis sagt

Das ist kein "mir scheint" mehr. Über 2025–2026 sind konkrete Messungen entstanden:

• Nature (Juni 2026), "Is AI ruining our skills?" — übermäßige Stützung auf AI baut Skills ab. Nicht nur bei Programmierern — bei Ärzten auch.
• Anthropic RCT mit 52 Ingenieuren: ein AI-Assistent ergibt ~17% schlechtere Skill-Bildung. Der feine Punkt — es leidet nicht die Geschwindigkeit der Aufgabe, sondern die Bildung der Fähigkeit. Kurzfristig bist du schneller, langfristig schlechter.
• AI & Society: Deskilling ist ein strukturelles Problem, für das es keine fertige Lösung gibt. Nicht "AI ist schlecht", sondern "das Werkzeug hat die Lernumgebung verändert".
• TechCrunch: Ingenieure weigern sich, ohne AI zu arbeiten, weil sie es ohne nicht mehr können. Überschrift: "das kann nach hinten losgehen".

Das Fazit des Experten K. Crowston (zitiert in Nature) — es geht nicht um "AI oder nicht", sondern: entscheide bewusst, welche Skills du bei dir behältst und welche du abgibst. Genau dieser Satz trägt den Rest des Posts.

Was abgeben, was behalten

Konkret — hier verläuft die Linie:

Du kannst nicht reviewen, was du nicht lesen kannst. Also ist "verstehen, ohne die Sprache zu kennen" eine Illusion; das ist blindes Vertrauen in AI. Und genau hier liegt die Übergangsstelle zwischen "Spezialist, der AI nutzt" und "AI-Operator". Der eine steuert AI; der andere wird von ihr gesteuert.

Noch eine Unterscheidung, die ständig vermischt wird: Skill-Verlust ≠ Skill nie ausgebildet. Ein Erfahrener, der sich plötzlich auf AI stützt, bleibt stark — er hat schon ein Modell der Welt. Ein Anfänger, der ab Tag eins zu 100% auf AI sitzt, baut dieses Modell nie. Das sind verschiedene Probleme mit verschiedenen Folgen.

Wie man richtig lernt — und warum sich im Kern nichts geändert hat

Lernen musst du weiterhin — nur richtig. Nicht trocken Begriffe oder Befehle auswendig lernen, sondern die Logik verstehen und ein Gefühl dafür haben, wie das Ganze funktioniert. Der Wert liegt nicht im "merken", sondern im "verstehen → anwenden können → beurteilen".

Und das Wichtigste: das ist genau dasselbe wie schon immer, lange vor AI. Geschätzt wurden immer die, die als Spezialisten wirklich was draufhatten, nicht die, die trocken auswendig gelernt haben. AI hat nichts umgedreht — sie macht nur den bequemen Weg bequemer (jetzt kann man "machen", ohne zu verstehen), deshalb vertieft sich die Kluft zwischen diesen beiden Typen nur.

Wer bewusst gelernt hat — bleibt so. Wer faul war — bleibt faul. AI hat diese Trennung nicht geschaffen — sie hat sie nur sichtbar gemacht.

Prüf es an einfachen Beispielen

• Mathematik: das Einmaleins auswendig zu kennen, heißt noch nicht "Mathematik zu können". Der Taschenrechner hat das schriftliche Multiplizieren erledigt, aber nicht das Bedürfnis zu verstehen, was Multiplikation ist und wann man sie anwendet.
• Telefone: du hältst Nummern nicht mehr im Kopf — das Telefon merkt sie sich. Aber du musst wissen, wen du anrufst und wozu. Gedächtnis abgegeben — Urteil behalten.
• GPS: du hältst Routen nicht im Kopf. Aber du musst verstehen, wohin du fährst — und merken, dass das GPS dich Unsinn über einen Umweg führt.

In allen drei Fällen hat die Maschine das mechanische Gedächtnis übernommen, nicht das Verstehen und Urteilen — und so war es schon immer. AI ist die nächste Iteration desselben, nur mit einem breiteren Bereich dessen, was sich jetzt delegieren lässt.

Syntax ist ein Nebenprodukt, kein Ziel

Das heißt nicht "Syntax muss man nicht kennen". Syntax nimmst du sowieso auf — aber als Nebenprodukt von Verstehen und Übung, nicht als Ziel. Du hast %d ja nicht mit Karteikarten gelernt — du hast die Logik von Format-Strings verstanden, und es ist von selbst hängen geblieben. So funktioniert normales Lernen: verstehen → anwenden → Syntax setzt sich von selbst. AI beschleunigt diese Schleife nur, wenn du sie richtig nutzt.

Aber eine Sache hat sich doch geändert: die erzwungene Rückmeldung ist weg

"Nichts hat sich geändert" — das stimmt zu etwa 80%. Eine wichtige Sache hat sich doch geändert, und das ist keine Kleinigkeit.

Früher hat die Umgebung dich gezwungen, zu lernen. Du konntest keinen funktionierenden Code zum Laufen bringen, ohne ihn zumindest so weit zu verstehen, dass er lief. Der Compiler, der Bug, der Crash — das waren Lehrer, die jeden mit Gewalt auf ein Grundniveau gezogen haben. Der Kampf war Pflicht — und er hat Verstehen aufgebaut, sogar bei nicht besonders Fleißigen.

Jetzt ist dieser Lehrer ausgeschaltet: du kannst ein funktionierendes Ergebnis bekommen, ohne ein einziges Mal verstanden zu haben, wie es funktioniert. Die unmittelbare Strafe für das Nicht-Verstehen ist weg. Daraus folgt etwas, das der Satz "nichts hat sich geändert" übersieht:

Die Kluft vertieft sich nicht nur zwischen festen Typen — die neue Umgebung zieht auch die hinein, die früher gelernt hätten, weil der bequeme Weg jetzt ein funktionierendes Ergebnis ohne sofortige Strafe liefert.

Deshalb ist "der Faule bleibt faul" zu eng. Das geht mehr um Umgebung und Gewohnheiten als um Charakter: die meisten Leute reagieren auf Reibung und Rückmeldung, sie sind nicht "von Natur" faul. Nimm die Reibung weg — und sogar die Nicht-Faulen rutschen ab. Das Risiko liegt nicht nur bei den Faulen.

Und das Feinste — die Illusion der Kompetenz. AI stopft Lücken so geschmeidig, dass du nicht gegen die Wand deines eigenen Nichtwissens läufst und sie gar nicht bemerkst. Es fühlt sich an, als verstündest du, weil "alles funktioniert" (Effekt der metacognitive laziness). Deshalb ist es schwerer geworden, fleißig zu bleiben: jetzt musst du dir bewusst Reibung schaffen — manchmal AI ausschalten, versuchen ohne sie zu erklären oder zu schreiben, prüfen "verstehe ich wirklich, oder denke ich nur, dass ich verstehe". Früher hat das die Realität für dich gemacht — jetzt liegt es an dir.

Die Spielregeln sind dieselben, aber das Spiel ist tückischer geworden — der leichte Weg tarnt sich jetzt als Erfolg.

Für die, die's schon draufhaben — das Spiel ist anders

Alles oben ist über die Bildung einer Fähigkeit von null. Wenn du bereits ausgebildet bist — bei dir steht das Bild auf dem Kopf, und es lohnt sich, das auszusprechen, sonst liest sich der Post als "AI ist schlecht", und das ist nicht die These.

Ein Erfahrener kennt seine Grenzen. Er sieht, was AI ihm geliefert hat → in einer halben Sekunde versteht er, wo es "nicht passt", wo es "ja, aber nicht für diesen Fall", wo es "ja und ok, hier und jetzt". Er hat einen eingebauten "das riecht nicht richtig"-Detektor, zusammengesetzt aus Jahren echter Vorfälle. AI schaltet diesen Detektor nicht aus — im Gegenteil, sie füttert ihn schneller: mehr Beispiele, mehr Fälle, mehr Patterns, die schnell zu sortieren sind.

Deshalb verwandelt dieselbe AI, die einen Anfänger zum Operator zu machen droht, einen Senior in einen Turbo-Senior. Boilerplate in 30 Sekunden statt 3 Minuten. Exploration einer neuen Bibliothek — an einem Abend, nicht in einer Woche. Ein Modul von Python auf TypeScript übertragen — tatsächlich machbar, nicht "irgendwann später". Das ist Nitro in einen schon zusammengebauten Motor.

Und noch eine feine Sache: AI kann einem Erfahrenen nicht unbemerkt lügen. AI lügt ihm genauso oft wie einem Anfänger — er fängt es nur ab, bevor er den Satz zu Ende liest. Was für einen Anfänger eine Falle der Kompetenzillusion ist, ist für einen Senior nur ein weiterer Bug-Report im täglichen Strom.

Für die, die schon Zeit investiert haben, ist AI Turbo. Für die, die noch nicht investiert haben — ist sie ein weiterer Grund, es nicht zu tun. Zwischen diesen beiden Zuständen gibt es keine Mitte — und das macht "wann genau du gelernt hast" zu einem der wichtigsten Faktoren in einer Karriere.

Systemisches Risiko: die kaputte Leiter

Seniors entstehen aus Juniors. Wenn AI die Junior-Arbeit auffrisst und niemand das Fundament baut → in 5–10 Jahren gibt es niemanden mehr, aus dem man einen Senior heranziehen kann. Das Risiko einer "verlorenen Generation" von Spezialisten ist real — und das ist kein Alarmismus, sondern ein einfaches Piping-Problem: das Eingangsrohr des Systems ist zugemacht, das Ausgangsrohr nicht.

Warum es nicht bis auf null geht (aber wehtun wird): das Gleichgewicht "alle haben aufgehört zu lernen" ist instabil. Knappheit macht die, die gelernt haben, überwertvoll → der Anreiz zu lernen kommt zurück. Unternehmen, die bewusst Spezialisten aufbauen, bekommen einen moat. Aber der Übergang ist schmerzhaft: Operatoren fallen beim ersten ernsten Vorfall um, wenn AI klar und überzeugend lügt und niemand die Wahrheit unterscheiden kann.

Meine Position

• Die Sprache zu lernen ist Pflicht — mit Blick auf Lesen und Urteilen, nicht auf Auswendiglernen. Den Weg zur Lesegeläufigkeit kann man nicht abkürzen; AI kürzt ihn nicht ab, sie macht ihn nur unmerklich optional.
• Solange die Mehrheit das "Verstehen" an AI abgibt — jetzt zu lernen ist ein Gelegenheitsfenster: du wirst zum knappen Spezialisten, der AI steuert, statt mit ihr zu konkurrieren. Das ist ein kurzfristiges Fenster — der Markt passt sich früher oder später an. Solange es offen ist, wäre es eine Sünde, es nicht zu nutzen.
• Der gesunde Modus: AI nutzen, um schneller zu gehen und tiefer zu lernen, nicht um Lernen zu vermeiden. Das Antipattern ist "mach mir die ganze Aufgabe". Das Pattern ist: du schreibst selbst, AI erklärt das "warum", und du verstehst ihre Variante, bevor du sie annimmst.
• Ein Paradox für den Weg: um AI effektiv zu nutzen, musst du genug wissen, damit du sie beim Einfachen nicht brauchst. Wer beim Einfachen von AI abhängt — wird beim Schweren von AI getäuscht, ohne eine Chance, es zu bemerken.

Quellen

• Nature — Is AI ruining our skills? Early results are in (Juni 2026): nature.com/articles/d41586-026-01947-1
• InfoQ — Anthropic-Studie, ~17% Skill-Mastery-Rückgang: infoq.com/news/2026/02/ai-coding-skill-formation
• TechCrunch — Coders are refusing to work without AI: techcrunch.com/2026/05/29/coders-refusing-ai
• AI & Society — AI deskilling is a structural problem: link.springer.com/article/10.1007/s00146-025-02686-z