Der Wendepunkt: Wenn Maschinen 80% des Codes schreiben
Andrej Karpathy über den radikalsten Wandel in 20 Jahren Programmierung – und was das für 2026 bedeutet
Im Dezember 2025 ist etwas passiert, das viele nicht kommen sahen. Ein stiller Umbruch, der sich in den Arbeitsabläufen von Software-Engineers abspielte. Andrej Karpathy, Mitgründer von OpenAI und einer der profiliertesten AI-Experten weltweit, hat seine Erfahrungen geteilt. Seine Botschaft: Der Wandel von manueller Programmierung zu AI-gestütztem Coding ist nicht mehr hypothetisch. Er ist da. Und er geschieht schneller als erwartet.
Karpathy beschreibt eine fundamentale Verschiebung. Noch im November schrieb er 80% seines Codes selbst, unterstützt von Autocomplete. 20% delegierte er an AI-Agents. Im Dezember drehte sich das Verhältnis komplett um. Jetzt schreiben die Agents 80% des Codes. Er selbst macht nur noch Anpassungen und Quality Checks.
Das Resultat? Er programmiert hauptsächlich auf Englisch. Er erklärt der Maschine in Worten, was sie coden soll. Das kratzt am Ego, gibt er zu. Aber die Fähigkeit, Software in grossen "Code Actions" zu bewegen, ist zu wertvoll, um darauf zu verzichten.
"Das ist die grösste Veränderung meines Workflows in rund 20 Jahren Programmierung", sagt Karpathy. "Und sie passierte innerhalb weniger Wochen."
Die Realität: Fehler, Aufgeblähtheit und zu viel Höflichkeit
Karpathy ist kein naiver Optimist. Er warnt vor dem Hype um "keine IDE mehr nötig" und "Agent Swarms". Die Modelle machen immer noch Fehler. Aber die Art der Fehler hat sich verändert.
Früher waren es Syntaxfehler. Heute sind es subtile konzeptionelle Fehler. Fehler, die ein hastiger Junior-Entwickler machen würde. Die Modelle treffen falsche Annahmen. Sie managen ihre eigene Verwirrung nicht. Sie fragen nicht nach. Sie zeigen keine Tradeoffs auf. Und sie sind zu höflich, um zu widersprechen, wenn sie sollten.
Überkomplizierung
Die Agents neigen dazu, Code und APIs aufzublähen. Sie implementieren ineffiziente Konstrukte über 1000 Zeilen, wenn 100 reichen würden. Erst wenn man nachfragt: "Könntest du das nicht einfacher machen?", reduzieren sie drastisch.
Seiteneffekte
Manchmal ändern oder löschen die Modelle Kommentare und Code, den sie nicht verstehen. Auch wenn dieser überhaupt nichts mit der aktuellen Aufgabe zu tun hat. Das passiert trotz klarer Instruktionen im CLAUDE.md.
Fehlende Aufräumarbeiten
Nach sich selbst aufräumen? Fehlanzeige. Dead Code bleibt liegen. Abstractions werden nicht bereinigt. Der Mensch muss kontrollieren und korrigieren.
Trotzdem ein Gewinn
Trotz all dieser Probleme: Es ist ein massiver Fortschritt. Zurück zur manuellen Programmierung? Schwer vorstellbar. Karpathy arbeitet mit ein paar Claude Code Sessions links im Terminal und einer IDE rechts für Code-Review und manuelle Edits.
Das "AGI-Gefühl": Ausdauer ohne Grenzen
Was fasziniert Karpathy am meisten? Die Beharrlichkeit der Agents. Sie werden nicht müde. Sie werden nicht demoralisiert. Sie probieren weiter, auch dort, wo ein Mensch längst aufgegeben hätte.
Er beschreibt, wie er zusieht, wie ein Agent 30 Minuten lang an einem Problem arbeitet. Und dann triumphiert. "Das ist ein 'feel the AGI'-Moment", sagt er. "Man erkennt, dass Ausdauer ein Kern-Bottleneck für Arbeit ist. Mit LLMs ist diese Ausdauer dramatisch gestiegen."
Speedup oder Expansion? Beides.
Wie misst man die "Beschleunigung" durch LLM-Assistenz? Karpathy findet keine klare Antwort. Er fühlt sich schneller. Aber der Haupteffekt ist ein anderer: Er macht viel mehr, als er ursprünglich geplant hatte.
Warum? Erstens: Er kann jetzt Dinge coden, die vorher nicht die Mühe wert gewesen wären. Zweitens: Er kann Code anfassen, den er früher aus Wissens- oder Kompetenzgründen gemieden hätte.
Es ist also nicht nur Speedup. Es ist Expansion.
Leverage: Von imperativ zu deklarativ
Die eigentliche Magie entsteht, wenn man den AI-Agent in eine Schleife schickt. Nicht sagen, was er tun soll. Sondern Erfolgskriterien definieren. Und zuschauen, wie er arbeitet.
Karpathy empfiehlt: Lass den Agent zuerst Tests schreiben. Dann den Code, der sie besteht. Verbinde ihn mit einem Browser über MCP. Schreibe zuerst den naiven Algorithmus, der korrekt ist. Dann lass ihn optimieren, ohne die Korrektheit zu verlieren.
Die Strategie: Von imperativ zu deklarativ wechseln. So läuft der Agent länger und liefert mehr Hebel.
Mehr Spass, weniger Routine
Überraschenderweise macht Programmieren mit Agents mehr Spass. Warum? Die monotone "Fill in the blanks"-Arbeit fällt weg. Übrig bleibt der kreative Teil.
Karpathy fühlt sich weniger blockiert. Er hat mehr Mut, weil es fast immer einen Weg gibt, Hand in Hand mit dem Agent Fortschritte zu machen.
Aber Achtung: Nicht alle teilen diese Ansicht. AI-gestütztes Coding wird Engineers spalten. In jene, die vor allem das Coden liebten. Und jene, die vor allem das Bauen liebten.
Die Kehrseite: Skill-Atrophie
Karpathy beobachtet eine beunruhigende Nebenwirkung. Seine Fähigkeit, Code von Hand zu schreiben, verkümmert langsam.
Generation (Code schreiben) und Diskriminierung (Code lesen) sind unterschiedliche Fähigkeiten im Gehirn. Wegen all der kleinen, meist syntaktischen Details kann man Code gut reviewen, auch wenn man Schwierigkeiten hat, ihn selbst zu schreiben.
Das ist eine Warnung für die gesamte Branche. Was passiert, wenn eine Generation von Engineers aufwächst, die nie gelernt hat, Code von Grund auf zu schreiben?
Die Slopacolypse steht bevor
Karpathy warnt: 2026 wird das Jahr der "Slopacolypse". Überall, GitHub, Substack, ArXiv, X, Instagram, überall in digitalen Medien, wird AI-generierter Slop überhandnehmen.
Wir werden auch viel mehr AI-Hype-Produktivitätstheater sehen. Parallel zu echten, realen Verbesserungen. Die Herausforderung wird sein, das eine vom anderen zu trennen.
Die grossen Fragen für 2026
Karpathy wirft Fragen auf, die die gesamte Industrie beschäftigen sollten:
Der 10X-Engineer
Was passiert mit dem Produktivitätsverhältnis zwischen durchschnittlichen und Top-Engineers? Es ist möglich, dass diese Schere noch viel grösser wird.
Generalisten vs. Spezialisten
Übertreffen Generalisten mit LLMs zunehmend die Spezialisten? LLMs sind viel besser im "Fill in the blanks" (Mikro) als in der grossen Strategie (Makro).
Das Gefühl der Zukunft
Wie fühlt sich LLM-Coding in Zukunft an? Ist es wie StarCraft spielen? Factorio? Musik machen?
Gesellschaftlicher Bottleneck
Wie viel von der Gesellschaft ist durch digitale Wissensarbeit gebremst? Und was passiert, wenn dieser Bottleneck verschwindet?
Fazit: Ein Phasenwechsel ist da
Karpathy zieht ein klares Fazit: LLM-Agent-Fähigkeiten (vor allem Claude und Codex) haben im Dezember 2025 eine Art Kohärenz-Schwelle überschritten. Das hat einen Phasenwechsel im Software Engineering ausgelöst.