Vor einem Jahr oder zwei war es noch eine sinnvolle Zusatzfrage, einen Entwickler zu fragen, ob er KI zum Schreiben von Code nutzt. Heute wird das zur Normalität bei der Softwareentwicklung.
Die Veränderung ist überraschend schnell eingetreten. Die JetBrains Developer Ecosystem Survey 2026, basierend auf mehr als 15.000 professionellen Entwicklern, zeigt, dass 90 % der Entwickler zwischen Mai und Juli 2026 mindestens wöchentlich KI-Coding-Agenten bei der Arbeit nutzen, 68 % davon täglich. Allein Claude Code wurde von etwa 39 % der professionellen Entwickler weltweit bei der Arbeit genutzt, gegenüber 18 % im Januar. In den USA lag diese Zahl bei 47 %.
Das bedeutet nicht, dass Entwickler plötzlich nicht mehr selbst Code schreiben. Es bedeutet, dass sich die Art, wie Entwickler arbeiten, verändert. Anstatt jede Zeile manuell zu schreiben, nutzen viele Ingenieure KI jetzt, um Ideen zu erkunden, Teile von Features zu schreiben, Bugs zu beheben, unbekannten Code zu verstehen, Tests durchzuführen und Probleme schneller zu lösen.
Für Startups ergibt sich daraus eine wichtige Frage: Wenn deine Ingenieure bereits auf diese Weise arbeiten, sollte dein Einstellungsprozess sie immer noch bewerten, als würde KI nicht existieren?
KI hat verändert, wie Ingenieure arbeiten
Lange Zeit war GitHub Copilot der Name, den die meisten mit KI-gestütztem Programmieren verbanden. Es wurde zu einem vertrauten Teil des Entwickler-Toolkits, besonders weil es direkt in den Tools funktionierte, die Entwickler ohnehin schon nutzten.
Aber der Markt hat sich schnell verändert.
Laut der neuesten JetBrains-Umfrage sank die Workplace-Adoption von GitHub Copilot von 29 % ein Jahr zuvor auf 21 % in Mai-Juli 2026. Claude Code wuchs dagegen von 18 % im Januar auf 39 % im selben Zeitraum. GitHub Copilot ist immer noch viel bekannter, 79 % der Entwickler weltweit haben davon gehört, aber Bekanntheit und tatsächliche Nutzung sind nicht mehr dasselbe.
Das ist eine wichtige Unterscheidung für jeden, der Ingenieure einstellt.
Du brauchst nicht unbedingt zu wissen, welches KI-Tool gerade Nummer eins ist. Tools werden sich weiter verändern. Das Wichtige ist, dass KI-Coding-Agenten von etwas, das Entwickler experimentiert haben, zu etwas geworden sind, das viele jetzt als Teil ihres normalen Arbeitstages nutzen.
Mit anderen Worten: Das Tool kann sich ändern, aber die neue Arbeitsweise ist bereits da.
Was das für dein Team bedeutet
Das ist noch wichtiger, wenn du für einen Startup einstellst.
Ein kleines Entwicklungsteam hat nicht den Luxus, jeden Feature über Monate hinweg manuell zu bauen. Du brauchst Leute, die ein Problem verstehen, gute Entscheidungen treffen, schnell vorangehen und wissen, wann etwas einer genaueren Betrachtung bedarf.
KI kann bei einem Teil dieser Arbeit helfen, aber sie ersetzt nicht die Person, die die Entscheidungen trifft. Das ist eigentlich der wichtigste Teil dieser Veränderung.
Ein Entwickler kann einen KI-Agenten bitten, etwas in Minuten zu bauen. Aber bedenke, was dann passiert:
1. Was passiert, wenn die Antwort richtig aussieht, aber nicht richtig ist?
2. Was passiert, wenn die KI eine wichtige Anforderung missverstanden hat?
3. Was passiert, wenn sie etwas in einem Teil der Anwendung ändert und unauffällig etwas anderswo kaputt macht?
Das sind Ingenieur-Fragen, und sie werden immer wichtiger, nicht weniger.
Die Forschung von JetBrains zeigt, dass Entwickler, die diese Tools nutzen, sich deutlich unterscheiden, wie viel sie die KI tun lassen. Unter Entwicklern, die Claude Code am meisten nutzen, berichten etwa 32 %, dass Agenten mehr als 80 % ihres Codes generieren. Das bedeutet, es gibt keinen einzelnen „KI-Entwickler"-Workflow. Manche Menschen nutzen Agenten intensiv, während andere immer noch den größten Teil des Codes selbst schreiben.
Das Ziel deines Interviews sollte also nicht sein, jemanden zu finden, der KI alles schreiben lässt. Es sollte sein zu verstehen, wie er/sie KI nutzt und ob er/sie weiß, wann man ihr nicht trauen sollte.
Frage nicht nur, ob sie KI nutzen, sondern wie sie KI nutzen
Wenn du deinen Interviewprozess aktualisierst, ist eine der einfachsten Veränderungen auch eine der nützlichsten. Höre auf, KI-Erfahrung als eine einfache Ja-oder-Nein-Frage zu behandeln.
Hast du Claude Code benutzt?
Ja.
Das sagt dir nicht viel.
Biete stattdessen dem Kandidaten an, dir von einer echten Situation zu erzählen:
1. Wo haben sie ein KI-Coding-Tool genutzt?
2. Was wollten sie bauen?
3. Was haben sie dem Tool überlassen?
4. Was haben sie selbst überprüft?
5. Hat die KI einen Fehler gemacht? Wie haben sie ihn entdeckt?
Die Antwort kann dir viel mehr sagen als der Name des Tools, den sie nutzen.
Jemand, der sagt: „Ich nutze KI, um schneller Code zu generieren", hat dir nicht wirklich erzählt, wie er/sie arbeitet. Aber jemand, der sagt: „Ich lasse den Agenten die erste Version handhaben, aber ich merkte, dass er eine falsche Annahme über unsere Datenbankbeziehungen machte, also stoppte ich ihn und schrieb diesen Teil selbst neu", gibt dir etwas viel Nützlicheres.
Diese Person zeigt Urteilskraft — und das ist die Fähigkeit, die Startups schätzen sollten.
KI-Kompetenz bedeutet nicht KI-Abhängigkeit
Es gibt hier auch eine Falle. Nur weil jemand KI intensiv nutzt, macht das ihn/sie nicht automatisch zu einem besseren Ingenieur. Das Gegenteil kann passieren, wenn jemand alles akzeptiert, was ein KI-Tool produziert, ohne es zu verstehen.
Die besten Ingenieure sind nicht unbedingt diejenigen, die KI die meiste Arbeit übertragen. Sie sind die, die wissen, welche Arbeit man ihr geben sollte, wie man sie anleitet und wie man überprüft, was zurückkommt. Diese Unterscheidung wird immer wichtiger, da Coding-Agenten zunehmend größere Teile der Arbeit handhaben können.
Anthropics Analyse von etwa 400.000 Claude Code-Sitzungen zeigt, dass Menschen grundsätzlich die Planungsentscheidungen treffen, z. B. entscheiden, was getan werden muss, während Claude viel der Ausführung übernimmt. Die Forschung zeigte auch, dass Menschen mit größerer Fachkompetenz tendenziell pro Anweisung mehr Arbeit erledigen.
Das ist ein nützlicher Weg, um über die Zukunft des Software-Engineering nachzudenken. Der Wert liegt nicht einfach darin, Code schneller zu tippen. Er liegt darin, zu wissen, was gebaut werden sollte, die richtige Richtung zu geben, Probleme zu erkennen und zu entscheiden, ob das Ergebnis tatsächlich gut genug zum Versand ist.
Was sollte „Senior Engineer" jetzt bedeuten?
Diese Verschiebung wirft auch eine größere Frage zur Seniorität auf.
Traditionell war ein Senior Engineer jemand, der schwierige technische Probleme unabhängig lösen, architektonische Entscheidungen treffen, die Arbeit anderer überprüfen und ein Team voranbringen konnte. Diese Dinge spielen immer noch eine Rolle, aber es gibt jetzt eine zusätzliche Ebene.
Ein starker Senior Engineer sollte zunehmend wissen, wie man effektiv mit KI-Tools arbeitet, ohne sein/ihr Urteilsvermögen an sie abzugeben.
Er/Sie sollte großartig darin sein, ein großes Problem in kleinere Teile zu zerlegen, einem KI-Agenten nützliche Richtung zu geben, das Ergebnis zu überprüfen, subtile Fehler zu erkennen und zu verstehen, wann etwas manuell zu tun tatsächlich sicherer oder schneller ist.
Das ist eine andere Fähigkeit als einfach zu wissen, wie man Code schreibt, und es ist etwas, das dein Interviewprozess tatsächlich testen kann.
Der Unterschied zeigt sich schnell
Stell dir vor, du interviewst zwei Entwickler für die gleiche Stelle.
Der erste Kandidat sagt dir, dass er/sie KI das letzte Jahr über genutzt hat und sagt, das hilft ihnen „viel schneller zu programmieren".
Der zweite Kandidat erzählt dir von einem kürzlichen Projekt, bei dem er/sie einen KI-Agenten für eine Datenbankmigrationen-Arbeit genutzt hat. Der Agent produzierte die meisten der initialen Implementierung, aber der Kandidat merkte, dass er/sie missverstanden hatte, wie historische Records verbunden waren. Er/Sie entdeckte das Problem während des Tests, änderte den Ansatz und überprüfte die finale Migration manuell, bevor sie Production auch nur in die Nähe kam.
Der zweite Kandidat hat nicht nur demonstriert, dass er/sie weiß, wie man ein KI-Tool nutzt. Er/Sie hat etwas viel Wertvolleres demonstriert: Urteilskraft. Er/Sie weiß, wann man delegiert, wann man das Ergebnis in Frage stellt und wann man selbst die Kontrolle übernimmt.
Das ist das Signal, nach dem dein Einstellungsprozess suchen sollte.
Was Gründer ändern sollten
Du brauchst deinen Interviewprozess nicht über Nacht komplett umzubauen. Beginne mit ein paar einfachen Veränderungen.
Frage Kandidaten, wie KI in ihren normalen Workflow passt. Gib ihnen ein praktisches Problem und erlaube ihnen, die Tools zu nutzen, die sie normalerweise nutzen würden. Konzentriere deine Fragen dann auf die Entscheidungen, die sie trafen, nicht nur auf den Code, den sie produzierten.
Frag, was die KI falsch gemacht hat, was sie überprüft haben und was sie nicht an einen KI-Agenten delegieren würden, ohne ihn zu beaufsichtigen.
Diese Fragen geben dir ein viel klareres Bild davon, wie jemand tatsächlich in deinem Team arbeiten wird.
Und verwandle das Interview nicht in einen Test darüber, wer die meisten KI-Tools kennt, da Tools sich verändern werden. Die wichtige Fähigkeit ist zu lernen, wie man mit ihnen arbeitet, ohne die Fähigkeit zum unabhängigen Denken zu verlieren.
Das geht über Claude Code hinaus
Die größte Verschiebung ist nicht, dass Claude Code populär geworden ist. Es ist, dass KI-gestützte Entwicklung zur normalen Definition von Software-Engineering wird.
JetBrains stellte fest, dass 90 % der professionellen Entwickler bis Mitte 2026 mindestens einmal pro Woche KI-Coding-Agenten bei der Arbeit nutzten. Das bedeutet nicht, dass traditionelle Ingenieur-Fähigkeiten verschwunden sind. Es bedeutet, dass der Job jetzt eine weitere Ebene der Zusammenarbeit mit Maschinen beinhaltet, die zunehmend große Teile der Implementierung handhaben können.
Also wenn dein Einstellungsprozess Kandidaten immer noch nur bietet, zu beweisen, wie gut sie Code ohne KI schreiben können, misst du vielleicht nur einen Teil davon, wie sie tatsächlich arbeiten werden, sobald sie dir beitreten.
Die Frage ist nicht mehr einfach: „Kann diese Person guten Code schreiben?"
Sie wird: „Kann diese Person alle verfügbaren Tools nutzen, einschließlich KI, während sie noch gute Ingenieur-Entscheidungen trifft?"
Das ist eine viel nützlichere Frage für einen Startup zu beantworten.
Und wenn du nicht die Zeit hast, deinen Einstellungsprozess um die Art zu überarbeiten, wie Ingenieure heute tatsächlich arbeiten, ist das der Punkt, wo MyNextDeveloper dir hilft, indem wir Startups mit geprüften Ingenieuren und KI-Talenten verbinden, die moderne Entwicklungs-Workflows verstehen und vom ersten Tag an beitragen können.
TL;DR
KI-Coding-Tools sind schnell zum normalen Teil davon geworden, wie Entwickler arbeiten, besonders bei Startups. Das bedeutet, Ingenieure nur danach einzustellen, wie gut sie ohne KI programmieren können, sagt dir nicht mehr die ganze Geschichte. Was zählt jetzt ist, ob sie wissen, wie sie KI effektiv nutzen, ihre Fehler erkennen und selbst gute Entscheidungen treffen. Die besten Ingenieure nutzen KI nicht einfach, um schneller zu programmieren — sie wissen, wann sie ihr trauen, wann sie sie in Frage stellen und wann sie die Kontrolle übernehmen sollten.
Möchtest du ein hochperformantes Remote-Tech-Team aufbauen?
Schau dir MyNextDeveloper an, eine Plattform, auf der du die besten 3 % der Software-Ingenieure finden kannst, die leidenschaftlich von Innovation begeistert sind. Unsere bedarfsgesteuerten, dedizierten und gründlichen Softwaretalent-Lösungen bieten eine umfassende Lösung für alle deine Softwareanforderungen.
Besuche unsere Website, um zu erkunden, wie wir dir helfen können, dein perfektes Team zusammenzustellen.
