Junior-Softwareentwickler kämpfen trotz KI-Hype mit schrumpfendem Markt

Eine Debatte spitzt sich zu: Steht agentisches Programmieren — KI-Systeme, die mit begrenzter menschlicher Hilfe Code schreiben, testen und korrigieren — kurz davor, Junior-Softwareentwickler zu ersetzen, oder ersetzt es nur die Aufgaben, die Unternehmen ihnen bisher übertragen haben? Laut MarkTechPost wird die Frage meist rückwärts gestellt: Man schließt direkt von einem steigenden Benchmark-Wert auf eine Schlussfolgerung für den Arbeitsmarkt und überspringt jeden Schritt, der dazwischen eigentlich zutreffen müsste.

Die Benchmarks messen weniger, als sie behaupten

MarkTechPost verweist auf die "Zeithorizont"-Forschung von METR, die misst, wie lange eine Aufgabe einen kompetenten Menschen beschäftigt, und dann die Aufgabenlänge ermittelt, bei der ein KI-Modell in der Hälfte der Fälle erfolgreich ist. Dieser Horizont hat sich seit 2019 etwa alle sieben Monate verdoppelt, und laut MarkTechPost hat sich diese Verdopplung zwischen 2024 und 2026 beschleunigt, wobei Spitzensysteme inzwischen in Stunden statt Minuten gemessen werden. Doch die 50-Prozent-Erfolgsschwelle ist keine, auf die ein Arbeitgeber Personal aufbauen kann: Bei einer Zuverlässigkeitsschwelle von 80 Prozent, so MarkTechPost, sind Spitzenmodelle bei Aufgaben, die ein Mensch in unter vier Minuten erledigt, nahezu perfekt, schaffen aber bei Aufgaben von über vier Stunden Dauer weniger als 10 Prozent. METRs eigene Aufgaben sind zudem bewusst in sich abgeschlossen, schreibt MarkTechPost — das Gegenteil der ersten echten Monate eines Junior-Ingenieurs, die größtenteils damit verbracht werden, Kontext aufzunehmen: Welches Team besitzt welchen Dienst, warum existiert eine alte Abstraktion noch, wen man fragen muss.

Für eine zweite, häufig zitierte Zahl wird das Bild noch schlechter. Im Februar 2026 stellte OpenAI die Veröffentlichung seiner Werte für SWE-bench Verified ein und empfahl anderen Labors, dasselbe zu tun, so MarkTechPost über diese Ankündigung des Labors selbst. Ein Audit von 27,6 Prozent des Datensatzes ergab, dass mindestens 59,4 Prozent der geprüften Probleme fehlerhafte Testfälle enthielten, die funktional korrekte Lösungen ablehnten, zusätzlich zu Hinweisen auf Kontamination durch Trainingsdaten. Bei schwierigeren, unkontaminierten Datensätzen wie SWE-bench Pro, berichtet MarkTechPost, fallen die Werte der Spitzenmodelle deutlich gegenüber den Verified-Zahlen ab, die Unternehmen bei Produktlaunches zitieren.

Die Überprüfung ist der eigentliche Engpass, nicht das Schreiben von Code

Der klarste Beleg zu den Kosten stammt aus einer randomisierten, kontrollierten Studie, die METR mit 16 erfahrenen Open-Source-Entwicklern über 246 reale Aufgaben in deren eigenen Repositories durchgeführt hat, zitiert von MarkTechPost. Bei zufällig erlaubter oder verbotener KI-Nutzung hatten die Entwickler eine Beschleunigung von 24 Prozent vorhergesagt und schätzten hinterher, 20 Prozent schneller gewesen zu sein — doch Bildschirmaufnahmen zeigten, dass sie tatsächlich 19 Prozent langsamer waren. MarkTechPost weist auf die Grenzen der Studie hin: Werkzeuge aus Anfang 2025 und eine kleine Gruppe erfahrener Entwickler, die an Codebasen arbeiteten, die sie bereits gut kannten. Dennoch betrachtet MarkTechPost die Lücke zwischen wahrgenommener und gemessener Produktivität als das belastbarste Ergebnis der Studie — und genau diese Art von Diskrepanz sollte klar benannt und nicht geglättet werden.

Breitere Umfragen zeigen in dieselbe Richtung. MarkTechPost zitiert die Stack-Overflow-Umfrage 2025 unter mehr als 49.000 Entwicklern, in der 84 Prozent KI-Coding-Tools nutzen oder deren Nutzung planen, während 46 Prozent der Genauigkeit der Ergebnisse aktiv misstrauen, gegenüber 33 Prozent, die ihnen vertrauen; nur 3 Prozent geben hohes Vertrauen an. Googles DORA-Forschung, die rund 5.000 Fachleute befragte, ergab, dass 90 Prozent KI bei der Arbeit nutzen und über 80 Prozent glauben, sie habe ihre Produktivität gesteigert, während 30 Prozent wenig oder kein Vertrauen in KI-generierten Code angeben — und während sich der Durchsatz von Jahr zu Jahr verbesserte, tat dies die Auslieferungsstabilität nicht. Drei Bedingungen, argumentiert MarkTechPost, sind noch nicht erfüllt, damit Agenten Junioren ersetzen können:

• Zuverlässige Leistung bei Aufgaben mit der Länge und dem Vorkontext der tatsächlichen Arbeitslast eines Junioren, nicht bei in sich abgeschlossenen Benchmark-Aufgaben
• Benchmark-Werte, die auch bei schwierigeren, unkontaminierten Testreihen bestehen, statt bei zurückgezogenen wie SWE-bench Verified
• Überprüfungskosten, wenn ein Senior das KI-Ergebnis prüft, die unter den Kosten liegen, die Arbeit einfach an eine Person zu delegieren

Einstellungsdaten zeigen die Verschiebung bereits

Eine vierte Bedingung, so MarkTechPost, hängt nicht von den ersten drei ab: ob Unternehmen bereit sind, ihre eigene Ausbildungspipeline von Junior- zu Senior-Ingenieuren zu unterbrechen — unabhängig davon, ob die Substitution tatsächlich funktioniert. Das Digital Economy Lab der Stanford University, das ADP-Lohndaten auswertet, die etwa jeden sechsten amerikanischen Arbeitnehmer abdecken, stellte fest, dass die Beschäftigung von 22- bis 25-Jährigen in den am stärksten KI-exponierten Berufen, darunter die Softwareentwicklung, deutlich von der älterer Arbeitnehmer in denselben Berufen abweicht: ein Rückstand von 15 Prozent zum Datenstand Juli 2025, der sich bis Juni 2026 auf 19 Prozent ausweitet, hauptsächlich getrieben durch weniger Neueinstellungen statt Entlassungen, berichtet MarkTechPost.

CIO berichtet von derselben Abkühlung auf der Einstellungsseite. In den USA liegt die Arbeitslosenquote frischgebackener Absolventen der Computertechnik bei 7,5 Prozent und die der Informatik-Absolventen bei 6,1 Prozent, laut Projektionen der Federal Reserve Bank of New York, zitiert von CIO — deutlich über der landesweiten Arbeitslosenquote von 4,3 Prozent und klar höher als bei Absolventen der Pflege (1,4 Prozent) oder des Bauingenieurwesens (1 Prozent). Eine Resume.org-Umfrage unter 1.000 US-Führungskräften ergab, dass sechs von zehn Unternehmen 2026 wahrscheinlich Mitarbeiter entlassen werden, wobei vier von zehn planen, einen Teil dieser Beschäftigten durch KI zu ersetzen, berichtet CIO. "Warum einen Junior für 90.000 Dollar einstellen, wenn GitHub Copilot 10 Dollar kostet?", sagte der Senior-Softwareentwickler Chirag Agrawal gegenüber CIO und beschrieb, wie sich seine eigene Rolle vom Codeschreiben zur Überprüfung von KI-Ergebnissen auf Randfälle und Sicherheitslücken verschoben hat. Rachit Gupta, KI-Leiter beim Beratungsunternehmen Tredence, sagte CIO, KI übernehme inzwischen einen Großteil der Fehlerbehebung, des Testschreibens und des repetitiven Codes, an dem sich Junioren früher die Zähne ausbissen, doch das Urteilsvermögen bei Architektur, Compliance und Sicherheit liege weiterhin bei erfahrenen Ingenieuren.

Für Unternehmen ist der praktische Nutzen unmittelbar: Weniger Junioren einzustellen spart in einem Abschwung Geld, doch MarkTechPosts zugrunde liegendes Argument ist, dass gerade die kodifizierten Aufgaben — jene, die ein Junior schon bei Antritt beherrscht — von Agenten automatisiert werden, während das stillschweigende Urteilsvermögen, das Senior-Ingenieure besitzen, genau das ist, was diese Aufgaben eigentlich im Arbeitsalltag vermitteln sollten. Das lässt Arbeitgeber mit einer Frage zurück, die kaum jemand einplant: Wer bildet die nächste Generation von Prüfern aus, wenn die untersten Sprossen verschwinden. Für Absolventen, die jetzt in Deutschland, Österreich und der Schweiz in den Arbeitsmarkt eintreten, wo dieselben KI-Coding-Tools sich ebenfalls verbreiten, fällt die Lesart beider Texte gleich aus: Stellen, die auf dem Schreiben von repetitivem Code aufbauen, schrumpfen, während wer tatsächlich eingestellt wird, zunehmend zeigen muss, KI-generierten Code hinterfragen, testen und korrigieren zu können, statt einfach mehr davon zu produzieren.