45 Prozent fühlen sich bedroht, null Prozent fallen tatsächlich zurück

45 Prozent der Entwickler empfinden ihre aktuellen Skills als bedroht durch KI. Nicht als herausgefordert, nicht als ergänzungsbedürftig. Als bedroht. Die Zahl stammt aus einer Pluralsight-Studie und beschreibt ein Phänomen, das dort „AI Skill Threat” heißt: die Angst, dass bestehende Kompetenzen obsolet werden. Gleichzeitig zeigen Studien von arXiv, dass die Adoption von Generative-AI-Tools Burnout nicht lindert, sondern verstärkt. Die interessantere Frage ist nicht, ob diese Angst existiert. Sondern wer davon profitiert, dass sie es tut.

Key Takeaways (TL;DR)

• Gefühl statt Realität prüfen: Die empfundene Bedrohung durch KI korreliert nicht mit dem tatsächlichen Kompetenzverlust. Trenne Angst von Evidenz.
• Hype-Zyklen wiederholen sich: Wende dieselbe Skepsis auf KI-FOMO an, die du bei jedem neuen Framework anwendest.
• Täglicher Fortschritt statt Token-Maximierung: Ein produktiver Arbeitstag ist wertvoller als zehn Stunden Prompt-Optimierung für ein Tool, das in drei Monaten anders funktioniert.
• Verkaufsinteressen erkennen: Prüfe, wer von der Nachricht „du fällst zurück” finanziell profitiert, bevor du sie internalisierst.

Basiert auf dem Video von ThePrimeagen. Das Original findest du hier: https://www.youtube.com/watch?v=0F5zG1RQ4Ig

Die Datenlage hinter der Angst

Die Zahlen sind real, auch wenn die Schlussfolgerungen es oft nicht sind. Pluralsight definiert AI Skill Threat als die „Angst, Sorge und Befürchtung von Entwicklern, dass ihre aktuellen Kompetenzen durch KI-gestütztes Coding obsolet werden”. 45 Prozent der Befragten bestätigen diese Empfindung.

Science Direct geht einen Schritt weiter und analysiert die Folgen dieser Angst als FOMO-Phänomen: die individuelle Furcht, die Vorteile von KI-Technologie zu verpassen und von anderen oder der Gesellschaft insgesamt überflüssig gemacht zu werden. Diese FOMO treibt laut derselben Studie zu „komplexen Verhaltensweisen wie obsessivem Fokus auf den Erwerb von KI-Skills oder übereifrigem Einsatz von KI-Technologien”.

Die Konsequenzen sind messbar. Forschung auf arXiv zeigt, dass die Adoption von Generative-AI-Tools Burnout verstärkt, indem sie die Jobanforderungen erhöht. Die Tools steigern die kognitive Last, erzeugen neue Formen der Überwachungsarbeit und eskalieren die Erwartungen an Output und Tempo. Die GenAI-Bewegung transformiert außerdem professionelle Normen und verändert Karriere-Einstiegspunkte, was eine kontinuierliche Anpassung erzwingt.

Das Muster ist klar: KI-Tools sollen Arbeit erleichtern. In der Praxis erhöhen sie den Druck, erzeugen neue Anforderungen und verstärken die Angst, nicht mitzuhalten.

Das Muster ist älter als ChatGPT

Die Angst, den Anschluss zu verlieren, ist keine Erfindung des KI-Zeitalters. Jede Technologiewelle erzeugt dieselbe Dynamik.

Bootcamp-Absolventen 2020 und 2021 erlebten eine Flut neuer Technologien, die sie alle sofort beherrschen sollten. React Server Components lösten 2023 hitzige Debatten aus, in denen Stimmen behaupteten, wer sie nicht sofort adoptiere, gebe den falschen Karriererat. In Wahrheit hat sich diese Einschätzung als falsch herausgestellt. Die Vulnerabilities und Probleme, die seitdem aufgetaucht sind, bestätigen eher die skeptische Position.

Das Gründen einer Firma erzeugt dieselbe Dynamik, nur aus einem anderen Grund. Die Angst, hinter Wettbewerbern zurückzufallen, treibt in denselben Strudel aus Schlafmangel, sozialer Isolation und Burnout. 24-Stunden-Programmiersessions, gestörte Beziehungen, das Gefühl, dass jede Pause ein Rückschritt ist. Das ist kein KI-Problem. Das ist ein menschliches Reaktionsmuster auf wahrgenommene Knappheit.

Der entscheidende Unterschied zur aktuellen Welle: Die Panik wird industriell erzeugt. Nicht von Wettbewerbern, sondern von den Anbietern der Tools selbst.

Alles aus der ChatGPT-3.5-Ära ist wertlos

Hier liegt der faktische Beweis, dass die Panik unbegründet ist. Als ChatGPT 3.5 erschien, behaupteten Stimmen, es ersetze Entwickler. Im Rückblick ist das absurd. Aber dieselbe Rhetorik lief auch während der Opus-3- und Opus-3.5-Ära: Wer diese Tools nicht nutzt, fällt zurück.

Die entscheidende Frage: Was davon ist heute noch nutzbar? Die Antwort: praktisch nichts. Die Art, wie Kontext aufgebaut wird, wie Prompts formuliert werden, wie die Interaktion mit den Tools funktioniert, sieht heute völlig anders aus als am Anfang. Jede einzelne Methode aus dieser Ära ist „effectively void”, wie es im Original heißt.

Das bedeutet: Wer damals nicht mitgemacht hat, hat nichts verpasst. Und wer alles auf die damaligen Methoden gesetzt hat, steht heute genauso da wie alle anderen. Die Tools ändern sich alle paar Tage. Was gestern State of the Art war, ist morgen irrelevant. Wer darauf sein Fundament baut, baut auf Sand.

George Hotz über negative Valenz und perverse Anreize

„What I don’t like is the constant bullshit about the window closing or the perpetual underclass falling hopelessly behind. This is negative valence hype. Not only is it not true, it’s mostly designed to make you feel bad about yourself.”

Hotz benennt zwei Dinge, die in der öffentlichen Debatte systematisch verschleiert werden. Erstens: die „negative Valenz” des Hypes. Die Behauptung, das Fenster schließe sich und eine permanente Unterklasse entstehe, ist nicht nur sachlich falsch. Sie ist gezielt darauf angelegt, ein schlechtes Gewissen zu erzeugen und Menschen nach San Francisco zu treiben, „where everything really does suck like how these people claim”.

Zweitens kritisiert er den Strohmann-Sprung: von „bessere Autovervollständigung” oder „smarterer Compiler” zu „übernimmt den gesamten Lichtkegel”. Als würde eines Tages ein Lichtblitz am Himmel erscheinen und alles wäre anders. Hotz setzt dagegen: „I’ll bet everything I have that this doesn’t happen.”

Sein härtestes Urteil betrifft die Verbreiter dieser Narrative: „The people perpetuating this are terrible people, but the justice is that this is how they feel inside all the time themselves.” Die Leute, die anderen einreden, sie fielen zurück, leben selbst permanent in genau diesem Zustand.

Das führt zum Kern des Problems: perverse Anreize. Die Unternehmen, die Token verkaufen, erzählen dir, dass du mehr Token verbrauchen musst. Die Leute, die Schaufeln verkaufen, sagen dir, das Einzige, was du üben solltest, ist Löcher graben. Das ist kein Rat. Das ist Marketing.

600 Dollar pro Monat für Tokens statt für Benefits

Die FOMO-Narrative bleibt nicht abstrakt. Sie schlägt in konkreten Unternehmensmaßnahmen auf. Ein Senior-Entwickler beschreibt in einem viel beachteten Kommentar zum Video, was passiert, wenn die C-Suite den KI-Hype internalisiert hat:

Das Unternehmen gibt über 600 Dollar pro Monat und Mitarbeiter für Token-Spend aus. Nicht für Benefits, nicht für Weiterbildung. Für Tokens. Der CTO hat bereits angedeutet, dass Entwickler die fehlende Rendite durch Mehrarbeit kompensieren sollen, wenn sich der ROI nicht materialisiert. Parallel wird ein Monitoring-System eingeführt, das die Anzahl der PRs, Cycle Time, KI-Nutzung und sogar „AI Efficiency” trackt. Letzteres funktioniert so: Die KI bewertet, wie gut die Entwickler mit ihr kommunizieren. Die Maschine beurteilt den Menschen, der sie bedient.

Die Absurdität geht weiter. Die Branche hat jahrelang argumentiert, dass Metriken wie Lines of Code oder PR-Anzahl leicht manipulierbar und deshalb als Leistungsindikator unbrauchbar sind. Jetzt werden Teams aktiv ermutigt, genau diese Metriken zu optimieren. Das Monitoring-System selbst ist ein KI-Startup, dessen „Industry Insights” nur existieren, weil es die zahlenden Kunden untereinander vergleicht. Entwickler werden an Teams aus anderen Unternehmen gemessen, die an anderen Produkten arbeiten, mit anderen Tech-Stacks, in anderen Branchen und mit anderem Erfahrungshintergrund.

Das ist der Punkt, an dem FOMO aufhört, ein individuelles Empfinden zu sein, und zum organisatorischen Zwang wird. Nicht die Entwickler haben Angst, zurückzufallen. Die C-Suite hat Angst, ihren KI-Invest nicht rechtfertigen zu können. Die Kosten dieser Angst werden nach unten durchgereicht.

Das Gefühl von Rückstand ist nicht der Rückstand

Ein Austausch im Umfeld des Videos bringt es auf den Punkt. Auf die Aussage „Du fällst nicht zurück” kommt die Antwort: „Ich weiß. Es ist seltsam, weil es das Gefühl des Zurückfallens ist, nicht die Realität. Wenn sich Modelle und Tools alle paar Tage ändern, erzeugt das diese permanente Ich-muss-mithalten-Mentalität. Und die ist super toxisch.”

Die Selbstreflexion ist entscheidend: „Ich erkenne, dass ich in einer Blase bin und bereits vielen anderen voraus.” Das Gefühl korreliert nicht mit der Realität. Wer jeden Tag lernt, einen Schritt nach vorne macht, hat einen guten Tag gehabt. Wer ein Wochenende Pause macht, hat nicht den Verlauf seiner Karriere verändert.

Das Steelman-Argument gegen diese Position wäre: Vielleicht ist die aktuelle KI-Welle doch fundamental anders als React Server Components oder Bootcamp-Panik. Vielleicht entsteht tatsächlich eine Kluft zwischen Early Adoptern und allen anderen. Die Evidenz spricht dagegen. Jede bisherige Methode der KI-Interaktion ist innerhalb von Monaten veraltet. Wer fundamentale Programmierkompetenz besitzt, kann jedes neue Tool in Wochen adoptieren. Wer nur Tool-Kompetenz hat, fängt bei jedem Update von vorne an. Das ist dieselbe Erkenntnis, die sich durch die Diskussion um Fundamente statt Tools und den messbaren Wissensverlust durch KI-Nutzung zieht.

3 Schritte zur Umsetzung

1. FOMO-Quellen identifizieren: Erstelle eine Liste der Kanäle und Personen, die dir regelmäßig einreden, du fällst zurück. Prüfe bei jeder einzelnen Quelle, ob sie ein finanzielles Interesse daran hat, dass du mehr Token verbrauchst, mehr Kurse kaufst oder mehr Tools abonnierst.
2. Lernzeit auf Fundamente verlagern: Investiere pro Woche mindestens doppelt so viel Zeit in fundamentale Konzepte (Datenstrukturen, Systemdesign, Debugging-Kompetenz) wie in das Erlernen neuer KI-Tools. Was du vor zwei Jahren über HTTP gelernt hast, funktioniert heute noch. Was du vor zwei Jahren über ChatGPT-Prompts gelernt hast, nicht.
3. Pausen als Investition behandeln: Setze bewusste Grenzen für Lern- und Arbeitszeiten. Ein Wochenende ohne Code ändert nicht den Verlauf deiner Karriere. Sechs Monate ohne Pause ändern den Verlauf deiner Gesundheit.

Die Unternehmen, die dir sagen, du musst Token-Maxen, verdienen Geld an jedem Token, den du verbrauchst. Das ist kein Geheimnis. Es ist ihr Geschäftsmodell.