Im November 2025 schrieb Andrej Karpathy noch 80 % seines Codes selbst. Im Dezember übernahmen KI-Agenten 80 % davon. Dieser Umschwung passierte in Wochen, nicht Monaten. Der OpenAI-Mitgründer beschrieb LLM-Agenten wie Claude Code und Codex als über eine “Schwelle der Kohärenz” getreten, die mehrstündige Coding-Sessions in 30-minütige Orchestrierungsaufgaben verwandelte. Er programmiere jetzt “hauptsächlich auf Englisch” und sage der KI, was sie bauen soll, statt es selbst zu tun.
Diese persönliche Anekdote wäre bloß interessant, wenn der Arbeitsmarkt sie nicht bestätigen würde. Tut er aber. Stanfords Digital Economy Lab hat ADP-Gehaltsdaten von Millionen Beschäftigten ausgewertet und festgestellt: Die Beschäftigung von Softwareentwicklern zwischen 22 und 25 Jahren ist seit Ende 2022 um fast 20 % zurückgegangen. Entwickler über 26 hatten stabile oder steigende Beschäftigungszahlen. Der Effekt konzentriert sich exakt dort, wo KI-Coding-Tools am stärksten sind: bei den strukturierten Lehrbuchwissen-Aufgaben, an denen Berufseinsteiger bisher lernten.
Die Dezember-2025-Schwelle
Nicht ein einzelnes Modell-Release veränderte im Dezember alles. Es war eine Konvergenz. Claude 3.5 Sonnets Coding-Fähigkeiten verbesserten sich. OpenAIs Codex reifte. Cursor lieferte Multi-Agent-Support. Plötzlich konnten die Tools kohärenten Kontext über 30-minütige Sessions halten, Multi-Datei-Edits handhaben und eigene Fehler ohne menschliches Eingreifen korrigieren.
Karpathy beschrieb die Veränderung in seinem 2025 LLM Year in Review: KI-Coding wurde von einer Spielerei zu dem, was er “Ambient Programming” nennt. Der Entwickler definiert die Absicht, der Agent kümmert sich um die Implementierung. Der Schlüsselbegriff ist “Agentic Engineering”: Agenten orchestrieren, die den Code schreiben, während man selbst als Aufsicht fungiert. Das Gegenteil von “Vibe Coding,” wo man akzeptiert, was die KI generiert, ohne es zu lesen.
Diese Unterscheidung klärt, wer profitiert und wer nicht. Senior-Entwickler, die komplexe Probleme zerlegen, KI-Output kritisch bewerten und subtile Architektur-Fehler erkennen können, bekommen einen massiven Produktivitätsschub. Sie entsprechen Karpathys Profil: Jahrzehnte Erfahrung, tiefes Systemverständnis, das Urteilsvermögen zu wissen, wann die KI falsch liegt.
Junior-Entwickler, die auf Boilerplate-Code und kleine Bugfixes als Trainingsfeld angewiesen waren, verlieren die Tätigkeit, die sie zu Senior-Entwicklern machte.
Im März 2026 ging Karpathy noch weiter und sagte Fortune: “Ich glaube nicht, dass ich seit Dezember eine einzige Zeile Code getippt habe.” Er beschrieb sich als in “einem Zustand der Psychose, herauszufinden, was möglich ist.”
Was Karpathy selbst warnt
Die 80-%-Zahl kommt mit Einschränkungen, die in Schlagzeilen untergehen. Karpathy bemerkt, dass aktuelle KI-Modelle Fehler machen “wie schlampige Junior-Entwickler”: auf falschen Annahmen operieren, keine Rückfragen stellen und zu komplizierten Lösungen neigen. Die verbleibenden 20 % menschlicher Arbeit sind kein Beiwerk. Es ist das architektonische Urteilsvermögen, die Anforderungsklärung und das subtile Domänenwissen, das funktionierenden Code von korrektem Code unterscheidet.
Die Ironie sticht ins Auge: KI-Agenten coden wie mittelmäßige Juniors, und genau das reicht, um den Bedarf an echten Juniors zu senken.
Die Zahlen, die Junior-Entwickler nicht hören wollen
Die Stanford-Studie ist nicht der einzige Datenpunkt. Das Bild über mehrere Quellen hinweg ist konsistent und für Berufseinsteiger alarmierend.
Stack Overflows Developer Survey 2025 verzeichnet einen rückläufigen Anteil von 18- bis 24-jährigen Entwicklern in der Befragungsbasis seit 2022. Das ist kein Stichprobenfehler. Es deckt sich mit Arbeitsmarktdaten von Indeed und LinkedIn, die zeigen, dass Einstiegsstellen schneller schrumpfen als Mid-Career- und Senior-Positionen.
Die CNBC-Analyse der Stanford-Daten fasst es breiter: Berufseinsteiger zwischen 22 und 25 Jahren in KI-exponierten Berufen erlebten einen relativen Beschäftigungsrückgang von 13 % seit Ende 2022. Softwareentwicklung gehört neben Kundenservice und Verwaltungsarbeit zu den am stärksten betroffenen Feldern.
Der Einstellungsstopp in konkreten Zahlen
Der Trend zeigt sich in Stellenausschreibungen, Praktikumsdaten und Unternehmenskennzahlen:
- Einstellungen auf Einstiegsebene bei den 15 größten Tech-Firmen fielen von 2023 auf 2024 um 25 %
- Tech-spezifische Praktikumsangebote gingen seit 2023 um 30 % zurück
- In Großbritannien sanken die Einstiegsstellen im Tech-Bereich um 46 % im Jahr 2024, Prognosen gehen von 53 % bis Ende 2026 aus
- Die National Association of Colleges and Employers prognostiziert nur 1,6 % mehr Hochschulabsolventen-Einstellungen für den Jahrgang 2026, der pessimistischste Wert seit 2020
Das ist kein zyklischer Abschwung, der sich von selbst korrigiert. Unternehmen pausieren nicht vorübergehend mit der Junior-Einstellung. Sie strukturieren die Arbeit selbst um. Wenn ein Senior-Entwickler mit Claude Code die Leistung von zwei oder drei Juniors erbringt, ändert sich die Rechnung dauerhaft.
Die kaputte Lehrlings-Pipeline
Softwareentwicklung lief immer über ein informelles Lehrlings-Modell. Man tritt einem Team bei, bekommt die kleinen Aufgaben zugewiesen, jemand reviewed die Pull Requests, man lernt durch Praxis. Die Routinearbeit war nicht einfach Beschäftigungstherapie. Sie war der Lehrplan.
Hundert Bugs fixen und man beginnt Muster zu erkennen. Sechs Monate lang Boilerplate-CRUD-Endpoints schreiben und man verinnerlicht API-Design-Prinzipien. Fremden Code reviewen und man entwickelt Geschmack. Diese Pipeline produzierte Senior-Entwickler so, wie medizinische Facharztausbildungen Ärzte hervorbringen: durch betreute Wiederholung immer komplexerer Aufgaben.
KI entfernt die unteren Sprossen dieser Leiter. Wenn ein Agent die CRUD-Endpoints generieren, die Routine-Bugs fixen und die Unit-Tests schreiben kann, gibt es keinen Grund, dafür einen Junior einzustellen. Das Problem ist nicht, dass Juniors in Sachen Geschwindigkeit nicht mit KI mithalten können. Das Problem ist, dass die Aufgaben, die KI am besten erledigt, exakt die Aufgaben sind, an denen die nächste Generation trainiert wurde.
Anthropics eigene Forschung zu KI-gestütztem Coding-Lernen hat das in einer randomisierten Studie mit 52 überwiegend jungen Ingenieuren quantifiziert: Teilnehmer, die KI nutzten, schnitten bei Verständnistests 17 % schlechter ab, was etwa zwei Notenstufen entspricht. Die größte Lücke zeigte sich bei Debugging-Fähigkeiten. Juniors, die stark an die KI delegierten, lernten am wenigsten. Wer Rückfragen und konzeptuelle Fragen stellte, behielt am meisten. Das Tool, das Juniors überflüssig macht, ist gleichzeitig das Tool, das sie am Lernen hindert.
Das “Erfahrungs-Paradoxon”
Unternehmen klagen bereits über einen Senior-Entwickler-Mangel. Dieser Mangel wird sich verschärfen, wenn die Junior-Pipeline versiegt. Man kann keine erfahrenen Entwickler einstellen, wenn niemand Erfahrung sammelt. Die IEEE-Spectrum-Analyse dieser Dynamik nennt es eine strukturelle Falle: Kurzfristige Produktivitätsgewinne durch das Ersetzen von Junior-Stellen mit KI-Tools erzeugen ein langfristiges Talentdefizit, das keine noch so gute KI beheben kann, weil KI das menschliche Urteilsvermögen nicht ersetzen kann, das aus Jahren praktischen Lernens entsteht.
Für den DACH-Raum ist das besonders relevant. Der Fachkräftemangel in der IT ist hier schon heute eines der drängendsten Wirtschaftsthemen. Laut Bitkom waren 2024 rund 149.000 IT-Stellen in Deutschland unbesetzt. Wenn nun auch noch die Junior-Pipeline austrocknet, verschärft sich dieses Problem in den kommenden Jahren dramatisch.
Was Junior-Entwickler 2026 tatsächlich einstellen lässt
Die “Junior-Entwickler”-Rolle ist nicht tot. Sie transformiert sich. Die Entwickler, die heute eingestellt werden, sehen anders aus als die von 2020.
KI-native Entwicklungskompetenz
Die Stack-Overflow-Daten sind eindeutig: Arbeitgeber wollen Juniors, die “KI-nativ” sind, also KI als Lernwerkzeug nutzen und dabei den generierten Code verstehen. Das erfolgreiche Muster: KI eine erste Implementierung generieren lassen, sie dann Zeile für Zeile lesen, verstehen, warum jede Entscheidung getroffen wurde, und die Fehler finden.
Das ist schwieriger, als den Code selbst zu schreiben. Es erfordert dasselbe Grundlagenwissen (Algorithmen, Datenstrukturen, Systemdesign) plus die Fähigkeit, generierten Output kritisch zu bewerten. Das Paradoxon: KI-native Entwicklung verlangt mehr konzeptuelles Verständnis als traditionelle Entwicklung, nicht weniger.
Die Fähigkeiten, die KI nicht ersetzen kann
Debugging von KI-generiertem Code steht ganz oben. Die Stack Overflow 2025 Survey ergab, dass 66 % der Entwickler “fast richtige, aber nicht ganz” KI-Lösungen als größte Frustration nennen. 45 % sagen, Debugging von KI-Output koste mehr Zeit als den Code selbst zu schreiben. Junior-Entwickler, die KI-Fehler effizient diagnostizieren und beheben können, haben eine Fähigkeit, die selten und zunehmend wertvoll ist.
Darüber hinaus: Anforderungserhebung, Stakeholder-Kommunikation, Systemarchitektur und die Fähigkeit zu sagen “dieser KI-generierte Ansatz erzeugt technische Schulden, die uns mehr kosten, als er spart.” Das sind Urteilsentscheidungen, die Erfahrung erfordern, die sich aber schneller entwickeln, wenn Juniors mit KI zusammenarbeiten, statt von ihr ersetzt zu werden.
Ein Portfolio im KI-Zeitalter aufbauen
Das klassische GitHub-Portfolio mit Nebenprojekten zählt weiterhin, aber mit einer Wendung. Hiring Manager achten jetzt auf Belege, dass Kandidaten effektiv mit KI arbeiten können: Projekte, die durchdachtes Prompt Engineering zeigen, KI-gestützte Entwicklung mit klaren menschlichen Architekturentscheidungen und Code-Reviews, die KI-Fehler gefunden und behoben haben. Ein Portfolio, das KI-Kompetenz neben soliden Grundlagen demonstriert, sticht stärker hervor als reines manuelles Coding oder reines Vibe Coding.
Die Branche hat drei Jahre für eine Korrektur
Die Junior-Entwickler-Pipeline verschwindet nicht über Nacht. Aber das Fenster für eine Kurskorrektur ist eng. Wenn die Einstellungsstopps bis 2027 anhalten, steht die Branche 2029 bis 2030 vor einem Senior-Entwickler-Mangel, den KI-Tools in ihrer heutigen Form nicht lösen können. Die Unternehmen, die jetzt in Junior-Talent investieren, aufgebaut um KI-augmentierte Workflows statt KI-ersetzte Rollen, setzen auf eine Zukunft, in der menschliches Urteilsvermögen unersetzlich bleibt.
Karpathys 80 % sind real. Die Produktivitätsgewinne sind real. Aber Softwareentwicklung war nie nur Code schreiben. Das Überleben des Berufsstands hängt davon ab, sich daran zu erinnern, dass der Junior-Entwickler, der heute Bugs fixt, der Principal Engineer ist, der 2035 Architekturentscheidungen trifft. Kein KI-Agent, egal wie kohärent, kann diesen Weg abkürzen.
Häufig gestellte Fragen
Was hat Karpathy über KI und 80 % seines Codes gesagt?
Andrej Karpathy, OpenAI-Mitgründer, berichtete, dass er im November 2025 noch rund 80 % seines Codes selbst schrieb, im Dezember 2025 aber KI-Agenten 80 % davon übernahmen. Er beschrieb, dass KI-Coding-Agenten eine “Schwelle der Kohärenz” überschritten hätten und programmiert nun “hauptsächlich auf Englisch,” indem er KI-Agenten anweist statt selbst zu coden.
Verschwinden Junior-Entwickler-Jobs wegen KI?
Junior-Entwickler-Jobs gehen deutlich zurück, verschwinden aber nicht vollständig. Stanford-Forschung mit ADP-Gehaltsdaten zeigt, dass die Beschäftigung von Entwicklern zwischen 22 und 25 Jahren seit Ende 2022 um fast 20 % gesunken ist. Einstellungen auf Einstiegsebene bei großen Tech-Firmen fielen um 25 % von 2023 auf 2024. Allerdings stellen manche Unternehmen weiterhin Juniors ein, besonders solche, die KI-nativ sind und effektiv mit KI-Tools arbeiten können.
Welche Fähigkeiten brauchen Junior-Entwickler 2026?
Junior-Entwickler müssen 2026 KI-nativ sein: kompetent im Umgang mit KI-Coding-Tools und zugleich den generierten Code verstehen. Schlüsselkompetenzen sind Debugging von KI-generiertem Code (66 % der Entwickler nennen “fast richtige” KI-Lösungen als größte Frustration), Prompt Engineering, Systemarchitektur-Verständnis und die Fähigkeit, KI-Vorschläge kritisch zu bewerten. Informatik-Grundlagen sind wichtiger denn je.
Führt der Junior-Mangel zu einer Senior-Entwickler-Krise?
Ja, das ist eine wachsende Sorge. Wenn Unternehmen weiterhin Junior-Einstellungen kürzen, bricht die Pipeline, die Senior-Entwickler hervorbringt. Man kann keine erfahrenen Entwickler einstellen, wenn niemand Erfahrung sammelt. Branchenanalysten warnen: Wenn die Einstellungsstopps bis 2027 anhalten, droht bis 2029-2030 ein Senior-Entwickler-Mangel, den KI-Tools in ihrer heutigen Form nicht lösen können. Im DACH-Raum verschärft das den ohnehin akuten IT-Fachkräftemangel.
Wie hat die Stanford-Studie den KI-Einfluss auf Entwickler-Jobs gemessen?
Stanfords Digital Economy Lab analysierte Gehaltsdaten von ADP, Amerikas größtem Gehaltsabrechnungsunternehmen, und verfolgte Millionen Beschäftigte bei Zehntausenden Unternehmen von 2021 bis Juli 2025. Ergebnis: Berufseinsteiger zwischen 22 und 25 Jahren in KI-exponierten Berufen erlebten einen relativen Beschäftigungsrückgang von 13 % seit Ende 2022, wobei Softwareentwickler in dieser Altersgruppe einen Rückgang von fast 20 % verzeichneten.