Was hat AI wirklich geschrieben?

Du hast deinen ersten Code von AI bekommen. Der Code liegt vor dir. Bevor wir analysieren, was darin steckt, lass uns über das sprechen, was AI tatsächlich gemacht hat — und was es NICHT gemacht hat.

Der Code sieht richtig aus — aber ist er es auch?

Hier ist das Interessante: Der Code sieht aus, als würde er funktionieren. Er hat eine klare Struktur. Die Einrückungen stimmen. Die Befehle sind in Englisch und sehen aus wie „echte Programmierung". Ein Anfänger schaut auf diesen Code und denkt: „Das sieht professionell aus. Das wird sicher funktionieren."

Manchmal funktioniert es. Manchmal auch nicht. Und das ist genau das Problem bei AI und Code.

Stell dir vor, du gibst einem Ghostwriter eine Aufgabe: „Schreib mir ein Drehbuch für einen Action-Film." Der Ghostwriter gibt dir 50 Seiten zurück. Das Drehbuch hat Dialoge, Szenen, Kamerahaltungen — alles sieht aus wie ein echtes Drehbuch. Aber hat es Spannung? Hat es eine gute Geschichte? Das weißt du erst, wenn du es liest und dir Zeit nimmst.

Code ist ähnlich. AI kann es aussehen lassen wie Code. Aber das bedeutet nicht, dass es funktioniert, dass es elegant ist oder dass es das tut, was du möchtest.

Drei Dinge, die AI im Code sehr gut macht

Die Struktur ist da. AI organisiert Code wie ein Professioneller. Funktionen sind sauber benannt. Der Code ist kommentiert (mit Erklärungen). Es gibt keine syntax errors (Tippfehler in der Programmiersprache), weil AI das Regelwerk kennt. Wenn ein Profi Code schreibt, sieht er ähnlich aus.

Die Boilerplate ist schnell. Das sind die immer gleichen Teile — Imports, Initialisierungen, Struktur. Das sind die langweiligen 80% des Codes, die jeder schreiben muss, bevor die interessante Logik beginnt. AI macht das in Sekunden. Ein Programmierer würde Stunden daran sitzen, um Fehler zu vermeiden. Das ist einer der echten Mehrwerte von AI im Code.

Die Syntax stimmt. Der Code hat keine offensichtlichen Fehler in der Sprache selbst. Das Programm wird „compilieren" (übersetzt) oder „ausgeführt" (starten) können. Das ist schon eine große Sache — für einen Anfänger ist es das Schwierigste, einen Code ohne Fehler hinzuschreiben, und AI nimmt dir diese Last ab.

Drei Dinge, bei denen AI im Code scheitert

Die Logik kann falsch sein. Syntax und Logik sind nicht das gleiche. Syntax = die Regeln der Sprache. Logik = was der Code eigentlich tut. AI kann perfekten Code mit perfekter Syntax schreiben — aber wenn die Logik falsch ist, macht das Programm das Falsche.

Du fragst AI: „Erstelle ein Skript, das die Durchschnittsgröße einer Liste berechnet." AI schreibt Code, der aussieht richtig. Aber wenn du ihn testest, bekommst du eine Zahl, die keinen Sinn ergibt. Warum? Vielleicht hat AI eine Zeile übersehen, oder die Formel ist Off-by-One (ein Off-by-One-Fehler ist eine klassische Anfängerfalle). AI weiß nicht, dass das falsch ist. AI hat nur das wahrscheinlichste nächste Zeichen hinzugefügt.

Der Code kann über-engineered sein. Das ist das Gegenteil von elegant. Du fragst nach einer einfachen Sache, und AI gibt dir 200 Zeilen Code mit Klassen, Interfaces, Design Patterns — alles sehr professionell, aber viel zu kompliziert für das Problem. Es ist wie, wenn du nach einem Rezept für Toast fragst und jemand gibt dir ein fünf-Sterne-Restaurant-Konzept.

Der Code versteht deine Absicht nicht. Das ist vielleicht das wichtigste Problem. Du denkst: „Ich will ein Skript, das meine CSV-Datei in JSON umwandelt." Das klingt klar. Aber AI weiß nicht: Welche Felder sind wichtig? Wie heißen deine Dateien? In welcher Reihenfolge? Wo soll das Ergebnis gespeichert werden? AI macht eine „beste Vermutung" und schreibt Code für eine durchschnittliche CSV-zu-JSON-Konvertierung. Aber deine CSV ist speziell. Und jetzt passt der Code nicht.

Die drei Fragen, um Code zu vertrauen

Hier ist eine einfache Checkliste, die du verwenden kannst, um zu entscheiden, ob du dem Code trauen kannst:

1. Habe ich die Absicht klar gemacht? Je deutlicher du beschreibst, was du möchtest, desto höher die Chance, dass AI es richtig macht. Wenn du in deinem ersten Prompt nicht erklärst, dass deine CSV-Datei spezielle Spalten hat, wird AI nicht danach fragen — es wird Annahmen machen. Je spezifischer du bist, desto besser der Code.

2. Kann ich das Ergebnis überprüfen? Wenn der Code einen Fehler macht, erkennst du ihn? Oder läuft das Skript einfach im Hintergrund und du weißt nicht, ob das Ergebnis richtig ist? Das ist entscheidend. Wenn du das Ergebnis testen kannst (und verstehst, was „richtig" sein würde), dann ist es okay, den Code zu nutzen. Wenn nicht, brauchst du Hilfe von jemandem, der es versteht.

3. Was kostet ein Fehler? Ein fehlerhaftes Gedicht — egal. Ein fehlerhaftes Datenbankskript, das Kundendaten überschreibt — sehr schlecht. Wenn der Code etwas kritisches macht (Datenverlust, Sicherheit, Finanzen), dann musst du einen echten Programmierer überprüfen lassen. Wenn der Code etwas Harmloses macht (eine Webseite speichern, Daten herunterladen), dann kannst du es ausprobieren.

Was das bedeutet: Die „Autopilot-Metapher"

Denk an einen Autopilot im Auto. Der Autopilot kann eine lange Strecke fahren, ohne dass du deine Hände am Lenkrad hast. Das ist erstaunlich und spart Zeit. Aber du schläfst nicht ein. Du sitzt wach da, und wenn etwas komisch aussieht — eine scharfe Kurve, ein Stau, ein Hindernis — übernehmst du.

Code von AI ist genau wie Autopilot. Es kann dich 80% des Weges bringen. Aber du musst wach bleiben. Du musst das Ergebnis testen. Du musst bereit sein, Anpassungen zu machen. Du musst verstehen, wo die Grenzen sind.

Das ist keine Schwäche von AI. Das ist normal. Selbst professionelle Programmierer tun das ständig — sie schreiben Code, testen ihn, finden Fehler, korrigieren ihn. AI beschleunigt diesen Prozess um das 100-fache. Aber der menschliche Überblick ist immer noch nötig.