KI-Coding-Tools lassen meine Skills verkümmern. Ich lasse es zu.

Letzten Dienstag musste ich eine einfache For-Schleife in Python schreiben. Keinen komplexen Algorithmus. Keine clevere rekursive Funktion. Eine For-Schleife.

Ich starrte etwa zehn Sekunden auf meinen Bildschirm, dann öffnete ich Claude und bat es, die Schleife für mich zu schreiben.

Zehn Sekunden. So lange war ich bereit, mit dem Unbehagen zu sitzen, bevor ich zur Krücke griff. Vor zwei Jahren hätte ich diese Schleife im Schlaf schreiben können. Jetzt schaffe ich es offenbar nicht mal im Wachen.

Das hier ist mein Geständnis: KI-Coding-Tools lassen meine Skills verkümmern, und ich habe beschlossen, dass ich damit größtenteils okay bin.

Ich habe mich dabei erwischt, wie ich googelte, wie man eine For-Schleife schreibt

Dieser Moment war nicht einmalig. Es hat sich seit Monaten aufgebaut. Mir fällt die CSS-Grid-Syntax nicht mehr ein, die ich früher aus dem Muskelgedächtnis getippt habe. Ich vergesse das genaue Flag für einen Git-Befehl, den ich tausendmal ausgeführt habe. Ich greife nach Claude, bevor ich auch nur versuche, mich an einen bestimmten API-Endpunkt zu erinnern.

Das Peinliche daran ist nicht, dass es passiert. Sondern wie schnell es passiert ist. Ich bin in weniger als einem Jahr von "KI nutzen, um langweilige Aufgaben zu beschleunigen" zu "KI nutzen, weil ich nicht mehr weiß, wie die langweiligen Aufgaben gehen" übergegangen.

Kommt dir bekannt vor? Wenn du ein Entwickler bist, der täglich KI nutzt, würde ich darauf wetten.

Die Anthropic-Studie, die mich weniger verrückt fühlen ließ

Als ich das zum ersten Mal bemerkte, dachte ich, vielleicht werde ich einfach nur faul. Oder alt. Oder beides. Dann veröffentlichte Anthropic im Januar 2026 eine Studie, die echte Zahlen auf das legte, was ich fühlte.

Sie führten eine randomisierte kontrollierte Studie mit 52 Junior-Entwicklern durch. Die mit KI-Unterstützung schnitten bei Coding-Assessments 17% schlechter ab als die Kontrollgruppe: 50% versus 67%. Die größte Lücke war bei Debugging-Skills.

Lass das sacken. Die Leute, die die fortschrittlichsten KI-Coding-Tools nutzten, waren messbar schlechter in der fundamentalen Fähigkeit, Bugs zu finden und zu beheben.

Das Fazit der Studie traf hart: "Produktivitätsvorteile können auf Kosten der Fähigkeiten gehen, die nötig sind, um KI-geschriebenen Code zu validieren." Anders gesagt: KI macht dich schneller beim Produzieren von Code, den du zunehmend nicht mehr überprüfen kannst.

Ich habe über dieses Paradox schon geschrieben in Claude ist großartig im Software-Bauen. Und großartig im Kaputtmachen.. Der Unterschied ist: Damals schrieb ich theoretisch darüber. Jetzt lebe ich es.

Eine separate Studie von Microsoft und Carnegie Mellon bestätigte das: stärkere KI-Abhängigkeit korrelierte mit weniger kritischem Denken und einem engeren Lösungsspektrum. Wir konvergieren alle auf die gleichen KI-aromatisierten Antworten.

Die Piloten-Analogie, die mich nachts wachhält

Die Luftfahrt hat das 30 Jahre vor uns herausgefunden.

Als der Autopilot zum Standard in der kommerziellen Luftfahrt wurde, begannen Piloten ihre manuellen Flugfähigkeiten zu verlieren. Nicht hypothetisch. Messbar. Die FAA schrieb schließlich manuelles Flugtraining vor, bevor Piloten auf automatisierte Systeme umsteigen durften, weil sie erkannten, dass Automatisierungsabhängigkeit eine neue Risikokategorie schuf.

Die Parallele zur Softwareentwicklung ist unbequem. Wir werden Systemoperatoren, keine Piloten. Wir überwachen den Output der KI, anstatt den Code selbst zu verstehen.

Ein Spieleentwickler namens Alex Dixon schrieb über etwas, das er die "Prompt-Loop-Todesspirale" nannte. Er baute eine Crowd-Simulation und bat seinen KI-Assistenten immer wieder, Eck-Kollisions-Bugs zu fixen. Jeder Fix brachte neue Probleme. Er häufte Hunderte Zeilen Code an, die er nicht verstehen oder debuggen konnte. Er löste das Problem erst richtig, als er sich zwang, ohne KI zu arbeiten.

Der Teil, der bei mir hängenbleibt: Der Prozess IST die Entwicklung. Wenn du den Kampf überspringst, etwas herauszufinden, überspringst du den Teil, wo du tatsächlich lernst, was du baust. Du landest mit einem Produkt, das du ausgeliefert hast, aber nicht verstehst. Wie ein anderer Solo-Entwickler es ausdrückte: "Du kannst Features ausliefern, die du nicht debuggen kannst."

Genau da habe ich mich selbst mehr als einmal erwischt. Und ich schreibe schon eine Weile darüber, was passiert, wenn Leute diesen Prozess überspringen.

Was ich nicht mehr kann (Eine ehrliche Liste)

Hier ist mein unbequemes Inventar verkümmerter Skills:

• CSS von Grund auf. Ich war mal stolz darauf, sauberes CSS ohne Frameworks zu schreiben. Jetzt beschreibe ich, was ich will, und lasse Claude es generieren. Wenn du mich bitten würdest, ein Div ohne KI zu zentrieren, würde ich es wahrscheinlich noch hinkriegen. Wahrscheinlich.
• API-Syntax aus dem Gedächtnis. Ich habe das Directus SDK hunderte Male benutzt. Ich kann keine einfache Query schreiben, ohne in die Docs zu schauen oder Claude zu fragen.
• Debugging ohne Hilfe. Das ist das Beängstigende. Mein erster Instinkt, wenn etwas kaputt ist: den Fehler in Claude pasten, nicht den Stack Trace selbst lesen.
• Build-Konfiguration. Webpack, Vite, Astro Configs. Ich habe mal jede Zeile verstanden. Jetzt generiere ich sie und passe an.
• Boilerplate schreiben. Server-Setup, Auth-Flows, Form-Validation. Alles delegiert.

Vor zwei Jahren war jedes davon Muskelgedächtnis. Jetzt sind es "Sachen, von denen ich weiß, dass Claude sie weiß."

Worin ich komischerweise besser geworden bin

Aber hier ist die Sache. Nicht alles wurde schlechter.

Seit ich KI intensiv nutze, sind manche Skills tatsächlich gewachsen:

Architektur-Denken. Wenn du nicht in Syntax vergraben bist, verbringst du mehr Zeit damit, darüber nachzudenken, wie Systeme zusammenpassen. Ich designe jetzt bessere Strukturen, weil ich auf einem höheren Level denke.

Spec Writing. Ich bin dramatisch besser darin geworden, zu beschreiben, was ich will. Es stellt sich heraus, dass klare Specs schreiben die eigentliche Fähigkeit in einem KI-gestützten Workflow ist. Die Qualität deines Outputs hängt komplett von der Qualität deines Inputs ab.

Erkennen, wenn KI-Output falsch ist. Das ist der Skill, über den niemand redet. Ich habe ein Gespür dafür entwickelt, wenn Claudes Code korrekt aussieht, es aber nicht ist. Subtile Typ-Probleme, Edge Cases die es übersehen hat, Sicherheitslücken die es eingebaut hat. Jemand auf Reddit hat es perfekt beschrieben: "Die Fähigkeit, die verkümmert, ist Syntax-Erinnerung. Die Fähigkeit, die wächst, ist zu erkennen, wenn die Argumentation des Modells subtil falsch ist."

Liefergeschwindigkeit. Ich liefere Projekte schneller. Punkt. Das zählt, wenn du eine Ein-Mann-Agentur führst und Geschwindigkeit direkt mit Umsatz korreliert.

Die Frage ist also nicht "verliere ich Skills." Das tue ich. Die Frage ist, ob das, was ich gewinne, das wert ist, was ich verliere.

Warum ein Solo-Freelancer sich mehr Sorgen machen sollte (aber ich es nicht tue)

Hier wird es persönlich. Wenn du in einer Firma mit Team arbeitest, fängt jemand deine Fehler auf. Code Reviews existieren. Senior Devs merken, wenn der KI-Output subtil falsch ist.

Wenn du allein bist, gibt es kein Sicherheitsnetz. Niemand reviewt meinen Code außer mir. Und wenn meine Fähigkeit, Code zu reviewen, nachlässt, weil ich ihn nicht selbst geschrieben habe? Das ist ein echtes Risiko.

Brookings veröffentlichte Daten, die zeigten, dass Freelancer in KI-exponierten Berufen 2% weniger Aufträge und einen 5% Einkommensrückgang erlebten. Der Markt passt sich bereits an. Kunden spüren, wenn jemand über seine tatsächliche Kompetenz hinausgeht.

Es gibt auch das Preisabhängigkeitsrisiko. Aktuelle KI-Tool-Preise sind von Venture Capital subventioniert. Sie liegen unter den Kosten. Was passiert, wenn Claude 100 Dollar im Monat kostet statt 20? Was passiert, wenn das Tool, auf dem du deinen gesamten Workflow aufgebaut hast, über Nacht seinen Preis verdoppelt?

Ich habe darüber geschrieben, wie tief KI in meinem Workflow eingebettet ist. Diese Liste jetzt anzuschauen ist gleichzeitig beruhigend und beängstigend. Beruhigend, weil es funktioniert. Beängstigend, weil ich nicht sicher bin, ob ich ohne noch arbeiten könnte.

Aber hier ist meine ehrliche Einschätzung: Die Alternative ist schlimmer. KI nicht zu nutzen bedeutet, bei Geschwindigkeit, Umfang und Preis zurückzufallen. Der Markt hat sich bewegt. Ich kann entweder mitgehen und die Risiken managen, oder so tun, als wäre es 2023.

Wo ich die Grenze ziehe

Ich habe kein sauberes Framework dafür. Es sind eher persönliche Regeln, die ich meistens befolge und breche, wenn ich müde bin.

High-Stakes-Code debugge ich manuell. Alles was mit Auth, Payments oder Datenmigration zu tun hat, bekommt meine volle Aufmerksamkeit, nicht Claudes. Wenn es kaputt geht, muss ich verstehen warum.

Die 15-Minuten-Regel. Bevor ich KI frage, versuche ich mindestens 15 Minuten, es selbst herauszufinden. Manchmal scheitere ich und frage trotzdem. Aber der Versuch zählt. Es ist der Unterschied zwischen vergessen, wie man Fahrrad fährt, und sich entscheiden, es nicht zu tun.

Ich tracke, was ich immer wieder die KI frage. Wenn ich merke, dass ich die gleiche Art Frage wiederholt stelle, ist das eine Wissenslücke, die ich schließen muss, nicht drumherum automatisieren.

Addy Osmani von Google hat dieses Konzept der "No-AI-Tage", wo man ohne Unterstützung codet. Ich bin ehrlich: Ich habe das noch nie gemacht. Die Idee stresst mich, was wahrscheinlich bedeutet, dass ich es sollte.

Manchmal erwische ich mich, wie ich Claude ein bisschen zu frei kochen lasse und muss zurückrudern. Die Linie verschiebt sich jeden Monat weiter. Ich bin mir dessen bewusst. Ich bin nicht sicher, ob ich es aufhalten kann.

Ich kämpfe nicht dagegen an. Ich verhandle.

Der Titel dieses Posts sagt, ich lasse es zu, und das stimmt. Aber es zuzulassen heißt nicht, nicht aufzupassen.

Ich verliere Syntax-Erinnerung, Debugging-Instinkte und die Fähigkeit, Boilerplate aus dem Gedächtnis zu schreiben. Ich gewinne Architektur-Skills, Spec-Writing-Fähigkeit und schnellere Lieferung. Ob dieser Tausch langfristig aufgeht, weiß ich ehrlich gesagt nicht.

Was ich weiß: Dagegen ankämpfen fühlt sich an wie gegen die Flut kämpfen. Die Entwickler, die sich weigern, KI zu nutzen, bewahren nicht ihre Skills. Sie fallen bei der Liefergeschwindigkeit zurück, während ihre Skills ohnehin natürlich verkümmern (denn jeder verliert Skills, die er nicht übt, mit oder ohne KI).

Also verhandle ich. KI nutzen, wo sie mich schneller macht, mich zwingen zu kämpfen, wo es wichtig ist, und ehrlich sein über die Lücken, die sich bilden.

Ich kann nicht versprechen, dass das der richtige Ansatz ist. Ich kann dir nur sagen, dass es der ehrliche ist.

Willst du darüber reden, wie KI in deinen Entwicklungs-Workflow passt, ohne zu verlieren, was dich gut in deinem Job macht? Lass es uns gemeinsam herausfinden.