WIP: Software Engineering Competencies in the Age of AI

Stellen Sie sich die Welt des Software-Engineerings wie eine riesige, geschäftige Baustelle vor. Seit Jahrzehnten werden die Blaupausen für die Ausbildung neuer Bauarbeiter (Universitätsstudenten) von einer Gruppe strenger Architekten namens „Akkreditierungsstellen“ sorgfältig entworfen. Diese Blaupausen, wie etwa die SE2014-Richtlinien, sagten den Schulen genau, welche Werkzeuge sie lehren sollten: wie man Ziegel legt, wie man Beton mischt und wie man die Bauvorschriften einhält.

Doch dann erschien ein neues, magisches Werkzeug auf der Baustelle: Künstliche Intelligenz (KI). Es ist wie ein Roboter-Assistent, der augenblicklich Wände entwerfen oder den besten Weg vorschlagen kann, um ein Leck zu reparieren. Das Problem? Die alten Blaupausen wurden nicht aktualisiert, um diesen Roboter zu berücksichtigen. Das Papier von Vonderhaar, Towhidnejad und Ochoa argumentiert, dass wir weiterhin nach den alten Landkarten ausbilden, wenn wir Absolventen bereit machen wollen, die zwar mit dem Hammer bauen können, aber in einer Industrie arbeiten, die mittlerweile auf robotergestütztem Bauen basiert.

Das fehlende Teil im Werkzeugkasten
Die Autoren untersuchten die neuesten Branchenberichte und Stellenausschreibungen und fanden eine eklatante Lücke. Während das große Branchenhandbuch namens SWEBOK endlich zugegeben hat, dass KI ein „fundamentaler“ Bestandteil des Jobs ist (eine enorme Änderung gegenüber der Version von 2014, die sie gar nicht erwähnte), sind die tatsächlichen Lehrpläne der Hochschulen und das Kompetenzmodell SWECOM noch in der Vergangenheit stecken geblieben.

Das Papier legt nahe, dass Universitäten derzeit Absolventen ohne die richtige Überlebensausrüstung in das „Goldene Zeitalter der KI“ schicken. Es ist, als würde man einen Seemann in das Zeitalter der Düsenjets schicken, ohne ihm beizubringen, wie man ein Radar liest. Die Autoren sagen nicht, dass die alten Fähigkeiten nutzlos sind, aber sie deuten an, dass die aktuelle Ausbildung unvollständig ist.

Zwei neue Superkräfte erforderlich
Basierend auf ihrer Überprüfung dessen, was Unternehmen tatsächlich fordern, schlagen die Autoren vor, dass wir zwei brandneue „Superkräfte“ in das Trainingshandbuch des Software-Engineers aufnehmen müssen. Sie schlagen nicht einfach nur irgendwelche Ideen vor; sie ziehen diese direkt aus der Literatur, die beschreibt, was die Industrie gerade benötigt.

1. KI-Literacy (Die Fähigkeit des „Roboter-Flüsterers“):
   Es geht hierbei nicht darum, den Roboter zu bauen; es geht darum, zu wissen, wie man mit ihm spricht. Das Papier legt nahe, dass Studenten, selbst wenn sie nur normalen Code schreiben, wissen müssen, wie sie KI-Tools wie Large Language Models (LLMs) effektiv nutzen.

• Wie es aussieht: Es ist wie das Erlernen von „Prompt Engineering“ – der Kunst, dem Roboter die richtigen Fragen zu stellen, um eine gute Antwort zu erhalten.
• Der Haken: Die Autoren merken an, dass man mit diesen Werkzeugen langsamer arbeitet, wenn man sie ohne Training nutzt. Man muss auch wissen, wie man die Arbeit des Roboters auf „Halluzinationen“ (wenn der Roboter Dinge erfindet) und Bias (Voreingenommenheit) überprüft. Es geht darum, ein kluger Editor zu sein, nicht nur ein passiver Nutzer.

2. KI-Entwicklung (Die Fähigkeit des „Roboter-Bauers“):
   Dies ist für die Studenten gedacht, die die KI-Systeme selbst bauen wollen. Das Papier legt nahe, dass dies eine viel größere Herausforderung darstellt. Es geht nicht nur darum, ein wenig Mathematik zu verstehen; es erfordert ein völlig neues Set an Werkzeugen.

• Wie es aussieht: Dies beinhaltet das Erlernen, wie man unordentliche Daten bereinigt (wie das Aufräumen einer chaotischen Garage, bevor man ein Auto baut), das Verständnis für das Trainieren von Modellen und das Wissen darüber, wie man sie testet.
• Die Wendung: Die Autoren weisen darauf hin, dass das Bauen von KI anders ist als das Bauen von normaler Software. Man kann nicht einfach alles zu Beginn planen, da die KI ihre Meinung ändern kann, während sie lernt. Dies erfordert eine andere Art des Testens und einen Fokus auf Ethik, den die traditionelle Software nicht immer benötigte.

Was dieses Papier NICHT sagt
Es ist wichtig zu wissen, was dieses Papier nicht behauptet. Die Autoren sagen nicht, dass jeder Software-Ingenieur ein Meister-Datenwissenschaftler sein muss. Sie sagen nicht, dass die alte Art der Softwareentwicklung tot ist. Sie behaupten auch nicht, dass die Universitäten dieses Problem bereits gelöst haben. Tatsächlich erklären sie ausdrücklich, dass es sich um ein „Work-In-Progress“ (WIP)-Papier handelt.

Sie präsentieren kein fertiges, gelöstes Puzzle. Stattdessen halten sie uns einen Spiegel vor und sagen: „Hey, schau dir dieses Loch in unserem Trainingsplan an.“ Sie schlagen vor, dass die aktuellen Richtlinien (wie SE2014) veraltet sind, weil sie KI nicht erwähnen, und sie argumentieren, dass das Kompetenzmodell (SWECOM) aktualisiert werden muss, um diese neuen Fähigkeiten einzubeziehen.

Die nächsten Schritte
Die Autoren sagen im Wesentlichen: „Wir haben die Lücke identifiziert, und hier ist eine Liste vorgeschlagener Fähigkeiten, um sie zu füllen.“ Sie schlagen vor, dass wir diese zwei neuen Bereiche – KI-Literacy und KI-Entwicklung – zur offiziellen Liste dessen hinzufügen, was ein Software-Ingenieur wissen sollte.

Dennoch geben sie zu, dass große Hürden vor ihnen liegen. Sie merken an, dass sich KI unglaublich schnell verändert, sodass die Aktualisierung des Lehrplans ein ständiger Wettlauf sein wird. Sie sorgen sich auch darum, dass einige Schulen vielleicht nicht über Lehrer verfügen, die genug über KI wissen, um es zu lehren, und dass das Hinzufügen dieser neuen Themen andere wichtige Fächer verdrängen könnte.

Das Papier bietet also keinen Zauberstab, der heute alles löst. Stattdessen bietet es eine Roadmap. Es legt nahe, dass die nächste Generation von Software-Ingenieuren, um im modernen Arbeitsmarkt zu bestehen, sowohl in den alten Arten des Bauens als auch in den neuen Wegen der Zusammenarbeit mit KI fließend sein muss. Die Autoren schlagen vor, dass wir das Regelwerk aktualisieren, um sicherzustellen, dass diese Studenten für den Job bereit sind, der tatsächlich existiert, und nicht für den Job, der vor zehn Jahren existierte.