Developer mit KI-Ambitionen sind bei Unternehmen gefragt – wenn Sie das richtige Skillset vorweisen können.Gorodenkoff | shutterstock.com Künstliche Intelligenz (KI) gewinnt überall an Bedeutung – auch in der Softwareentwicklung. Angesichts dieser Entwicklung fragen sich nicht wenige Developer, welche Kompetenzen Sie vorweisen sollten, um bei einem Unternehmen mit KI-Fokus ihren nächsten Traumjob zu landen. Deshalb haben wir mit diversen IT- und Technologieentscheidern gesprochen, die wissen, welche Skills Developer im KI-Zeitalter brauchen. 1. Business Impact erkennen KI-agnostische Unternehmen suchen Entwickler, die nicht nur die konzeptionellen Aspekte von KI, Machine Learning (ML) und Deep Learning verstehen. Potenzielle Job-Kandidaten müssen auch wissen, wie man diese gewinnbringend einsetzt. Scott Weller, CTO beim Finanzdienstleister EnFi (der ebenfalls stark auf KI setzt), bringt die Anforderungen für potenzielle Job-Kandidaten auf den Punkt: “Es reicht nicht aus, zu wissen, wie ein Transformer-Modell funktioniert. Entscheidend ist, beurteilen zu können, wann KI eingesetzt werden sollte, um Geschäftsziele zu unterstützen. Entwickler müssen die Kompromisse zwischen Heuristik, traditioneller Software und maschinellem Lernen verstehen und wissen, wie sich KI auf praktische, messbare und verantwortungsvolle Weise in Workflows integrieren lässt.” Das kann Lei Gao, Technologieentscheider bei SleekFlow, nur unterstreichen. Auch sein Unternehmen (Anbieter einer Omnichannel-Plattform für Kundenbindungszwecke) setzt stark auf KI – und Developer, die den Business Impact der Technologie verstehen: “Zum Beispiel müssen unsere Entwickler wissen, wie KI-gestützte Software dazu beitragen kann, die Conversion-Raten zu steigern oder den Kunden-Support zu automatisieren.” Mitchell Johnson, Chef-Produktentwickler beim Softwareanbieter Sonatype, schreibt diese Anforderung für Entwicklerjobs im KI-Zeitalter auch dem zunehmenden Einsatz von KI-basierten Dev-Tools zu: “Weil die KI zunehmend die Low-Level-Codierungsarbeit übernimmt, müssen sich Entwickler stärker darauf fokussieren, warum sie etwas entwickeln – und nicht nur darauf, wie.” KI-native Unternehmen schätzten Entwickler, die näher am Produktmanagement sind, so Johnson – und in der Lage, die Probleme der User zu erkennen, Kompromisse zu finden und den Entwicklungsprozess zu gestalten. 2. Daten beherrschen Ohne Daten keine KI. Entsprechend wichtig ist es für Entwickler, Knowhow mitzubringen, wenn es um Dateninfrastruktur, -management und -analysen geht. “In AI-First-Systemen sind Daten das Produkt”, unterstreicht CTO Weller. Er ergänzt: “Developer sollten entsprechend versiert im Umgang mit Daten sein, ansonsten leider die Performance der KI-Modelle. Das schließt auch ein, mit modernen Daten-Stacks, SQL und Cloud-nativen Tools umgehen zu können.” Auch Gao gibt an dieser Stelle zu bedenken, dass KI-Modelle nur so gut sind wie die Daten-Pipelines, die sie versorgen. Entsprechend ist die Suche nach fähigen Entwicklern bei SleeFlow ausgestaltet: “Wir suchen Engineers, die mit verteilten Datenplattformen arbeiten und alles von der Datenerfassung bis hin zur Echtzeitanalyse koordinieren können.” Laut dem Manager sind dabei auch zunehmend Kenntnisse rund um neue Konzepte gefragt. Etwa: Stream Processing, Event-getriebene Architekturen oder Data Meshes. Vaibhav Tupe, Technologiechef beim IT-Dienstleister Equinix, hält die traditionellen Data-Engineering-Ansätze für KI-Workloads nicht mehr für ausreichend: “Entwickler sollten spezielle Skills vorweisen können, wenn es darum geht, für KI-Systeme Daten-Pipelines aufzubauen, spezielle ML-Funktionen zu erstellen und die Datenqualität zu managen.” Laut dem Entscheider zählt dazu auch: Echtzeit-Feature-Stores zu erstellen, die Datenvalidierung zu automatisieren, sowie Trainings- und Inferenzdaten zu managen. 3. KI integrieren Wenn KI-Tools nicht wirklich gut mit bestehenden Systemen zusammenwirken, dürften sich die Vorteile in Grenzen halten – auch für die Kunden. Deshalb legt Kevin Miller, CTO beim Industriesoftwareanbieter IFS, großen Wert darauf, dass potenzielle Kandidaten für einen Entwickler-Job in seinem Unternehmen die entsprechenden Basics mitbringen: “Wir suchen Entwickler, die KI- und ML-Systeme auf der Grundlage von fundierten Kenntnissen integrieren und implementieren können. Da KI-gestützte Predictive Maintenance für unsere Kunden entscheidend ist, wollen wir das auch in einem möglichst funktionalen Produkt umsetzen.” Deshalb sucht der Entscheider in erster Linie nach Softwareentwicklern, die dazu in der Lage sind, Predictive-Algorithmen zu implementieren, die mit industriellen Systemen wie SCADA funktionieren, sowie dazu Robuste Daten-Pipelines zu erstellen, die Echtzeit-Sensordaten an ML-Modelle liefern. 4. KI sicher umsetzen Manufacturing ist außerdem ein gutes Beispiel für eine Branche, in der KI-Systeme vor allem sicher und zuverlässig funktionieren müssen. Entsprechend gefragt sind Softwareentwickler, die das auch gewährleisten können. IFS-CTO Miller erklärt: “Developer müssen AI Safety und Reliability Engineering beherrschen. Nur so sind sie in der Lage, Fabrikumgebungen nachhaltig abzusichern. Schließlich können KI-Ausfälle hier zu Unfällen führen – und unter Umständen auch die gesamte Produktion lahmlegen.” Entwickler, die einen Job bei IFS (oder anderen Industrieunternehmen mit KI-Fokus) landen wollen, sollten deshalb laut Miller in der Lage sein, umfassende Monitoring-Systeme auzufbauen, um erkennen zu können, wann KI-Vorhersagen nicht zutreffen, und bei Bedarf automatisierte Rollback-Mechanismen für herkömmliche Kontrollmethoden zu implementieren. “Dazu gehört auch, Redundanzsysteme und umfangreiche Testing-Frameworks zu entwickeln, die das Verhalten der KI in Randfällen und unter widrigen Bedingungen validieren”, ergänzt Miller. 5. Cloud Deployments bewältigen Angesichts der prominenten Rolle, die Cloud Services in modernen IT-Infrastrukturen einnehmen, erwarten Arbeitgeber mit KI-Fokus von ihren Entwicklern auch Erfahrungen, wenn es um Cloud-(KI-)Deployments und API-Integration geht. Konkret heißt das laut Naga Santhosh Reddy Vootukuri, Principal Software Engineering Manager bei Microsoft, dass Devs vor allem mit den KI-Tools umgehen können sollten, die die Hyperscaler zur Verfügung stellen: “Mit den Tools von AWS, Google Cloud Platform und Azure vertraut zu sein, hilft Softwareentwicklern in Sachen Hosting und dabei, KI-Lösungen mit Model Context Protocol in bestehende Legacy-Systeme zu integrieren.” 6. Prompts bauen Prompt Engineering findet in einer ganzen Reihe von Branchen Anwendung. Die Technik wird dazu eingesetzt, um Inhalte zu generieren und Probleme zu lösen. Sie unterstützt GenAI-Modelle ganz generell dabei, auf diverse Arten von Anfragen zu reagieren. Skills in diesem Bereich sind für Devs, die bei KI-Unternehmen arbeiten wollen, ebenfalls Pflicht, wie Equinix-Manager Tupe nahelegt: “Angesichts des rasanten Wachstums großer Sprachmodelle benötigen Entwickler heute ein tiefgreifendes Verständnis für Prompt Design, Kontextfenster und LLM-API-Integration.” Laut dem Manager sollten Devs wissen, wie man komplexe Prompt-Ketten aufbaut, großangelegte Deployments stemmt, Rate Limits managt, Kosten optimiert und mehrere LLMs nahtlos integriert. “Es gibt einen grundlegenden Unterschied zwischen Entwicklern, die einfach nur grundlegende Prompts schreiben, und denjenigen, die robuste Enterprise-LLM-Systeme entwerfen können, die durch gründliches Testing, Evaluierungen und Monitoring-Funktionen abgesichert sind”, hält Tupe fest. 7. Strategisch denken Developer, die sich in ihrem (künftigen) Job in erster Linie KI-Projekten widmen wollen, sollten außerdem in der Lage sein, auch über die strategischen Aspekte ihrer Arbeit zu reflektieren. Auch das hängt wiederum mit dem zunehmenden Einsatz von KI in der Softwareentwicklung zusammen, wie David Radin, CEO beim KI-Plattformanbieter Confirmed, erklärt: “Weil KI immer öfter für Grundlegendes eingesetzt wird, ist es für Developer wichtiger denn je, strategisch denken zu können – also ein Problem zu betrachten, es zu analysieren und eine Lösung dafür zu erarbeiten.” KI-Inputs strategisch auszurichten, unterstütze Devs dabei, die KI in die Richtung der gewünschten Lösung zu führen, so Radin: “Liefert das System eine unzureichende Antwort, hilft strategisches Denken dabei, die Antwort zu analysieren und dann entweder die KI dazu anzuregen, sich näher an die gewünschte Richtung zu bewegen – oder ihr selbst auf die Sprünge zu helfen.” 8. Zeit managen Zeitmanagement ist ein Skill, der heutzutage in nahezu jedem Berufsfeld gefragt ist. Softwareentwickler in KI-orientierten Unternehmen bilden hierbei keine Ausnahme. Das kann Confirmed-CEO Radi nur unterstreichen: “In KI-gesteuerten Unternehmen stehen hervorragende Zeitmanagementfähigkeiten nach wie vor mit ganz oben auf der Anforderungsliste. Das hilft nicht nur dabei, Ziele zu erreichen, sondern verdeutlicht auch, wie wichtig der Faktor Mensch für eine Development-Abteilung ist.” 9. Mit Veränderung klarkommen Weil sich insbesondere der KI-Bereich im immerwährenden Umbruch befindet, sollten Developer, die einen Job mit KI-Fokus anstreben, vor allem auch anpassungsfähig sein – und bereit zu lernen. “Tools und Paradigmen ändern sich monatlich”, konstatiert Sonatype-Entscheider Johnson. Er fügt hinzu: “Die heutige Wachstumsmentalität erfordert nicht mehr nur Lernbereitschaft. Es gilt vielmehr, KI als neuen Startpunkt zu betrachten. Gute Entwickler überdenken ihren Ansatz von Grund auf und entwickeln Prozesse, Tools und Funktionen, bei denen KI im Mittelpunkt steht – und nicht nur ein Add-on ist.” Davon abgesehen, müssen Developer, die im KI-Bereich arbeiten wollen, sich auch auf Unklarheiten und schnelle Iterationen einstellen, weiß EnFi-CTO Weller: “KI-Entwicklung ist von Natur aus probabilistisch. Developer sollten deshalb in der Lage sein, nicht nur fehlerhaften Code, sondern auch falsche Annahmen zu debuggen. Wirklich gute Entwickler nehmen diese Unklarheiten an und bauen Systeme, die robust und testbar sind und sich im Zeitverlauf weiterentwickeln lassen.” (fm) Sie wollen weitere interessante Beiträge zu diversen Themen aus der IT-Welt lesen? Unsere kostenlosen Newsletter liefern Ihnen alles, was IT-Profis wissen sollten – direkt in Ihre Inbox!
KI-Jobs – diese Skills brauchen Entwickler
Developer mit KI-Ambitionen sind bei Unternehmen gefragt – wenn Sie das richtige Skillset vorweisen können.Gorodenkoff | shutterstock.com Künstliche Intelligenz (KI) gewinnt überall an Bedeutung – auch in der Softwareentwicklung. Angesichts dieser Entwicklung fragen sich nicht wenige Developer, welche Kompetenzen Sie vorweisen sollten, um bei einem Unternehmen mit KI-Fokus ihren nächsten Traumjob zu landen. Deshalb haben wir mit diversen IT- und Technologieentscheidern gesprochen, die wissen, welche Skills Developer im KI-Zeitalter brauchen. 1. Business Impact erkennen KI-agnostische Unternehmen suchen Entwickler, die nicht nur die konzeptionellen Aspekte von KI, Machine Learning (ML) und Deep Learning verstehen. Potenzielle Job-Kandidaten müssen auch wissen, wie man diese gewinnbringend einsetzt. Scott Weller, CTO beim Finanzdienstleister EnFi (der ebenfalls stark auf KI setzt), bringt die Anforderungen für potenzielle Job-Kandidaten auf den Punkt: “Es reicht nicht aus, zu wissen, wie ein Transformer-Modell funktioniert. Entscheidend ist, beurteilen zu können, wann KI eingesetzt werden sollte, um Geschäftsziele zu unterstützen. Entwickler müssen die Kompromisse zwischen Heuristik, traditioneller Software und maschinellem Lernen verstehen und wissen, wie sich KI auf praktische, messbare und verantwortungsvolle Weise in Workflows integrieren lässt.” Das kann Lei Gao, Technologieentscheider bei SleekFlow, nur unterstreichen. Auch sein Unternehmen (Anbieter einer Omnichannel-Plattform für Kundenbindungszwecke) setzt stark auf KI – und Developer, die den Business Impact der Technologie verstehen: “Zum Beispiel müssen unsere Entwickler wissen, wie KI-gestützte Software dazu beitragen kann, die Conversion-Raten zu steigern oder den Kunden-Support zu automatisieren.” Mitchell Johnson, Chef-Produktentwickler beim Softwareanbieter Sonatype, schreibt diese Anforderung für Entwicklerjobs im KI-Zeitalter auch dem zunehmenden Einsatz von KI-basierten Dev-Tools zu: “Weil die KI zunehmend die Low-Level-Codierungsarbeit übernimmt, müssen sich Entwickler stärker darauf fokussieren, warum sie etwas entwickeln – und nicht nur darauf, wie.” KI-native Unternehmen schätzten Entwickler, die näher am Produktmanagement sind, so Johnson – und in der Lage, die Probleme der User zu erkennen, Kompromisse zu finden und den Entwicklungsprozess zu gestalten. 2. Daten beherrschen Ohne Daten keine KI. Entsprechend wichtig ist es für Entwickler, Knowhow mitzubringen, wenn es um Dateninfrastruktur, -management und -analysen geht. “In AI-First-Systemen sind Daten das Produkt”, unterstreicht CTO Weller. Er ergänzt: “Developer sollten entsprechend versiert im Umgang mit Daten sein, ansonsten leider die Performance der KI-Modelle. Das schließt auch ein, mit modernen Daten-Stacks, SQL und Cloud-nativen Tools umgehen zu können.” Auch Gao gibt an dieser Stelle zu bedenken, dass KI-Modelle nur so gut sind wie die Daten-Pipelines, die sie versorgen. Entsprechend ist die Suche nach fähigen Entwicklern bei SleeFlow ausgestaltet: “Wir suchen Engineers, die mit verteilten Datenplattformen arbeiten und alles von der Datenerfassung bis hin zur Echtzeitanalyse koordinieren können.” Laut dem Manager sind dabei auch zunehmend Kenntnisse rund um neue Konzepte gefragt. Etwa: Stream Processing, Event-getriebene Architekturen oder Data Meshes. Vaibhav Tupe, Technologiechef beim IT-Dienstleister Equinix, hält die traditionellen Data-Engineering-Ansätze für KI-Workloads nicht mehr für ausreichend: “Entwickler sollten spezielle Skills vorweisen können, wenn es darum geht, für KI-Systeme Daten-Pipelines aufzubauen, spezielle ML-Funktionen zu erstellen und die Datenqualität zu managen.” Laut dem Entscheider zählt dazu auch: Echtzeit-Feature-Stores zu erstellen, die Datenvalidierung zu automatisieren, sowie Trainings- und Inferenzdaten zu managen. 3. KI integrieren Wenn KI-Tools nicht wirklich gut mit bestehenden Systemen zusammenwirken, dürften sich die Vorteile in Grenzen halten – auch für die Kunden. Deshalb legt Kevin Miller, CTO beim Industriesoftwareanbieter IFS, großen Wert darauf, dass potenzielle Kandidaten für einen Entwickler-Job in seinem Unternehmen die entsprechenden Basics mitbringen: “Wir suchen Entwickler, die KI- und ML-Systeme auf der Grundlage von fundierten Kenntnissen integrieren und implementieren können. Da KI-gestützte Predictive Maintenance für unsere Kunden entscheidend ist, wollen wir das auch in einem möglichst funktionalen Produkt umsetzen.” Deshalb sucht der Entscheider in erster Linie nach Softwareentwicklern, die dazu in der Lage sind, Predictive-Algorithmen zu implementieren, die mit industriellen Systemen wie SCADA funktionieren, sowie dazu Robuste Daten-Pipelines zu erstellen, die Echtzeit-Sensordaten an ML-Modelle liefern. 4. KI sicher umsetzen Manufacturing ist außerdem ein gutes Beispiel für eine Branche, in der KI-Systeme vor allem sicher und zuverlässig funktionieren müssen. Entsprechend gefragt sind Softwareentwickler, die das auch gewährleisten können. IFS-CTO Miller erklärt: “Developer müssen AI Safety und Reliability Engineering beherrschen. Nur so sind sie in der Lage, Fabrikumgebungen nachhaltig abzusichern. Schließlich können KI-Ausfälle hier zu Unfällen führen – und unter Umständen auch die gesamte Produktion lahmlegen.” Entwickler, die einen Job bei IFS (oder anderen Industrieunternehmen mit KI-Fokus) landen wollen, sollten deshalb laut Miller in der Lage sein, umfassende Monitoring-Systeme auzufbauen, um erkennen zu können, wann KI-Vorhersagen nicht zutreffen, und bei Bedarf automatisierte Rollback-Mechanismen für herkömmliche Kontrollmethoden zu implementieren. “Dazu gehört auch, Redundanzsysteme und umfangreiche Testing-Frameworks zu entwickeln, die das Verhalten der KI in Randfällen und unter widrigen Bedingungen validieren”, ergänzt Miller. 5. Cloud Deployments bewältigen Angesichts der prominenten Rolle, die Cloud Services in modernen IT-Infrastrukturen einnehmen, erwarten Arbeitgeber mit KI-Fokus von ihren Entwicklern auch Erfahrungen, wenn es um Cloud-(KI-)Deployments und API-Integration geht. Konkret heißt das laut Naga Santhosh Reddy Vootukuri, Principal Software Engineering Manager bei Microsoft, dass Devs vor allem mit den KI-Tools umgehen können sollten, die die Hyperscaler zur Verfügung stellen: “Mit den Tools von AWS, Google Cloud Platform und Azure vertraut zu sein, hilft Softwareentwicklern in Sachen Hosting und dabei, KI-Lösungen mit Model Context Protocol in bestehende Legacy-Systeme zu integrieren.” 6. Prompts bauen Prompt Engineering findet in einer ganzen Reihe von Branchen Anwendung. Die Technik wird dazu eingesetzt, um Inhalte zu generieren und Probleme zu lösen. Sie unterstützt GenAI-Modelle ganz generell dabei, auf diverse Arten von Anfragen zu reagieren. Skills in diesem Bereich sind für Devs, die bei KI-Unternehmen arbeiten wollen, ebenfalls Pflicht, wie Equinix-Manager Tupe nahelegt: “Angesichts des rasanten Wachstums großer Sprachmodelle benötigen Entwickler heute ein tiefgreifendes Verständnis für Prompt Design, Kontextfenster und LLM-API-Integration.” Laut dem Manager sollten Devs wissen, wie man komplexe Prompt-Ketten aufbaut, großangelegte Deployments stemmt, Rate Limits managt, Kosten optimiert und mehrere LLMs nahtlos integriert. “Es gibt einen grundlegenden Unterschied zwischen Entwicklern, die einfach nur grundlegende Prompts schreiben, und denjenigen, die robuste Enterprise-LLM-Systeme entwerfen können, die durch gründliches Testing, Evaluierungen und Monitoring-Funktionen abgesichert sind”, hält Tupe fest. 7. Strategisch denken Developer, die sich in ihrem (künftigen) Job in erster Linie KI-Projekten widmen wollen, sollten außerdem in der Lage sein, auch über die strategischen Aspekte ihrer Arbeit zu reflektieren. Auch das hängt wiederum mit dem zunehmenden Einsatz von KI in der Softwareentwicklung zusammen, wie David Radin, CEO beim KI-Plattformanbieter Confirmed, erklärt: “Weil KI immer öfter für Grundlegendes eingesetzt wird, ist es für Developer wichtiger denn je, strategisch denken zu können – also ein Problem zu betrachten, es zu analysieren und eine Lösung dafür zu erarbeiten.” KI-Inputs strategisch auszurichten, unterstütze Devs dabei, die KI in die Richtung der gewünschten Lösung zu führen, so Radin: “Liefert das System eine unzureichende Antwort, hilft strategisches Denken dabei, die Antwort zu analysieren und dann entweder die KI dazu anzuregen, sich näher an die gewünschte Richtung zu bewegen – oder ihr selbst auf die Sprünge zu helfen.” 8. Zeit managen Zeitmanagement ist ein Skill, der heutzutage in nahezu jedem Berufsfeld gefragt ist. Softwareentwickler in KI-orientierten Unternehmen bilden hierbei keine Ausnahme. Das kann Confirmed-CEO Radi nur unterstreichen: “In KI-gesteuerten Unternehmen stehen hervorragende Zeitmanagementfähigkeiten nach wie vor mit ganz oben auf der Anforderungsliste. Das hilft nicht nur dabei, Ziele zu erreichen, sondern verdeutlicht auch, wie wichtig der Faktor Mensch für eine Development-Abteilung ist.” 9. Mit Veränderung klarkommen Weil sich insbesondere der KI-Bereich im immerwährenden Umbruch befindet, sollten Developer, die einen Job mit KI-Fokus anstreben, vor allem auch anpassungsfähig sein – und bereit zu lernen. “Tools und Paradigmen ändern sich monatlich”, konstatiert Sonatype-Entscheider Johnson. Er fügt hinzu: “Die heutige Wachstumsmentalität erfordert nicht mehr nur Lernbereitschaft. Es gilt vielmehr, KI als neuen Startpunkt zu betrachten. Gute Entwickler überdenken ihren Ansatz von Grund auf und entwickeln Prozesse, Tools und Funktionen, bei denen KI im Mittelpunkt steht – und nicht nur ein Add-on ist.” Davon abgesehen, müssen Developer, die im KI-Bereich arbeiten wollen, sich auch auf Unklarheiten und schnelle Iterationen einstellen, weiß EnFi-CTO Weller: “KI-Entwicklung ist von Natur aus probabilistisch. Developer sollten deshalb in der Lage sein, nicht nur fehlerhaften Code, sondern auch falsche Annahmen zu debuggen. Wirklich gute Entwickler nehmen diese Unklarheiten an und bauen Systeme, die robust und testbar sind und sich im Zeitverlauf weiterentwickeln lassen.” (fm) Sie wollen weitere interessante Beiträge zu diversen Themen aus der IT-Welt lesen? Unsere kostenlosen Newsletter liefern Ihnen alles, was IT-Profis wissen sollten – direkt in Ihre Inbox!
KI-Jobs – diese Skills brauchen Entwickler Developer mit KI-Ambitionen sind bei Unternehmen gefragt – wenn Sie das richtige Skillset vorweisen können.Gorodenkoff | shutterstock.com Künstliche Intelligenz (KI) gewinnt überall an Bedeutung – auch in der Softwareentwicklung. Angesichts dieser Entwicklung fragen sich nicht wenige Developer, welche Kompetenzen Sie vorweisen sollten, um bei einem Unternehmen mit KI-Fokus ihren nächsten Traumjob zu landen. Deshalb haben wir mit diversen IT- und Technologieentscheidern gesprochen, die wissen, welche Skills Developer im KI-Zeitalter brauchen. 1. Business Impact erkennen KI-agnostische Unternehmen suchen Entwickler, die nicht nur die konzeptionellen Aspekte von KI, Machine Learning (ML) und Deep Learning verstehen. Potenzielle Job-Kandidaten müssen auch wissen, wie man diese gewinnbringend einsetzt. Scott Weller, CTO beim Finanzdienstleister EnFi (der ebenfalls stark auf KI setzt), bringt die Anforderungen für potenzielle Job-Kandidaten auf den Punkt: “Es reicht nicht aus, zu wissen, wie ein Transformer-Modell funktioniert. Entscheidend ist, beurteilen zu können, wann KI eingesetzt werden sollte, um Geschäftsziele zu unterstützen. Entwickler müssen die Kompromisse zwischen Heuristik, traditioneller Software und maschinellem Lernen verstehen und wissen, wie sich KI auf praktische, messbare und verantwortungsvolle Weise in Workflows integrieren lässt.” Das kann Lei Gao, Technologieentscheider bei SleekFlow, nur unterstreichen. Auch sein Unternehmen (Anbieter einer Omnichannel-Plattform für Kundenbindungszwecke) setzt stark auf KI – und Developer, die den Business Impact der Technologie verstehen: “Zum Beispiel müssen unsere Entwickler wissen, wie KI-gestützte Software dazu beitragen kann, die Conversion-Raten zu steigern oder den Kunden-Support zu automatisieren.” Mitchell Johnson, Chef-Produktentwickler beim Softwareanbieter Sonatype, schreibt diese Anforderung für Entwicklerjobs im KI-Zeitalter auch dem zunehmenden Einsatz von KI-basierten Dev-Tools zu: “Weil die KI zunehmend die Low-Level-Codierungsarbeit übernimmt, müssen sich Entwickler stärker darauf fokussieren, warum sie etwas entwickeln – und nicht nur darauf, wie.” KI-native Unternehmen schätzten Entwickler, die näher am Produktmanagement sind, so Johnson – und in der Lage, die Probleme der User zu erkennen, Kompromisse zu finden und den Entwicklungsprozess zu gestalten. 2. Daten beherrschen Ohne Daten keine KI. Entsprechend wichtig ist es für Entwickler, Knowhow mitzubringen, wenn es um Dateninfrastruktur, -management und -analysen geht. “In AI-First-Systemen sind Daten das Produkt”, unterstreicht CTO Weller. Er ergänzt: “Developer sollten entsprechend versiert im Umgang mit Daten sein, ansonsten leider die Performance der KI-Modelle. Das schließt auch ein, mit modernen Daten-Stacks, SQL und Cloud-nativen Tools umgehen zu können.” Auch Gao gibt an dieser Stelle zu bedenken, dass KI-Modelle nur so gut sind wie die Daten-Pipelines, die sie versorgen. Entsprechend ist die Suche nach fähigen Entwicklern bei SleeFlow ausgestaltet: “Wir suchen Engineers, die mit verteilten Datenplattformen arbeiten und alles von der Datenerfassung bis hin zur Echtzeitanalyse koordinieren können.” Laut dem Manager sind dabei auch zunehmend Kenntnisse rund um neue Konzepte gefragt. Etwa: Stream Processing, Event-getriebene Architekturen oder Data Meshes. Vaibhav Tupe, Technologiechef beim IT-Dienstleister Equinix, hält die traditionellen Data-Engineering-Ansätze für KI-Workloads nicht mehr für ausreichend: “Entwickler sollten spezielle Skills vorweisen können, wenn es darum geht, für KI-Systeme Daten-Pipelines aufzubauen, spezielle ML-Funktionen zu erstellen und die Datenqualität zu managen.” Laut dem Entscheider zählt dazu auch: Echtzeit-Feature-Stores zu erstellen, die Datenvalidierung zu automatisieren, sowie Trainings- und Inferenzdaten zu managen. 3. KI integrieren Wenn KI-Tools nicht wirklich gut mit bestehenden Systemen zusammenwirken, dürften sich die Vorteile in Grenzen halten – auch für die Kunden. Deshalb legt Kevin Miller, CTO beim Industriesoftwareanbieter IFS, großen Wert darauf, dass potenzielle Kandidaten für einen Entwickler-Job in seinem Unternehmen die entsprechenden Basics mitbringen: “Wir suchen Entwickler, die KI- und ML-Systeme auf der Grundlage von fundierten Kenntnissen integrieren und implementieren können. Da KI-gestützte Predictive Maintenance für unsere Kunden entscheidend ist, wollen wir das auch in einem möglichst funktionalen Produkt umsetzen.” Deshalb sucht der Entscheider in erster Linie nach Softwareentwicklern, die dazu in der Lage sind, Predictive-Algorithmen zu implementieren, die mit industriellen Systemen wie SCADA funktionieren, sowie dazu Robuste Daten-Pipelines zu erstellen, die Echtzeit-Sensordaten an ML-Modelle liefern. 4. KI sicher umsetzen Manufacturing ist außerdem ein gutes Beispiel für eine Branche, in der KI-Systeme vor allem sicher und zuverlässig funktionieren müssen. Entsprechend gefragt sind Softwareentwickler, die das auch gewährleisten können. IFS-CTO Miller erklärt: “Developer müssen AI Safety und Reliability Engineering beherrschen. Nur so sind sie in der Lage, Fabrikumgebungen nachhaltig abzusichern. Schließlich können KI-Ausfälle hier zu Unfällen führen – und unter Umständen auch die gesamte Produktion lahmlegen.” Entwickler, die einen Job bei IFS (oder anderen Industrieunternehmen mit KI-Fokus) landen wollen, sollten deshalb laut Miller in der Lage sein, umfassende Monitoring-Systeme auzufbauen, um erkennen zu können, wann KI-Vorhersagen nicht zutreffen, und bei Bedarf automatisierte Rollback-Mechanismen für herkömmliche Kontrollmethoden zu implementieren. “Dazu gehört auch, Redundanzsysteme und umfangreiche Testing-Frameworks zu entwickeln, die das Verhalten der KI in Randfällen und unter widrigen Bedingungen validieren”, ergänzt Miller. 5. Cloud Deployments bewältigen Angesichts der prominenten Rolle, die Cloud Services in modernen IT-Infrastrukturen einnehmen, erwarten Arbeitgeber mit KI-Fokus von ihren Entwicklern auch Erfahrungen, wenn es um Cloud-(KI-)Deployments und API-Integration geht. Konkret heißt das laut Naga Santhosh Reddy Vootukuri, Principal Software Engineering Manager bei Microsoft, dass Devs vor allem mit den KI-Tools umgehen können sollten, die die Hyperscaler zur Verfügung stellen: “Mit den Tools von AWS, Google Cloud Platform und Azure vertraut zu sein, hilft Softwareentwicklern in Sachen Hosting und dabei, KI-Lösungen mit Model Context Protocol in bestehende Legacy-Systeme zu integrieren.” 6. Prompts bauen Prompt Engineering findet in einer ganzen Reihe von Branchen Anwendung. Die Technik wird dazu eingesetzt, um Inhalte zu generieren und Probleme zu lösen. Sie unterstützt GenAI-Modelle ganz generell dabei, auf diverse Arten von Anfragen zu reagieren. Skills in diesem Bereich sind für Devs, die bei KI-Unternehmen arbeiten wollen, ebenfalls Pflicht, wie Equinix-Manager Tupe nahelegt: “Angesichts des rasanten Wachstums großer Sprachmodelle benötigen Entwickler heute ein tiefgreifendes Verständnis für Prompt Design, Kontextfenster und LLM-API-Integration.” Laut dem Manager sollten Devs wissen, wie man komplexe Prompt-Ketten aufbaut, großangelegte Deployments stemmt, Rate Limits managt, Kosten optimiert und mehrere LLMs nahtlos integriert. “Es gibt einen grundlegenden Unterschied zwischen Entwicklern, die einfach nur grundlegende Prompts schreiben, und denjenigen, die robuste Enterprise-LLM-Systeme entwerfen können, die durch gründliches Testing, Evaluierungen und Monitoring-Funktionen abgesichert sind”, hält Tupe fest. 7. Strategisch denken Developer, die sich in ihrem (künftigen) Job in erster Linie KI-Projekten widmen wollen, sollten außerdem in der Lage sein, auch über die strategischen Aspekte ihrer Arbeit zu reflektieren. Auch das hängt wiederum mit dem zunehmenden Einsatz von KI in der Softwareentwicklung zusammen, wie David Radin, CEO beim KI-Plattformanbieter Confirmed, erklärt: “Weil KI immer öfter für Grundlegendes eingesetzt wird, ist es für Developer wichtiger denn je, strategisch denken zu können – also ein Problem zu betrachten, es zu analysieren und eine Lösung dafür zu erarbeiten.” KI-Inputs strategisch auszurichten, unterstütze Devs dabei, die KI in die Richtung der gewünschten Lösung zu führen, so Radin: “Liefert das System eine unzureichende Antwort, hilft strategisches Denken dabei, die Antwort zu analysieren und dann entweder die KI dazu anzuregen, sich näher an die gewünschte Richtung zu bewegen – oder ihr selbst auf die Sprünge zu helfen.” 8. Zeit managen Zeitmanagement ist ein Skill, der heutzutage in nahezu jedem Berufsfeld gefragt ist. Softwareentwickler in KI-orientierten Unternehmen bilden hierbei keine Ausnahme. Das kann Confirmed-CEO Radi nur unterstreichen: “In KI-gesteuerten Unternehmen stehen hervorragende Zeitmanagementfähigkeiten nach wie vor mit ganz oben auf der Anforderungsliste. Das hilft nicht nur dabei, Ziele zu erreichen, sondern verdeutlicht auch, wie wichtig der Faktor Mensch für eine Development-Abteilung ist.” 9. Mit Veränderung klarkommen Weil sich insbesondere der KI-Bereich im immerwährenden Umbruch befindet, sollten Developer, die einen Job mit KI-Fokus anstreben, vor allem auch anpassungsfähig sein – und bereit zu lernen. “Tools und Paradigmen ändern sich monatlich”, konstatiert Sonatype-Entscheider Johnson. Er fügt hinzu: “Die heutige Wachstumsmentalität erfordert nicht mehr nur Lernbereitschaft. Es gilt vielmehr, KI als neuen Startpunkt zu betrachten. Gute Entwickler überdenken ihren Ansatz von Grund auf und entwickeln Prozesse, Tools und Funktionen, bei denen KI im Mittelpunkt steht – und nicht nur ein Add-on ist.” Davon abgesehen, müssen Developer, die im KI-Bereich arbeiten wollen, sich auch auf Unklarheiten und schnelle Iterationen einstellen, weiß EnFi-CTO Weller: “KI-Entwicklung ist von Natur aus probabilistisch. Developer sollten deshalb in der Lage sein, nicht nur fehlerhaften Code, sondern auch falsche Annahmen zu debuggen. Wirklich gute Entwickler nehmen diese Unklarheiten an und bauen Systeme, die robust und testbar sind und sich im Zeitverlauf weiterentwickeln lassen.” (fm) Sie wollen weitere interessante Beiträge zu diversen Themen aus der IT-Welt lesen? Unsere kostenlosen Newsletter liefern Ihnen alles, was IT-Profis wissen sollten – direkt in Ihre Inbox!