KI beseitigt Overengineering nicht. Sie beschleunigt es

Overengineering heißt, eine einfache Aufgabe auf komplizierte Weise zu lösen: eine Landingpage auf Microservices, Kubernetes für zehn Nutzer, eine Architektur für eine Million Anfragen bei überschaubarem Traffic. Sie bezahlen mit Geld und Zeit für eine Lösung, die ungleich komplexer ist als die Aufgabe selbst.

So sind die Anreize gebaut. Eine komplexe Lösung liest sich professionell, eine einfache wirkt unfertig. Niemand wurde entlassen, weil er Kubernetes genommen hat. Entlassen wurde, wer nicht an Skalierung gedacht hat. Bei dieser Asymmetrie ist Absicherung rational, und Entwickler sichern sich ab.

KI hat aus offenem Code und Artikeln gelernt, und dort dominieren die Lösungen großer Unternehmen: Sie schreiben die Blogs, veröffentlichen die Frameworks, setzen die Mode. Ihre Aufgaben sind andere: Millionen Nutzer, Hunderte Entwickler, regulatorische Anforderungen.

Auf die Anfrage «schreib eine Authentifizierung» liefert das Modell das, was ihm am häufigsten begegnet ist: eine geschichtete Struktur mit Abstraktionen, Interfaces und der Behandlung von Szenarien, die es bei Ihnen nie geben wird. Das ist eine korrekte Antwort auf die durchschnittliche Anfrage aus dem Internet. Ihr Projekt fällt nicht in diesen Durchschnitt.

Früher wurde Verkomplizierung mit Zeit bezahlt. Fünf Abstraktionsschichten zu schreiben war eine Woche Arbeit. Irgendwann am dritten Tag begann man zu zweifeln, ob sie wirklich nötig sind. Der Preis wirkte als Bremse.

Heute werden dieselben fünf Schichten in einer Minute generiert. Der Code liest sich gut, die Tests laufen durch, die Funktion arbeitet: äußerlich ist alles in Ordnung. Aber der Hauptpreis der Komplexität fällt nicht beim Schreiben an, sondern in der Wartung. In einem halben Jahr muss an diesem Code etwas geändert werden, und dann kommt die Rechnung. Das sind technische Schulden, sofort und ohne bewusste Entscheidung aufgenommen.

Die einzige natürliche Bremse des Overengineerings ist verschwunden. Es geht nicht um die Qualität der Generierung: Der Code kann hervorragend sein. Es geht darum, dass er zu billig geworden ist.

KI als Lektor einsetzen

Das verbreitete Szenario sieht anders aus: Der Entwickler lässt ein Modul von Grund auf generieren, bekommt 500 Zeilen und fügt sie ins Projekt ein. Herauszufinden, was davon überflüssig ist, wird niemand: Der Code funktioniert. So gelangt Overengineering in einer einzigen Generierung ins Projekt.

Die umgekehrte Reihenfolge führt zu einem anderen Ergebnis:

1. Zuerst schreiben Sie selbst. Dreißig Zeilen, ein einfaches JWT, eine Prüffunktion. Dafür verstehen Sie jede Zeile.
2. Dann geben Sie es der KI zum Vereinfachen. «Hier ist der Code. Entferne alles, ohne das er weiterhin funktioniert. Zeig mir, was raus kann.»
3. Sie prüfen die Vorschläge. Ein Teil geht daneben, aber in diesem Modus arbeitet das Modell besser: Überflüssiges findet es genauer, als es Notwendiges erfindet.

Beim Redigieren gibt es einen Bezugspunkt: Ihren Code und Ihr Verständnis der Aufgabe. Beim Generieren gibt es keinen Bezugspunkt, also setzt das Modell den durchschnittlichen ein.

Zwei weitere Kniffe:

• Einschränkungen im Prompt. Wenn Sie von Grund auf generieren, setzen Sie den Rahmen ausdrücklich: «Die einfachste Lösung, die funktioniert. Ohne Frameworks, ohne Abstraktionsschichten. SQLite, eine Datei.»
• Projektkontext. Der Satz «ich habe 100 Nutzer und einen Server für zehn Dollar» verändert die Antwort stärker als jede Verfeinerung der Formulierung.

Die Unternehmen, die KI-Agenten am tiefsten eingeführt haben, haben rund um die Generierung eine ganze Schicht von Einschränkungen aufgebaut.

Stripe schleust laut öffentlichen Beschreibungen mehr als tausend Pull Requests pro Woche durch KI. Aufgaben für Agenten werden eng formuliert: nicht «bau ein Feature», sondern eine streng begrenzte Änderung. Die dem Agenten verfügbaren Werkzeuge sind von Hand ausgewählt. Jedes Ergebnis durchläuft eine Prüfung. Das Unternehmen hat den Umfang der Aufgabe bewusst der Vorhersagbarkeit des Ergebnisses geopfert.

Bei Google, Shopify und Airbnb unterscheiden sich die Architekturen: Einen einheitlichen Standard gibt es in der Branche nicht, jeder baut nach seinen eigenen Risiken. Gemeinsam ist, dass Agenten in bestehende Prozesse eingebettet werden (GitHub, Slack, Linear) und mit Prüfungen umgeben sind.

Keines von ihnen übernimmt das Ergebnis einer Generierung «wie es ist». Der Wert entsteht durch den Rahmen um die Generierung.

KI verstärkt das, was im Kopf des Entwicklers ohnehin vorhanden ist. Den Hang zum Verkomplizieren setzt sie in Sekunden um, die Gewohnheit, Überflüssiges zu streichen, ebenso.

Die Entscheidung, dass dieser Code für diese Aufgabe zu komplex ist, trifft nach wie vor der Mensch. Die KI führt sie nur schneller aus.