Dank Künstlicher Intelligenz wie ChatGPT & Co sind neue Technologien so zugänglich wie nie zuvor. Mit einem kurzem Prompt kann ich mir einen Node.js-Server schreiben lassen, ohne je zuvor eine Zeile Javascript geschrieben zu haben. Doch wie nachhaltig ist das? Und wie gehe ich vor, wenn ich mir eine neue Technologie grundlegend aneignen möchte?
Wo Programmierassistenten kontraproduktiv sein können
Möchte man eine neue Programmiersprache oder ein neues Framework lernen, empfiehlt es sich nicht, den direkt in die Entwicklungsumgebung integrierten Programmierassistenten von Anfang an intensiv zu nutzen. Die Versuchung ist schlicht zu gross, sich alles von diesem kleinen Helferlein abnehmen zu lassen: Boilerplate-Code, Architekturentscheidungen, Fehlerbehebung – alles geschieht scheinbar automatisch.
Das Ergebnis:
Man hat am Ende möglicherweise funktionierenden Code, ist aber kaum in der Lage,
- dessen Qualität zu beurteilen
- ihn sinnvoll zu erweitern
- Fehler gezielt zu analysieren
- oder grundlegende Konzepte der Technologie zu erklären.
Gerade IDE-integrierte KI-Tools sind darauf optimiert, Produktivität zu maximieren, nicht Lernprozesse zu fördern. Sie schlagen Lösungen vor, bevor man sich selbst intensiv mit dem Problem auseinandergesetzt hat. Für erfahrene Entwickler ist das ein enormer Vorteil – für Lernende kann es jedoch den Aufbau eines mentalen Modells verhindern.
Limitationen einer webbasierten KI bewusst nutzen
Anders sieht es aus, wenn ich mir Beispielcode von einer webbasierten KI wie ChatGPT oder Copilot Chat generieren lasse. Diese kennt meine Codebasis nicht – und das ist in diesem Kontext ein Vorteil. Ich will gar nicht, dass sie meinen gesamten Projektkontext kennt. Schließlich handelt es sich um einen öffentlichen Dienst, und vor allem zwingt mich diese Einschränkung zu sauberem Denken.
Um eine webbasierte KI sinnvoll zu nutzen, muss ich mein Problem:
- eingrenzen
- abstrahieren
- verständlich formulieren
Ich kann nicht einfach sagen: „Mach das für mein Projekt“, sondern muss erklären, was ich erreichen möchte und unter welchen Rahmenbedingungen. Das Resultat sind Lösungen, die allgemeiner Natur sind und sich nicht blind an meinen spezifischen Code anpassen.
Genau darin liegt der Lerneffekt:
Ich erhalte grundsätzlich anwendbare Muster, die ich anschließend selbst auf mein konkretes Problem übertragen muss. Dadurch entwickle ich ein Verständnis dafür, warum eine Lösung funktioniert – nicht nur, dass sie funktioniert.
Konkretes Vorgehen
Beim Erlernen einer neuen Technologie hat sich ein iterativer drei-Schritte-Ansatz bewährt:
- Beispielcode von einer webbasierten KI generieren lassen
- Den Code im Dialog anpassen und debuggen
- Vorschläge zur Refaktorierung einholen
Diese Schritte werden mehrfach wiederholt – mit steigender Komplexität.
1. Beispielcode generieren
Je unbekannter die Technologie, desto kleiner und allgemeiner sollte das Problem sein. Ein minimales Beispiel erhöht die Verständlichkeit und vermittelt grundlegende Konzepte, Konventionen und typische Strukturen. Der Fokus liegt nicht auf dem fertigen Produkt, sondern auf den Bausteinen.
2. Code im Dialog anpassen und debuggen
Ob man Code wirklich verstanden hat, zeigt sich beim Verändern. Kleine Anpassungen decken schnell Verständnislücken auf. Beim Debuggen sollte die KI nicht den Fehler direkt beheben, sondern Hinweise geben, wo und wie man suchen kann. So bleibt der Denkprozess beim Entwickler.
3. Vorschläge für Refaktorierung einholen
Hat man den Code erstmal so angepasst, dass er das macht, was man möchte, macht es durchaus Sinn, sich noch ein Feedback von einer KI dazu einzuholen. Hier macht die Nutzung eines Programmierassistenten, der die ganze Codebasis sieht, durchaus Sinn. Wobei es sich auch hier empfiehlt, die Umsetzung des generierten Feedbacks selbst zu übernehmen, solange es sich nicht um reine Fleissarbeit handelt.
Fazit
Künstliche Intelligenz kann den Einstieg in neue Technologien dramatisch erleichtern – oder den Lernprozess sabotieren. Der Unterschied liegt nicht im Tool, sondern in der Art der Nutzung. Wer KI bewusst als Denkpartner einsetzt, statt als Ersatz für eigenes Verständnis, kann schneller lernen als je zuvor. Wer sie jedoch ungefiltert alles erledigen lässt, wird langfristig abhängig bleiben.
Die Kunst besteht darin, Produktivität und Lernen gezielt voneinander zu trennen – und KI jeweils dort einzusetzen, wo sie den eigenen Denkprozess unterstützt, statt ihn zu ersetzen.
Hinweis: Dieser Blog-Beitrag wurde mit Unterstützung von KI erstellt
