Der Beitrag, erschienen als Meinungsartikel in den Communications of the ACM (CACM), greift eine Debatte auf, die unter Entwicklerinnen und Entwicklern zunehmend an Bedeutung gewinnt: KI-Coding-Assistenten wie GitHub Copilot oder ChatGPT verschieben die Komplexität beim Programmieren, anstatt sie zu reduzieren. Während das Schreiben von Boilerplate-Code oder das Abrufen von API-Syntax schneller wird, entstehen neue Anforderungen: Entwickler müssen generierten Code kritisch prüfen, ohne ihn vollständig zu verstehen – ein Prozess, der als kognitiv anspruchsvoll und fehleranfällig gilt. Prompt-Engineering entwickelt sich dabei zu einer eigenen Disziplin, deren Ergebnisse schwer reproduzierbar und noch schwerer dokumentierbar sind. Hinzu kommt die sogenannte „Automation Bias": Wer sich auf KI-Output verlässt, neigt dazu, subtile Fehler in plausibel wirkendem Code zu übersehen. Der Artikel thematisiert auch, dass Entwickler mit weniger Erfahrung besonders gefährdet sind, da ihnen der Referenzrahmen fehlt, um fehlerhafte Outputs zu erkennen. Aus institutioneller Sicht – und das ist die Kernthese des CACM-Beitrags – erfordert KI-gestütztes Programmieren daher neue Methoden in Code-Review, Qualitätssicherung und Ausbildung, nicht weniger davon.