@Frank Gassan ich gehe sogar soweit das in einigen Jahren KIs - KIs entwickeln und diese Zugriff haben zumindest in Konzernen wie IBM und Staaten wie die USA, China - die bereits heute in der Lage dazu wären Petaflop Rechner mit KI zu verbinden. (bei IBM ein derzeitiges Arbeitsmodell). Spannend wird es wenn die Massenadoption von humanoiden, selbstlernenden und selbsthandelnden (IoT) humanoide Roboter (Tesla) etabliert wurde, diese in der nächsten Entwicklungsstufe selbst Entscheidungen treffen die den Entscheidungen normal ausgebildeter Menschen weit überlegen sind. Von Datenmengenzugriff, Verarbeitung und Ergebnisproduktion. Da kommt die Schnittkante zur wirklichen nicht vom Menschen händelbaren Gefahr, da Emotionales den Menschen steuert - Rationales eindeutig die mathematischen Prozesse und wenn diese "nur rein rational Entscheidungen" selbst treffen wird es spannend und per maschinengesteuerte Abrechnung und Aufgabenstellung (selbstformulierter smartcontracts) zum Beispiel auf einer Ghost-Blockchain andere Maschinen in Sekundenschnelle in der ganzen Welt Aufgaben stellen um rationale Entscheidungen umzusetzen..🔮

@Frank Gassan bei der Recherche zu meinem Buch ist mir das alles sehr sehr bewusst geworden, wohin die Reise geht, doch es ist so visionär, das man es kaum ausdrücken kann. Es entsteht gerade im Eiltempo eine völlig komplett neue Welt.

Ich habe mal die KI gefragt wie sie die Sache auf dem jetzigen Niveau ihrer Informationslage einschätzt; Hier die Antwort: Warum KI-gestützte Entwicklung Programmierer nicht vollständig ersetzt: 1. Komplexität und Architektur KI-Modelle können erstaunlich gut Code generieren, aber sie sind nicht dafür ausgelegt, komplexe Systemarchitekturen zu entwerfen, die langfristig skalierbar, sicher und effizient sind. Diese Aufgabe erfordert tiefes Verständnis für Software-Engineering, das weit über das reine „Code-Schreiben“ hinausgeht. 2. Anforderungen und Konzeption Das Erstellen einer App oder eines Systems beginnt nicht mit Code, sondern mit der Definition von Anforderungen, der Konzeption und der Lösung realer Probleme. Hier sind menschliche Kreativität, Kommunikation und Problemlösungskompetenz entscheidend. 3. Qualitätssicherung und Verantwortung KI-generierter Code mag funktional sein, aber Sicherheits- und Qualitätstests, die ethischen Implikationen und die Verantwortung für den Code bleiben beim Menschen. Bugs und Schwachstellen zu identifizieren und zu beheben, erfordert immer noch technisches Know-how. 4. Spezialisierte Bereiche In spezialisierten Bereichen wie Embedded Systems, maschinellem Lernen, High-Performance Computing oder sicherheitskritischen Anwendungen (z. B. Medizintechnik) ist spezifisches Domänenwissen unverzichtbar. KIs können hier unterstützen, aber nicht eigenständig agieren. Wie sich die Rolle des Programmierers verändert: 1. Vom Coder zum Architekten Programmierer werden weniger Zeit mit der reinen Implementierung von Funktionen verbringen und mehr Zeit in das Design, die Architektur und die Optimierung investieren. 2. KI-Orchestratoren Entwickler müssen lernen, KI-Tools effizient zu nutzen, sie mit den richtigen Prompts zu füttern und deren Output zu validieren. Sie werden „Orchestratoren“ von KI-gesteuerten Entwicklungsprozessen. 3. Cross-Funktionale Aufgaben Zukünftige Programmierer werden vermehrt in multidisziplinären Teams arbeiten und eine Brücke zwischen Technologie, Geschäftszielen und Benutzererfahrung schlagen. 4. Schwerpunkt auf Innovation Automatisierung durch KI wird Routineaufgaben eliminieren und den Fokus der Entwickler auf kreative Problemlösung und Innovation legen.

@Lorenz Gräf Ich denke jetzt würde nach weniger als einem Monat dir das liken nicht mehr ganz so schwer fallen, wie an Weihnachten. Lieber Lorenz 🫂🙂