Die Stellenanzeigen für Softwareentwicklung in den USA sind auf Indeed zwischen Ende Februar 2025 und Mitte 2026 um fast 15 % gestiegen. Das zeigt Indeed Hiring Lab, dessen saisonbereinigter Index am 24. Februar 2025 beginnt, dem Tag, an dem Claude Code auf den Markt kam. Im selben Zeitraum gingen die Stellenanzeigen insgesamt um 7 % zurück. Liest man dieses Zahlenpaar flüchtig, klingt die Geschichte nach Entwarnung: Die KI hat den Entwickler am Ende doch nicht abgeschafft.
Liest man es langsam, bekommt das Bild Risse. Die Stellenanzeigen für Software liegen noch immer etwa 27,5 % unter ihrem Niveau vom Februar 2020, also vor der Pandemie. Hinzu kommt: 71 % des Zuwachses von Mai 2025 bis Mai 2026 entfielen auf Senior-Rollen. Und der Aufschwung ist nicht flächendeckend: In Indeeds Vergleich großer entwickelter Volkswirtschaften stieg der Anteil der Softwareentwicklung an den Stellenanzeigen in den meisten Ländern, nicht aber in Deutschland oder Frankreich. Der Job, der zurückkommt, ist nicht derselbe Job, der verschwunden ist.
Indeeds Analyse zur Seniorität sagt es deutlich: Im ersten Quartal 2026 machten Senior-Rollen 69,3 % der Stellenanzeigen für Softwareentwicklung auf Indeed aus, Einstiegsrollen nur 4,5 %. Zugleich berichtet der „2026 AI Index“ von Stanford, dass die Beschäftigung von Softwareentwicklern zwischen 22 und 25 Jahren gegenüber 2024 um fast 20 % gesunken ist. Diese beiden Datenpunkte widersprechen sich nicht. Sie beschreiben dieselbe strukturelle Verschiebung, nur von entgegengesetzten Enden aus.
Sneha Puri vom Ökonomieteam des Indeed Hiring Lab sagte gegenüber CNBC, dass Unternehmen selbst dort, wo KI einen Teil der Programmieraufgaben übernimmt, weiterhin Entwickler brauchen, die diese Arbeit beaufsichtigen, Produkte verfeinern und Kunden helfen, die Technologie in ihr Tagesgeschäft zu integrieren. Als Beispiel nannte sie den wachsenden Bedarf an Menschen, die Unternehmen bei der Anwendung von KI-Tools helfen, nicht nur bei ihrem Bau. Eric Kutcher, North America Chair bei McKinsey, argumentierte in einem CNBC-Interview ähnlich: Da Unternehmen mehr Code produzieren als je zuvor, bleiben Entwickler, die mit KI arbeiten, sehr gefragt.
Beide Beobachtungen weisen in dieselbe Richtung, und Indeeds eigene Deutung seiner Daten tut es ebenso: Die Nachfrage wächst nach „erfahrenen Fachkräften, die mit KI arbeiten können“. Die Rolle, die wächst, verlangt jemanden, der eine Architekturentscheidung verantworten, einen Fehlerpfad nachverfolgen und einem nichttechnischen Stakeholder einen Zielkonflikt erklären kann. Das ist ein Senior-Profil. Und 37 % des Zuwachses von Mai 2025 bis Mai 2026 entfielen auf Stellen, die KI in ihrem Titel nennen, eine Gruppe, die sich laut Indeed mit den Senior-Rollen überschneidet.
Im „2025 Developer Survey“ von Stack Overflow gaben 84 % der Befragten an, KI-Tools in ihrem Entwicklungsprozess zu nutzen oder dies zu planen. Das Problem ist nicht die Verbreitung. Es ist das Vertrauen. Mehr Befragte misstrauten der Genauigkeit von KI-Tools (46 %), als ihr vertrauten (33 %), und nur 3 % gaben an, den Ergebnissen in hohem Maße zu vertrauen. Die größte einzelne Frustration, von 66 % genannt, waren KI-Lösungen, die „fast richtig sind, aber eben nicht ganz“.
Diese letzte Zahl verdient einen eigenen Absatz.
Zwei Drittel der Entwickler sagen, dass sie auf fast richtige KI-Ergebnisse stoßen, und 45 % sagen, dass das Debugging von KI-generiertem Code mehr Zeit kostet. Wenn Ihr Unternehmen ein KI-Coding-Tool als Produktivitätsmultiplikator behandelt, sollten Ihre Delivery-Kennzahlen das widerspiegeln. Tun sie es nicht, liegt die Erklärung vermutlich in Ihrem QA-Backlog, in Ihren Code-Review-Warteschlangen oder in Ihren Incident-Logs. Das Tool erzeugt Ergebnisse. Jemand muss sie trotzdem prüfen, debuggen und dafür geradestehen, wenn sie ausgeliefert werden.
Für Integrationsarchitekten und IT-Verantwortliche in regulierten Umgebungen (besonders in Deutschland und Österreich, wo die Transparenzpflichten nach Artikel 50 des EU AI Act seit dem 2. August 2026 gelten) ist das nicht allein eine Personalfrage. Es ist eine Frage von Prüfung und Verantwortung. Wer prüft KI-generierten Code, bevor er eine produktive API berührt? Was ist der Fallback, wenn ein vom Modell vorgeschlagener Integrationspfad eine Transaktion falsch routet? Wenn ein Modell routen kann, kann es auch falsch routen. Und wenn Ihr SDLC das nicht berücksichtigt, hat Ihre Compliance eine Lücke, die Sie noch nicht dokumentiert haben.
Das US-amerikanische Bureau of Labor Statistics (BLS) prognostiziert, dass die Beschäftigung von Softwareentwicklern von 2025 bis 2035 um 10 % wächst, von etwa 1,72 Millionen auf 1,89 Millionen Stellen. Das sind rund 174.700 neue Stellen in einem Jahrzehnt. Positiv, ohne Frage. Doch die langfristige Projektion sagt nichts darüber, welche Art von Entwickler diese Stellen besetzt.
Steve Rattners Diagramm der BLS-Schätzungen zur Beschäftigung nach Berufen zeigt das Bild auf kürzere Sicht: Von Mai 2023 bis Mai 2025 wuchs die Beschäftigung von Softwareentwicklern um 2 %, so stark wie über alle Berufe hinweg (ebenfalls 2 %) und langsamer als bei Bauarbeitern (8 %) und Elektrikern (6 %), zwei Berufen, die sein Diagramm mit dem Ausbau der Rechenzentren in Verbindung bringt. Der Beruf schrumpft nicht. Er setzt sich neu zusammen. Der Junior-Generalist, der CRUD-Endpunkte schreibt, steht unter Druck. Der Senior Engineer, der KI-Ergebnisse beaufsichtigen, Fallback-Logik entwerfen, Multi-Vendor-Orchestrierung über gewachsene Brownfield-Landschaften hinweg steuern und eine Architekturentscheidung im Lenkungsausschuss verteidigen kann: Das ist das Profil, nach dem der Aufschwung bei den Stellenanzeigen verlangt.
Wenn Ihr Einstellungsmix noch von einer Pyramide ausgeht (viele Juniors, weniger Seniors), sagt Ihnen der Markt, dass Sie ihn überdenken sollten. Die Daten der Stellenanzeigen, die Verschiebung zu Senior-Rollen und das Vertrauensdefizit bei KI-Tools laufen auf dieselbe betriebliche Realität hinaus: Die knappe Ressource ist Urteilsvermögen, nicht das Output-Volumen.
Die Basis der Pyramide zählt trotzdem. Ein Rückgang der Beschäftigung von Softwareentwicklern zwischen 22 und 25 Jahren um fast 20 % bedeutet, dass weniger Menschen die Praxis im Produktivbetrieb sammeln, die aus Juniors die Senior Engineers macht, die Sie brauchen werden. Dasselbe sagte Puri gegenüber CNBC: Arbeitgeber, die keine Nachwuchspipeline aufbauen, werden in zehn Jahren nicht die Senior-Fachkräfte haben, die sie brauchen. Interne Mobilität, Mentoring und strukturierte Weiterqualifizierung sind kein Nice-to-have; mit ihnen verhindern Sie, dass Ihnen der Nachwuchs wegbricht.
Das Urteilsvermögen muss auch in der Delivery-Pipeline ankommen. Wenn zwei Drittel der Entwickler auf fast richtige KI-Ergebnisse stoßen, braucht Ihre Delivery-Pipeline explizite Verifikationsschritte, nicht nur schnellere Merge-Zyklen, und Audit Trails, die erklären, welcher Entscheidungspfad den Code hervorgebracht hat.
Diese Verifikationsschritte und Audit Trails liegen dort, wo KI auf produktive Systeme trifft, in einem Feld, das KONDEVS mit zwei Leistungen abdeckt: KI-Strategie, MLOps und den Modell-Lebenszyklus mit Data Science & KI-Beratung sowie APIs, ereignisgesteuerte Architektur, Monitoring und Betrieb mit Enterprise Integration & BPM.
Drei Zahlen ergeben einen Maßstab für Ihr eigenes Team: Senior-Rollen mit 69,3 % und Einstiegsrollen mit 4,5 % der Stellenanzeigen für Softwareentwicklung auf Indeed im ersten Quartal 2026, dazu 45 % der Befragten der Stack-Overflow-Umfrage 2025, für die das Debugging von KI-generiertem Code mehr Zeit kostet. Vier Schritte machen daraus Prüfungen:
- Legen Sie den Einstellungsplan neben die Daten der Stellenanzeigen. Listen Sie Ihre offenen und geplanten Entwicklerstellen nach Erfahrungsstufe auf und stellen Sie die Verteilung neben die von Indeed: nicht, um den Markt zu kopieren, sondern um zu sehen, woher Ihre nächsten Senior Engineers kommen sollen.
- Benennen Sie, wer KI-generierten Code prüft und wer ihn verantwortet. Halten Sie für jedes System, das KI-gestützte Änderungen aufnimmt, schriftlich fest, wer sie prüft, bevor sie eine produktive API berühren, und wer über den Fallback entscheidet, wenn ein Integrationspfad falsch routet.
- Messen Sie den Zeitaufwand für Nacharbeit, und messen Sie ihn erneut. Markieren Sie die Tickets und Pull Requests, bei denen KI-generierter Code korrigiert werden musste, erfassen Sie die Stunden über zwei Sprints als Ausgangswert und messen Sie nach jeder Änderung an den Tools oder den Review-Regeln erneut. Bewerten Sie jede Änderung danach, wie viele Stunden in Korrekturen fließen.
- Stellen Sie Einsteigern Senior-Reviewer zur Seite. Das gemeinsame Prüfen von KI-Ergebnissen gibt Juniors die Praxis im Produktivbetrieb, die immer weniger von ihnen bekommen.
