First, LLMs will reduce complexity. And for somewhat obvious reasons: the world of open source shares a massive collection of solutions to common messy problems in programming languages and API usage, and so for the past two decades of the internet, the problem hasn’t been so much about solving those problems, but finding the solutions that someone has already written down. This was what enabled the explosive popularity of Stack Overflow and the decades of research on code search. LLM-driven code synthesis will be, and already are to an extent, better search engines for finding those solutions (albeit without giving anyone credit). This future will be a slightly better one for programmers, just like better documentation and better search has always been. It will make it easier to find the useful design patterns amidst an infinite space of wrong answers.

Im professionellen Selbstverständnis wird es zunehmend wichtiger, dass man die von ChatGPT erzeugten Inhalte kontrollieren, adaptieren und kontextualisieren kann. Das betrifft sowohl die Text- wie auch die Code-Erzeugung. In der Informatik muss man beispielsweise überprüfen, ob die generierte Codezeile die gewünschte Funktion erfüllt und ob sie in die bestehende Programmierumgebung hineinpasst. Ist dieser Vorschlag tatsächlich das, was ich brauche? Ist diese Lösung effizient? Kann man Teile davon automatisieren, indem man systematisch Tests fährt? Die Aufgabe von Programmiererinnen und Programmierern wird sich also verschieben: Die Softwareentwicklung „from scratch“ verliert an Bedeutung – umso wichtiger wird hingegen die Fähigkeit der kritischen Beurteilung von Code. Und wie gesagt: Das betrifft nicht nur die Informatik. Wir müssen alle lernen, kritischer zu lesen.

Baxter ist ein dem menschlichen Oberkörper nachempfundener Roboter mit zwei Armen und einem Bildschirm als »Kopf«. Darauf kann ein Gesicht angezeigt werden, das dorthin blickt, wo der Roboter demnächst etwas tun wird und das Traurigkeit oder Verwirrtheit ausdrückt, wenn dem Roboter etwas nicht gelingen will. Das Revolutionäre ist jedoch, dass Baxter sich programmieren lässt, indem man seine Arme greift und ihm damit vormacht, was er zu tun hat. Nach etwa einer halben Stunde Training hat er verstanden, was er zu tun hat, und kann nun beispielsweise selbstständig Objekte in Kisten verpacken oder Nägel an einer bestimmten Stelle einschlagen. Dieses programming by demonstration ermöglicht es auch Laien, den Roboter zu programmieren – teure und rare Programmierer werden damit überflüssig. Ähnlich wie der Computer ist er damit kein Werkzeug nur für einen bestimmten Zweck, sondern ein lernfähiger Universalroboter.