0x00

Ich habe zwei Punkte, die ich gerne einwerfen würde: Einerseits wurde meiner Meinung nach bei Postgres, Go, ... zu kurz gedacht. Das sind ja auch nur Tools, die erstmal irgendwo laufen müssen. Dazu braucht es Compiler und Betriebssystem. Andererseits ist die reine Spezifikation ja auch keine Lösung. Das muss erst noch implementiert werden, ist soweit also nur reine Theorie und in der Praxis unbrauchbar.
Ich stelle mir die Frage: Wozu? Die meisten Programme (sofern nicht zu viele externe Bibliotheken eingebunden werden) werden wohl auch noch in 20 Jahren laufen. Was einmal läuft bricht ja nicht automatisch über Nacht. Docker, VMs & Co erlauben hier auch lange veraltete Software zumindest noch virtuell zu unterstützen. Der Go oder Rustcompiler oder die JVM werden nicht auf einmal magisch verschwinden. Insofern denke ich was Technologien anbelangt tut es vermutlich jede, die man initial im Kopf haben würde. Software die einfach nur in 20 Jahren unverändert laufen soll ist eingefroren in der Zeit und die externen Abhängigkeiten sehr überschaubar. Solange man diese kontrollieren kann, wird auch die Software funktionieren. Natürlich kann man die Abhängigkeiten noch weiter reduzieren, indem man die Schnittstellen, an denen man am ehesten Veränderungen vermutet austauschbar macht.
Wenn ich darüber hinaus noch mehr Sicherheiten will, dann muss man sich vermutlich stark an Open Software orientieren. Wenn du einmal den Sourcecode besitzt, wird es schwer sein, dir den wieder wegzunehmen. Insofern halte ich es schon für sinnvoll auf z.B. Linux, LLVM & Co zu setzen. Ob ich z.B. Postgres einsetze hängt in erster Linie aber auch eher davon ab, welche Daten ich verarbeite und was meine Anforderungen an die Verarbeitung sind, als dass ich maximale Unabhängigkeit will. Sind die Anforderungen nicht allzu hoch und ist Unabhängigkeit wirklich ein Ziel, dann ist so eine (einfache) Datenbank auch schnell selber geschrieben. [Mir ist durchaus bewusst, dass man analoge Argumente auch für OS und Compiler bringen kann, nur das sind noch seltenere Anwendungsfälle].
Schlussendlich bin ich aber auch hier von Hardware und OS abhängig. Was wenn mein OS nicht mehr unterstützt wird? Was, wenn es keinen Support für die Hardware gibt? Alte Hardware läuft nicht für immer und auch hier muss vorgesorgt werden. Klar wird es vermutlich Linuxtreiber für die Hardware geben - und wenn nicht, dann sind diese auch schnell selbst geschrieben. Aber diese Diskussion ist ein Fass ohne Boden. Wo hört man auf?
Das Positionspaper finde ich im Übrigen richtig gut. Es stößt mir schon länger auf, dass Informatik mit "Tools lernen" gleichgesetzt wird. Module wie "Betriebssysteme" oder "Computerarchitektur", aber auch theoretische Informatik sind auch unter Studenten eher unbeliebt. Ich denke oft, dass sich Leute "früher" vielleicht besser mit der Materie ausgekannt haben, weil weniger Abstraktion dazwischen war, weniger Resourcen verfügbar waren und die Leute so kreativer sein mussten. Und das gilt nicht nur für Informatik. Ob BASIC oder der Nano-Pi genau die richtige Abstraktionsebene für den Einstieg sind, darüber lässt sich sicherlich streiten. Dennoch bin ich ein großer Fan!

Ich kann nicht für alle sprechen, aber wenn ich den Eindruck bekomme, dass ein Beitrag auf diese Weise generiert wurde, dann lese ich ihn nicht weiter. Denn: Wenn ich eine Antwort aus einem der großen Sprachmodelle will, dann kann ich die halt auch einfach selbst fragen.
Die offensichtlichen KI-Merkmale (und Promptbestandteile) dafür zu nutzen, den Text gegenüber dem Leser als "KI-generiert" zu kennzeichnen, klingt mMn etwas abenteuerlich. Ich denke dabei eben eher: will der mich denn verarschen?
Als Fragesteller hab ich lieber eine dreizeilige Antwort von einem Menschen, als 3 Seiten mit "Quellen" aus der großen Maschine.

Also.. nur mal als Zwischenfrage: Sind hier jetzt eigentlich komplette Posts die nur mit ChattiGPT erstellt wurden erlaubt?
Finde das bringt ein Forum ein bisschen ad absurdum. @charmanta
Aber wäre vllt eher eine Diskussion für einen separaten Thread.

Der IT-Arbeitsmarkt hat weniger ein Bewerberproblem als ein Erwartungsproblem: Gesucht werden Berufseinsteiger mit Erfahrung, Spezialwissen und KI-Kompetenz — also im Grunde keine Einsteiger.

Wir haben eigentlich keinen Fachkräftemangel — wir haben aber einen Markt, der Einsteiger zu wenig entwickeln will und gleichzeitig über fehlende erfahrene Leute klagt.

1. Der angebliche Fachkräftemangel ist oft kein reines Mengenproblem, sondern ein Komfortproblem der Unternehmen.
Bewerber gibt es durchaus — aber viele Unternehmen suchen keine Nachwuchskräfte, sondern am liebsten sofort produktive Leute mit Erfahrung, Spezialwissen und möglichst moderaten Gehaltsvorstellungen. Es fehlen also oft nicht einfach „Fachinformatiker“, sondern perfekt passende Kandidaten ohne Einarbeitungsaufwand.
2. Der schwierige Berufseinstieg widerlegt den Fachkräftemangel nicht — er entlarvt seine Widersprüche.
Wenn ständig vom Mangel gesprochen wird, Einsteiger aber trotzdem reihenweise Absagen bekommen, dann zeigt das: Gesucht werden vor allem verwertbare Fachkräfte, nicht unbedingt Berufsanfänger. Viele Firmen klagen über Knappheit, investieren aber zu wenig in Ausbildung, Mentoring und systematischen Kompetenzaufbau. Wer keine Junioren entwickeln will, darf sich über Seniorenmangel nicht wundern.
3. KI löst den Mangel nicht, sondern verschiebt die Hürde nach oben.
KI ersetzt vor allem einfache Einstiegsaufgaben: Standardcode, Dokumentation, Routinetests, triviale Analysen. Genau dadurch fallen klassische Junior-Tätigkeiten teilweise weg. Das Ergebnis ist nicht „KI ersetzt alle Fachinformatiker“, sondern: Der Einstieg wird härter, weil von Anfängern heute oft schon fast Mid-Level-Leistung erwartet wird

Für Umschüler verschiebt sich der Markt von „Abschluss genügt“ zu „Abschluss plus Beweis“. Der Abschluss bleibt wertvoll, aber er trägt heute weniger allein. Besonders wichtig werden:
ein belastbares Praktikum mit echten Aufgaben,
ein Portfolio mit realen Projekten,
sichtbare Praxis mit Git, Tickets, Doku, Tests, Deployment, Support oder Admin-Aufgaben,
und zunehmend der souveräne Umgang mit KI-gestützten Workflows. get in IT beschreibt, dass Junior-Talente heute zusätzlich Automatisierung, KI-gestützte Arbeitsweisen und interdisziplinäres Arbeiten beherrschen sollen.
Gerade für Umschüler ist das entscheidend, weil sie häufiger gegen den Verdacht antreten müssen, zwar einen Abschluss zu haben, aber noch nicht hinreichend betriebsnah erprobt zu sein. Dieser Verdacht ist nicht immer fair, aber er ist im Markt real.
Umschüler haben in der Fachinformatik weiterhin Chancen, aber sie konkurrieren heute nicht nur über den Abschluss, sondern vor allem über den Praxisnachweis.

Quellen für die obigen Aussagen:
Gern — hier ist ein sauberes Literaturverzeichnis in APA 7 und Harvard-Stil auf Basis der verwendeten Quellen. Bei Webquellen ohne klar ausgewiesene Einzelautor:innen habe ich die Institution als Körperschaftsautor gesetzt. Wo kein genaues Veröffentlichungsdatum sichtbar war, habe ich mit dem Jahr der Quelle gearbeitet und bei Webartikeln einen Abruf am 10. April 2026 ergänzt. Die bibliografischen Angaben zu Titel, Institution und Verfügbarkeit habe ich anhand der Originalquellen geprüft. (Bitkom e. V.)

Bitkom. (2025). Der Arbeitsmarkt für IT-Fachkräfte: Studie 2025. Bitkom e. V.
Bundesagentur für Arbeit. (2025). Der Arbeitsmarkt für IKT-Berufe im Kontext der Transformation. Statistik/Arbeitsmarktberichterstattung. (Bundesagentur für Arbeit)
Bundesagentur für Arbeit. (2025). 2.2 Informatik. Statistik/Arbeitsmarktberichterstattung. (Statistik der Bundesagentur für Arbeit)
Anthropic. (2025). Anthropic Economic Index: AI’s impact on software development. Abgerufen am 10. April 2026. (Anthropic)
get in IT. (2026). IT-Arbeitsmarkt 2026. Abgerufen am 10. April 2026. (get in IT)
IHK Nord Westfalen. (2026). Umschulung. Abgerufen am 10. April 2026. (IHK)
Stepstone. (2025). Berufseinstieg 2025: Weniger Jobs, neue Chancen. Abgerufen am 10. April 2026. (www.stepstone.de)
Westby, S., & Sasser Modestino, A. (2025). The impact of generative AI on job opportunities for junior software developers [Working paper, submitted manuscript]. Northeastern University.
Meine Interpretation der Situation:

Umschulung ist eine Chance, aber keine Garantie mehr.
Die guten Umschüler werden direkt in Ihren Praktikumsbetrieben verbleiben und dort Erfahrung aufbauen können.
Die, welche nicht übernommen werden, haben es sichtlich schwerer, falls es keinen weiteren Nachweis von Erfahrungen und Skills im Selbststudium gibt.

Nur weil du es nicht gebraucht hast, heißt das noch lange nicht, dass es keine Leute gibt die das brauchen. Der Bachelor soll eine breite Grundausbildung darstellen, und die Themen sind durchaus für einige Felder relevant. Natürlich brauchst du nie alles, aber für jeden Teilbereich gibt es Leute, die das brauchen:
Low-Level Architekturen (Neumann, Harvard, irgendwelche Mischformen, ...) sind durchaus relevant, wenn man Low-Level Performance Tuning betreiben möchte, z.B. bei Cache-Optimierung
Die verschiedenen TCP Arten, Header, MTU-Größe und so weiter ist alles relevant, wenn man Netzwerktechnik macht
Turingmaschinen sind relevant für Theorem Prover und Formale Verifikation, was gerade in Zeiten von AI ja wieder interessanter wird
Kontextfreie (und seltener Kontextsensitive) Grammatiken sind relevant für den Compilerbau
Analysis brauchst du für Numerische Simulation
Lineare Algebra und Stochastik brauchst du für Statistisches Lernen
und und und
Mit dem Argument "brauche ich nicht" kann man auch Großteile des Schulstoffes wie z.B. Kurvendiskussion oder Stochastik abschaffen. Nur weil du das nicht braucht, heißt das noch lange nicht, dass dein Kumpel neben dir, der Ingenieur werden will, das nicht braucht.
Der Fachinformatiker hingegen behandelt wirklich nur das Allernötigste, das wirklich JEDER braucht. Wenn du dein Studium verwendest um hinterher Sysadmin oder Webdev zu werden... selber Schuld.

Nur weil du es nicht gebraucht hast, heißt das noch lange nicht, dass es keine Leute gibt die das brauchen. Der Bachelor soll eine breite Grundausbildung darstellen, und die Themen sind durchaus für einige Felder relevant. Natürlich brauchst du nie alles, aber für jeden Teilbereich gibt es Leute, die das brauchen:
Low-Level Architekturen (Neumann, Harvard, irgendwelche Mischformen, ...) sind durchaus relevant, wenn man Low-Level Performance Tuning betreiben möchte, z.B. bei Cache-Optimierung
Die verschiedenen TCP Arten, Header, MTU-Größe und so weiter ist alles relevant, wenn man Netzwerktechnik macht
Turingmaschinen sind relevant für Theorem Prover und Formale Verifikation, was gerade in Zeiten von AI ja wieder interessanter wird
Kontextfreie (und seltener Kontextsensitive) Grammatiken sind relevant für den Compilerbau
Analysis brauchst du für Numerische Simulation
Lineare Algebra und Stochastik brauchst du für Statistisches Lernen
und und und
Mit dem Argument "brauche ich nicht" kann man auch Großteile des Schulstoffes wie z.B. Kurvendiskussion oder Stochastik abschaffen. Nur weil du das nicht braucht, heißt das noch lange nicht, dass dein Kumpel neben dir, der Ingenieur werden will, das nicht braucht.
Der Fachinformatiker hingegen behandelt wirklich nur das Allernötigste, das wirklich JEDER braucht. Wenn du dein Studium verwendest um hinterher Sysadmin oder Webdev zu werden... selber Schuld.

Nur weil du es nicht gebraucht hast, heißt das noch lange nicht, dass es keine Leute gibt die das brauchen. Der Bachelor soll eine breite Grundausbildung darstellen, und die Themen sind durchaus für einige Felder relevant. Natürlich brauchst du nie alles, aber für jeden Teilbereich gibt es Leute, die das brauchen:
Low-Level Architekturen (Neumann, Harvard, irgendwelche Mischformen, ...) sind durchaus relevant, wenn man Low-Level Performance Tuning betreiben möchte, z.B. bei Cache-Optimierung
Die verschiedenen TCP Arten, Header, MTU-Größe und so weiter ist alles relevant, wenn man Netzwerktechnik macht
Turingmaschinen sind relevant für Theorem Prover und Formale Verifikation, was gerade in Zeiten von AI ja wieder interessanter wird
Kontextfreie (und seltener Kontextsensitive) Grammatiken sind relevant für den Compilerbau
Analysis brauchst du für Numerische Simulation
Lineare Algebra und Stochastik brauchst du für Statistisches Lernen
und und und
Mit dem Argument "brauche ich nicht" kann man auch Großteile des Schulstoffes wie z.B. Kurvendiskussion oder Stochastik abschaffen. Nur weil du das nicht braucht, heißt das noch lange nicht, dass dein Kumpel neben dir, der Ingenieur werden will, das nicht braucht.
Der Fachinformatiker hingegen behandelt wirklich nur das Allernötigste, das wirklich JEDER braucht. Wenn du dein Studium verwendest um hinterher Sysadmin oder Webdev zu werden... selber Schuld.

Hindsight is 20/20, aber Werkstudentenjobs macht man nicht (nur) unbedingt, weil man das Geld braucht. Sondern auch wegen der Praxiserfahrung, die einem später enorm weiterhilft.
Da du die nicht hast wäre imo der beste Schritt sich für den Master einzuschreiben (wenn du wirklich keinen Bock hast, dann erst zum nächsten Wintersemester) und sich parallel auf Werkstudentenjobs bewerben, auch HiWi an der Uni ist eine Option (und die suchen meiner Erfahrung nach immer, auch weil sie schlecht im advertisen sind). Ebenso sind Praktika eine Möglichkeit einen Fuß in die Tür zu bekommen. Natürlich kannst du dich auch weiterhin auf Vollzeitstellen bewerben und den Master dann abbrechen, wenn du eine Zusage hast. Wenn du Bürgergeld bekommen kannst, dann würde ich das auf jeden Fall auch mitnehmen. Beißt sich nur möglicherweise mit dem Master.
Alleine der Master wird dir aber auch nicht unbedingt Arbeit bringen, Praxiserfahrung ist wirklich der Schlüssel. Ansonsten hast du in zwei Jahren deinen Master und bist genauso weit wie zuvor. Und wenn du keine Stelle findest hilft natürlich auch alles was Praxiserfahrung emuliert, sprich CTFs, private Projekte, Open Source, und und und. Dein Ziel sollte sein möglichst schnell einen Fuß in die Tür zu bekommen - und sich dabei insbesondere nicht mit vollkommen abstrusen Forderungen (80k zum Einstieg, Fully Remote, ...) frühzeitig ins Aus zu katapultieren. Generell sollte man zu Beginn seiner Karriere die Stellen wählen, die die Erfahrung maximieren; Geld sollte nur eine sehr untergeordnete Rolle spielen.

Zur eigentlichen Frage: Ich denke Studium lohnt sich immer noch, ist aber kein Selbstläufer mehr. Man muss sich aktiv um Praxiserfahrung kümmern, aber wenn man die hat, dann ist man auch für die Zukunft gut gewappnet. Gute Informatiker sind immer noch sehr gesucht und auch sehr gut bezahlt - Leute mit Abschluss aber ohne Erfahrung müssen hingegegen das nehmen, was sie bekommen können und keine hohen Ansprüche stellen. Und auch die Connections würde ich nicht unterschätzen, ich habe durchs Studium schon einige wirklich krasse Leute kennengelernt, und auch mehr als einen Job dadurch bekommen.

Ich möchte nicht den Anspruch erheben, auf die hier aufgeworfenen Fragen eine abschließende Antwort zu haben. Aber dennoch fühlen sich viele Antworten hier etwas "biased" an, was den Stellenwert eines Studiums angeht. Jetzt muss man heutzutage leider einfach konstantieren, dass es viele schlechte (meiner Meinung nach überwiegend private) Hochschulen gibt, deren Absolventen eine zweifelhafte Qualität aufweisen. Aber die gleichen Personen, die hier in einem Thread argumentieren, dass durch die Akkreditierung alle Hochschulabschlüsse gleichwertig sind, stellen in einem anderen Thread fest, dass die Stellensuche mit einem Jodeldiplom einer privaten Hochschule doch nicht so einfach ist. Natürlich gibt es diese Problemfälle auch auf staatlichen Hochschulen, nur eben in anderer Quantität.
Gleichwohl kann man hier im Forum bzw. besonders auch auf Reddit viel über Auszubildende lesen, die weite Teile ihrer Berufserfahrung im First Level Support (ausschalten, einschalten) sammeln: hier würde ich die Berufserfahrung am Ende der Ausbildung auch nicht überbewerten wollen. Das, was dann von der Berufsschule kam und in AP1 und AP2 abgeprüft wurde ist mMn schon recht überschaubar in Komplexität und Tiefe. Das ist kein Vorwurf, aber es ist einfach etwas anderes als ~20 Modulprüfungen eines 180 ECTS Studiengangs.
Ich würde sagen, dass ein durchschnittlicher frischer Bachelorabsolvent mehr gelernt hat, als ein durchschnittlicher frisch-ausgebildeter Fachinformatiker. In beiden Lagern gibt es dann bessere und schlechtere, ohne Frage. Auch kann der jeweilige Fokus recht verschiedenen sein, denn "den Studiengang" und "das Studium" gibt es ohnehin nicht.
In Bewerbungsprozessen wird ggf. immer genau das grade fehlen, was gerade nicht vorhanden ist. Dem Fachinformatiker wird erzählt, dass eigentlich jemand mit einem Studium gesucht wird, und dem Studienabsolventen wird erzählt, dass mehr Berufserfahrung erwartet wird.

Ich weiß nicht, ob diese Kennzahl nicht vielleicht zu einfach ist. Knappheit entsteht aus weniger Angebot als Nachfrage, und hier wird ja alleine eine Aussage über das Angebot getroffen. Des Weiteren kann eine Wohnung ja für eine Vielzahl an Gründen leerstehen, inkl., dass es vielleicht in Zürich attraktiver ist sie zu vermieten, während in München die Leute die Wohnung lieber leerstehen haben, anstatt (subjektiv) "unter Wert" zu vermieten. Ob solche Effekte nicht nur im mikroskopischen (ein Vermieter), sondern auch im makroskopischen (Mietmarkt einer Stadt, e.g. Zürich, München) auftreten, vermag ich nicht zu sagen. Dennoch halte ich es für voreilig allein aufgrund dieser Statistik auf einen "schlimmeren" Wohnungsmarkt zu schließen. Ein Indiz vielleicht, aber ~24 mal schlimmer nur aufgrund dieser Statistik? Ich weiß nicht.

Ich weiß nicht, ob das die richtige Einstellung ist. Prestige des Abschlusses ist ja auch (indirekt) an die Schwierigkeit dessen gekoppelt. Wenn du einfach nur einen Abschluss willst, wo "Bachelor" am Ende drauf steht, dann passt die IU schon. Wenn man ein fähiger Informatiker ist, dann ist so ein Unistudium aber auch kein Hexenwerk.

witzig. Ich habe damals in der Berufsschule tatsächlich mal eine Präsentation zum relationalen Datenbankmodell gehalten. Wie es sich für einen anständigen Fachinformatiker gehört habe ich aber natürlich NICHT PowerPoint verwendet, sondern TeX (professioneller Textsatz).
Die Präsentation werde ich dir nicht geben, du sollst ja auch den Lerneffekt haben. Aber noch eine Literaturempfehlung:
Das Buch Datenbanksysteme von Alfons Kemper und Andre Eickler.
Darin solltest du alle Informationen finden um eine solche Präsetation so zu gestalten, dass du (und deine Mitschüler!) einen guten Lerneffekt hast.

Meine auch, und konterkariert ein wenig die Hoffnung und den Optimismus den jüngeren Menschen noch einen guten Weg/eine gute Zukunftsperspektive zu eröffnen.

Glücklicherweise kenne ich mittlerweile einige wertgeschätzte Senior-Entwickler, welche beginnen umzudenken.

Sorry aber wenn du als Fachinformatiker ausgebildet wurdest und ein bisschen Erfahrung gesammelt hast brauchst du keine spezialisierte Ausbildung um ein LLM wie Claude Code oder so zu bedienen.
Die Dinger sind so selbsterklärend (du kannst ihnen ja sogar deine Fragen stellen!) das jegliche Zeit dafür eigentlich komplett verschwendet ist und lieber in die Basics wandern sollte damit man Fehler in den Ergebnissen der LLM auch erkennen kann.

bei Stackoverflow ... damals ... war der Unterschied aber, dass man sich durch verschiedene Antworten kämpfen musste und die Codesnippets teilweise einfach nicht durch reines copy & paste funktioniert haben. Man musste sich also gezwungenermaßen damit außeinandersetzen.
Heute, bei LLM kopiert man den Code rüber und wenn eine Fehlermeldung fliegt, lässt man diese auch von dem LLM überprüfen, korrigieren und (wenn Agents aktiv sind) automatisiert alles zusammenbauen. Man abstrahiert die technische Ebene teilweise extrem. Das ist gerade für den beiden Themengebiete Verständnis und Security fatal.
Security im Produktivbetrieb, Verständnis für die IHK Prüfung.
Man könnte natürlich argumentieren, dass wenn LLM/KI/AI irgendwann so ausgereift wäre, dass diese keine Fehler mehr macht, man auch kein Verständnis mehr bräuchte. Aber alleine die stumpfe Tatsache, dass die Azubis nach 3 Jahren vor einem Blatt Papier sitzen und Code dort niederschreiben müssen führt der Ansatz dazu, dass diese dann auf die Nase fallen. Für die IHK Prüfung finde ich Vibe-Coding sehr problematisch, da es einfach zu sehr dazu verleitet, sich die Frustmomente zu ersparen (die aber sehr lernförderlich sein können) und das Gehirn komplett auszulagern.
Der Security Aspekt finde ich später dann noch deutlich kritischer. Ich habe von jedem aktuellen Modell (Gemini 3 Pro, Opus 4.5 usw.) Backendcode bekommen, der heftigste Sicherheitslücken aufwies. Teilweise derart offensichtlich, dass man ziemlich sicher nach einigen Tagen von jedem Skriptkiddie gehackt worden wäre, wenn der Code live geht.
Das fängt bei SQLinjection an und geht bis zu XSS.
Auch sollte sich der Azubi einer Sache im klaren sein. Wenn man die Grundlagen nicht lernt und 100% Vibe-Coding ohne Background betreibt dann kann das auch jede x-beliebig andere Person. Sich derart ersetzbar/austauschbar zu machen halte ich auch im Hinblick auf Jobsicherheit für nicht die allerbeste Strategie.

Anknüpfend an das, was @Schliepi gesagt hat: Ich bin mir immer noch nicht sicher, worüber hier eigentlich diskutiert wird. Geht es hier um Prompting (was man an einem Nachmittag erlernen kann), KI & Ethik (ein Riesenfass, was ich eigentlich nicht aufmachen möchte), das Einordnen und Evaluieren von LLM-Antworten (was automatisch mit Erfahrung kommt), oder das Entwicklen und verstehen von datengetriebenen Systemen (was auch immer das bedeuten mag)? Was ist "KI" in dem Kontext überhaupt? LLMs?
Ich weiß ehrlich gesagt nicht, wie konzeptionelles Verständnis ohne mathematische Herleitungen auf Hochschulniveau erfolgen soll. Warum ein Modell funktioniert, wo es scheitert und wann ich es einsetzen darf ist ein Riesenfass. In der Ökonomie (anderes Thema, ich weiß), gibt es eine Menge aktive Forschung, die nur untersucht, warum ich auf ein gegebenes Problem ein gewisses statistisches Modell anwenden kann.
Alleine so etwas einfaches wie lineare Regression, was ja jeder mal in der Schule gehabt hat ("Wie lege ich eine Gerade möglichst akkurat durch ein paar Messpunkte"), erfordert relativ schnell mal mindestens Grundlagen in Linearer Algebra und Statistik, wenn man über Regularisierung oder Multicollinearity reden will. Von komplexeren Modellen wie Gradient-Boosting Verfahren, SVMs, oder neuronalen Netzen in diskreter oder kontinuierlicher Zeit mal abgesehen.
Ich bekomme über zwei Ecken immer mal wieder mit, wie bei uns an der Uni an der Data Science Bachelor PO geschraubt wird, habe selber auch entsprechende Veranstaltungen tutoriert, und ich finde ehrlich gesagt 3 Jahre Studium schon relativ knapp bemessen für das Thema. Wahl des Modells und anschließendes Training ist auch keine Trivialität.
Wenn es aber nur um das Einbinden von Agents und Aufbauen von Pipelines geht - sorry, aber dafür braucht es kein Hintergrundwissen in Data Science. Da reichen absolut grundlegende Fähigkeiten im Bereich Anwendungsentwicklung und Netzwerktechnik. API-Calls sind API-Calls, ob es jetzt an eine Datenbank, einen Webserver, einen MQTT-Broker, oder einen Agent geht ist doch völlig egal.
Bei dem hier
sehe ich ehrlich gesagt nicht die Notwendigkeit, da KI als Thema mit reinzubringen. Das System funktioniert genau gleich, ob da eine KI oder ein anderer Netzwerkdienst dahintersteht. Wenn überhaupt, dann sind mMn solche Themen eher interessant, weil sie spannende Fragestellungen in verteilten Systemen mit sich bringen - und nicht weil da eine KI dahinterhängt.
Insofern bin ich nicht von der Notwendigkeit KI in die Ausbildung zu integrieren überzeugt. Ich denke den Fokus darauf zu legen, den angehenden Fachinformatikern solides Handwerkszeug beizubringen (Programmieren, Softwareentwicklung, Netzwerktechnik, Betriebssysteme, ...), bringt ihnen mehr. Alles andere ist entweder bei soliden Grundlagen schnell selber gelernt, oder erfordert so viel Zeit, dass es schlichtweg die anderen Themen komplett verdrängen würde.

Anknüpfend an das, was @Schliepi gesagt hat: Ich bin mir immer noch nicht sicher, worüber hier eigentlich diskutiert wird. Geht es hier um Prompting (was man an einem Nachmittag erlernen kann), KI & Ethik (ein Riesenfass, was ich eigentlich nicht aufmachen möchte), das Einordnen und Evaluieren von LLM-Antworten (was automatisch mit Erfahrung kommt), oder das Entwicklen und verstehen von datengetriebenen Systemen (was auch immer das bedeuten mag)? Was ist "KI" in dem Kontext überhaupt? LLMs?
Ich weiß ehrlich gesagt nicht, wie konzeptionelles Verständnis ohne mathematische Herleitungen auf Hochschulniveau erfolgen soll. Warum ein Modell funktioniert, wo es scheitert und wann ich es einsetzen darf ist ein Riesenfass. In der Ökonomie (anderes Thema, ich weiß), gibt es eine Menge aktive Forschung, die nur untersucht, warum ich auf ein gegebenes Problem ein gewisses statistisches Modell anwenden kann.
Alleine so etwas einfaches wie lineare Regression, was ja jeder mal in der Schule gehabt hat ("Wie lege ich eine Gerade möglichst akkurat durch ein paar Messpunkte"), erfordert relativ schnell mal mindestens Grundlagen in Linearer Algebra und Statistik, wenn man über Regularisierung oder Multicollinearity reden will. Von komplexeren Modellen wie Gradient-Boosting Verfahren, SVMs, oder neuronalen Netzen in diskreter oder kontinuierlicher Zeit mal abgesehen.
Ich bekomme über zwei Ecken immer mal wieder mit, wie bei uns an der Uni an der Data Science Bachelor PO geschraubt wird, habe selber auch entsprechende Veranstaltungen tutoriert, und ich finde ehrlich gesagt 3 Jahre Studium schon relativ knapp bemessen für das Thema. Wahl des Modells und anschließendes Training ist auch keine Trivialität.
Wenn es aber nur um das Einbinden von Agents und Aufbauen von Pipelines geht - sorry, aber dafür braucht es kein Hintergrundwissen in Data Science. Da reichen absolut grundlegende Fähigkeiten im Bereich Anwendungsentwicklung und Netzwerktechnik. API-Calls sind API-Calls, ob es jetzt an eine Datenbank, einen Webserver, einen MQTT-Broker, oder einen Agent geht ist doch völlig egal.
Bei dem hier
sehe ich ehrlich gesagt nicht die Notwendigkeit, da KI als Thema mit reinzubringen. Das System funktioniert genau gleich, ob da eine KI oder ein anderer Netzwerkdienst dahintersteht. Wenn überhaupt, dann sind mMn solche Themen eher interessant, weil sie spannende Fragestellungen in verteilten Systemen mit sich bringen - und nicht weil da eine KI dahinterhängt.
Insofern bin ich nicht von der Notwendigkeit KI in die Ausbildung zu integrieren überzeugt. Ich denke den Fokus darauf zu legen, den angehenden Fachinformatikern solides Handwerkszeug beizubringen (Programmieren, Softwareentwicklung, Netzwerktechnik, Betriebssysteme, ...), bringt ihnen mehr. Alles andere ist entweder bei soliden Grundlagen schnell selber gelernt, oder erfordert so viel Zeit, dass es schlichtweg die anderen Themen komplett verdrängen würde.

Eine klare Haltung, danke.
Dann mach ich mal für die Statistik einen Eintrag in der Sparte Berufserfahren
(die anderen sind AG, Azubi, Ausbilder)

KI an Hochschulen Daumen hoch
KI im Fachinformatikerunterricht eher nicht.

Vielleicht mache ich hier daraus auch nochmal eine Umfrage.

Mein Verständnis von KI-Skills
ist idealerweise eine fundierte Ausbildung -- etwa im Bereich Data Science oder Machine Learning -- sowie die Fähigkeit, sowohl mit klassischen ML-Verfahren als auch mit künstlichen neuronalen Netzen eigenständig Modelle zu entwickeln. Dazu gehört ebenso, diese Systeme für konkrete Anwendungsfälle zu optimieren, kritisch zu evaluieren und nachhaltig in bestehende Prozesse zu integrieren.
Was häufig als KI-Skills bezeichnet wird
ist die Nutzung eines vorgefertigten Systems, welches -- nicht selten von externen Anbietern -- über eine einfache Eingabemaske oder Schnittstelle bereitgestellt wird. Manche fühlen sich bereits dann als Experten, wenn sie glauben, Anfragen besonders geschickt formulieren zu können (Prompting). Eine andere Variante besteht darin, fertige Modelle herunterzuladen und einzubinden, ohne deren Funktionsweise wirklich zu verstehen. Dies in der Hoffnung, dass bei der Integration in Geschäftsprozesse und Entwicklungsprozessen schon nichts schiefgehen wird.
Nach meiner Einschätzung lässt sich dieses oberflächliche Niveau an Kompetenz innerhalb weniger Tage erreichen. Es spricht nichts dagegen, solche Werkzeuge in Ausbildung und Studium einzusetzen. Mit echter fachlicher Kompetenz oder nachhaltigem Skill-Aufbau hat das aus meiner Sicht jedoch nur begrenzt zu tun. Die Wahrscheinlichkeit ist recht hoch, dass die Person am Ende weder eigene Fähigkeiten hat, noch diese Systeme sinnvoll einsetzen kann. Die Leute, deren Mehrwert nur daraus besteht von ChatGPT und Co. zu copy&pasten, sind die ersten, für die es später keinen Platz mehr geben wird.

An einigen Hochschulen geregelt? Ja, vielleicht. Aber so geregelt, dass LLMs in Prüfungen nach freiem belieben eingesetzt werden können? Das wird kaum irgendwo der Fall sein.
Daher wäre meine Frage, an welcher Stelle genau das in die Ausbildung eingebaut werden sollte. Die Ausbildung soll doch genau dafür sein, die Grundlagen zu verstehen, auf denen unsere digitale Welt basiert. Wo genau bleibt bitte das Verständnis, wenn man das Nachdenken an eine Maschine auslagert.
Ich bin für den Einsatz von solchen Hilfswerkzeugen, auch schon deshalb, weil sie da sind und man langfristig im Wettbewerb mithalten muss. Aber niemand der Anwesenden hier wird den Standpunkt vertreten, dass man Taschenrechner schon ab der ersten Klasse in der Grundschule einführen sollte "nur weil er halt da ist" und deshalb sollte man meiner Meinung nach LLMs auch nicht für Prüfungen in der Ausbildung nutzen lassen.

Halte ich für problematisch. Warum den Leuten das Werkzeug vorschreiben? Lass die Leute doch entwickeln, wie sie es für richtig halten. Gerade im Studium (und auch in der Ausbildung) geht es doch darum, die Grundlagen zu lernen. Wer die kann, der wird ja wohl auch in der Lage sein ein paar Prompts zu schreiben und API-Calls aneinanderzuhängen um einen KI-Workflow zu bauen.
Das sind meiner Meinung nach ein paar sehr gute, aber auch ein paar sehr problematische Punkte.
Klar braucht man nach ein paar Wochen wieder einige Minuten um sich in seinen eigenen Code wieder einzulesen. Wer ihn aber gar nicht mehr versteht...
Wenn man sich eine Pull Request anschaut, dann sollte man auch alles verstehen bevor man es approved. Dafür ist es da. Wenn man es nicht versteht, dann schaut man nach wie es funktioniert oder lässt sich es vom Kollegen erklären.
Code lesen ist ohne Zweifel viel anstrengender als Code zu schreiben. Insbesondere ist es viel schwerer (wenn nicht sogar unmöglich) in einen Flow-State zu kommen. Und genau da überschätzen meiner Meinung nach viele die KI. Dadurch, dass das alles wieder reviewed werden muss, gewinnt man gar nicht so viel Zeit. Zudem viele unterschätzen, was ein fähiger Entwickler im Flow an einem halben Tag alles erreichen kann.
Bzgl User-Stories und KI-Workflows: Das kann funktionieren, wenn man nichts allzu kompliziertes baut. Läuft aber auch wieder in das Lesen-ist-schwerer-als-Schreiben Problem rein.
Wieso man KI in großem Umfang in der Ausbildung dran bringen sollte ist mir ehrlich gesagt schleierhaft. Wer die Basics kann, für den ist auch die Nutzung von KIs kein Problem. Und ohne KI lernt es sich tatsächlich besser. Und ja, ich habe tatsächlich während der Ausbildung das Programmieren zuerst mit wenig IDE Unterstützung gelernt - und das ist was wovon ich noch heute profitiere.

Halte ich für problematisch. Warum den Leuten das Werkzeug vorschreiben? Lass die Leute doch entwickeln, wie sie es für richtig halten. Gerade im Studium (und auch in der Ausbildung) geht es doch darum, die Grundlagen zu lernen. Wer die kann, der wird ja wohl auch in der Lage sein ein paar Prompts zu schreiben und API-Calls aneinanderzuhängen um einen KI-Workflow zu bauen.
Das sind meiner Meinung nach ein paar sehr gute, aber auch ein paar sehr problematische Punkte.
Klar braucht man nach ein paar Wochen wieder einige Minuten um sich in seinen eigenen Code wieder einzulesen. Wer ihn aber gar nicht mehr versteht...
Wenn man sich eine Pull Request anschaut, dann sollte man auch alles verstehen bevor man es approved. Dafür ist es da. Wenn man es nicht versteht, dann schaut man nach wie es funktioniert oder lässt sich es vom Kollegen erklären.
Code lesen ist ohne Zweifel viel anstrengender als Code zu schreiben. Insbesondere ist es viel schwerer (wenn nicht sogar unmöglich) in einen Flow-State zu kommen. Und genau da überschätzen meiner Meinung nach viele die KI. Dadurch, dass das alles wieder reviewed werden muss, gewinnt man gar nicht so viel Zeit. Zudem viele unterschätzen, was ein fähiger Entwickler im Flow an einem halben Tag alles erreichen kann.
Bzgl User-Stories und KI-Workflows: Das kann funktionieren, wenn man nichts allzu kompliziertes baut. Läuft aber auch wieder in das Lesen-ist-schwerer-als-Schreiben Problem rein.
Wieso man KI in großem Umfang in der Ausbildung dran bringen sollte ist mir ehrlich gesagt schleierhaft. Wer die Basics kann, für den ist auch die Nutzung von KIs kein Problem. Und ohne KI lernt es sich tatsächlich besser. Und ja, ich habe tatsächlich während der Ausbildung das Programmieren zuerst mit wenig IDE Unterstützung gelernt - und das ist was wovon ich noch heute profitiere.

dafür zolle ich dir erstmal großen Respekt !
das sollte es nicht. Als Diplom-Informatiker bist du in der Lage dich in alles schnell einzuarbeiten.
es macht mich regelrecht wütend wie man mit hochqualifizierten Leuten wie dir umgeht .
Ich würde mich an deiner Stelle weiter bewerben. Qualifizierte Leuten / Leuten mit Ahnung muss dein Talent und dein Können irgendwann auffallen . Die Leute, denen dein Potenzial nicht erkennen können, mit denen solltest du deine Zeit auch nicht verschwenden.

Wenn ich jemand anderen für mich Arbeiten lasse dann "performe" nicht ich sondern der Andere. In dem Fall die KI.
Wenn eine Nullpe keine Ahnung hat wie Dinge funktionieren dann wird in Prüfungen nichts gerissen. Aber wenn ich jemandem mit dem Wissen die Aufgaben rüberschiebe und dann die Antworten bekomme macht das einen immer noch nicht zum "Performer".
Früher nannte man sowas "Blender" oder sogar Betrüger.

Ich kann mal ein paar Worte zum Studium verlieren. Ich hab 2020 meinen FIAE abgeschlossen, 3 Jahre gearbeitet und bin dann Vollzeit nochmal studieren gegangen.
Finanziell ist es natürlich ein großer Cut, wenn man sparsam ist, geht das aber. Aufgrund der Berufserfahrung hab ich auch mehrmals ~25 Euro Stundenlohn als Werki raushandeln können. Das ist vom Vollzeitjob kommend kein Vermögen, aber bei 16-20h/Woche reicht das u.U. auch.
Anwesenheitspflicht ist je nach Uni und Modul unterschiedlich, bei mir aber nicht vorhanden. Da hat man viele Freiheiten, man muss den Stoff dann halt am Prüfungstag können. Bei FHs ist die Anwesenheitspflicht mehr ein Ding, aber ich hatte mich damals bewusst gegen FH entschieden, weil mir das zu nah an meinem bisherigen Wissen war. Ich würde diese Einschätzung im Nachhinein als korrekt einstufen, das kommt aber immer auf den eigenen Werdegang an. Wenn man nur den Abschluss will, dann kann ähnlicher Stoff aber auch ein Vorteil sein...