So entwickeln Sie Ihre technischen Fähigkeiten im Zeitalter der künstlichen Intelligenz: Ein umfassender Leitfaden

KI-gestützte Programmierung wird uns erhalten bleiben. Tools wie Cursor V0 und Lovable haben die Einstiegshürde drastisch gesenkt – das Erstellen von Dashboards, Pipelines oder ganzen Anwendungen kann jetzt in einem Bruchteil der Zeit erfolgen.

Ich verwende diese Tools täglich und sie haben mich definitiv schneller gemacht. Doch mit zunehmender Komplexität der Codebasis werden die Nachteile deutlich: obskure Fehler, verworrene Logik und stundenlange Verschwendung beim Debuggen von Code, den ich nicht wirklich verstanden habe.

KI-Tools sind großartig – insbesondere für Anfänger – aber sie haben versteckte Kosten. Je mehr Sie die schwere Arbeit der KI überlassen, desto geringer ist Ihre Chance, Ihre Instinkte zu schärfen, die Sie durch die Auseinandersetzung mit der Komplexität entwickeln.
Ja, KI wird Ihren Arbeitsablauf beschleunigen, aber Sie überspringen auch die prägenden Schritte, in denen Sie technisches Wissen erwerben.

„Vibe-Coding“ – schnelles Kompilieren von Code mit minimaler Planung – eignet sich hervorragend für Demos oder Experimente. Doch um ein tieferes technisches Wachstum zu erzielen oder Systeme mit sinnvoller Komplexität aufzubauen, reicht „Vibe Coding“ nicht aus. Dieser beliebte Reddit-Beitrag bringt es perfekt auf den Punkt: Wenn man dem „Vibe Coding“ keine Grenzen setzt, schafft es mehr Probleme, als es löst. Diese Vorgehensweise kann zunächst hilfreich sein, doch ein übermäßiges Vertrauen darauf verhindert den Erwerb der umfassenden Fachkenntnisse, die für die Entwicklung robuster und nachhaltiger Softwarelösungen erforderlich sind.

Vibe-Coding, bei dem 2 Ingenieure nun die technischen Schulden von mindestens 50 Ingenieuren erstellen können

— Ich bin Entwickler (@iamdevloper) 20. März 2025

In diesem Artikel zeige ich Ihnen, wie Sie KI-gestützte Tools sinnvoller nutzen – und warum sie dazu beitragen können … Open Source Es ist die am meisten unterschätzte Möglichkeit, Ihre technischen Fähigkeiten wirklich weiterzuentwickeln. Durch die Mitarbeit an Open-Source-Projekten werden die praktischen Erfahrungen deutlich erweitert und das technische Verständnis vertieft.

 

Meine Erfahrungen mit der automatischen Kodierung mit Cursor

Wie viele Entwickler bin ich von VS Code (mit GitHub Copilot) zu Cursor gewechselt und bin derzeit beim Pro-Plan von Cursor angemeldet (20 $/Monat).

Die Funktion, auf die ich mich am meisten verlasse, ist der eingebaute KI-Chat von Cursor, der es mir ermöglicht, direkt mit eine Basis Der gesamte Code. Sein Agent kann schnell mehrere Dateien durchsuchen und sogar Bilder verarbeiten – was beim Navigieren in großen, unbekannten Repositories sehr nützlich ist. Außerdem erkennt und korrigiert es automatisch Korrekturfehler, während Sie Dateien bearbeiten.

Anfangs hat Cursor meine Produktivität erheblich gesteigert, insbesondere bei einfachen Aufgaben. Es fühlte sich kraftvoll an, fast magisch. Aber als die Dinge komplizierter wurden, bemerkte ich einige Probleme. Der Cursor erzeugte manchmal komplexen Code, vermischte ähnlich benannte Dateien in verschiedenen Verzeichnissen und hatte manchmal Schwierigkeiten, komplexen logischen Abläufen zu folgen.

Durch automatisierte Codierung können Sie in wenigen Minuten Tausende von Codezeilen erstellen. Ohne ein solides mentales Modell dessen, was Sie erstellen, laufen Sie jedoch Gefahr, aufgeblähte, überdimensionierte Systeme zu erhalten. Dies ist das, was Experten in der Softwareentwicklung als „Anti-Pattern“ kennen.

Cursor schränkt den Suchraum beim Debuggen gut ein. Unkontrollierte Änderungen führen jedoch zu mehr Fehlern als sie beheben. Erfahrene Entwickler sollten die von der KI vorgeschlagenen Änderungen stets sorgfältig prüfen.

 

Neben dem üblichen Ratschlag „Schreiben Sie bessere Eingabeaufforderungen“ habe ich eine Strategie als besonders hilfreich empfunden: Cursor anzuweisen, keine direkten Änderungen vorzunehmen. (Er ist diesbezüglich überraschend gehorsam!)

Stattdessen bitte ich ihn ausdrücklich, zunächst im Chat-Interface Änderungsvorschläge zu machen. Anschließend überprüfe ich jeden Vorschlag, identifiziere logische Änderungen und wende sie selektiv an – entweder manuell oder über Cursor. Im Gegensatz zu ChatGPT liegt die größte Stärke von Cursor in der vollständigen Kontextkenntnis der gesamten Codebasis und in der Fähigkeit, lange Dateien (über 5000 Zeilen Code) zu analysieren, indem sie in überschaubare Blöcke verarbeitet werden. Diese Funktion macht es zu einem leistungsstarken Tool zur Verbesserung der Entwicklereffizienz und zur Reduzierung potenzieller Fehler im Code.

Beitrag zu Open Source

Wie also erlangen Sie mehr technische Leistungsfähigkeit? Es gibt zwei gängige Methoden: Nebenprojekte und Open-Source-Beiträge.

Nebenprojekte eignen sich hervorragend, um neue Technologien zu erkunden oder sich in etwas zu vertiefen, das Sie leidenschaftlich interessiert oder neugierig macht. Sie fragen sich, wie KI-Agenten funktionieren, oder sind neugierig auf MCP? Allein durch die Erstellung eines einfachen Projekts an einem Wochenende lernen Sie viel mehr als durch stundenlange Tutorials oder Dokumentationen. Dank Open Source sind Tools und Ressourcen kostenlos verfügbar, sodass für alle gleiche Wettbewerbsbedingungen geschaffen werden. Durch die Mitarbeit an Open Source haben Sie die Möglichkeit, technische Fähigkeiten zu entwickeln und praktische Erfahrungen in einer kollaborativen Umgebung zu sammeln.

Doch einzelne Projekte haben auch Nachteile. Man verliert leicht die Motivation – viele meiner Nebenprojekte haben nie das Licht der Welt erblickt. Beiträge zu Open Source sind aufgrund einer unterstützenden Community und gemeinsamer Ziele oft nachhaltiger.

 

Darüber hinaus befinden Sie sich möglicherweise in einer Echokammer: Ihr Code funktioniert, aber Sie sind nicht sicher, ob er den Best Practices oder Industriestandards entspricht. Wenn Sie noch am Anfang Ihrer Karriere stehen und es Ihnen an Orientierung mangelt, woher wissen Sie dann, ob Sie überhaupt auf dem richtigen Weg sind?

Genau hier füllt Open Source die Lücke. Open-Source-Projekte sind nicht nur etwas für Programmiergenies. Es ist für jeden geeignet. Ihre bevorzugten Bibliotheken wie Pandas, Matplotlib, TensorFlow und Keras sind in hohem Maße auf die Beteiligung der Community angewiesen. Die Teilnahme an Open-Source-Communitys ist eine hervorragende Möglichkeit, Ihre Programmierkenntnisse zu entwickeln und praktische Erfahrungen im Umgang mit wichtigen Tools und Technologien zu sammeln.

 

Warum sollte man sich die Mühe machen, zu Open Source beizutragen?

Mit Open Source können Sie einen echten Einfluss erzielen, der von Tausenden von Entwicklern genutzt wird – und nicht nur experimentelle Projekte, die niemand sieht. Sie werden zum Experten für die Versionskontrolle (Hallo, GitHub!), verbessern Ihre Fähigkeiten im Navigieren durch komplexe Codebasen, eignen sich bewährte Methoden an und bauen ein Netzwerk von Leuten auf, die Ihnen im entscheidenden Moment vertrauen können. Diese Fähigkeiten sind in der Softwareentwicklung unerlässlich und erhöhen Ihre Karrierechancen.

Darüber hinaus gibt es auch berufliche Vorteile. Sie erweitern Ihr Portfolio und Ihre persönliche Marke und werden schneller, wenn Sie neuen Teams beitreten. Durch die Mitarbeit an Open-Source-Projekten zeigen Sie Ihre praktische Erfahrung und Ihre Fähigkeit zur Zusammenarbeit – zwei Qualitäten, die auf dem Arbeitsmarkt sehr gefragt sind.

Aber spenden Sie für die richtigen Zwecke. Wenn Ihre einzige Motivation darin besteht, einen Job zu bekommen, leisten Sie keinen Beitrag! Open Source ist keine Eintrittskarte für einen Job – es erfordert echtes Interesse und Engagement. Es zeigt, dass Sie eine Leidenschaft für das Entwickeln haben, und viele Startups, die mit Open-Source-Projekten beginnen, finden auf diese Weise ihre ersten Mitarbeiter. Unternehmen suchen nach leidenschaftlichen Entwicklern, die aktive Beiträge zur Open-Source-Community leisten.

Wählen Sie ein Open-Source-Projekt, das Sie interessiert.

Der Einstieg kann entmutigend erscheinen. Viele beliebte Repositories verfügen über riesige Datenbanken, möglicherweise veraltete Dokumentationen oder Hunderte unklarer Probleme. Wie treffen Sie also Ihre Wahl?

Wählen Sie zunächst ein Projekt aus. Er liegt dir wirklich am Herzen. Dies mag offensichtlich erscheinen, ist jedoch von entscheidender Bedeutung – und wird unterschätzt.

Wähle etwas Sie verwenden es bereits, Ob bei der Arbeit oder bei einem Nebenprojekt. Sich in ein unbekanntes Projekt mit unbekannter Technologie zu stürzen, ist einfach verwirrend und man verliert schnell die Motivation.

Ich persönlich bin ein großer Benutzer und Fan von PostHog – einer Produktanalyseplattform, die speziell für Entwickler entwickelt wurde – und habe daher begonnen, dort Beiträge zu leisten. Ihre Dokumentation war umfassend und gut organisiert und somit ein guter Ausgangspunkt. (Und nein, sie haben mich nicht dafür bezahlt, das zu sagen!)

 

Wie kann ich beitragen?

هناك Viele Was Sie tun können. Hier ist ein Ansatz, den ich hilfreich fand.

1. Finden Sie eine Funktion, die Sie benötigen, oder verbessern Sie etwas, das Sie verwenden.
   Wenn Sie Ihre Beiträge auf die Funktionen beschränken, die Ihnen wirklich am Herzen liegen, sorgt das für Klarheit und Motivation. Die beste Codierung gelingt durch das Lösen von Problemen, auf die Sie persönlich stoßen.
2. Richten Sie Ihre lokale Umgebung ein.
   Erstellen Sie einen Fork des Projekts, klonen Sie ihn lokal und führen Sie ihn aus. Verstehen Sie, wo sich Protokolle befinden und wie Sie Änderungen testen. Verstehen Sie die grundlegende Struktur und den Codierstil des Projekts.
3. Fangen Sie klein an und lernen Sie durch Handeln.
   Viele Repositories kennzeichnen Probleme als anfängerfreundlich (z. B. „good-first-issue“). Wählen Sie diese Probleme aus, um zu beginnen. Verstehen Sie das Problem und wiederholen Sie es; Wenn Sie nicht weiterkommen, hinterlassen Sie gerne einen Kommentar. Stellen Sie beim Öffnen einer PR-Pull-Anfrage sicher, dass Ihre Änderungen alle Audits und Tests bestehen.

Es ist wichtig zu lernen, wie man in der Codebasis navigiert. Sie müssen nicht jede Zeile lesen – das ist praktisch unmöglich. Nachdem Sie die Struktur auf hoher Ebene verstanden haben, tauchen Sie ein. Beginnen Sie im Kleinen, um sich mit dem Prozess des Erstellens, Veröffentlichens und Überprüfens von PR-Pull-Anfragen vertraut zu machen. Schreiben Sie klare Commit-Nachrichten und PR-Beschreibungen. Sehen Sie sich unsere kürzlich zusammengeführten PR-Pull-Anfragen für erfolgreiche Beispiele oder aufschlussreiche Diskussionen an.

 

Zusammenfassung

Die Mitarbeit an Open Source erfordert Geduld. Beliebte Repositorien sind riesig und das Lernen braucht Zeit. Es dauert mindestens ein paar Monate, bis Sie ein wertvoller und zuverlässiger Mitarbeiter werden. Lassen Sie sich also nicht von anfänglichen Rückschlägen entmutigen. Wenn Ihr Auszahlungsantrag abgelehnt wird oder Sie an einem komplexen Fehler hängen bleiben, ist das völlig normal und Teil des Lernprozesses.

Wenn Sie neu im Open Source-Bereich sind und chatten möchten, können Sie sich gerne an uns wenden. Obwohl ich hier nicht auf die technischen Details eingegangen bin (eine schnelle Suche bei Google oder ChatGPT kann Ihnen dorthin führen), hoffe ich, dass dies Ihnen einen allgemeinen Überblick für den Einstieg gibt. Open Source war für mich lohnend und ich hoffe, dass dies auch für Sie der Fall sein wird.