Die 7 Level eines AI-Native-Entwicklers

Du fragst die KI im Chat und kopierst den Code von Hand zurück.

Ein starker klassischer Ingenieur, der KI gekostet hat — aber nur als Chat-Kumpel. Keine Agenten, keine Repo-Integration. Das Projekt lebt in deinem Kopf, nicht im Kontext des Agenten. Das ist die Startlinie der Reform, kein schlechter Ort.

• ▹Du kopierst Code in und aus ChatGPT / Claude web
• ▹Bis zu ~50 % des Codes berühren KI, aber als Copy-Paste
• ▹Kein MCP, keine Skills, kein Plan-before-Code
• ▹Du arbeitest allein an deiner Aufgabe — tief, aber eng

Die KI schreibt den Code; du prüfst noch jede Zeile von Hand.

Du bist zu AI-native übergegangen. Code wird im Grunde nicht mehr ohne KI geschrieben — aber im Assistenzmodus, mit manueller Prüfung jeder Änderung. Du lernst, die Aufgabe zu formulieren und die Routine zu delegieren.

• ▹~100 % des Codes laufen über KI, im Assistenzstil
• ▹Du arbeitest meist in einem Chat / einer Sitzung
• ▹Du prüfst jede Änderung manuell
• ▹Du hast dein erstes MCP angebunden

Der Agent ist dein zentraler Produktionsmechanismus — mit Plan und Verifizierung.

Agenten schreiben die Routine, nicht du. Du planst, bevor du codest, hältst das Projektgedächtnis im Repo und glaubst dem Agenten nicht aufs Wort — du baust Verifizierung. Das ist echtes AI-native-Mittelfeld.

• ▹≥50 % des Routinecodes sind agentengetrieben, nicht kopiert
• ▹2+ funktionierende MCP, dazu Skills und Plugins
• ▹Du hältst CLAUDE.md / AGENTS.md aktuell
• ▹Plan-before-Code für nicht-triviale Arbeit; du diktierst lange Prompts

Du baust das KI-System für das Projekt — nicht nur den Code.

Du dirigierst Agenten auf hoher Ebene, statt Routine zu tippen. Eine Spec wird in Tagen zu Produktion. Du baust wiederverwendbare Harnesses, lässt parallele Agenten in Worktrees laufen, fügst Evals zur CI hinzu und legst die Sicherheitsrichtlinie fest.

• ▹Du orchestrierst 5–10 parallele Agenten in Worktrees
• ▹Spec → Feature in Produktion in Tagen, nicht Wochen
• ▹Wiederverwendbare Skills / Harness + Evals in der CI
• ▹Unabhängiges KI-Review bei jedem relevanten PR; autonome Läufe von 5+ Std.

Du entwirfst den unternehmensweiten Agent-Stack und verantwortest den AI-native SDLC.

Nicht nur ein Entwickler — ein Architekt der KI-Delivery-Plattform: Modell-Routing-Policy, Kosten-Dashboards, eine Eval-Plattform, MCP-Governance und Sicherheitsgrenzen für das gesamte Unternehmen.

• ▹Unternehmensweiter Agent-Stack + Modell-Routing-Policy
• ▹Kosten- / Telemetrie-Dashboards und eine Eval-Plattform
• ▹MCP-Governance + ein interner Skill-Marketplace
• ▹Du führst autonome Multi-Ticket-Zyklen von Anfang bis Ende durch

Du baust portable KI-Methoden, die andere übernehmen, und bringst Menschen aufs nächste Level.

Die höchste Handwerksstufe: Du erschaffst übertragbare Harnesses und Skill-Packs, die andere Teams nutzen, bettest sie in andere Projekte ein und bringst andere Entwickler die Leiter hinauf. Du definierst, was AI-native hier bedeutet.

• ▹Du erstellst projektunabhängige KI-Methodologien
• ▹Deine Harnesses / Skill-Packs werden von anderen Teams genutzt
• ▹Du bettest Prozesse in andere Projekte ein und begleitest die Einführung
• ▹Du legst die Definition von AI-native im Unternehmen fest

Ein Regisseur, kein Coder — eine Person, voller Zyklus, jedes Artefakt.

Rollen verschwimmen. Mit Agenten führst du ein Feature oder Produkt allein durch den ganzen Zyklus — Marktforschung → Spec → Produktion → Promotion — und erschaffst Artefakte jeder Art: Code, Design, Decks, PoC, Marketing. Der Gipfel des Modells.

• ▹Voller Zyklus allein: Recherche → Spec → Release → Promotion
• ▹Artefakte über deine Rolle hinaus: Design, Decks, Marketing, PoC
• ▹≥×3 Produktivität durch Abdeckung angrenzender Funktionen
• ▹Du arbeitest auf der Ebene 'Aufgabe setzen & abnehmen', nicht manuelle Ausführung