Der nächste 10X Engineer
Die besten Engineers schreiben heute weniger Code. Dieses Whitepaper zeigt, woran Sie sie erkennen. Auf vierzehn Seiten geht es darum, was der Beruf heute ausmacht, was AI-native bedeutet, warum der alte Einstellungsprozess nicht mehr funktioniert und wie beide Scorecards im Ganzen aussehen.
Letzte Woche habe ich einen Entwickler mit 13 Jahren Erfahrung interviewt. Sein Lebenslauf sah gut aus, und die erste Aufgabe verlief vielversprechend. Dann habe ich ihm erlaubt, Coding-Agents zu verwenden.
Von diesem Moment an hörte er auf zu lesen. Jede Änderung wurde akzeptiert, jeder Prompt mit einem „Weiter so“ bestätigt, und er schloss Tickets, ohne sie zu prüfen. Die meisten Unternehmen hätten ihn eingestellt. Wir auch, vor zwei Jahren.
Drei Engineers am selben Backlog
Solange es diese Branche gibt, war der 10X Engineer derjenige, der die meisten Tickets schloss und die meisten Codezeilen auslieferte. Setzen Sie heute drei Engineers auf dasselbe Backlog und beobachten sie einen Vormittag lang, hält diese Definition nicht mehr.
Nutzt keine KI
Ein guter Engineer, der alles liest und den gesamten Code von Hand schreibt.
Ein Agent, ein Fenster
Arbeitet in einer Schleife: prompten, warten, das Ergebnis lesen, erneut prompten.
Vier Worktrees, in jedem ein Agent
Ein Agent arbeitet an einem Feature, einer an einem Bug, einer prüft einen PR und einer schreibt End-to-End-Tests. Der Engineer wechselt zwischen ihnen und kontrolliert, was jeder geliefert hat.
Bis zum Mittag hat der Dritte erledigt, wozu der Erste bis Donnerstag braucht. KI hat auch manche Engineers schlechter gemacht: Der Zweite liefert mehr als noch vor zwei Jahren und versteht manchmal weniger davon.
Codezeilen sind heute günstig
Tickets werden zu einem Plan, der Plan wird in Teile aufgeteilt, die klein genug sind, damit jeder Pull Request in einer Sitzung lesbar ist, und die Teile werden parallel an Agents übergeben. Ein Agent baut, was auch immer man ihm gibt, sodass eine Lücke im Input innerhalb einer Stunde im Output sichtbar wird.
Unklare Anforderung?
Der Agent erzeugt trotzdem etwas, selbstsicher und plausibel, aber auf einer Vermutung aufgebaut.
Fehlender Kontext?
Der Agent trifft Annahmen über Ihr System, und die sind meistens falsch.
Schwache Tests?
Generierter Code besteht sie und bricht leise das Verhalten, das sie nie abgedeckt haben.
Eine Definition und was es nicht ist
Die Grundlagen stehen in diesem Satz aus gutem Grund zuerst. Wer nicht ohne den Agent über das System nachdenken kann, merkt nicht, wenn der Agent falsch liegt.
Ein AI-native Engineer ist ein Full-Stack-Entwickler mit soliden Grundkenntnissen in Codequalität, Systemdesign und Sicherheit, der Coding-Agenten anleitet, Output zu erzeugen, und diesen Output vor der Auslieferung validiert.
Es ist kein KI-Engineer
Ein KI-Engineer entwickelt KI: Modelle, Pipelines, Retrieval, Evaluation und die Infrastruktur rund um ein Sprachmodell. Das ist eine Spezialistenkompetenz und eine andere Rolle.
Diese vermitteln wir ebenfallsEs ist kein Prompter
Ein Prompter nutzt einen Agenten wie ein Suchfeld. Ein Fenster, eine Anfrage nach der anderen, akzeptieren und weiter zum nächsten Prompt.
Warum wir den alten Einstellungsprozess ersetzt haben
Jedes Take-home sieht gleich aus, weil jedes Take-home von einem Modell geschrieben wird. Tests im LeetCode-Stil messen, wie gut jemand Muster unter Zeitdruck abruft. Beide Formate zeigen weder die Grundlagen noch den Umgang mit Agents. Deshalb haben wir sie durch zwei Assessments von je sechzig Minuten in einer echten Codebase ersetzt: eines ohne KI-Tools und eines mit den eigenen Agents des Kandidaten.
Assessment 1 · KI-Tools aus
Die Grundlagenprüfung
Der Engineer bekommt eine Codebasis, die er noch nicht kennt, eine Handvoll Tickets, darunter einen Produktionsfehler, und 60 Minuten Zeit. Die Sitzung läuft wie ein normaler Arbeitsblock, ohne KI-Tools.
- Kommunikation
- Englischniveau
- Priorisierung
- Debugging
- Kontextwechsel-Hygiene
- Technisches Verständnis
Assessment 2 · KI-Tools an
Die AI-native-Prüfung
Der Engineer erhält neue Tickets in einer ähnlichen Codebase und dazu die KI-Coding-Tools, die er sonst auch nutzt. Das Assessment zeigt, was er tut, wenn ein Agent den Großteil der Arbeit erledigt: ob er zuerst plant, ob er liest, was zurückkommt, und ob er eine Änderung erklären kann, die er nicht selbst getippt hat.
- Überprüfung von KI-Ausgaben
- Tool-Orchestrierung
- Spezifikationsgetriebene Entwicklung
- Prompt- und Kontext-Engineering
- KI-gestützte Fehleranalyse
- Kontextwechsel-Hygiene
Und drei, die sich nicht auf eine Karte passen
Urteilsvermögen nach Risiko
Eine Textänderung, ein risikoarmes Refactoring und eine Zahlungsmigration sollten nicht dieselbe Prüfung erhalten. Gute Engineers beschleunigen beim ersten und bremsen deutlich beim dritten. Agents erledigen alle drei mit derselben Geschwindigkeit und demselben Selbstvertrauen.
Verantwortungsbewusstsein
Wenn Sie es mergen, gehört es Ihnen. Tests, Observability, Rollout und das Debugging nach dem Release sind Teil der Arbeit, unabhängig davon, ob ein Mensch oder ein Agent den Code geschrieben hat.
Leverage
Die besten Engineers schließen das Ticket ab und hinterlassen das Repo so, dass der nächste Agent besser darin arbeiten kann: ein wiederverwendbarer Befehl, eine präzisere CLAUDE.md, ein Test, der die ganze Fehlerklasse abfängt.
Ändern Sie Ihren eigenen Einstellungsprozess oder nutzen Sie unseren
Wenn Sie noch immer nach Take-Home-Aufgaben und Coding-Tests filtern, kommt der Entwickler aus der Einleitung durch Ihre Interviews. Die beiden Scorecards sind ein sinnvoller Ausgangspunkt.
Jeder Engineer, der bei Ihnen startet, hat beide Assessments durchlaufen, und beide Scorecards sind ausgefüllt. Sie senden uns ein Briefing, wir schicken Ihnen in fünf Werktagen eine Shortlist, und der first commit folgt in der Regel etwa drei Wochen danach.
Kurze Antworten
Unser anderes Whitepaper richtet sich an Produktverantwortliche, die ein KI-Mandat in eine Arbeitsweise überführen wollen.
Von KI-Mandat zu KI-StrategieIst ein AI-native Engineer dasselbe wie ein KI-Entwickler?
Nein. Ein AI-native Engineer entwickelt Produkte mithilfe von KI-Tools. Ein KI-Entwickler erstellt und betreibt die Modelle: Fine-Tuning, Evaluation, Retrieval, Serving.
Ist ein 10X-Entwickler jemand, der zehnmal mehr Code schreibt?
Nicht mehr, denn Codezeilen sind billig. Der Engineer, der ein Team vervielfacht, macht heute aus einem vagen Ticket eine ausgelieferte Änderung, für die er einstehen kann, und setzt Agents ein, um den Teil zu beschleunigen, der früher aus Tippen bestand.
Was ist der Unterschied zwischen einem AI-native Engineer und einem Prompter?
Wer nur promptet, nutzt einen Agenten wie eine Suchmaschine: ein Fenster, eine Anfrage nach der anderen, jede Antwort wird akzeptiert. Ein AI-native Engineer plant die Arbeit, führt Agents parallel aus und prüft jede Änderung, bevor sie ausgeliefert wird.
Was kostet ein AI-native Engineer?
Ein Vollzeit-Engineer kostet €5.600 bis €8.000 im Monat. Anstellung und Compliance sind inklusive, eine Personalvermittlungsgebühr fällt nicht an. Der Preisrechner vergleicht das mit einer Einstellung in Deutschland.
Engineers, geprüft auf die heutige Arbeitsweise
Jeder Engineer, der bei Ihnen startet, hat beide Assessments durchlaufen, und beide Scorecards sind ausgefüllt. Sie senden uns ein Briefing und erhalten in fünf Werktagen eine Shortlist.
ISO 27001Zertifiziert