Softwareentwickler/in · Schreibt, testet und wartet den Code, der das moderne Leben antreibt — und beobachtet als einer der ersten Berufe, wie KI seine eigene tägliche Arbeit automatisiert.
Dunklere Zellen bedeuten einen hoeheren Wert auf dieser Kennzahl.
WenigerMehr
Zuletzt geprueft Quellen und CreditsMediennachweisMethodik
Die meisten Tage teilen sich auf in neuen Code schreiben, fremden Code im Review lesen, Fehler beheben und mit Kollegen besprechen, was als Nächstes gebaut wird. Besprechungen, Planung und Mentoring nehmen mehr Zeit ein, als Neulinge erwarten. Eine erfahrene Entwicklerin schreibt oft persönlich weniger Code als eine junge, verbringt aber mehr Zeit mit Designentscheidungen, Reviews und dem Freiräumen von Blockaden für andere.
Nein, aber es bleibt der häufigste und reibungsloseste Weg. Ein vierjähriges Studium vermittelt Algorithmen, Datenstrukturen und Systemkonzepte, die im Selbststudium teuer zu erlernen sind. Bootcamp-Absolventen und Autodidakten werden durchaus eingestellt, besonders von kleineren Unternehmen, brauchen aber meist ein starkes Portfolio oder Open-Source-Arbeit als Ersatz für den Abschluss.
Teile davon sind es bereits. In moderne Code-Editoren eingebaute Werkzeuge schreiben inzwischen einen großen Teil des Routinecodes — Standardstrukturen, erste Testentwürfe, Übersetzungen zwischen Sprachen — für Entwickler, die sie regelmäßig nutzen. Viel schwerer zu automatisieren ist die Entscheidung, was gebaut werden soll, warum, und wie ein System geformt sein muss, damit es echten Nutzern und Fehlern standhält.
Das schwankt enorm je nach Land und Unternehmen. In den USA liegt der Median bei rund 133.000 Dollar im Jahr; in Deutschland bei etwa 69.000 Euro; in Indien, wo die Branche die meisten Menschen beschäftigt, liegt ein landesweiter Durchschnitt eher bei 900.000 Rupien. Senior- und Staff-Entwickler bei großen Technologiekonzernen können ein Mehrfaches des nationalen Medians verdienen, sobald Aktienvergütung eingerechnet wird.
In der Praxis wenig — die Titel überschneiden sich, und Unternehmen verwenden sie uneinheitlich. 'Programmierer' ist der älteste Begriff und betont das Schreiben von Code; 'Developer' ist in Web- und Produktfirmen üblich; 'Softwareentwickler/Software Engineer' greift die Idee auf, disziplinierten Prozess, Tests und Design aus älteren Ingenieurdisziplinen auf den Softwarebau zu übertragen. Stellenanzeigen unterscheiden selten konsequent.
Bei den meisten etablierten Technologieunternehmen ja: Ein Live- oder Take-Home-Technikinterview, oft mit Algorithmusaufgaben auf einem geteilten Dokument oder Whiteboard, bleibt der Standardfilter, ergänzt durch eine Systemdesign-Runde für erfahrenere Stellen. Kleinere Unternehmen und Startups ersetzen das eher durch ein bezahltes Probeprojekt, eine Portfolio-Prüfung oder ein Gespräch über frühere Arbeiten.
Das Bild eines acht Stunden ununterbrochen tippenden Entwicklers ist größtenteils falsch. Fremden Code zu lesen, über einen Fehler ohne offensichtliche Ursache nachzudenken und einen technischen Kompromiss Nicht-Ingenieuren zu erklären, nehmen ebenso viel Raum ein wie das Schreiben neuen Codes — oft mehr, für jeden über die ersten Jahre hinaus.
Das im Beruf weitergegebene Handwerk dreht sich weniger darum, welche Sprache man lernen sollte, als um Denkgewohnheiten: wie man systematisch nach einem Fehler sucht statt zu raten, wann man funktionierenden Code in Ruhe lässt, und wann das Löschen von Code die wertvollste Sache der ganzen Woche war.
Eine vage, große Anfrage in kleine, unabhängig baubare und testbare Teile zerlegen — die Fähigkeit, die produktive Entwickler am meisten von jenen unterscheidet, die bei großen Aufgaben ins Stocken geraten.
Systematisch eingrenzen, wo und warum ein System sich falsch verhält, statt zu raten und Dinge zu ändern, bis es zufällig funktioniert.
Entscheiden, wie Dienste, Daten und Teams aufgeteilt werden sollten, damit sich das Ganze jahrelang sicher weiterentwickeln kann, nicht nur am ersten Tag funktioniert.
Einem Nicht-Ingenieur einen technischen Kompromiss erklären, eine Änderung für Reviewer klar aufschreiben und den Umfang aushandeln — professioneller Code wird weit mehr gelesen und diskutiert als geschrieben.
Prüfungen schreiben, die eine defekte Änderung abfangen, bevor ein Nutzer es tut, und eine Codebasis so lesbar halten, dass die nächste Person — oft dieselbe Entwicklerin, Monate später — sie gefahrlos ändern kann.
Sprachen, Frameworks und jetzt KI-Werkzeuge wechseln alle paar Jahre; Entwickler, die nach ihrem ersten Job bewusst aufhören zu lernen, stagnieren schnell.
Nachrichten und nächtliche Alarme aufarbeiten, dann ein kurzes Standup-Meeting, in dem das Team sagt, woran es arbeitet und was es blockiert.
Der am besten geschützte Block des Tages, idealerweise mit ausgeschalteten Benachrichtigungen, für die Umsetzung einer Funktion oder Korrektur, die anhaltende Konzentration braucht.
Eine echte Pause; viele Entwickler berichten, dass dies das Erste ist, was in einer Krunchphase wegfällt, und das Erste, dessen Verlust sie bereuen.
Pull Requests von Kollegen lesen, an einem schwierigen Problem gemeinsam arbeiten, und die Design- oder Planungsmeetings, die sich eher am Nachmittag häufen.
Die Änderung des Tages fertigstellen und ausliefern, ihren Rollout sicher beobachten und Notizen für morgen oder für den nächtlichen Bereitschaftsdienst hinterlassen.
Freizeit und Schlaf — außer in einer Bereitschaftswoche, wenn ein Handyalarm um 3 Uhr nachts zu einem ungeplanten Produktionsvorfall werden kann.
Handwerkswissen, das Praktiker tatsächlich weitergeben — keine Motivationssprüche.
Wenn ein Fehler irgendwo zwischen einer funktionierenden und einer defekten Version auftauchte, die Historie binär durchsuchen statt den Diff mit bloßem Auge zu prüfen — den Mittelpunkt prüfen, dann wiederholen, bis eine Änderung übrig bleibt.
Die vollständige Fehlermeldung, der Stack-Trace und umliegende Logzeilen enthalten meist bereits die Antwort; direkt zum Quellcode zu springen und zu raten verschwendet den einen Beweis, den der Computer freiwillig gab.
Wenn eine Funktion schwer hinzuzufügen ist, ist das meist ein Zeichen, dass der Code dafür falsch geformt ist. Erst refaktorisieren, ohne Verhaltensänderung, bis die Funktion ein kleiner, offensichtlicher Diff wird — dann diesen Diff machen.
Bevor man Code, einen Konfigurationswert oder eine Prüfung löscht oder vereinfacht, die man nicht versteht, herausfinden, warum sie dort platziert wurde. Sie könnte still vor einem Fehler schützen, der genau deshalb seit Jahren nicht aufgetreten ist.
Code, der nicht mehr existiert, kann keinen Fehler haben, den nächsten Leser nicht verwirren und muss nicht aktualisiert werden. Das Entfernen toter Pfade und ungenutzter Funktionen sollte genauso gefeiert werden wie das Ausliefern einer Funktion.
Das Problem laut, Zeile für Zeile, einem Kollegen oder sogar einem unbelebten Gegenstand erklären, bevor man um Hilfe bittet. Der Akt der präzisen Formulierung bringt den Fehler oft ans Licht, bevor jemand antwortet.
Visual Studio Code und JetBrains' IDEs dominieren; beide bauen inzwischen KI-gestützte Autovervollständigung und Chat direkt in den Editor ein.
Das Versionskontrollsystem, auf das sich fast die ganze Branche einigte, nachdem Torvalds es 2005 schrieb; fast nichts wird ohne es ausgeliefert.
Jira, Linear oder GitHub Issues verwandeln einen Rückstand an Fehlern und Funktionen in etwas, um das ein Team eine Woche oder ein Quartal planen kann.
Automatisierte Systeme, die Code bei jeder Änderung bauen, testen und ausliefern, und ein Release von einem nervösen manuellen Ereignis in ein Routineereignis verwandeln.
Werkzeuge wie GitHub Copilot schreiben inzwischen einen großen Teil der Zeilen, die ein Entwickler übernimmt, und verschieben die tägliche Arbeit hin zum Überprüfen und Steuern statt zum Tippen.
Eine trendige Sprache, ein Framework oder eine Architektur wählen, weil es sich im Lebenslauf gut macht, statt weil es zum Problem passt, und dem nächsten Team Komplexität zur Pflege hinterlassen.
Auf eine erinnerte Lösung mustermäßig zurückgreifen, statt zu lesen, was das Programm tatsächlich meldet, was Stunden kosten kann, die man der falschen Ursache hinterherjagt.
Ein funktionierendes System zu verwerfen, um es 'richtig' von Grund auf neu zu bauen, ist ein berüchtigt riskanter Schritt — Netscapes komplette Neufassung seines Browsers Ende der 1990er ist ein oft zitierter Fall, in dem es das Unternehmen die Marktführerschaft kostete.
Die nächsten Nachbarn im Sechs-Werte-Profil — nicht nur im selben Feld.
Findet Muster und erstellt Vorhersagemodelle aus Daten – eine Berufsbezeichnung aus dem Jahr 2008, die auf drei Jahrhunderten des Zählens, Testens und Visualisierens von Beweisen basiert.
KI-resistent 38 📦Baut die Systeme, die Machine-Learning-Modelle in der Produktion trainieren, bereitstellen, überwachen und regeln.
KI-resistent 54 🗺️Entscheidet, was ein Unternehmen als Nächstes bauen soll und warum — verwandelt Kundenbedürfnisse, Unternehmensziele und technische Grenzen in einen gemeinsamen Plan, den sonst niemand vollständig besitzt.
KI-resistent 50 🔐Schützt Systeme, Daten und Menschen, indem digitale Angriffe erkannt, verhindert und abgewehrt werden.
KI-resistent 63 🌿Leitet Strategie, Messung und Berichterstattung, mit denen Organisationen Umwelt- und Sozialschäden verringern und zugleich geschäftliche Pflichten erfüllen.
KI-resistent 66 🧾Der Hüter der Bücher: Erbe eines Handwerks, das so alt war, dass es das Schreiben selbst erfand und jetzt mit der Software verhandelt, die entwickelt wurde, um es zu automatisieren.
KI-resistent 35Entwirft und testet die Algorithmen hinter der maschinellen Intelligenz in einem Bereich, der derzeit darum kämpft, einen wachsenden Teil seines eigenen Forschungsprozesses zu automatisieren.
KI-resistent 50 🛰️Entwirft, analysiert und zertifiziert die Flugzeuge, Raketen und Raumfahrzeuge, die den Boden verlassen, und arbeitet dabei mit Sicherheitsmargen, die keinen Raum für Vermutungen lassen.
KI-resistent 74 🌉Der Beruf, der Flüsse, Felsen und Schwerkraft in Brücken, Straßen und sauberes Wasser verwandelt – seit Imhotep das stille tragende Gewerbe der Zivilisation.
KI-resistent 72 🔌Entwirft und fertigt die Transistoren in jedem Computer, Telefon und jeder Waffe — mit Maschinen, die so präzise sind, dass sie nur wenige Fabriken der Welt betreiben können.
KI-resistent 60 🦾Entwirft die Maschinen, die die physische Welt wahrnehmen, entscheiden und in ihr handeln — das schwere Problem war nie Intelligenz, sondern die Welt selbst.
KI-resistent 65 🔐Schützt Systeme, Daten und Menschen, indem digitale Angriffe erkannt, verhindert und abgewehrt werden.
KI-resistent 63 📦Baut die Systeme, die Machine-Learning-Modelle in der Produktion trainieren, bereitstellen, überwachen und regeln.
KI-resistent 54 🌬️Entwirft, baut und verbessert Wind-, Solar-, Speicher- und Netzsysteme, die erneuerbare Ressourcen in verlässlichen Strom verwandeln.
KI-resistent 72