Airbnb lässt KI fast 60 Prozent Code schreiben: Was das für Entwickler und Manager heißt

Das ist mehr als eine Produktivitätsgeschichte für Entwicklerteams. Es verändert, was in technischen Rollen als Kompetenz gilt. People Matters berichtete separat über Cheskys Warnung, dass „pure people managers“ und Beschäftigte, die sich neuen Technologien nicht anpassen wollen, in der KI-Ära abgehängt werden könnten ^[1][2]. Gemeint ist: Führung, die nur koordiniert, aber den technischen Kern der Arbeit nicht mehr versteht, steht stärker unter Druck.

Airbnb setzt KI außerdem nicht nur beim Programmieren ein. In einem von The Motley Fool veröffentlichten Transkript zur Telefonkonferenz für das vierte Quartal 2025 hieß es, ein eigener KI-Support-Agent von Airbnb habe in Nordamerika ein Drittel der Supportfälle gelöst und fast 30 Prozent der Tickets bearbeitet; geplant seien eine globale Ausweitung und der Einsatz in Voice-Anwendungen ^[4]. Dasselbe Transkript beschreibt eine breitere „AI-native“ Erfahrung, die Gästen bei der Reiseplanung helfen und dem Unternehmen effizienteres Arbeiten in großem Maßstab ermöglichen soll ^[4].

Was sich für Softwareentwickler ändert

Wenn KI einen großen Teil der ersten Implementierung liefern kann, wird der Beruf des Softwareentwicklers nicht automatisch überflüssig. Er wird anders. Die Aufgabe verschiebt sich vom Schreiben jeder einzelnen Zeile hin zum Steuern, Einordnen, Prüfen und Verantworten.

Wichtiger werden vor allem diese Fähigkeiten:

• Probleme sauber formulieren. KI-Werkzeuge sind nur so nützlich wie die Zielbeschreibung, die Rahmenbedingungen und die erwarteten Ergebnisse.
• Systemkontext liefern. Generierter Code muss in bestehende Codebases, Datenmodelle, Teamgrenzen und Produktanforderungen passen.
• Ergebnisse kritisch reviewen. Engineers müssen verstehen, was der Code tut, welche Annahmen er enthält und ob er wirklich auslieferbar ist.
• Randfälle testen. Schnelle Entwürfe ersetzen keine Tests, kein Debugging und kein Nachdenken über Fehlerzustände.
• Architektur schützen. Mehr generierter Code kann auch mehr Wartungslast bedeuten. Saubere Grenzen, einfache Abhängigkeiten und langfristige Lesbarkeit werden wichtiger.
• Produktion verantworten. Am Ende bleibt ein menschliches Team verantwortlich für Verfügbarkeit, Sicherheit, Wartbarkeit und Nutzerwirkung.

Damit verändert sich auch, was „gutes Engineering“ bedeutet. Geschwindigkeit zählt weiterhin. Aber reine Code-Menge ist ein schwächeres Signal für Wert. Entscheidend wird Urteilsvermögen: Was sollte die KI bauen? Was muss verworfen werden? Was gehört refaktoriert? Und was sollte gar nicht erst entstehen?

Warum Review zur Schlüsselkompetenz wird

KI-gestütztes Coding macht erste Entwürfe billiger. Genau dadurch steigt der Wert der Menschen, die gute von fragilen Entwürfen unterscheiden können.

Ein starker Engineer ist in diesem Umfeld nicht jemand, der einfach einen Prompt schreibt und das Ergebnis übernimmt. Das stärkere Profil ähnelt eher einer Mischung aus Redakteur, Systemarchitektin und Betreiber: jemand, der aus generiertem Code verlässliche Software macht.

Dazu gehört zu prüfen, ob die Implementierung wirklich zur Produktabsicht passt, ob sie versteckte Annahmen bricht, ob sie zur Architektur passt und ob ein anderes Team sie später warten kann. Wenn Teams schneller Code produzieren, wandert der Engpass oft an eine andere Stelle: zur Entscheidung, welcher Code überhaupt in das System gehört.

Was sich für Manager ändert

Cheskys Aussagen über Manager sind fast so wichtig wie die 60-Prozent-Zahl. Airbnb erwartet laut Berichten, dass Manager nah genug an der Arbeit bleiben, um selbst zu coden oder KI-Coding-Tools zu nutzen ^[3][5]. People Matters’ Bericht über Cheskys Warnung vor „pure people managers“ zeigt in dieselbe Richtung: Führungsrollen, die nur als Koordinationsschicht funktionieren, könnten unter Druck geraten, wenn KI Arbeitsabläufe verändert ^[1][2].

Das bedeutet nicht, dass jede Engineering-Führungskraft die beste Einzelentwicklerin oder der beste Einzelentwickler im Team sein muss. Aber technische Sprachfähigkeit wird schwerer zu umgehen.

Manager in KI-intensiven Teams müssen eher in der Lage sein,

• die Stärken und Grenzen von KI-Werkzeugen realistisch einzuschätzen;
• technische Kompromisse zu bewerten, statt nur Statusberichte einzusammeln;
• schwache Annahmen in Schätzungen, Designs und generiertem Code zu erkennen;
• Qualitätsstandards für Reviews, Tests, Sicherheit und Zuverlässigkeit festzulegen;
• Teams nach ausgeliefertem Wert und Systemgesundheit zu beurteilen, nicht nach manuell getippten Zeilen.

Klassische Führungsaufgaben verschwinden dadurch nicht. Einstellung, Coaching, Priorisierung und Teamkultur bleiben wichtig. In Unternehmen, die sich in Richtung Airbnb bewegen, stehen diese Aufgaben aber neben einem praktischen Verständnis der Werkzeuge und der technischen Arbeit.

Welche Rollen am stärksten unter Druck geraten

Riskant ist nicht die Berufsbezeichnung „Softwareentwickler“ oder „Manager“. Riskant ist eine Rolle, die zu eng auf routinemäßige Ausgabe zugeschnitten ist.

Mehr Druck entsteht für Menschen, die vor allem:

• Code schreiben, ohne das umgebende System zu verstehen;
• KI-Ergebnisse übernehmen, ohne sie gründlich zu prüfen;
• Wirkung über Task-Menge statt über Produktwert definieren;
• Arbeit koordinieren, ohne die technische Substanz beurteilen zu können;
• Werkzeuge meiden, die zum normalen Arbeitsfluss des Teams werden.

Das robustere Profil ist ein technischer Operator mit Urteilskraft: jemand, der KI nutzt, um schneller zu werden, aber Qualität, Architektur und Ergebnis weiterhin selbst verantwortet.

Was Engineers und Manager jetzt tun sollten

Für Entwicklerinnen und Entwickler ist die sinnvolle Reaktion weder KI-Verweigerung noch blindes Vertrauen. Es geht darum, KI-gestützte Lieferung professionell zu beherrschen. Dazu gehören klarere Spezifikationen, besserer Kontext für Tools, sorgfältige Diff-Reviews, stärkere Testabdeckung und Investitionen in Architektur, Zuverlässigkeit, Sicherheit und Produktverständnis.

Für Manager ist der praktische Schritt, nah am Handwerk zu bleiben. Die Werkzeuge selbst ausreichend nutzen, um ihre Stärken und Grenzen zu kennen. In Design- und Review-Diskussionen präsent sein. Qualitätsmaßstäbe explizit machen. Teams für stabile Produktwirkung belohnen, nicht dafür, wie viel Code per Hand getippt wurde.

Die Einordnung: Airbnb ist ein Signal, kein Marktmaßstab

Die fast 60 Prozent bei Airbnb sind ein unternehmensspezifischer Datenpunkt, kein allgemeiner Branchenstandard ^[3][5]. Er sollte nicht so gelesen werden, als hätten alle Softwareorganisationen denselben Reifegrad bei KI erreicht.

Cheskys eigene Sicht ist ohnehin zweigeteilt: Er sagte 2024, KI werde die Welt stärker verändern, als viele glaubten, zugleich werde es länger dauern, als viele erwarteten ^[6]. Das ist ein passender Rahmen. KI kann Softwarearbeit tiefgreifend verändern, aber der Übergang wird ungleichmäßig verlaufen.

Die Quintessenz: KI ersetzt Engineers und Manager nicht einfach. Sie verändert ihre Einheit von Wertschöpfung. Engineers müssen bessere Dirigenten und Prüfer maschinell erzeugter Arbeit werden. Manager brauchen genug technische Nähe, um Teams zu führen, die täglich mit KI arbeiten. Bei Airbnb verschiebt sich der dauerhafte Vorteil weg von manueller Produktion und hin zu Urteilskraft, Verantwortung und der Fähigkeit, KI-Ausgaben in verlässliche Produkte zu verwandeln ^[1][3][5].