programmier.bar – der Podcast für App- und Webentwicklung
Die programmier.bar lädt regelmäßig spannende Gäste aus der Welt der App- und Webentwicklung zum Gespräch ein. Es geht um neue Technologien, unsere liebsten Tools und unsere Erfahrungen aus dem Entwickler-Alltag mit all seinen Problemen und Lösungswegen.
Euer Input ist uns wichtig! Schreibt uns eure Themenwünsche und Feedback per Mail an podcast@programmier.bar oder auf Discord (https://discord.gg/SvkGpjxSMe), LinkedIn (@programmier.bar), Bluesky (@programmier.bar), Instagram (@programmier.bar) oder Mastodon (@podcast@programmier.bar).
Wir sind Full-Stack-Spieleentwickler bekannter Apps wie 4 Bilder 1 Wort, Quiz Planet und Word Blitz. https://www.programmier.bar/impressum
programmier.bar – der Podcast für App- und Webentwicklung
Deep Dive 215 – Informatik-Studium und KI mit Prof. Dr. Olaf Herden von der DHBW
Use Left/Right to seek, Home/End to jump to start or end. Hold shift to jump forward or backward.
Wie hat dir die Folge gefallen?
Gut 👍
Schlecht 👎
(Keine Anmeldung erforderlich)
Wie muss sich ein Informatikstudium heute verändern, damit es Studierende auf eine Zukunft mit AI vorbereitet? Genau darüber sprechen Jan und Dave mit Prof. Dr.-Ing. Olaf Herden, Studiengangsleiter für Angewandte Informatik an der Dualen Hochschule Baden-Württemberg Stuttgart, Campus Horb.
Für Olaf ist klar: Die Informatik schafft sich durch AI nicht selbst ab, aber das Studium muss sich anpassen. Klassische Prüfungsmethoden passen nicht mehr zur Geschwindigkeit, mit der sich AI-Tools entwickeln, deshalb braucht es kleinere, häufigere Zwischenschritte. Neben der Lösung tritt der Weg dahin mehr in den Vordergrund. Inhaltlich bleibt trotzdem eine Konstante: Den Überblick über ein System zu behalten und einzuschätzen, wo AI-Einsatz sinnvoll ist, bleibt Aufgabe von Menschen und genau das muss das Studium vermitteln.
Ein zweiter Punkt ist das Verhältnis von Domänenwissen und technischer Tiefe. Früher belächelte „Bindestrich-Informatiker:innen“ mit Schwerpunkt Wirtschaft oder Medizin gewinnen an Bedeutung, ohne dass technisches Verständnis für Algorithmen und Daten überflüssig wird. Zu erkennen, dass Daten in einem Datensatz sehr ungleich verteilt sind, funktioniert unabhängig von der Domäne. Auch der Blick auf den Arbeitsmarkt lohnt sich: Wer jetzt ein Studium beginnt, steht der Wirtschaft erst Mitte der 2030er-Jahre zur Verfügung, Studieninhalte von heute müssen also auf eine AI-Landschaft vorbereiten, die es noch gar nicht gibt.
Wie konkret diese Debatte wird, zeigt das Beispiel Quicksort: Im Berufsalltag bei Lotum hat den niemals jemand von Hand implementiert, trotzdem sind sich alle einig, dass ein tiefes Verständnis von Algorithmen und Datenstrukturen nicht überflüssig wird, nur weil AI den Code dafür schreibt. Die Parallele zum Web Development liegt nahe: Frameworks nehmen uns längst eine Abstraktionsebene ab, etwa bei der Reaktivität. Übernimmt AI die nächste Ebene, könnte ein zukunftsfähiges Studium Entwickler:innen gezielt auf die Rolle als Architekt:innen vorbereiten, die das große Ganze orchestrieren.
Schreibt uns!
Schickt uns eure Themenwünsche und euer Feedback: podcast@programmier.bar
Folgt uns!
Bleibt auf dem Laufenden über zukünftige Folgen und virtuelle Meetups und beteiligt euch an Community-Diskussionen.
Bluesky
Instagram
LinkedIn
Meetup
YouTube
Musik: Hanimo
Hallo und herzlich willkommen zu einem neuen Deep Dive hier in der Programmierbar für euch aus dem Studio in Bad Nauheim, hier am Start der Jan Gregor im Getriebel und mit mir im Studio der Dave, a.k.a.
SPEAKER_01David Kuschitzki. Moin, was geht?
SPEAKER_02Schön, dass du da bist, Dave. Wir haben heute ein Thema, mit dem ich quasi gar nicht so viel am Hut habe, denn wir wollen heute über das Informatikstudium sprechen. Und wie ja vielleicht längere Hörerinnen schon wissen, ich habe kein Informatikstudium in der Tasche.
SPEAKER_01Das ist schon krass. Also man muss überlegen, was das mit unserer Kredibilität macht, dass du als quasi fast Haupthost kein Informatikbackground hast.
SPEAKER_02Mein Motto ist Fake It till you make it.
SPEAKER_01Ja, aber es zeigt ja auch, wie weltoffen wir hier sind bei der Programmierbar. Das ist ja auch vielleicht eigentlich was Schönes.
SPEAKER_02Auch für Quereinsteiger geöffnet in der Programmierbar. Genau. Dave hat immerhin ein Studium hinter sich, sogar anderthalb sozusagen. Hier zwei sogar, oder?
SPEAKER_01Oder was meinst du mit anderthalb? Achso, mein Master nur Hälfte zählt? Nein, du hast.
SPEAKER_02Hast du nicht vorher was anderes?
SPEAKER_01Ach, ja, ja, ja, okay, darüber reden wir nicht. Was kommt in einem Special mal vor? Ja, ja, stimmt.
SPEAKER_02Dave hat schön, aber weil das bei uns allen auch schon so ein bisschen länger her ist, haben wir uns noch einen Gast eingeladen. Wir haben nämlich heute auch dabei, den Professor Olaf Herden. Hallo Olaf, schön, dass du da bist. Ja, hallo, vielen Dank für die Einladung. Wir wollten nämlich mit jemandem über das Informatikstudium sprechen, der tatsächlich jeden Tag damit zu tun hat und nicht wie Dave und ich das letzte Mal eine Uni von innen gesehen hat vor 15 Jahren oder so.
SPEAKER_0115? Bei mir, oh, nee, 2021 war es, glaube ich. Meine letzte Vorlesung war 2021 tatsächlich und dann für die Abschlussarbeit bin ich aber nochmal hingegangen, 2022.
SPEAKER_02Du bist halt ein bisschen jünger.
SPEAKER_01Ja, ein bisschen jünger genommen. 15 Jahre ist es aber nicht bei dir her, oder? Ja, doch, schon. Ich hätte doch fragen, wie alt du bist, sorry. Okay, tut gerade nichts zum Thema.
SPEAKER_02Olaf, wir haben dich eingeladen, weil wir uns kennengelernt haben auf der Deflin-Konferenz, wo du einen Vortrag gehalten hast. Wenn du nicht über die Kongresse dieser Welt tingelst, bist du eigentlich an der DHBW-Professor und lehrst da und bist sogar Studiengangsleiter. Hast du mir gar nicht erzählt, habe ich da auf deiner Internetseite gesehen.
SPEAKER_03Ja, das bin ich in der Tat. Seit 2002 bin ich an der DHBW am Campus Horp tätig und seit 2006, 2007 auch Studiengangsleiter für zunächst dieses angewandte Informatik und inzwischen heißt der Studiengang dann nur noch Informatik.
SPEAKER_02Damit bist du der perfekte Kandidat, um heute über das Thema zu sprechen. Wir wollen nämlich darüber sprechen, wie sich der Studiengang gewandelt hat, beziehungsweise gerade dabei ist zu wandeln und welchen Einfluss künstliche Intelligenz darauf hat.
SPEAKER_01Und darüber wollen wir einmal sprechen. Kurz mal vielleicht zur Aufgabe zum Studiengangsleiter. Du gestaltest ja auch aktiv das Curriculum mit und was alles in einem Studiengang dran an Themen vorkommt. Ja, das ist richtig, genau. Okay. Dann ist es ja perfekt.
SPEAKER_02Wie immer die Gäste bei uns, einfach ein perfekter Pizza. Olaf wird es gerade ein bisschen unangenehm. Ich merke schon, wir legen die Latte immer höher.
SPEAKER_01Ich habe wirklich das erste Mal ein Profi in der Programmierung.
SPEAKER_02Wunderbar. Vielleicht zum Einstieg, ich kann mir vorstellen, dass wir dieses Gespräch so in drei Teile aufteilen. Ich glaube, der erste Teil ist so ein bisschen darüber zu sprechen, mit welcher vielleicht veränderten Erwartungshaltung, Einstellung im Moment studierende, junge Menschen an die Uni kommen, was sich da geändert hat. Dann vielleicht auch, wie sich der Studiengang selbst geändert hat, wie sich Lehre geändert hat, wie sich Prüfungen geändert haben, wie man veränderten Realitäten einfach gerecht werden kann. Und am Ende vielleicht noch mit einem ganz kleinen Teil so einen Ausblick darauf geben. Gerade mit modernen Bachelorstudiengängen will ja Uni auch immer berufsvorbereitend sein und welchen Realitäten man sich denn da jetzt stellen muss, wenn sich das Berufsfeld gerade so sehr ändert, wie die Uni darauf eben auch reagieren kann, muss oder eben vielleicht auch nicht. Meine erste Frage, vielleicht gleich so ein bisschen überspitzt formuliert zum Anfang, ist, kommt heute überhaupt noch jemand zum Informatikstudium?
SPEAKER_03Ja, in der Tat eine spannende Frage. Es ist im Moment schon ein bisschen schwierig. Die Schülerinnen und Schüler, die grundsätzlich sich dafür interessieren, sind schon auch ein Stück weit verunsichert. Das ist getrieben durch auch einige Aussagen in der Presse, dass ja, ich sage da auch mal jetzt überspitzt, die Informatik schafft sich selber ab. Wir haben irgendwie eine gewisse Menge Tools und Techniken geschaffen und die verselbstständigen sich jetzt und übernehmen dann zukünftig die Softwareentwicklung. Das, denke ich, ist keineswegs der Fall. Das, was da eben KI, generative KI heute kann, ist gewissen Code umsetzen, den auf vielleicht einen gewissen Style überprüfen, gewisse Tests durchführen und so weiter. Aber den großen Überblick, das Big Picture über die Gesamtarchitektur, über die Systeme, das ist etwas, was schon noch immer personengesteuert sein muss und auch, ich denke, auch dauerhaft sein wird. Also irgendwie so ein Human-in-The-Loop-Ansatz, der dort entsprechend verfolgt wird. Ebenso muss natürlich abgeschätzt werden können, wo ist der KI-Einsatz sinnvoll und wo ist er das auch nicht, wo sind Grenzen. Auch das ist eine wichtige Aufgabe, die auch in Zukunft Informatikerinnen und Informatiker umsetzen müssen.
SPEAKER_02Vielleicht da einmal kurz nachzuhaken, das ist ja eigentlich vielleicht nur eine Erweiterung von dem, was wir ganz lange in der Pädagogik so Medienkompetenz genannt haben. Auch einfach zu wissen, wann kann man so einer Maschine, einer anonymen Quelle irgendwie vertrauen, wann muss man selber ein bisschen hinterfragen, wann muss man selber ein bisschen Hirn noch anwenden. Wie kompetent kommen da Leute im Moment von der Schule zu euch?
SPEAKER_03Ja, wirkt erstmal nicht überzeugt.
SPEAKER_01Ja, die kommen und sind auch ganz schön wieder weg.
SPEAKER_03Das ist ein anderes Thema. Ja, es ist in der Tat so, dass im Bereich Informatik auch immer noch Studienanfänger zu uns kommen und auch zu anderen Hochschulen, Universitäten mit auch falschen Erwartungshaltungen oder falschen Vorstellungen. Irgendwie, ich kann alles an meinem Handy machen oder ich bin, ja, kann ich hier beim Unternehmen, das Spielesoftware herstellt, kaum sagen, aber jemand, der besonders gut in Computergames ist, das ist noch kein Alleinstellungsmerkmal und Skill, um unbedingt dazu. Das kannst du auch hier gerne Informatik zu studieren und so weiter. Und das war jetzt aber alles gar nicht die Frage. Die Frage war die Medienkompetenz, die das auch kritische Reflektieren und so weiter, was auch ein ganz zentraler Skill ist, der ist stark unterschiedlich ausgeprägt, kann man einfach nur sagen, bei den Studienanfängerinnen und Anfängern.
SPEAKER_01Wie eigentlich auch in der Durchschnitt der Bevölkerung, muss man ja auch sagen.
SPEAKER_03Genau. Ja, um den Gedanken davor nochmal abzuschließen, was müssen Informatikerinnen und Informatiken in der Zukunft auch noch tun? Die ganzen KI-Systeme funktionieren ja nicht alle irgendwie out of the box, dass das irgendwo in USA oder China konfektioniert wird und dann immer zur Verfügung steht. Das muss ja auch irgendwo individuell zum Beispiel nachtrainiert werden oder irgendwie aus einzelnen Komponenten ein KI-System zusammengestöpselt werden, was dann auch passgenau ist fürs eigene Team, Unternehmen oder Umfeld. Das wären so die inhaltlichen, fachlichen Gründe, warum sich ein Informatikstudium immer noch lohnt. Und es gibt auch nochmal handfeste ökonomische Gründe. Zum einen gibt es immer noch einen riesen Fachkräftemangel, je nachdem, wer die Studie durchgeführt hat und wie man zählt.
SPEAKER_01Was Fachkraft heißt, um das Mangel.
SPEAKER_03Genau, genau, ja. Aber Bitkom spricht immer noch von ungefähr 100.000 fehlenden Fachkräften in Deutschland. Wenn dann ein paar weniger Informatiker, Informatikerinnen benötigt werden in Zukunft, kann man vielleicht diese Lücke da auch entsprechend gut schließen. Dann ist es so, dass im Moment im gesamten technischen Umfeld durch die Konjunktur, insbesondere die Probleme in der Automobilbranche als der Branche in Deutschland es gewisse Schwierigkeiten gibt, den Berufseinstieg gut zu meistern. Das wird ja aber auch wieder vergehen. Das wird auch wieder besser werden, die Zeiten. Und ein weiterer letzter Punkt dazu ist noch, wer jetzt sein Studium aufnimmt, diesen oder nächsten Herbst, der wird ja dem Arbeitsmarkt dann erst zu Beginn bis Mitte der 30er Jahre zur Verfügung stehen. Und da laufen wir ja in eine riesen Verrendungswelle in Deutschland hinein. Ab 2029 gehen die starken Boomer-Jahrgänge dann langsam in Rente sukzessive. Und ich denke, gerade im IT-Bereich ist das vielleicht nochmal stärker auftreten, dieses Phänomen, weil die ersten starken Jahrgänge, die originär Informatik studiert haben, ab Mitte der 80er Jahre, die kommen dann auch langsam nach und nach ins Rentenalter und machen dann dort entsprechende Stellen frei.
SPEAKER_01Kurze Frage, zu welcher Generation an Informatikern gehörst du? 80er Jahre, 90er Jahre, 2000er? Ich habe 89 angefangen zu studieren. Okay.
SPEAKER_02Nur um deine Altersfrage am Anfang zu machen, da bin ich gerade geboren worden.
SPEAKER_0189? Ah, okay, crazy, crazy, okay. Ja, es ist ein Drei-Generationen-Treff hier.
SPEAKER_02Du hast eingangs auch gesagt, dass man schon merkt, dass jetzt weniger Leute kommen gerade so, ja. Ist das eher ein generelles Zurücktreten von Informatik als Ganzes oder ist das eher ein, ich weiche vielleicht aus auf sowas wie Wirtschaftsinformatik, Medieninformatik, wo ich glaube, dass der menschliche Faktor vielleicht noch ein bisschen stärker ausgespielt werden kann versus der klassischen reinen Informatik?
SPEAKER_03Nein, also ich denke, der Trend ist da gleich. Also zumindest bei uns an der Hochschule Wirtschaftsinformatik haben wir auch im Angebot und die Kolleginnen und Kollegen dort haben ähnliche Entwicklungen bei den Anfängerzahlen. Okay.
SPEAKER_01Mich würde gerade nochmal interessieren, weil wir jetzt ja auch gerade so am Anfang gesagt haben, so ein bisschen die Sorgen der Studierenden, gerade auch so durch die Medienkennzeichen, oh, die Informatik schafft sich selbst ab und wir benötigen das in der Zukunft nicht mehr so stark. Gibt es aber vielleicht auch die umgekehrte Seite, wo sich Leute jetzt vielleicht nach dem Abi so sehr enabled fühlen und sagen, so oh, jetzt gibt ja AI, ich mache jetzt dieses Informatikstudio mit Links und dann vielleicht auf da nochmal auch falsche Erwartungen dann treffen zu Beginn.
SPEAKER_03Ist mir jetzt nicht in größerer Zahl begegnet.
SPEAKER_02Das sind vielleicht aber auch nicht die, die das so propagieren. Also die gehen ja vielleicht jetzt nicht in die erste Vorlesung und sagen, also das mache ich alles mit links.
SPEAKER_01Ja, aber vielleicht nicht nur Informatik selbst, aber so generell, dass Leute dann sich das eher nochmal zutrauen, so von wegen, hey, ich habe jetzt die riesige Hilfe dadurch, so, so ein Studium schaffe ich jetzt nochmal einfacher. War so ein Gedanken, den ich jetzt auch hatte. So, neben dem Beruf nochmal ein Studium machen, weil mit AI kann ich es ja easy. Aber sei mal dahingestellt, wie gut das funktioniert.
SPEAKER_03Was ich denke, was wichtig ist nach wie vor, also abgeleitet aus der Argumentation von eben, warum sich es noch lohnt, was benötigen zukünftige Informatikerinnen und Informatiker an Skills. Ich denke, dass gerade im technischen Kernbereich sehr gutes, sehr tiefes technisches Wissen notwendig sein wird, auch in der Zukunft über Programmierung, über Software, Datenbanken, Netzwerk, Betriebssysteme. Ja, eigentlich den ganzen Stack hoch und runter wird man einfach auch die Komplexität entsprechend erfassen müssen. Und auch immer diesen kommunikativen Weg vom Problem zum Programm, der alte Spruch. Da hat irgendjemand eine Idee. Hier bei euch, da könnte man vielleicht mal ein Game machen oder da könnte man irgendwie eine andere Welt erschaffen oder ähnliches. Das ist ja manchmal etwas unscharf noch, die anfängliche Idee. Das erstmal zu fokussieren, zu ordnen, dann schließlich runterzubrechen, dann irgendwann mal prototypisch umzusetzen und dann zu schauen, trägt das auch dauerhaft, macht das überhaupt Sinn. Das denke ich, ist nach wie vor, sind so die zentralen fachlichen Skills, die dann natürlich jetzt auch angereichert werden, um zusätzliche KI-Skills. Ich denke, der Informatiker, die Informatikerin muss da wirklich auch in den KI-Verfahren den berühmten Blick unter die Haube haben und sehr tiefes Wissen drüber haben. Einfaches Beispiel: Es gibt irgendein Dataset aus einer Fachabteilung und da soll klassifiziert werden. Wer ein bisschen geschickt in Prompt formuliert, kriegt auch ohne Programmierkenntnisse schnell ein Resultat. Aber ja, was heißt das jetzt, wenn da irgendein Score kommt, irgendeine Metrik, die diese Klassifikation beschreibt, oder ist ein bestimmtes Verfahren überhaupt auf diesem Dataset angemessen anwendbar oder nicht und ähnliches. Das sind dann alles, denke ich, Fragestellungen, bei denen sich dann schon die tiefe Fachexpertise immer noch auch in der Zukunft abheben wird vom allgemeinen Vibecoder.
SPEAKER_01Kurz da nochmal nachgehackt, von wegen Fachexpertise. Das klang aber für mich jetzt weniger nach einer technischen Tiefe, die da verlangt wird, sondern eher vielleicht mit einer spezifischer Domänenwissen, weil du gesagt hast, so irgendwie, man muss wissen, so ist das Datenset dafür geeignet oder wie interpretiert man die Daten und so, dass es also eigentlich gar nicht so dieses Technische ist, was da relevant ist, sondern vielmehr doch diese Domäne, was auch Jan gerade am Anfang meinte, so von wegen dieser Bindestrich-Informatiker, so haben wir die immer genannt. Das ist das nicht da. Und ein Prof hat auch immer die Bindestrich-Informatiker gehatet. Das sind sich ja keine richtigen Informatiker. Ich war so einer zum Beispiel. Nee, aber genau, also dass eher dieses Domänenwissen wichtig ist, aber gar nicht mehr diese technische Tiefe.
SPEAKER_03Ich denke beides. Also auch die technische Tiefe, wie funktioniert der Algorithmus oder auch Dinge an einem Dataset, die unabhängig von der Domäne sind, wenn zum Beispiel Daten sehr ungleich verteilt sind, was ich ja gerade bei Klassifikationsproblemen sehr, sehr häufig habe, ja, dass man einfach versteht, was dort entsprechend abläuft. Aber da gebe ich dir recht, auch das Domänenwissen bzw. auch die Bereitschaft, kommunikativ zu sein, auch gegenüber dann den Anwenderinnen und Anwendern insbesondere, das wird auch ein zunehmender Skill sein. Denn wenn es dann darum geht, KI-Systeme zu bauen, dann kommt ja jeder. Da kommt irgendwie HR und will damit Bewerbungsverfahren optimieren. Im Marketing sowieso. Im Kundenservice will man den idealen Chatboard haben. Und ja, vielleicht am Ende muss man es auch noch dem Manager erklären, das ist vielleicht dann die schwerste Aufgabe, der war am Abend vorher im Rotari-Club und alle Kumpels oder wie heißen die im Rotari-Club, Rotari-Brüder, ich weiß es nicht. Wir haben gesagt, oh, wir machen mit KI und das ist das dolle Ding und so. Das brauchen wir jetzt auch. Und ja, bevor man jetzt dieses, ja, was ist das, Fear of Missing Out FOMO, dieser Effekt tritt dann auch da ein. Das brauchen wir auch, machen Sie mal. Ist egal was, aber machen Sie mal. Und da vielleicht auch mal sagen, ja gut, es muss aber auch sinnvoll sein und der Use Case muss irgendwie da sein. Ich denke, auch das ist ein wichtiger Punkt. Und damit vielleicht auch nochmal, ich hatte eben so ein paar fachliche Kenntnisse gesagt, ich denke auch nach wie vor die ganzen Soft Skills, auch wenn es jetzt vielleicht ein bisschen abgenudelt klingt, wie Selbstorganisation, Teampfähigkeit, kritisches Denken hinterfragen. Ja, gerade kritisches Denken ist ja wichtig, was da generiert worden ist. Ist das denn überhaupt plausibel? Ist es verantwortbar, dass wir das jetzt produktiv nehmen und so weiter? Reflexion damit eng verbunden. Die gelten nach wie vor wieder und die werden, ja, ich denke, der Job wird dort, gerade auch das wieder auf deine Frage zum Domänwissen, wird entsprechend dann noch kommunikativer, als er schon ist oder in der Vergangenheit war. Und eben angereichert um dieses KI-Wissen, wie gesagt, man ist der Vermittler, der Experte im Unternehmen, hatte ich gerade schon angedeutet. Und auch da, ganz, ganz wichtiger Skill: ja, dieser ganze Bereich, ich nenne ihn mal Ethik und Dokumentation, Compliance. Automatisieren. Compliance-Regeln, ist das ethisch verantwortlich? Wie sieht es mit dem Urheberrecht aus? Kann man da alles problemlos irgendwie reinwerfen? Ja, Datenschutz, KI-Regulierung, branchenspezifische Einschränkungen und so weiter. Gibt es ja auch, dass da gewisse Dinge, zum Beispiel, im sicherheitskritischen Bereich, die wird man zum Beispiel nicht in öffentlichen Systemen hochladen wollen.
SPEAKER_02Von den ganzen Fragen, die du gerade genannt hast, oder die ganzen Punkte, die du gerade genannt hast, sind ja manche eigentlich auch schon alt bekannt, ja. Also Dokumentation, ein bisschen ethisches Hinterfragen, das haben wir auch bei anderen Technologien schon gesehen. Manches ist vielleicht jetzt ein bisschen neuer. Und da würde mich interessieren, wie findet das so seinen Weg in das Curriculum bei euch? Also der KI-Boom, den wir so aktuell sehen, der hat ja vielleicht so angefangen, ich sag mal 2021, 2022, da gab es so frühe GPT-Modelle, da haben das so ein paar Insider mal noch so vor sich hin benutzt. Da wart ihr ja wahrscheinlich nicht die ersten, die gesagt haben, boah, das wird in fünf Jahren richtig groß, lasst uns mal die ganzen Curricula umschreiben, damit ihr ständig darauf vorbereitet. Also weil man darf ja auch nicht auf jeden Hype zu früh aufspringen. Wir können mir vorstellen, wenn ihr ein paar Jahre vorher auf dem Blockchain-Hype draufgesprungen wärt, ja, das hätte vielleicht nicht so gut funktioniert. Und wie findet so eine Abwägung statt? Also was dann konkret passiert, können wir gerne danach nochmal drüber sprechen, aber überhaupt, wie kommt dieser erste Impuls überhaupt erstmal zustande, zu sagen, so, oh, da ist was, das sollten wir uns vielleicht nochmal dediziert anschauen.
SPEAKER_03Ja, man muss erstmal selber die gerade genannten Skills anwenden. Und zwar in dem Fall auch die Reflexion, ist das überhaupt so relevant, dass man darauf reagieren muss? Du hast die Blockchain genannt und ja, da gab es ja genug Buzzwords in der IT in den letzten 20 Jahren, wenn man da.
SPEAKER_01Jeden Monat ein neues eigentlich.
SPEAKER_03Ja, ja, genau. Wenn man da jedes Mal das Curriculum angepasst hätte, ja, das wäre ja gar nicht handhabbar gewesen. Und ja, ich denke, dass erstmal der erste Schritt, dass man das wahrnimmt und nicht abtut, gerade auch bei der generativen KI, das ist schon, ja, es wird ja allzu oft gesagt, das ist disruptiv, was da kommt. Ich denke, hier ist das wirklich gerechtfertigt, das Adjektiv zu benutzen. Denn ja, im Gegensatz zu allen anderen Entwicklungen jetzt auch gerade in der Softwareentwicklung und Hilfen, die man dort gehabt hat an Tools, an Case-Werkzeugen, Generatoren und so weiter, geht es ja schon nochmal darüber hinauf. Es ist ja nicht deterministischer Output, was bei rauskommt. Das ist ja sonst im Entwicklungswerkzeug nicht. Wenn ich ein ER-Schema reinwerfe und der spuckt mir ein SQL-Skript aus, das geht gemäß eines Algorithmuses. Das ist nachvollziehbar. Das kann ich dann auch, wenn der Algorithmus korrekt implementiert ist, sagen, das ist korrekt und guten Gewissens freigeben. Und das ist ja bei den generativen Systemen anders. Da geben ja unterschiedliche Systeme oder das gleiche System zu verschiedenen Zeitpunkten verschiedene Lösungen raus. Und ist in der Lage, dann ja auch irgendwie nochmal nachzubessern, wenn man sagt, so war es nicht, so ist es nicht. Und da liegen die Systeme ja unwahrscheinlich zu, finde ich. Das war ja anfangs, ja, in den ersten Versionen hat er ja mehr oder weniger auf seiner Meinung bestanden. Dann kam umgekehrt, dass es ein bisschen sehr schleimig wurde und klar, da hast du natürlich recht. Da sind dann ja auch Dinge viral gegangen. Da sollte er irgendwie 2 plus 2 berechnen. Und wenn man lang genug sagt, das ist aber fünf, hat er irgendwann gesagt, jo, hast recht. Nach genauen Analysen ist es halt so. Ja, damit muss man ja auch ein Stück weit umgehen und das auch entsprechend schnell. Also ich denke, das ist die Berechtigung, dass da schon was hintersteckt, dass wir da entsprechend was tun müssen. Ja, wo passen wir das an? Ich denke in den gängigen Werkzeuge werden natürlich verwendet, bei uns im dualen Studium dann auch nochmal unterschiedlich, wie stark das schon in den jeweiligen Unternehmen entsprechend betrieben wird. Und ja, und dann versuchen wir eben auch, die das dann im Curriculum entsprechend einfließen zu lassen. Zum Beispiel, in dem weitere originäre KI-Vorlesungen veranstaltet werden oder indem es eben Einzug erhält in andere Vorlesungen.
SPEAKER_02Wie oft wird denn das Curriculum so angepasst, jetzt unabhängig von AI oder nicht AI? Ist das was, was ihr euch wirklich so jedes Jahr wieder anschaut? Oder muss so ein Bedarf? Ich habe ja, also einmal jedes Jahr tausend.
SPEAKER_03Oder ist es mehr so Impulsgetrieben, wie dazwischen nie funktioniert so? Also es ist ungefähr alle sieben Jahre ein großer Akkreditierungszyklus, dass also wirklich die ganze Geschichte überarbeitet wird, auch nochmal reflektiert wird, ob das Studienmodell so noch passend ist oder dann auch größere Veränderungen entsprechend vorgenommen werden. Und das wäre natürlich sehr schwierig, wenn man dann sagt, jo, das ist jetzt akkreditiert und in sieben Jahren gucken wir mal, was dann noch von der KI zum Beispiel geblieben ist. Deswegen im kleineren können dann natürlich auch einzelne neue Module entsprechend definiert werden oder innerhalb bestehender Module dann auch Änderungen und Anpassungen vorgenommen werden. Also jetzt zum Beispiel im Software Engineering entsprechende KI, generative KI-Werkzeuge einsetzt. Das bedarf natürlich keiner Curriculumsänderung. Das steht ja wahrscheinlich auch in der Modulbeschreibung. Ich habe es jetzt nicht den genauen Wortlaut, aber steht ja wahrscheinlich unter Einsatz moderner Werkzeuge und das entscheidet dann der Dozent oder die Dozentin, was an der Stelle modern ist.
SPEAKER_02Es gibt also mehrere Dimensionen davon, wie sich KI quasi niederschlagen kann bei euch den Alltag. Das eine ist über den Lehrplan inhaltlich. Wir sprechen darüber, wie neuronale Netze funktionieren, wie Transformer funktionieren, was Pre-Training ist, was Post-Training ist und so weiter. Das andere ist wahrscheinlich auch, wie Studierende selbst KI-Tools nutzen können, dürfen, sollen. Dann wahrscheinlich aber auch, wie das in Prüfungssituationen auszusehen hat. Und ja, wahrscheinlich aber auch, wie das auf eurer Seite aussieht. Also auch für Lehrende ist ja die Frage so, wie kann ich das nicht für mich selbst auch irgendwie nutzen, um Material zu erstellen, um Prüfungsszenarien zu machen. Also weiß ich nicht, aber das sind so, glaube ich, die Punkte, wo es überall relevant werden kann, oder? Ja, natürlich. Prüfung korrigieren, automatisieren.
SPEAKER_01Ich lese mir das nicht mehr durch.
SPEAKER_02Ich glaube, dass das tatsächlich in der Informatik noch ein bisschen vielleicht weiter weg, weil die ein oder anderen Prüfungen ja vielleicht binärer sind als in anderen Fächern, aber wenn du jetzt vorstellst, ich habe ja Politikwissenschaft studiert, stimmt. Und da musst du halt wirklich lange Essays und Präsentationen und sowas halten. Ich lese mir den Scheiß nicht mehr durch. Ich kann mir durchaus von meinen alten Professoren den einen oder anderen vorstellen, der sagt, so, ja, ChatGPT, sag mir mal, wie sah das denn hier bei dem Jan aus und hat er irgendwie die Aufgabenstellung erfüllt oder sowas?
SPEAKER_01Bevor wir das irgendein Mitarbeiter, heute ist es ChatGPT, ja.
SPEAKER_02Ja, wofür gibt es halt studentische Hilfskräfte, ja.
SPEAKER_03Genau. Also Prüfungsformate insbesondere, das ist schon auch ein Punkt, der aktuell sehr stark diskutiert wird bei uns. Weil ja manche Dinge, die jetzt über die letzten Jahrzehnte, kann man schon fast sagen, Routine geworden sind, eben nicht mehr funktionieren. Also ich möchte gerne mal die Prüfungsdinge in so drei Kategorien einteilen. Das erste sind die normalen Module, die also auf einer Vorlesung entsprechend basieren. Da denke ich, ist am Ende die Prüfungsform, ja, die klassische Klausur wird da eine Renaissance erleben. Das ist jetzt vielleicht auch nicht besonders populär oder pädagogisch modern. In den letzten Jahren hat man eher versucht, so semesterbegleitende Prüfungsformen zu etablieren oder irgendwie kombinierte Prüfungsleistungen oder ähnliches. Da denke ich, wird eher wieder der Switch zurück zur klassischen Klausur oder zur mündlichen Prüfung kommen. Beide mit verschiedenen Vor- und Nachteilen, die ja bekannt sind. Also, das ist, denke ich, das ist so das klassische Modul. Ja, dann haben wir die Dinge, wo praktisch gearbeitet wird. Das heißt, in der Informatik am Anfang typischerweise die Programmierübungen und in Datenbanken noch Einstieg in SQL eigentlich klassischerweise. Da funktioniert es natürlich nicht mehr, dass man wöchentlich ein Aufgabenblatt hat. Und gerade in so einer Anfängervorlesung hat man ja deutlich überschaubare Schemagröße oder Schwierigkeitsgrad der Programmieraufgabe. Da machen heutige allgemeine, öffentlich zugängliche LLM-Systeme, sind sie sehr, sehr nah an den 100% dran, die sie dort einfach lösen. Das heißt, dort müssen wir irgendwie uns dann die Lösung nochmal präsentieren lassen, erklären lassen. Vielleicht auch da gar nicht so was Neues. Also wir waren vorhin ja schon in den 90er Jahren, ich habe in Oldenburg studiert. Da habe ich selber als Student und ich war dann später auch Tutor in der Programmiervorlesung.
SPEAKER_01Ist in Niedersachsen-Oldenburg, oder?
SPEAKER_03Ja, genau.
SPEAKER_01Ah, ich kenne mich aus.
SPEAKER_03Geografiemeister. Genau. Da haben das Korrektur in Anwesenheit genannt, dass dann wöchentlich Aufgaben abgegeben wurden. Und so stichprobenartig hat man dann so eine Zweier-Gruppe mal befragt, wo es damit.
SPEAKER_01Das haben wir in der Oberstufe auch schon gemacht, das fand ich immer gut.
SPEAKER_03Ach, nee, ich hatte es im Studium auch so.
SPEAKER_01Oder es gab so Antestate oder so haben wir das genannt, irgendwie, bevor du überhaupt zugelassen wirst zu irgendeiner Prüfung oder so.
SPEAKER_03Genau, also das wird man schon noch an der Stelle verstärken, verstärken müssen, diese Nachricht, also die Erklärungen, was ja Antestate, kleines Kolloquium, Erklärung, Nachfrage und so weiter. Das denke ich, wird bei diesen Laborarbeiten verstärkt.
SPEAKER_02Wir hatten ja vor zwei Wochen, also wir haben ja ab und zu immer mal hier Studenten auch zu Gast. Stimmt. Vor ein paar Wochen war wieder von der TM in Gießen eine Gruppe hier. Nee, Friedberg. Friedberg war das? Ja, stimmt. Anyway, die habe ich auch so ein bisschen gefragt, wie es sich bei denen alles so ändert. Ich dachte, ich bereite mich schon mal hier so inhaltlich auf diese Folge vor. Die haben ja auch erzählt, ja, manchmal muss ich mich auch vorbereiten. Und die haben ja erzählt, dass sie jetzt als Prüfungsformat auch neu eingeführt haben für alles, was eigentlich so länger laufende Projekte sind, wo es am Ende früher mal so eine große Abschlussarbeit gab. Sagen, naja, die machen so alle zwei Wochen, glaube ich, so ein Mini-Kolloquium eben und das quasi das ganze Semester über. Und es gibt quasi am Ende nur eine Note für all diese Einzelgespräche sozusagen. Es gibt jetzt nicht die eine große Prüfungssituation, sondern wirst halt andauernd sozusagen im laufenden Betrieb geprüft.
SPEAKER_01Warte, aber musst du da irgendwas zeigen? Ist das ein Projekt, das du für zwei Wochen mitnimmst? Oder wirst du einfach so.
SPEAKER_02Nee, die kriegen quasi ein Projekt, was sie das ganze Semester über machen und sie sprechen quasi. Immer Zwischenetappen zu dem über die Zwischenetappen, was ist der Fortschritt, wie haben wir das gelöst, woran hängen wir gerade. Und das fand ich auch irgendwie ein cooles Format, um so ein bisschen, weil da kannst du, ad hoc kannst du ja nicht irgendwie andere Tools nehmen. Du musst das dann selber beantworten können. Und du musst selber artikulieren können, was auch dein Problem ist, was egal wie sehr man jetzt AI nutzt oder nicht, allein artikulieren zu können, woran scheiterst du gerade, was brauche ich, was ist die Challenge, so, das ist ja schon mal ein wichtiger Skill. Und das fand ich eigentlich ganz interessantes Format. Da habe ich gedacht, das hätte ich mir auch zu meinem Studium schon gewünscht, irgendwie. Nicht so diese eine Prüfungssituation zu haben, wo man ehrlicherweise auch vielleicht mal einen schlechten Tag haben kann oder einen Aussetzer oder so, sondern einfach zu sagen, kontinuierlich schauen, wie ist dein Progress, wie verhältst du dich, wie näherst du dich dem Problem, wie ist dein Lösungsansatz und das dann zu bewerten, fand ich gut. Ja, interessant.
SPEAKER_01Ich würde vielleicht aber noch für einen Punkt zurückkommen, den du gerade erwähnt hast, Olaf, den fand ich nämlich sehr interessant. So gerade, was du gesagt hast, wenn diese klassischen Programmiermodule oder auch Datenbankensystemen, was ja, glaube ich, so ein klassisches Modul ist, und da muss ja auch eine Aussage von vorhin denken, die du gesagt hast, von wegen, naja, man muss diese technische Tiefe haben. Ich glaube, Zitat von dir, man muss verstehen, wie dieser Algorithmus funktioniert. Und da erinnere ich mich zum Beispiel auch an meine Studienzeit. Da hatten wir das große Modul Algorithmen und Datenstrukturen, wird es wahrscheinlich in so einer Form auch genau bei euch geben, ist so irgendwie so das Aussiebmodul generell. Und da haben wir wirklich noch gelernt, was ist Strings, was sind Integer, was ist irgendwie ein Array, was sind Listen, bla bla. Und wie schreiben wir diesen Algorithmus, der das und das macht? Oder hier ist ein Algorithmus, was kommt am Ende dabei raus und sowas alles, dass wir sehr stark drauf eingegangen sind. Und da ist vielleicht bei mir so ein bisschen diese ketzerische Frage an der Stelle: so, ist es etwas, was wir in Zukunft tatsächlich wirklich noch brauchen? Also, wenn es jetzt darum geht, zum Beispiel, also, ne, also ehrlicherweise damals habe ich auch schon hinterfragt, wir haben sowas wie, implementiert man einen Quicksort? Und da war ich heute fragen, naja, wie oft brauche ich in meinem beruflichen Alltag einen Quicksort? Wie oft hast du bei Lotum schon Quicksort implementiert? Nie, nie. Weil natürlich mittlerweile gibt es ja auch die ganzen Hilfsfunktionen, ne? Sort und sowas, alles. Und natürlich kann man jetzt nochmal wieder die Frage stellen, so, naja, aber so eine AI wird das perfekt für mich lösen, so eigentlich auf dieser kleinen Mikrokosmos-Ebene. Und genau, und da vielleicht an der Stelle dann wirklich so sehr, sehr hardlinig gefragt: so, ist das überhaupt noch notwendig, dieses tiefe Verständnis von Algorithmen, von Datenstrukturen, von Datenbank-Querys dann beizubringen und zu lernen? In Kürze, ja. Etwas ausführlicher. Hier können wir abbrechen.
SPEAKER_03Folge ist fertig. Vielen Dank für Zuhören. Bis nächste Woche. Ja, etwas ausführlicher. Ich halte Algorithmen und Datenstrukturen für die Praxis für ein ganz, ganz wahnsinnig wichtiges Modul. Und gerade Sortieralgorithmen hast du angesprochen. Neben dem Quicksort, man guckt sich ja so sechs, sieben Sortieralgorithmen.
SPEAKER_01Quinsort, Bubble Sort.
SPEAKER_03Genau, genau. Und das macht man nicht, weil das Sortierproblem so essentiell ist, dass es ja eigentlich klar Dinge in Ordnung bringen. Oder weil man später dann irgendwie einen dieser Algorithmen jemals implementieren müsste oder noch optimieren müsste oder sonst irgendwas. Aber einfach dieses Verständnis allein diese Tatsache, dass für so ein relativ überschaubares Problem es diese Vielzahl an Algorithmen gibt, das ist wieder dieses vom Problem zum Programm. Das Problem ist das Sortieren. Ich habe eine Vielzahl von Algorithmen. Ich kann die Algorithmen nochmal unterschiedlich implementieren. Ich kann den, ich habe die zwei großen Gruppen der quadratischen, einfachen Sortierverfahren und der schnellen, das ist ja auch eine wahnsinnige Sache. Wenn ich in irgendeinem anderen Problem, das ist dann natürlich der Skill, dass ich das mitnehme. Was heißt es denn, wenn jetzt irgendetwas quadratisch ist? Und wenn man dann mal Bubble Sort auf einem entsprechend großen Array hat, laufen lassen, dann weiß man, dass weiß man, was quadratisch heißt.
SPEAKER_01Die O von N-Notation. Genau. Lauf demokratisiert. Aber nicht aus dem Studium. Nein.
SPEAKER_03Genau. Also von dem her, glaube ich, ist das immer noch unwahrscheinlich wichtig. Und diese Ideen, die werden ja auch wieder aufgegriffen im anderen Kontext. Also neben Sortieren macht man dann ja auch Hashing, baumbasierte Suchverfahren und so weiter. Und die Ideen brauche ich dann ja auch wieder auf modernen Systemen. Schließt so ein bisschen den Kreis zur JavaLand oder DevLand, Vektordatenbanken. Wenn Vektordatenbanken indexiert werden, da habe ich mit einmal auch wieder Hash-basierte oder baumbasierte oder auf irgendeiner anderen Datenstrukturen, auf grafenbasierte Verfahren. Und die Entwicklerinnen und Entwickler, die haben auch in Algorithmen-Datenstrukturen eine gute Vorlesung gehabt, die das transferieren konnten. Ich möchte vielleicht nochmal das aufgreifen, was du gesagt hast, dieses übers Semester, das ist, ich hatte ja gesagt, Laborarbeiten, klassische Module. Der weitere Bereich sind dann Studien, Bachelorarbeiten, Masterarbeit und bei uns im dualen Studium auch die Praxisberichte und Arbeiten. Da denke ich, ist auch, um zu viel KI-Generierung zu vermeiden, ja, gerade so eine engere Betreuung notwendig, dass man wirklich in so einem Zwei-Wochen-Rhythmus sieht, wie so etwas entsteht in so einem Projekt. Und dann kriegt man ja schon mit, wer sich Gedanken macht und wer da versucht mit relativ schlankem Fuß rauszukommen, sage ich mal.
SPEAKER_02Wenn du sagst, engere Betreuung, Hochschulen sind ja jetzt nicht dafür bekannt, dass sie mit unendlich vielen Mitteln ausgestattet sind.
SPEAKER_03Das ist ja am Ende auch einfach ein Personalproblem dann, oder? Ja, also diese Betreuung jetzt bei Studienarbeiten beispielsweise, also ich mache in der Regel dann im 14-Tages-Rhythmus im Semestertermine mit den Studierenden. Das ist an der Stelle dann schon, ja, denke ich, gehört dazu. Das bringt einfach die Lehrtätigkeit da entsprechend mit sich. Das gehört dazu, dass man nicht dem Studierenden am Anfang das Thema gibt und sagt, in neun Monaten kann es abgeben. Und dann schiebe ich das Ding mal bei ChatGPT rein und lasse mir das Gutachten generieren. Das wäre auch nicht fair den Studierenden gegenüber, muss man einfach mal sagen. Die eigentliche Arbeit am Ende, die verliert dann vielleicht sogar ein bisschen an Gewicht, dass man dann bei der Bewertung auch mehr den Fortschritt, die Idee, das Denken in Alternativen, da hat eine irgendeine Lösung gefunden, irgendeine Architektur. Es gibt immer Alternativen und immer Kriterien, an denen ich das objektiv festmachen kann, egal für welche Lösung ich mich dann auch entscheide, dass all diese vorhin genannten weicheren Skills, wie hat der Student die Studentin die im Projekt angesetzt, dass man das verstärkt in die Begutachtung mit reinnimmt. Wobei auch das Schreiben nach wie vor, denke ich, eine wichtige Sache ist, auch in Informatik oder allgemein im technischen Umfeld. Wir brauchen nicht nur laufenden Code, sei er selbst geschrieben, sei er generiert, sei ja orchestriert oder wie auch immer zusammengestöpselt. Wir brauchen dann auch technische Dokumentation, wir brauchen Handbücher, wir brauchen Ausschreibungstexte in gewissen Szenarien und Branchen und so weiter. Und da muss man eben auch selber formulieren können. Und auch das Schreiben selber an einem Dokument. Beim Schreiben denkt man auch nach, beim Schreiben reflektiert man. Beim Schreiben kommen manchmal auch Ideen. Das hat man irgendwie im Kopf. Also hier wieder bei euch, da könnte man mal ein tolles Spiel machen, hat irgendeine abstrakte Idee. Und dann beim Aufschreiben stellt man fest, so wird es wahrscheinlich doch nicht ganz funktionieren. Oder ich gebe es nochmal jemand anderem zum Drüberlesen und der sagt, was soll das denn? Oder was hast du dabei denn gedacht? Also dieser Prozess des Schreibens an sich, der ist auch im technischen Umfeld auch ein wichtiger Softskill nach wie vor.
SPEAKER_01Aber ich würde nicht sagen, per se das Schreiben an sich, sondern einfach dieses Aussprechen und Festhalten der Idee. Also sei es jetzt schreiben, sei es jetzt auch diktieren, so ne, das ist halt die Idee. Also, das ist jetzt nicht um Schreiben mit Stift oder Testatur, aber ich glaube, das ist die Idee. Genau, der Idee.
SPEAKER_02Ich habe auch letzte Woche an einem Prototypen gesessen und im Prinzip kann man ja in deutscher, englischer, menschlicher Sprache die Idee schon so konkret aufschreiben, dass der Schritt zum Code eigentlich nicht mehr ist. Also nur noch ein Übersetzungsproblem ist sozusagen. Und man kann ja jedes Problem eigentlich schon so genau ausspezifizieren, so genau zu Ende denken, dass man schon merkt, okay, klappt das oder klappt das nicht. Und ob ich das dann am Ende in, weiß ich nicht, in C, in Java, in Python in irgendwas nochmal portiere, damit es lauffähig ist, das ist ja dann der allerletzte kleinste Schritt sozusagen. Aber 90 Prozent von der Arbeit sind ja vorher schon passiert sozusagen. Ich glaube, das ist das Wichtige, dieses zu Ende-Denken. Und ob du das jetzt diktierst, sprichst, malst oder irgendwas, ich glaube, der Skill ist im Kopf, das konsequent durchzugehen. Aber weil du Schreiben und Denken gesagt hast, hat Lesen auch jetzt vielleicht nochmal so eine andere Rolle bekommen, weil das ist das, was wir hier auch immer so ein bisschen diskutieren. In dem Moment, wo mehr Code quasi fremd erzeugt wird, ich ja aber trotzdem noch dafür verantwortlich bin. Hier bei uns sind wir inhaltlich dafür verantwortlich, bei euch ist man in der Prüfung dann spätestens dafür verantwortlich. Muss man ja quasi viel mehr Code lesen, verstehen lernen, den man gar nicht selber geschrieben hat, was ja so eine Challenge war, die es früher vielleicht weniger gab, weil der meiste Code, den man gelesen hatte, war man vorher schon mal irgendwie involviert. Und jetzt ist man immer nur noch so ein unbeteiligter Dritter sozusagen in diesem ganzen Szenario. Und das finde ich doch immer so ein sehr anderer Skillset als vorher.
SPEAKER_01Weil weiß nicht, Dave, siehst du das auch so? Hundertprozentig. Also es ist ja, also allein aus der Vergangenheit, was ich erkenne, ein PR zu reviewen und ein PR zu machen, so ist ja, also ist ja, nicht wie Tag und Nacht, aber es ist schon ein Unterschied. Weil einfach so, okay, was hat sich die Person dabei gedacht? So, und wenn ich ihn aber PR erstelle, dann, also ich weiß ja, was meine Gedanken dazu waren. So, irgendwie dabei erstmal nachzuwendet, ach so, der das so und so aufgezogen, damit das und das Ergebnis am Ende rauskommt. Und das ist natürlich, also ist nicht ein ganz anderer Skill, aber ich finde auf jeden Fall anstrengender, Punkt 1. Und man muss da doch noch mehr Zeit reinstecken, als man meint.
SPEAKER_03Ja, denke ich auch. Also das Problem war, denke ich, auch in der Vergangenheit schon da, wenn man alten Code geerbt hat, den irgendwer irgendwie entwickelt hat, sage ich mal vorsichtig. Aber ja, wenn es jetzt nicht ganz hanebüchen war, dass irgendeiner was zusammengehackt hat, war es immer noch menschlich produzierter Code, der gewissen Richtlinien unterlag. Und wenn er im eigenen Unternehmen, im eigenen Team war, dann hat man ja schon gewisse Coding-Styles-Richtlinien, wann werden welche Muster wie verwendet, wie werden Variablen benannt und so weiter, was einem ja gerade die Lesbarkeit dann schon entsprechend oder auch Dokumentationsrichtlinien, was einem dann ja schon die Lesbarkeit und Verständlichkeit erhöhen soll. Das wird natürlich jetzt durch fremdgenerierten Code nochmal erschwert, weil man einfach aus verschiedenen, mit verschiedenen Styles ja auch Code haben kann, der an verschiedenen Stellen generiert worden ist und dann in das Gesamtpaket irgendwie eingeflossen ist. Also das denke ich auch. Aber auch dafür wieder nochmal, komme ich nochmal zum Argument von vorhin zurück, ist es notwendig, ja, ich denke, auch selber mal kodiert zu haben nochmal. Sonst hat man gar keine Chance, das irgendwie zu verstehen. Ja, und auch das tiefe Verständnis, tiefe technische Verständnis dort dann für Algorithmen. Also wenn man dann sieht, da ist eine fünffach geschachtelte Schleife, dann hat man sofort der geübte Blick sagt, ja, wenn da eine signifikant große Anzahl Durchläufe ist, ist das langsam. Das erkennt man dann. Und das ist dann sicherlich die Aufgabe, das zu erkennen, zu überlegen, muss es so sein? Vielleicht geht es ja auch nicht anders an der Stelle. Oder kann man da in diesem Methodenrum vielleicht irgendwas dran drehen und entsprechend besser machen.
SPEAKER_01Ich fühle mich gerade so ein bisschen in der Rolle von Dennis, so ein bisschen, der nicht da ist. Dennis ist ein großer AI-Verfechter bei uns, bei Lotum generell, und sagt, naja, das sind aktuelle Probleme, aber in ein paar Monaten muss man das nicht mehr machen. Und ich würde tatsächlich auch so ein bisschen in die Richtung gehen. Also ich gehe mit dir mit auf jeden Fall, dass ich sagen würde, ja, es ist auf jeden Fall super praktisch, jetzt noch halt Coach schreiben zu können. Also zumindest mal gemacht zu haben. Also beispielsweise wir, also ich war jetzt auch im Bewerbungsverfahren tätig und wir haben trotzdem auch geprüft, so kann der Bewerber hier jetzt Coach schreiben, so ist er in der Lage. Das Ergebnis ist auch nicht so unbedingt wichtig, aber halt so, dieses, ah, okay, ja, dieses grundlegende Verständnis ist schon mal gut. Und ich jetzt irgendwie, aber mir denke so, es gab ja schon auch in der Vergangenheit in der Informatik so verschiedene Abstraktionsebenen. Also ich Das weißt du wahrscheinlich nochmal viel besser als ich als 90er. Okay. Vorsichtig. Informatiker der 90er Jahre. Formulieren kann ich. Genau. Nee, das ist so, also die ersten Programmiersprachen versus jetzt die, die dann später dazu kamen, die ja nochmal viel krasser waren, sei es jetzt irgendwie Java, Python, TypeScript, das ja auch viele Sachen besser gemacht hat, ne, auch jetzt gerade, wir sind ja auch sehr stark im Webdevelopment, die ganzen Frameworks, die ja existieren, die ja auch einfach nur eine Abstraktionsebene für uns abnehmen. Also wir sind einfach eine Ebene drüber und wir müssen uns jetzt nicht mehr um Reaktivität kümmern, das macht ja alles das Framework für uns. Und dass jetzt, wenn man das nochmal weiterspinnt und denkt so, naja, die AI nimmt uns die Abstraktionsebene Programmieren ab. Und wir sind dann, wie du eingangs gesagt hast, so ein bisschen, naja, wir sind so die Architekten, wir schauen so, dass das ganze System funktioniert, wir orchestrieren und sowas alles, dass das unsere Aufgabe ist. Und das halt quasi die finale Abstraktionsebene, wo wir uns immer geholfen haben, so Programmieren einfacher zu machen, dass jetzt so die letzte Stufe sein könnte: so, okay, der Teil wird uns genommen, irgendwie diesen Code dann auch zu schreiben. Dass man das nicht so weiterspinnen könnte.
SPEAKER_03Ja, also ich denke, es wird noch da noch deutlich auch Weiterentwicklungen geben. Die Systeme können durch gezieltes Nachtrainieren, durch Verbesserungen, durch weitere Mechanismen, Inferenzmechanismen und ähnliches noch besser werden und noch besseren Code dann auch generieren in naher mittlerer Zukunft, ohne da jetzt was Konkretes zu nennen. Aber ich glaube, dass das vollständige Wegorganisieren, diese Abstraktion, das eigentliche Progress, das eigentliche Codieren da komplett abzugeben, wegzuabstrahieren, wird mit den Systemen, die wir heute kennen, nicht möglich sein. Man wird immer noch an gewissen Stellen den Einblick benötigen. Um das nochmal zu ergänzen, zu deinem Beispiel mit den Frameworks, da ja auch, es ist nach wie vor das oder oder die Frameworks zu nennen, äh, die Frameworks zu nutzen, sinnvoll zu nutzen, muss ich ja auch verstehen, was passiert darunter. Also beispielsweise, wenn wir so ein in der Datenbankwelt so ein OER-Mapper haben, Hibernate oder was ähnliches. Wenn ich den verwende, ohne zu wissen, wie es in der Datenbank läuft und funktioniert, kann ich ja sehr, sehr schnell in Performance-Engpässe kommen. Insbesondere wenn bei einer eins zu vielen Beziehungen dann einzeln jeder Satz danach geladen wird und da sind ein paar Millionen Tupel in der Detailrelation. Das heißt, wenn ich dieses Phänomen habe, das tritt dann zum Beispiel auf, dann muss ich ja auch wissen, ah, da stimmt was nicht, da muss ich, kann ich ja mit dem Framework möglicherweise lösen, aber es muss ich irgendwie anders nutzen, anders konfigurieren, wie immer es da funktioniert. Und dass die KI das dann da komplett übernimmt, glaube ich, stand heute nicht.
SPEAKER_02Es ist ja auch nicht nur immer mehr, also was du angesprochen hast, Delfe, ist ja eigentlich immer nur eine Abstraktionsebene höher. Also am Anfang haben wir uns irgendwie von Lochkarten hin zu sprachen, dann kam irgendwie sowas wie Memory Safety dazu und so immer, immer höher. Und ja, irgendwie die versuchen es, glaube ich, naheliegend zu sagen, naja, wenn wir jetzt in menschlicher Sprache programmieren und dem LLM sagen, was wir haben wollen, dann ist es ja auch nur eine Abstraktionsstufe höher. Aber ich glaube, der fundamentale Unterschied ist das, was Olaf vorher gesagt hat, so ist halt dieser nicht deterministische Teil, der jetzt quasi als Teil dieses Layers irgendwie dazukommt. Und dementsprechend ist es eben nicht einfach nur mehr Abstraktion, sondern so diese Blackbox, von der man gar nicht sagen kann oder will, was und wie sie denn da so am Ende des Tages macht. Und andersrum formuliert kann ja KI auch nur so gut funktionieren, weil sie diese Black Box ist, weil sie dieses nicht deterministische, generative Moment eben drin hat. Also in dem Moment, wo du sie zu sehr einschränkst, um wieder auf hundertprozentige Sicherheit und Determinismus zurückzukommen, verlierst du ja auch viele Effekte von dem, was sie dir gebracht hat. Von daher wird das, glaube ich, immer so ein Spannungsverhältnis bleiben, zumindest auf absehbare Zeit, wenn da nicht irgendwie architektonisch noch was ganz anderes vom Ansatz her um die Ecke kommt. So, jetzt haben wir ein bisschen darüber gesprochen, wie sich das inhaltlich verändert, wie das von Studierenden genutzt wird, wie das in Prüfungssituationen aussieht. Aber mich würde natürlich auch interessieren, wie das für Lehrende selbst ist, ja, weil auch für euch liegt ja die Versuchung, sag ich mal, positiv nahe, das auch irgendwie zu nutzen. Jeder von uns hat Arbeit, hat was zu tun und ist immer irgendwie daran interessiert, dass sich zu vereinfachen. Und ja, wo nutzt du das ganz konkret?
SPEAKER_03Also ja, Professoren und Professoren sind ja eh von außen leicht im Verdacht, dass sie manchmal versuchen sehr ökonomisch zu handeln, zum Beispiel die gleiche Vorlesung über Jahre aufrechtzuerhalten.
SPEAKER_02Ich hatte da mal ein Mathe-Lehrer in der Oberstufe, der immer gesagt hat, er nimmt seit Jahrzehnten dieselben Prüfungsbögen. Er macht sie nur jedes Jahr dümmer, weil die Schüler immer schlechter. Die Ergebnisse wurden Gottem nicht besser.
SPEAKER_03Entschuldigung. Jetzt kann man sich ja im Prinzip irgendwie sagen, ich lasse mir einen Foliensatz generieren zu dem und dem Thema oder breche das im Dialog so ein bisschen runter, sagt, das ist der Topic, dann gibt es eine Gliederung, dann verhandelt man nochmal ein bisschen das Kapitel rein, das raus. Und meistens wird es einem auch schon angeboten, soll ich dir schon mal für PowerPoint und so weiter das vorbereiten? Also das glaube ich, das ist nichts. Also das hat dann keine Qualität und keinen Tiefgang. Also wenn man sich vor eine Gruppe Studierender stellt oder auf einer wissenschaftlichen oder Entwicklerkonferenz vor Menschen stellt und da was erzählt, dann muss man auch selber, also ich habe es ja gefordert, gerade die große technische Tiefe für die zukünftigen Studierenden, dann kann ich selber nicht als Oberflächenschwimmer daherkommen. Das geht nicht. Deswegen, ja, wenn man bestehende Vorlesungen überarbeitet, neue Inhalte reinnimmt oder bestehende überarbeitete neue Vorlesungen angeht. Also erstelle ich die Vorlesungen dort selber, die Folien. Und man muss auch, wenn man dann einen Algorithmus hat und vorstellt, den muss man selber mal Schritt für Schritt ausgerechnet haben. Wir hatten es vorhin ja im Vorgespräch, wie stark ist denn so die Interaktion? Naja, da gibt es schon mal den einen oder anderen, der dann sagt, wie ist denn das, wenn und so weiter und jetzt wollen wir mal schauen und so weiter. Und das wäre mir persönlich auch peinlich, da vorne zu stehen und im Grunde keine Ahnung zu haben.
SPEAKER_02Das eine ist dieser fachliche Teil, das andere ist ja auch immer so die subjektive Wahrheit daran. Also ich hatte auch, als wir die Studierenden hier hatten, gefragt, wie würdet ihr euch denn fühlen, wenn ihr sehen würdet, euer Dozent, euer Professor steht da vorne und nutzt hier Material, was halt offensichtlich jetzt so mit KI generiert. Das ist nicht unbedingt inhaltlich falsch oder sowas, sondern einfach, man sieht ja diesen kreativen Stil, die schreibweise, man kann das ja so ein bisschen doch schon erkennen irgendwie. Und da gab es so ein sehr gespaltenes Feedback von den einen, die gesagt haben: so ja, das ist ja voll okay, ich nutze KI, warum soll er das nicht nutzen können, solange es inhaltlich irgendwie korrekt ist, soll mir das recht sein. Und die anderen, die gesagt haben, naja, ich habe mir ja schon diese Hochschule, diese Uni, dieses Modul, diesen Dozent vielleicht auch im Zweifelsfall ausruhen, weil ich ja was von ihm im Prinzip haben will. Und da auch an der Person ja wahrscheinlich auch einen gewisser Wert hängt für die Studierenden. Und wenn da quasi KI so als Gatekeeper so ein bisschen dazwischen fungiert, da haben sie gesagt, das würde sich für sie schon so ein bisschen wie so, ja, nicht eine Mogelpackung, aber es hat halt so einen Beigeschmack, der da gesagt hat. Und dann musste ich an den Fall denken, ich glaube, wir hatten das auch mal in den Newslave, wo eine Studentin ihre Hochschule verklagt hat, weil eben ihr Dozent auch da KI-Material genutzt hat, gesagt hat, naja, das war eine private Hochschule, ich zahle hier viel Geld quasi, ja. Und dann werde ich mit so KI-Ergebnissen hier abgespeist in der Vorlesung. Das kann ja irgendwie auch nicht sein. Hat sie recht bekommen?
SPEAKER_01Was war das Ergebnis von diesem Case?
SPEAKER_02Sie hat, glaube ich, nicht recht bekommen.
SPEAKER_01Aber ja, genau. Deswegen begrüße ich das so.
SPEAKER_03Genau, also das erstmal generell für die Vorlesung. Ja, so im Kleinen kann man es, denke ich, vielleicht schon nutzen, zum Beispiel sich Übungsaufgaben mal als Vorschlag generieren zu lassen. Auch da wieder das Plumpe generieren und eins zu eins reinkopieren aufs eigene Übungsblatt, funktioniert auch da nicht. Ist genau wie mit dem Code. Es geht eben, was wie Begrifflichkeiten verwendet werden, wie Definitionen aufgebaut sind, geht es eben ein Stück weit auseinander. Und das muss man dann schon auf die eigene auf die eigene Vorlesung entsprechend anpassen, adaptieren oder sagen, nee, die Aufgabe ist zwar nett gemeint, aber die passt jetzt da bei mir nicht rein. Und auch das kann man irgendwie nicht bringen als Dozierender, dass man da irgendwie sofort enttarnt ist heutzutage, wenn man da eine Aufgabe hat und da stehen Begriffe drin, die man selber nicht in der Vorlesung hatte, ist ja klar, wo die Quelle entsprechend herkommt.
SPEAKER_02Wie war das bei euch im Fachbereich? War das eine Diskussion? Weil ich meine, auch bei uns in den Entwicklerteams her wird ja auch diskutiert: so, wie viel wollen wir, wie viel sollen wir, wie viel müssen wir davon irgendwie nutzen? Und gab es dann bei euch da auch Lehrende, die gesagt haben, so ja, nee, also ich will das überhaupt gar nicht oder die sich gerne noch mehr Einsatz gewünscht hätten oder gab es da überhaupt gar keine Diskussion?
SPEAKER_03Ja, jetzt keine größere Diskussion, aber es gibt schon eine ganze Menge, die da, denke ich, nach wie vor auch sehr skeptisch sind. Wie gesagt, wenn man es mit Augenmaß verwendet, ist es ja in Ordnung. Ich, ja, die Aufgaben sind manchmal, wenn man sich zum Beispiel Aufgaben generieren lässt, da kann manchmal auch, ja, das muss nicht falsch sein, aber es kann trotzdem didaktischer Homebook sein. Also ich hatte neulich habe ich mir auch mal eine Aufgabe, neulich im letzten Wintersemester mal eine Aufgabe generieren lassen. Da ging es um verschiedene statistische, Streu- und Lagemaße, die wollten wir irgendwie für Daten verwenden und da habe ich die nochmal wiederholt, die Begriffe entsprechend, so Median, Mittelwert, kumulative Distribution und so weiter, diese ganze Punkt. Und da sollte er 20 Zahlen zwischen 1 und 9 entsprechend generieren und dafür wollten wir das dann, das war unser Beispieldataset, woran wir das eben berechnen wollten. Und das hat er auch gemacht, hat auch die Lösungen alles korrekt rausgegeben, aber hatte eine komplette Gleichverteilung in den Daten. Also jede Ziffer kam gleich oft vor, entsprechend. Dadurch war das Ding natürlich didaktisch unbrauchbar. Ich habe eine völlig gleiche Verteilung. Ja, Mittelwert und Median fallen ja schon zusammen und ja, ist eigentlich alles witzlos, das daran zu demonstrieren. Da will man ja ein bisschen asymmetrische Verteilung haben. Auch da wieder muss man raufgucken, muss sagen, die Aufgabe ist okay, aber jetzt nochmal mit sinnvollen Daten.
SPEAKER_01Ungleichverteilung der Daten, genau. Kleine Anekdote auch aus unserem Leben. Wir wollten nämlich auch für unsere Bewerber haben wir nämlich auch Claude gefragt, so, hey, stell mal bitte eine Aufgabe, die eine AI nicht lösen kann. Und dann so, okay, so eine kleine Entwickleraufgabe kann man ja nur stellen. Und Claude dann so, ja, stell dir bewerber die Aufgabe, ein Betriebssystem zu entwickeln. Das bringt keine AI hin. Und dann so, ja, kleine Einstiegsaufgabe.
SPEAKER_02Lotum OS jetzt als Prüfungssituation.
SPEAKER_03Okay. Du hattest noch gefragt, ganze Abschlussarbeiten sich begutachten zu lassen von der AI. Ist ja auch rechtlich, glaube ich, gar nicht bei uns so möglich, oder? Ja, es ist mit lokalen LLMs, aber. Ja, genau, genau. Also wir haben auch bei uns an der Hochschule ein lokales LLM, was geschützt in einem Moodle-System drin liegt. Wenn man da einen kompletten Text hochlädt, kommt aber auch die Warnung, ich darf gemäß der Richtlinien und so weiter hier keine, ich kann nur eine Einschätzung geben. Ja, ich glaube auch da kommt die KI, sie kann sicherlich Stärken, Schwächen irgendwie Punkte schon rausarbeiten, einem Orientierungspunkte geben. Aber sie wird da, und da gab es einen Artikel in der Nature, das waren, ging jetzt um Konferenzartikel, nicht um studentische Arbeiten, aber die dort auch gereviewt werden mussten. Es war im Bereich Lebenswissenschaften Bio irgendwo angesiedelt. Da wurde das relativ systematisch untersucht, dass die Begutachtungen ja relativ viele Allgemeinplätze hatten, wie das kann noch präziser sein. Im Abschnitt über Related Work könnten noch weitere Quellen genannt werden und so weiter. Sehr generisches Feedback. Ja, genau, genau. Und damit das Ganze auch dann irgendwo in der Mitte zusammenschiebt. Es wurde wenig erkannt, was schlechte Paper waren und die richtig guten wurden dafür ein bisschen nach unten gedrückt und es war relativ wenig Ausdifferenzierung. Und das, denke ich, wird dann bei längeren Texten nicht besser oder die KI nicht urteilssicherer.
SPEAKER_02Wenn wir schon bei dem Review-Punkt sind, vielleicht eine letzte Frage da noch. Nutzt du das auch so im Plagiatskontext? So Plagiatsuntersuchungen bei Prüfungen oder sowas? Weil das ist ja auch immer so ein Wettrüstengefühl, dieses ganze Plagiatsthema.
SPEAKER_03Ja, Plagiate sind bei uns gar nicht mal so ein großes Thema, auch in den Jahren vor der KI nicht gewesen. Wir hatten vorhin ja gesagt, dieser Betreuungsrhythmus, dass man schaut, wie sich so eine Arbeit entwickelt über die Zeit.
SPEAKER_01Hattet ihr das auch schon vor AI genauso gemacht? Dass wir diesen regelmäßigen zwei Wochenabschnitt. Ach, okay, okay. Also ein System, das vorher schon gut war und jetzt halt dazu reinzubauen.
SPEAKER_03Genau, jetzt vielleicht noch etwas konsequenter da nachzuverfolgen. Und jetzt auch gerade bei den Bachelorarbeiten ist bei uns im dualen Studium das Problem eigentlich auch nicht existent, weil die arbeiten ja in Kooperation mit einem dualen Partner stattfinden, mit einem Unternehmen. Es ist dann ja meistens eine sehr spezifische Aufgabe, zu der man dann auch nichts, keine Vorlage findet, die man plagieren könnte. Also von dem her ist es da nicht das ganz große Thema. Klar, im Grundlagenteil kann man das durchaus sagen.
SPEAKER_02Ja, aber es rettet einen ja dann nicht. Also kann es einem ja auch nur noch eine Hilfe sein, im Prinzip. Aber das ist ja ein wichtiger Punkt, das Duale. Da haben wir noch gar nicht so groß drüber gesprochen. Es hilft euch bestimmt ja, schon, hast du am Anfang gesagt, so einen Einblick da rein zu bekommen, so was passiert eigentlich gerade draußen am Markt, wie wird da gearbeitet, womit wird da gearbeitet, was ist relevant und was nicht. Gleichzeitig müsst ihr ja trotzdem im Prinzip jetzt mit dem Curriculum Leute auf den Arbeitseinstieg in, was vor die frühen Mitte 30er Jahre im Prinzip vorbereiten. Wie schafft ihr das da, so eine Antizipation zu haben von dem, was da überhaupt gebraucht wird?
SPEAKER_03Ja. Ja, also im Dualen vielleicht erstmal, um die Frage zu beantworten, ist es natürlich dieses Spiel. Es kommt von draußen sicherlich Input, was dort gerade genutzt wird. Zum anderen soll natürlich aber auch schon in die andere Richtung irgendwie die Idee sein, dass auch die Studierenden Ideen ins Unternehmen hineintragen. Ja, der zweite Teil deiner Frage, wie kann man das Ganze in gewisser Weise zukunftssicher machen? Ich denke da auch, ja, wir hatten es ja im Laufe des Gesprächs schon mehrfach erwähnt, mehr Konzepte und technologische Grundlagen als jetzt Toolwissen und zu aktuelle Dinge. Das ist natürlich gerade im KI-Markt, im generativen KI-Markt jetzt wahrscheinlich leichter gesagt als getan. Im klassischen Programmieren hatten wir auch diskutiert. Algorithmen, Datenstrukturen, das ist sicher, das ist über Jahrzehnte gewachsen und das ist, denke ich, Knowledge, was man auch in der Zukunft braucht. Im generativen KI-Markt ist es natürlich dann auch, das natürlich alles sehr volatil und diese Geschwindigkeit der Entwicklung in den letzten Jahren, lässt einem mit den Ohren schlackern, ein bisschen, dass es einem auch ein bisschen Angst macht, was da so geschieht und entsprechend möglich ist.
SPEAKER_02Dave, hast du noch eine Frage?
SPEAKER_01Ja, eine letzte, vielleicht, weil das noch gar nicht so sehr vorkam, ein bisschen, du hast gerade so angeschnitten von wegen, naja, wir wollen jetzt nicht auf irgendwie das neueste Tool springen und irgendwie den Hype und so mitnehmen. Ist es aber trotzdem etwas so quasi, hey, also dass man jetzt vielleicht sogar darüber nachdenkt, ein neues Modul zu schaffen, so Entwicklerkompetenz mit AI oder so, wo man das dann dediziert sich irgendwie vielleicht wirklich ein Modul, ein Semester Zeit nimmt oder dass man in irgendeinem bestimmten anderen Modul schon unterbringt, so, hey, das ist beispielsweise Klo, das ist irgendwie Codex oder so und damit mal dann irgendwie ranpastet, so was kann generative AI eigentlich im Entwicklerkontext. Ist das etwas, was bei euch schon besteht oder wo ihr diskutiert, das irgendwie nochmal expliziter zu leben?
SPEAKER_03Ja, also ich würde immer den letzteren Weg gehen und sagen, das ist jetzt eben, wir haben ja eine Vorlesung Software Engineering, auch die gibt es Jahrzehnte und die hat sich ja auch bis 2022, als die LLMs populär waren, immer weiterentwickelt. Da kamen ja auch neue Tools, neue Dinge hinzu und so weiter. Und dass da jetzt eben man nach wie vor auf aktuelle, moderne Werkzeuge setzt und da gehören eben auch dann KI-basierte Werkzeuge heutzutage dazu.
SPEAKER_02Noch eine letzte Frage? Nein, nein, nein, nein. Ich habe noch eine letzte ganz eigene. Oh. Darf ich bei dir studieren? Als ich so überlegt habe, was ich alles studieren wollte, und da habe ich mir auch so ein paar Probeveranstaltungen besucht in Informatik. Wann war das? Welches Jahrtausend? Dieses tatsächlich. Ah, okay, dieses Jahrtausend, okay. Diese Mal kurz, ja. Und was ich damals ehrlicherweise so ein bisschen abschreckend fand, als ich so in so einer Probeinformatiklesung war, war so, mit welchen Sprachen da zum Beispiel einfach so gearbeitet wurde. Was sind denn für euch heute so die gängigsten Lehrsprachen, die ihr benutzt in den meisten Vorlesungen?
SPEAKER_03Ja, wir starten mit Java. Das ist schon deutlich besser als das C, was mir damals angeboten wurde. Oh, bei, okay, krass. Ja, wobei auch da nochmal Konzept versus Tool versus Sprache. Es ist uns wichtig, dass wir Grundlagen des objektorientierten und des prozeduralen imperativen Programmierens vermitteln. Dann ja, C, C und Csharp.net-Plattform spielen natürlich auch eine Rolle, immer abhängig, wie Dozierende sind, welche Dozierenden da sind oder was da ist. Und natürlich jetzt gerade durch die KI-Geschichte kommt man nicht an Python vorbei. Python halte ich im Übrigen als erste Sprache, als Einstieg für nicht geeignet. Das ist mein Bedürfnis, das nochmal loszuhalten.
SPEAKER_01Aber ich muss sagen, als gute zweite Sprache finde ich. Also ich war sehr froh, mit Java anzufangen, weil es halt diese Konzeption. Von Objektorientierung und sowas halt irgendwie sehr gut beigebracht hat. Aber dann Python war sehr, sehr angenehm, weil sobald man da so ein bisschen im Lauf war, ich finde, Python macht so Objektorientierung nicht so super gut, aber gut, ist ein anderes Thema, aber das fand ich da nicht so gut gelöst.
SPEAKER_03Wenn man programmieren kann, auch im fortgeschrittenen Alter, um das mal sagen zu dürfen. Ich habe ja noch mit Sprachen wie Modular 2, kennt ihr das überhaupt noch?
SPEAKER_01Ihr jungen Biester. Nee, das ist noch nie gehört tatsächlich.
SPEAKER_03Ah ja. Das war tatsächlich um 1990 herum eine populäre Sprache in der Ausbildung. Ja, und ja, wenn man wenn man dann programmieren kann und verschiedene Sprachen hat, kommen und gehen sehen in der Vergangenheit, dann kommt man gerade da, mit Python auch mit dieser Vielzahl an Bibliotheken, einfach ist ja einfach alle, eigentlich alles da im Bereich KI, maschinelles Lernen, Daten, Pipelines aufbauen und so weiter, ist ja nicht schlecht die Sprache, aber ich halte sie nicht als Lehrsprache für Programmieranfängerinnen, Anfänger für geeignet.
SPEAKER_02Also ich bin voll bei dir zu sagen, die Sprache ist nicht das Allerentscheidende so, ja, sondern man muss halt die Konzepte damit lernen. Aber ich glaube schon, dass es halt gute Lehrsprachen gibt, die sich dadurch auszeichnen, dass sie einem viel ermöglichen, aber nicht viel abverlangen. Man kann damit objektorientiert machen, man kann damit vielleicht auch funktional machen, man kann Multithreading machen, muss es aber vielleicht nicht, man kann parallel so, ja. Und da gibt es halt, glaube ich, einfach bessere oder schlechtere Kandidaten. Und ja, ich bin auch dabei, Python ist wahrscheinlich nicht die ideale Einstiegssprache. Aber C war es bei mir damals auf gar keinen Fall. Auch nicht, das muss ich auch sagen. Okay, gut, jetzt habe ich nur ganz persönlich so interessiert, was da gerade passiert.
SPEAKER_01Und jetzt eine letzte Abschlussfrage, oder Jan? Willst du sie stellen? Ja, und zwar eine Frage, die wir gerne am Ende stellen. Und zwar, ähm Die macht auch nur am Ende Sinn. Die ergibt ja auch nur am Ende Sinn, so tatsächlich. Also sie ist perfekt platziert am Ende. Und zwar, gibt es eine Frage, die du dir gewünscht hättest, die wir dir stellen, die wir dich gefragt haben oder irgendetwas, was du einfach loswerden möchtest, das du hier nochmal rausschreien möchtest in die große Welt? Außer dass Python keine gute erste Sprache hat.
SPEAKER_03Ja, genau, das war doch eigentlich schon ein ganz gutes Schluss von der Annie. Also ich hatte so ein paar Punkte. Im Podcast soll es ja nicht alles vorgegeben sein, es soll ja eine lockere Unterhaltung sein, aber so ein paar Punkte, die mir schon wichtig waren zu dem Thema. Ich denke, die haben wir eigentlich alle behandelt. Von dem her bin ich an der Stelle, wie man so schön sagt, vollumfänglich zufrieden.
SPEAKER_02Geil, sehr schön. Das ist auch sehr cool. Wäre auch. Und das wäre auch fast ein gutes Schlusswort. Aber was haben wir am Ende immer noch, Dave? Das Schweinchen des Tages. Nein, die Picks of the Day.
SPEAKER_00Ah, Picks of the Day.
SPEAKER_01Machen wir weiter mit dem nächsten Thema, mit deiner genialen Überleitung. Was ist dein Pick of the Day? Mein Pick of the Day ist vielleicht passend zu heute, weil es ja nicht nur um Lehre ging, sondern auch um AI. Und zwar, es ist also, es ist kein großes Geheimnis und ist auch nicht so super spezielles, aber tatsächlich ist mein Pick of the Day die Codex-App. Codex kennt ihr beide. Ja. Codex ist nämlich quasi die Anwendung von ChatGPT als dann Oberfläche, um dir zu helfen, mit deinem Agenten zu reden und Dinge auch durchaus zu parallelisieren. Und dafür mag ich die wirklich sehr, sehr gerne. Weil der deine ganzen Verzeichnisse direkt anzeigt und dann kannst du da einen neuen Chat aufmachen und dann sagen, hey, hier arbeite mal jetzt daran und dann in einem anderen Ordner arbeite ich jetzt an dem. Und das ist irgendwie, ich muss sagen, das hat jetzt so in letzter Zeit von mir richtig reingeknallt. Vor allem also jetzt auch mit den neuen Modellen, Codex-Modellen, 5 und 6, mega gut. Und weil wir ja auch Backend und Frontend getrennt haben, das parallel zu entwickeln, das war dadurch super angenehm und smooth einfach, weil ich dann halt beides gleichzeitig machen konnte und dann halt quasi, hey, okay, nimmt das Frontend das richtig auf, was das Backend macht und so. Und das fand ich sehr geil. Und mein persönliches Highlight, und das ist das Wichtigste, man kann ja unten auch einstellen, wie stark der Thinking-Process sein soll. Und das ist so ein kleiner Slider, der so cool leuchtet. Das ist ein Highlight. Das ist wirklich das coolstein. Dabei wirklich schön aussieht.
SPEAKER_02Das muss man sagen, das sieht wirklich schön aus. Ich benutze die Codex-App nicht, deswegen muss ich doof nachfragen. Weil du sagtest, du kannst da mehrere Sachen dann quasi auch parallel machen. Das heißt, unterstützt ihr auch so Git Work-Trees und sowas alles, um im selben Repo quasi parallel unterschiedliche.
SPEAKER_01Das haben wir nicht eingerichtet, so, also bei uns in unserem Projekt. Beistützt das. Genau, genau. Das ist noch nicht der Fall, aber genau das kann das. Und was ich halt aber auch gemacht habe, ist zum Beispiel, zum einen lohnt sich das halt Back-end- und Frontend-Trennen, weil wir das eh in zwei unterschiedlichen Projekten haben, dadurch sowieso, aber gleichzeitig kannst du auch sagen, hey, das mache ich jetzt gerade lokal und du lässt aber auch einen Cloud Agent laufen, der das dann halt parallel nochmal einen anderen Task machst. Und ich muss sagen, es war schon krass, was das für ein Productivity-Boost war am Ende. Natürlich, dann staut sich das auf so, okay, ist alles fertig und dann drüber schauen, das ist eine andere Geschichte. Aber es ist wirklich cool. Sie ist cool gemacht. Du bist irgendwie nicht so überzeugt mit meinem Pick-of-The-Day heute.
SPEAKER_02Weil er so Standard ist, richtig? Nee, also wie gesagt, ich nutze die Codex-App nicht, deswegen weiß ich nicht, was da so in letzter Zeit passiert ist, aber gefühlt wäre das ja so letztes Jahr so ein Pick-of-Fe-Tay gewesen. Ja, ich weiß.
SPEAKER_01Das ist vielleicht einfach ein bisschen spät zu der Party. Ja, deswegen, ich hätte auch einen anderen Pick of the Day, aber auch das ist so fünf Jahre alt, aber es ist halt so, weil es für mich Aktualität hat irgendwie. Ja, wenn du damit gerade zufrieden bist, ist ja voll okay. Ich habe sie ja ganz halt nicht genutzt und jetzt nutze ich die Codex-App und jetzt ist sie eben da reden wir auch nochmal separat drüber.
SPEAKER_02Aber mein Pick ist gleich noch älter, aber ich wollte erst Olaf fragen, ob er da was dabei hat.
SPEAKER_03Ich fasse vielleicht nochmal zusammen. Gerade wegen der KI lohnt es sich nochmal mehr Informatik zu studieren.
SPEAKER_02Da ist auch nichts hinzuzufügen. Mein Pick of the Day kommt aus der eigentlich so aus den 90ern vielleicht. Aber hat damit zu tun, dass.
SPEAKER_01Achso, und warte und du kritisierst mich für meinen Pick vom letzten Jahr, weil es kommt so mit dem Pickpomp oder aus den 90ern. Okay, ja.
SPEAKER_02Ich weiß, wie der Hase läuft, ja. Ich bin darüber gestorben, äh, gestorben.
SPEAKER_01Ich bin darüber Folge vorbei, ja, gestorben ist vorbei.
SPEAKER_02Ich bin da drüber gestolpert, als Sam Neil gestorben ist, das wollte ich sagen. Wow, hier. Sam Neil, Schauspieler Jurassic Park. Yo, habe ich letztens mitbekommen. Ja, und auch hier Jagd auf Rot Oktober und sowas alles. Aber Jurassic Park. Und wie immer, wenn so berühmte Schauspieler sterben, gibt es hier irgendwie Berichte darüber und hier und bla und bla. Und da ist ein Blogartikel zu mir reingespült worden, den ich jetzt empfehlen möchte. Ich verlinke das in den Shownotes. Der ist aus den 90ern. Nein, der Blogartikel nicht, aber Jurassic Park ist aus den 90ern. Ah, okay. Und der Blogartikel arbeitet quasi Jurassic Park ab und zwar jede Szene, in der Computer vorkommen. Und nimmt sich quasi jeden dieser Computer vor und sagt so, hey, was war das eigentlich für eine Kiste und was läuft da gerade drauf? Und in jedem Detail, also jedes Stück Hardware, was du in diesem Film siehst, ist so quasi beschrieben. Was natürlich auf der einen Seite heute so ein bisschen lächerlich wirkt mit, oh, der hatte irgendwie zwei Megabyte RAM, diese Kiste, und die war ultra teuer und die haben sie extra von irgendwie Xerox gemietet für diese Szene in Jurassic Park und bla bla bla. Aber das ist gar nicht so, sondern der spricht halt auch so in einem Blogartikel darüber: so, was ist das für ein UI? Wieso war das damals so State of the Art? Was hat man sich dabei gedacht? Und das fand ich einfach eine sehr coole Art, irgendwie Kulturgut aufzuarbeiten. Vielleicht, ja. Und wer so ein bisschen sich für sowas interessiert oder einfach ein Jurassic Park-Fan ist oder einfach nochmal an Sam Neal lenken möchte, keine Ahnung, kann sich diesen Block-Kartikel gerne mal angucken. Wir verlinken den. Das macht Spaß zu lesen. Er ist ein bisschen lang, weil in Jurassic Park viele Computer vorkommen. Wer hätte es gedacht? Aber es macht Spaß.
SPEAKER_01Aber es ist schon interessant, auch so eine Reise durch die Zeit dann wirklich. So ist irgendwie so, was war damals eigentlich so das Ding. Finde ich auch wahnsinnig interessant. Hier irgendwie bei meinen Eltern habe ich vor Jahren auch noch damals irgendwie so einen alten Mediamarkt, hier so eine Zeitungsbroschüre gesehen, wo so ein 64-Megabyte USB-Stick für 200 Euro oder so beworben wurde. Und man dachte, Alter, ist das krass. Irgendwie, wenn man das aus heutiger Perspektive betrachtet, immer dann sehr interessant, wie es dann vor X Jahren ist.
SPEAKER_03Weil du 200 Euro gesagt hast, also inzwischen gehen sie ja wieder hoch, die speichern Preise.
SPEAKER_02Hier Steven Spielberg und so ist ja auch dafür bekannt, dass sie quasi nur realistische Effekte haben wollten und alles cool. Und alle diese Computer waren halt auch echt. Das heißt nicht so wie bei manch anderen Science-Fiction-Filmen irgendwie viel Sperrholz und Plastik und LEDs irgendwie zusammengetackert. Und am Ende macht er in dem Blogartikel auch so eine Rechnung auf, was all diese Kisten quasi damals gekostet haben zusammen und was sie quasi heute äquivalent kosten würden, Inflationsbereich ist auch abgefallen. Du hast den Betrag? Ich weiß nicht aus, ich kann es nachgucken, aber es waren sehr hoch sechsstellig und heute sehr hoch siebenstellig. Ja, Alter Bär. Ja, krass. Gut, das war mein Beitrag für heute. Sehr cool. Reise durch die Vergangenheit. Wunderbar. Damit auf jeden Fall danke, Olaf, für die Zeit, dass du extra hergekommen bist zu uns ins Studio für das Gespräch.
SPEAKER_03Ich bin gern gekommen, bedanke mich für die Einladung.
SPEAKER_01Das hat sich auf jeden Fall gelohnt. Es war auch richtig cool, mal wieder hier alle im Studio zu sein. Das ist irgendwie von An und Seek.
SPEAKER_02Ich mag das. Ich mag das sehr, sehr gerne. Die meisten Gäste schaffen das ja nicht, zeitlich oder von der Distanz her vorbeizuschauen. Von daher wissen wir das super zu schätzen. Danke, Dave, dass du dabei warst. Danke für alle, die zugehört, zugeschaut haben. Wir hoffen, es hat euch geholfen, vielleicht die Entscheidung für den Informatikstudiengang zu treffen. Vielleicht, wenn ihr schon in der Informatik seid, dann nochmal so ein bisschen Motivation nochmal rauszuholen. Oder wenn ihr, wie Dave und ich schon ein bisschen länger drin seid, also ist ja alles ein bisschen anders, als es bei mir früher vielleicht war. Kann man ja auch mal ein bisschen wertschätzen. Wunderbar. Und damit bleibt es nichts anderes zu sagen als bis bald und wir hören, sehen, sprechen uns nächste Woche. Nächste Woche. Macht's gut. Ciao, ciao.