KI kann heute in wenigen Minuten Code erzeugen, für den ein Entwickler früher mehrere Stunden gebraucht hätte. Doch genau darin liegt eine neue Gefahr: Wenn Code immer billiger wird, steigt der Wert der Menschen, die beurteilen können, ob er fachlich korrekt, architektonisch sinnvoll und langfristig beherrschbar ist.

In dieser Folge von Becoming CTO Secrets spricht Philipp Deutscher mit Ricardo Cescon, CTO von arendicom, über die Modernisierung eines 15 Jahre alten E-Commerce-Monolithen, fehlendes technisches Grundlagenwissen und die Frage, welche Fähigkeiten Entwickler und CTOs im Zeitalter von Agentic AI wirklich brauchen.

Ricardo gehört zur Generation, die mit dem C64 und stark begrenzten Ressourcen programmieren gelernt hat. Diese Erfahrung prägt bis heute seinen Blick auf Technologie: Technik ist für ihn kein Selbstzweck. Sie muss einen nachvollziehbaren Business Value liefern. Eine zentrale Aufgabe des CTOs besteht deshalb darin, technische Schulden so zu übersetzen, dass CEOs, Finance-Verantwortliche und Kunden die damit verbundenen Geschäftsrisiken verstehen.

Wie real diese Risiken werden können, zeigt die alte Middleware von arendicom. Über viele Jahre wurden Funktionen dort eingebaut, wo sie kurzfristig am schnellsten umzusetzen waren. So landete Steuerlogik ausgerechnet in der Erstellung von Lieferscheinen. Eine vermeintlich kleine Änderung konnte dadurch plötzlich Auswirkungen auf Rechnungen, Steuerprozesse und Buchhaltungsdaten haben.

Ricardo erklärt, wie sein Team diesen Monolithen unter laufendem Betrieb schrittweise ablöst: durch klare fachliche Domänen, eine API-first-Architektur, gekapselte Microservices, Events und möglichst geringe Abhängigkeiten. Geschäftskritische Funktionen werden teilweise parallel in alter und neuer Architektur ausgeführt, damit Abrechnungen, Dokumente und Daten bis auf den Cent miteinander verglichen werden können.

Doch die größte Herausforderung ist aus Ricardos Sicht nicht allein die alte Architektur. Es fehlt zunehmend an Entwicklern, die technische Grundlagen wirklich verstehen.

Ein System kann auf den ersten Blick funktionieren und trotzdem schlecht gebaut sein. Eine API, die bei jedem Fehler lediglich einen HTTP-500-Status zurückgibt, erschwert nicht nur Menschen die Fehlersuche. Auch eine KI kann nicht erkennen, ob eine Ressource fehlt, ein Parameter ungültig ist oder ein fachlicher Fehler vorliegt.

Ricardos Warnung:

Wir werden künftig weniger Code selbst schreiben. Gleichzeitig brauchen wir mehr Menschen, die diesen Code beurteilen können. Wenn Unternehmen heute nicht in Junioren investieren, fehlen ihnen morgen die Seniors und Architekten.

Bei arendicom wird KI trotzdem längst produktiv eingesetzt. Ricardo berichtet von erheblichen Effizienzgewinnen bei Dokumentation, Codeerzeugung, Datenprüfung und Softwaretests. Eine Funktion kann unter guten Voraussetzungen in weniger als drei Minuten entstehen. Aus 15 manuell entwickelten Testfällen können mit KI rund 50 sinnvolle Tests werden.

Der entscheidende Punkt: Die eigentliche Arbeit verschwindet nicht. Sie verlagert sich.

Je schneller die KI programmiert, desto wichtiger werden:

Requirements Engineering,
sauberer und gezielter Kontext,
Architekturentscheidungen,
Teststrategie,
Qualitätskontrolle,
technisches Grundlagenwissen,
und die Fähigkeit, Risiken zu verantworten.

Ricardo erklärt außerdem, warum arendicom mit vergleichsweise niedrigen KI-Kosten von ungefähr 20 bis 50 US-Dollar pro Entwickler und Monat auskommt, welche Rolle strukturierte Markdown- und Steering-Dateien spielen und weshalb Unternehmen auch ihr Prompt Engineering regelmäßig überprüfen sollten.

Du erfährst in dieser Folge:

wie technische Schulden zu konkreten Businessrisiken werden,
wie man einen Legacy-Monolithen unter laufendem Betrieb modernisiert,
warum klare Domänengrenzen wichtiger sind als möglichst viele Microservices,
wie paralleler Betrieb und automatisierte Tests Migrationsrisiken reduzieren,
welche Grundlagen Entwickler auch im KI-Zeitalter verstehen müssen,
warum KI den Engpass vom Schreiben zum Beurteilen verschiebt,
wo Agentic AI in der Softwareentwicklung tatsächlich Produktivität schafft,
weshalb gutes Requirements Engineering Kosten und Iterationen reduziert,
und warum ein CTO scheitert, wenn er versucht, schlauer zu sein als seine klügsten Köpfe.

Eine Folge für CTOs, Softwarearchitekten, Tech Leads, Engineering Manager und Entwickler, die KI nicht nur zum schnelleren Produzieren von Code einsetzen, sondern langfristig tragfähige Softwaresysteme bauen wollen.

Support the show

🚀 Becoming CTO Secrets ist ein Podcast von Philipp Deutscher Consulting
→ www.deutscherconsulting.com

📘 Whitepaper „Entwickler Heute, CTO Morgen“
→ whitepaper.becomingctosecrets.com

📑 CTO Report 2025: Archetypen, Technologien, Zukunftsszenarien
→ ctoreport.becomingctosecrets.com

🤝 Becoming CTO Community
→ deutscherconsulting.com/becoming-cto-community

🎯 CTO Coaching Programm
→ deutscherconsulting.com/cto-coaching

💬 Vernetze dich mit Philipp auf LinkedIn
→ linkedin.com/in/philippdeutscher