Drei Fragen an Prof. Dr. Sasanka Potluri, Professor für Allgemeine Informatik und Medizininformatik an der Karlshochschule International University, über KI-Unterstützung beim Lernen von Softwareentwicklung. Kann Künstliche Intelligenz beim Programmieren lernen mit KI helfen?
Inhaltsverzeichnis
Prof. Dr. Sasanka Potluri leitet den neuen Bachelor-Studiengang Informatik der Karlshochschule, der im Wintersemester in Chemnitz startet. Für das KHMI prüft er unsere Lerninhalte und sichert damit deren wissenschaftliche Qualität. Im Gespräch ordnet er ein, wie Programmieren lernen mit KI von aktuellen Studien bewertet wird, und was er Entwickler:innen rät, die mit KI lernen wollen, ohne dabei das Verständnis für ihren eigenen Code zu verlieren.
Die Studie im Überblick: Programmieren lernen mit KI im Test
Die Anthropic-Studie „How AI Impacts Skill Formation“ von Judy Hanwen Shen und Alex Tamkin, veröffentlicht am 29. Januar 2026, ist eine randomisierte kontrollierte Studie mit 52 überwiegend jungen Software-Entwickler:innen mit Python-Erfahrung.
Die Teilnehmenden durchliefen eine Aufwärmphase, eine Programmieraufgabe mit der Async-Bibliothek Trio, teils mit, teils ohne KI-Unterstützung, und anschließend ein Quiz zum erlernten Stoff.
Das Ergebnis: Die Gruppe mit KI-Unterstützung erreichte im Quiz im Schnitt 50 Prozent, die Gruppe ohne KI 67 Prozent, ein Unterschied von fast zwei Notenstufen (statistisch signifikant, p = 0,01). Am größten war die Lücke ausgerechnet bei Debugging-Fragen. Die Zeitersparnis durch KI lag bei rund zwei Minuten, ein Unterschied, der sich als statistisch nicht signifikant erwies.
Bemerkenswert außerdem: Teilnehmende mit den besten Ergebnissen nutzten die KI nicht zur reinen Codegenerierung, sondern stellten Rückfragen und ließen sich Zusammenhänge erklären, ein Nutzungsmuster, das genau zu dem passt, was Sasanka Potluri im Folgenden empfiehlt. Beim Programmieren lernen mit KI zählt also kritisches Hinterfragen.
Warum das Ergebnis der Studie Prof. Dr. Potluri nicht überrascht
Eine aktuelle Anthropic-Studie zeigt: Entwickler:innen, die beim Lernen KI-Unterstützung nutzten, schnitten in einem späteren Test deutlich schlechter ab. Vor allem beim Debugging. Überrascht Sie das?
Nein, das überrascht mich nicht. Verständnis entsteht durch die aktive Bewältigung des Problems, nicht durch die passive Übernahme einer vorgefertigten Lösung. Insbesondere das Debuggen ist der ultimative Test für dieses analytische Denken. Wenn man sich kein mentales Modell seines Codes aufgebaut hat, hat man nichts, worauf man zurückgreifen kann, wenn ein Fehler auftritt.
Noch bemerkenswerter ist, dass laut der Studie die durch den Einsatz von KI eingesparte Zeit kaum messbar war. Wer diesen Prozess also an die KI auslagert, lernt weniger. Die Menschen haben Verständnis gegen einen Vorteil eingetauscht, der eigentlich gar nicht existiert.
„Die Menschen haben Verständnis gegen einen Vorteil eingetauscht, der eigentlich gar nicht existiert.“
— Prof. Dr. Sasanka Potluri
Die Grenze zwischen Lernhilfe und Blackbox beim Programmieren
Wo verläuft für Sie die Grenze zwischen KI als Lernhilfe und KI als Blackbox, die das eigene Verständnis ersetzt?
Es kommt nicht auf das Tool selbst an, sondern auf dessen Funktion. Es kann als Lernhilfe betrachtet werden, wenn KI Folgefragen aufwirft und kritisches Denken fördert. Wenn ich eine von der KI generierte Lösung nicht erklären, begründen oder anpassen kann, ersetzt sie das Denken und wird zur Black Box. Genau dieses Risiko gibt es auch beim Programmieren lernen mit KI.
Mein Test: Könnte die Person den Code ohne KI erklären oder korrigieren? Wenn nicht, hat kein Lernen stattgefunden, sondern nur Konsum.
Vier Prinzipien für den klugen Umgang mit Künstlicher Intelligenz
Was raten Sie Entwickler:innen, die KI nutzen wollen, ohne dabei das Verständnis für ihren Code zu verlieren?
Fokussieren Sie sich auf vier Leitprinzipien:
- Analysieren Sie zuerst das Problem, bevor Sie die KI befragen. Üben Sie das Programmieren lernen mit KI reflektiert aus.
- Lassen Sie Code generieren, hinterfragen Sie anschließend jedoch das dahinterliegende Warum.
- Nutzen Sie die KI als Sparringspartner, nicht als Autopiloten.
- Prüfen Sie jede KI-Lösung kritisch: Warum funktioniert sie? Aus welchen Voraussetzungen geht sie hervor? Wo liegen ihre Einschränkungen?
Die wichtigste Fähigkeit im Zeitalter der KI ist nicht nur das Schreiben guter Prompts, sondern auch kritisches Denken und fundierte technische Fachkenntnisse. Wer Programmieren lernen mit KI in den Fokus nimmt, braucht beides.
Genau diese Haltung, KI als Sparringspartner statt als Autopilot, ist der Grundgedanke hinter unserem Technical Track. In den Modulen KI-Entwicklung & Machine Learning (T1) und KI-Infrastruktur & MLOps (T2) geht es nicht darum, Lösungen von der KI zu übernehmen, sondern zu verstehen, warum sie funktionieren.
Wer sich für ein vollständiges Studium interessiert: Die Karlshochschule startet im Wintersemester einen neuen Bachelor-Studiengang Informatik in Chemnitz.
Sprechen Sie mit uns über Ihre KI-Weiterbildung
Sie suchen eine Weiterbildung, wissen jedoch nicht, welche die passende ist, und ob Sie Anspruch auf eine staatliche Förderung haben? Sprechen Sie mit uns, wir beraten Sie gerne.
Buchen Sie hier Ihren persönlichen und unverbindlichen Beratungstermin – oder rufen Sie uns einfach an: (+49) 089-38164873
.
Quellen
Judy Hanwen Shen, Alex Tamkin et al. (Anthropic): „How AI Impacts Skill Formation“, veröffentlicht am 29. Januar 2026. anthropic.com/research/AI-assistance-coding-skills