Standpunkt
Das Jevons-Paradoxon und der kommende Ingenieurmangel
KI wird die Nachfrage nach Softwareingenieuren nicht reduzieren. Sie wird einen Mangel schaffen. Hier erklären wir, warum wir das glauben — und warum es alles prägt, was wir bei Unio Lab bauen.
Das Paradoxon
1865 beobachtete der Ökonom William Stanley Jevons etwas Kontraintuitives: Als Dampfmaschinen effizienter wurden, stieg der Kohleverbrauch — er sank nicht. Effizientere Maschinen reduzierten die Nachfrage nach der Ressource nicht — sie machten die Ressource für mehr Anwendungen wirtschaftlich tragfähig, was den Verbrauch schneller vervielfachte, als die Effizienz sparen konnte.
Das ist das Jevons-Paradoxon. Und es tritt mit bemerkenswerter Regelmäßigkeit ein, jedes Mal, wenn eine Technologie die Eintrittskosten in einen Markt dramatisch senkt.
Das Muster ist älter als Software
Als Smartphones eine Kamera in Produktionsqualität in jede Tasche legten, wuchs der globale Markt für professionelle Kameraoperateure und Cutter. Als Excel Buchhaltungsfunktionen automatisierte, stieg die Nachfrage nach Buchhaltern und Analysten. Als YouTube die Wirtschaftlichkeit des Fernsehens zum Einsturz brachte — von 5 Mio. € pro Folge zu einem Mann, der rostige Werkzeuge in seinem Schuppen reinigt mit 200K Abonnenten — schuf es einen riesigen neuen Markt für Videoproduzenten, Cutter und Regisseure.
Dieselbe Logik gilt jedes Mal. Köche, die ihre Rezepte kostenlos online veröffentlichen, finden ihre Restaurants ausgebucht. Berater, die ihre besten Ideen in Büchern verschenken, werden zu höheren Sätzen engagiert. Etwas günstig zu machen, zerstört nicht den Markt. Es erweitert ihn.
Excel · 1985
Automatisierte Kernbuchhaltungsfunktionen → stieg die Nachfrage nach Buchhaltern
Smartphone-Kameras · 2007
Demokratisierte Fotografie → stieg die Nachfrage nach professionellen Operateuren
YouTube · 2005
Ließ einstürzen TV-Produktionskosten → stieg die Nachfrage nach Videoproduktionstalent
Software ist als Nächstes dran
Was früher 500.000 € und sechs Monate eines dedizierten Engineering-Teams kostete, kostet jetzt 5.000 € und zwei Wochen. Dieser Kosteneinbruch bedeutet, dass die Anzahl tragfähiger Softwareunternehmen nicht stabil bleibt — sie wächst um Größenordnungen. Ideen, die vorher 100.000 Nutzer brauchten, um die Gewinnschwelle zu erreichen, brauchen jetzt 1.000. Der gesamte adressierbare Markt für Software wächst schneller, als KI die Ingenieure darin verdrängen kann.
Jedes dieser neuen Unternehmen — jeder der Millionen, die jetzt bauen werden, was sie sich vorher nicht leisten konnten — steht irgendwann vor demselben Problem: Die Codebasis, die bei fünfzig Nutzern funktionierte, bricht bei fünfhundert. Das Schema, das in Woche zwei Sinn ergab, schafft in Monat acht eine Migrationskrise. Die Architektur, die schnell ausgeliefert wurde, wird zum Hindernis, das das nächste Feature am Ausliefern hindert.
Das ist kein Problem, das KI-Agenten lösen. Das ist ein Problem, das Senior-Ingenieure lösen. Und es gibt jetzt weitaus mehr Unternehmen, die diese Expertise brauchen, als Ingenieure, die sie besitzen.
Warum das unsere Arbeitsweise prägt
Bei Unio Lab glauben wir, dass der Wert von Engineering-Sorgfalt nicht fällt, wenn KI die Implementierungskosten senkt — er steigt. Wenn KI das Volumen übernimmt, bleibt das menschliche Urteilsvermögen, das bestimmt, ob ein System im großen Maßstab zusammenhält, knapp.
Deshalb stellt unsere Methodik Spezifikation an erste Stelle: eine präzise, maschinenlesbare Definition des Systems, bevor eine einzige Codezeile geschrieben wird. Deshalb haben unsere Ingenieure sieben oder mehr Jahre Erfahrung in Cloud-Native-Architektur und industriellem Plattform-Engineering. Und deshalb verifizieren wir jede KI-generierte Ausgabe gegen einen Vertrag, bevor sie ausgeliefert wird.
Wir nutzen KI nicht, um Engineering zu ersetzen. Wir nutzen sie, um die Teile des Engineering, die am meisten zählen, den Teams zugänglich zu machen, die sie jetzt brauchen — schnell, rigoros, ohne den Overhead einer Zwanzig-Personen-Agentur.
Das Jevons-Paradoxon hat uns schon überrascht. Wir denken, es steht kurz davor, die Softwareindustrie zu überraschen. Wir haben Unio Lab gebaut, um auf der richtigen Seite davon zu stehen.
Haben Sie ein System, das Engineering braucht?
Beschreiben Sie das Problem. Wir prüfen, ob es für spezifikationsgetriebene Lieferung geeignet ist, und erstellen innerhalb einer Woche einen Rahmen.