Karriere per Prompt: Amazon-Techlead teilt vier Regeln fürs produktive Arbeiten mit KI

KI beschleunigt Entwicklung, Verantwortung bleibt beim Menschen

Anni Chen, Tech-Lead bei Amazon, erzählt, wie der Umgang mit großen Sprachmodellen ihre Karriere verändert hat. Aus einem Nebenprojekt mit KI-generierten Titeln für Empfehlungs-Widgets wurde ein eigenes Produktteam. Heute leitet sie die Entwicklung einer Memory-Technologie, die personalisierte generative Erlebnisse ermöglicht. Ihre Erfahrung zeigt: KI kann große Teile des Codes liefern, doch Entscheiderinnen und Entwickler müssen die Ergebnisse einordnen, testen und verantworten.

Chen berichtet, dass rund 95 Prozent des Codes, der unter ihrem Namen entsteht, von KI generiert werden. Der entscheidende Unterschied liege darin, aus KI-Lösungen stabile, skalierbare Produkte zu formen. Das erfordere technisches Verständnis, interdisziplinäre Abstimmung und strikte Prüfung in Produktionsumgebungen.

Vier konkrete Regeln fürs sogenannte «Vibe Coding»

• 1. Versteht, wie LLMs intern arbeiten

  Große Sprachmodelle basieren auf Wahrscheinlichkeiten, gefolgt von supervised fine tuning und RLHF. Wer diese Schritte kennt, erkennt besser, wann ein Modell zusätzliche Informationen braucht, warum Halluzinationen entstehen und wie sich Aufgaben in kleinere, beherrschbare Teile zerlegen lassen.

• 2. Erst denken, dann KI befragen

  Wenn ihr zuerst selbst eine Lösung skizziert und dann die KI-Antwort mit euren Überlegungen vergleicht, fallen Annahmen und Lücken schneller auf. So bleibt die Kontrolle beim Entwickler und die KI wird zu einem Prüf- und Beschleunigungswerkzeug.

• 3. Stellt schwierige Fragen

  Fragt gezielt nach Fehlerfällen, Skalierung und Randbedingungen. Diese kritische Perspektive ähnelt dem Review durch erfahrene Kolleginnen und zwingt dazu, die Produktionsreife schon in frühen Phasen zu denken.

• 4. Überprüfen und verstehen, Schritt für Schritt

  Fehler früh erkennen, statt sie am Ende zu finden: Chen warnt davor, generierten Code ungeprüft als korrekt zu akzeptieren. In Produktionsumgebungen kann fehlerhafter Code größeren Schaden anrichten als fehlende Features.

Chen betont außerdem: KI senkt die Einstiegshürde beim Programmieren, entbindet aber nicht von der Verantwortung. Wer Systeme mit Hilfe von Modellen baut, muss deren Grenzen kennen, Tests einbauen und Entscheidungen nachvollziehbar dokumentieren. Am Ende entscheidet das menschliche Urteilsvermögen darüber, ob ein KI-gestütztes Produkt sicher und zuverlässig läuft.

Ihre Karriereentwicklung bei Amazon verdeutlicht, dass die Kombination aus technischem Verständnis für KI und der Fähigkeit, daraus skalierbare Produkte zu gestalten, heute ein klarer Karrierekatalysator sein kann.