Nimmt mir KI meinen DevOps-Job weg?

Alle paar Wochen schickt mir jemand ein Video mit einem Titel wie „KI-Agent ersetzt komplettes DevOps-Team“. Ich schaue es mir an, lache ein bisschen und denke dann, ehrlich gesagt, länger darüber nach, als ich zugeben möchte.

Ich bin DevOps-Engineer. Mein Job ist es, dafür zu sorgen, dass Software gebaut, getestet, ausgeliefert und am Laufen gehalten wird. Pipelines, Cloud-Infrastruktur, Container, Monitoring und gelegentlich ein Alarm, der einen ruhigen Abend ruiniert. Wenn also alle sagen, KI werde alles automatisieren, soll mein Job ziemlich weit oben auf der Liste stehen. Hier ist, was ich wirklich denke.

Was KI in meiner Welt schon gut kann

Erst mal fair bleiben. KI ist im DevOps-Bereich wirklich nützlich geworden, und etwas anderes zu behaupten wäre albern.

Die langweilige Konfiguration schreiben. Eine Pipeline-Datei, ein Dockerfile, ein Kubernetes-Manifest, ein Stück Terraform. Dinge, die Mustern folgen und die ich früher aus alten Projekten oder der Doku kopiert habe. Ein KI-Assistent liefert mir in Sekunden einen soliden ersten Entwurf.

Logs schneller lesen als jeder Mensch. Wenn etwas kaputtgeht, ist die Antwort meist in Tausenden Logzeilen vergraben. KI-Tools sind sehr gut darin, sie zusammenzufassen, den einen wichtigen Fehler zu finden und auf die Änderung zu zeigen, die ihn wahrscheinlich verursacht hat.

Unbekanntes erklären. Ein altes Skript, an dessen Entstehung sich niemand erinnert, ein Tool, das ich noch nie benutzt habe, eine seltsame Fehlermeldung. Eine KI um eine Erklärung zu bitten, spart viel Suchen.

Kleine Fehler selbst beheben. Die neuesten Tools verhalten sich eher wie Agenten. Sie sehen einen fehlschlagenden Test, lesen die Logs, vermuten die Ursache, schreiben eine Korrektur und öffnen einen Pull Request. Das Bild oben ist keine Science-Fiction mehr.

Was sie noch nicht kann

Und doch: Die schwierigen Teile meines Jobs sind meistens kein Tippen.

Den Kontext kennen. Warum ist dieser Dienst so seltsam konfiguriert? Weil er vor drei Jahren einen Ausfall verursacht hat und die Lösung genau diese seltsame Einstellung war. Dieses Wissen steckt in Köpfen, alten Tickets und halb erinnerten Gesprächen. Die KI sieht den Code. Die Geschichte sieht sie nicht.

Verantwortung übernehmen. Wenn die Produktion ausfällt und Kunden betroffen sind, muss jemand entscheiden: zurückrollen oder einen Fix nach vorne ausrollen? Das Datenbank-Team wecken oder zehn Minuten warten? Diese Entscheidungen haben mit Risiko, Abwägungen und Verantwortung zu tun. Eine KI kann vorschlagen. Ein Mensch muss es verantworten.

Selbstbewusst falsch liegen, sicher. KI schreibt Konfiguration, die perfekt aussieht und subtil kaputt ist. Eine viel zu offene Berechtigung. Eine Einstellung, die im Test funktioniert und unter echter Last umfällt. In der Infrastruktur können kleine Fehler sehr teuer oder sehr öffentlich werden. Jeder KI-Vorschlag braucht immer noch jemanden, der den Unterschied erkennt.

Mit Menschen reden. Überraschend viel von DevOps ist Gespräch: verstehen, was Entwickler brauchen, sich auf Standards einigen, einem Manager erklären, warum man nicht einfach „die Cloud einschalten und Geld sparen“ kann. Das macht kein Modell für mich.

KI ist ein sehr schneller Junior-Engineer, der nie müde wird und nie so recht weiß, wann er falschliegt.

Wie sich der Job wirklich verändert

Ich glaube nicht, dass der Job verschwindet. Ich glaube, er rückt eine Ebene nach oben.

Weniger Zeit, Konfiguration von Hand zu schreiben, mehr Zeit, sie zu prüfen. Weniger Zeit, in Logs zu wühlen, mehr Zeit, zu entscheiden, was man mit dem anfängt, was die Logs sagen. Weniger Zeit für wiederkehrende Korrekturen, mehr Zeit, Systeme zu entwerfen, die gar nicht erst kaputtgehen. Und eine neue Art von Arbeit: die Leitplanken bauen, mit denen KI-Agenten sicher helfen können. Was sie anfassen dürfen, was eine menschliche Freigabe braucht, wie wir ihre Änderungen testen und wie wir sie rückgängig machen.

Dieser letzte Teil ist sehr DevOps. Wir waren schon immer die, die Sicherheitsgeländer für Automatisierung bauen. KI ist nur eine neue, sehr mächtige Art von Automatisierung.

Und dann ist da MLOps

Es gibt auch eine lustige Wendung. Jemand muss die KI-Systeme selbst bauen, ausrollen und am Laufen halten. Auch Modelle brauchen Pipelines, Monitoring, Versionierung, Rollbacks und Rufbereitschaft. Das ist ein großer Teil davon, warum ich angefangen habe, MLOps zu lernen. Wenn KI in meine Welt kommt, will ich lieber von innen verstehen, wie sie funktioniert, als von außen zuzuschauen.

Was ich jemandem sagen würde, der heute mit DevOps anfängt

Lern die Grundlagen richtig, denn sie sind es, mit denen du die Ergebnisse der KI beurteilen kannst: Netzwerke, Linux, wie die Cloud wirklich funktioniert, Sicherheitsgrundlagen. Nutze KI-Tools jeden Tag und werde gut darin, so wie frühere Generationen Scripting gelernt haben. Und übe die menschliche Seite: klar schreiben, Abwägungen erklären, ruhig bleiben, wenn etwas kaputtgeht.

Es werden nicht die Engineers Probleme haben, die von KI ersetzt werden. Sondern die, die von Engineers ersetzt werden, die KI gut nutzen.

Also, nimmt mir KI meinen Job weg?

Teile davon, ja. Die repetitiven Teile, die Copy-Paste-Teile, die „lies zehntausend Logzeilen“-Teile. Ehrlich gesagt werde ich sie nicht vermissen.

Der Job selbst? Ich glaube, er wird in fünf Jahren ziemlich anders aussehen. Aber jemand wird immer noch das ganze System verstehen, die schweren Entscheidungen treffen und derjenige sein müssen, der sagt: „Nein, das deployen wir nicht.“ Im Moment bin das noch ich.

Mein Fazit: KI schlägt vor, Menschen entscheiden. Mein Job ist es, dafür zu sorgen, dass das dort so bleibt, wo es zählt.

— Desly