# ng-ai-engineering-skills-map-2026-08-14

## Veille

X-Post von **Andrew Ng** vom **14. August 2026** (16:29 UTC), Wiederaufnahme des "Dear friends"-Briefs aus ***The Batch* #366** (DeepLearning.AI, gleiches Datum), ca. 900 Wörter. Ng stellt **The AI Engineering Skills Map** vor und veröffentlicht **vier Skills**, die als die wichtigsten gelten. **(1) Aufbau und Bereitstellung von KI-Anwendungen** — die Besonderheit wird benannt: *« The key difference between AI and non-AI applications is that the former has unpredictable outputs »*, daher die Betonung von *evals* und Fehleranalyse-Loops. **(2) Grundlagen der Softwareentwicklung**, denn *« Understanding software fundamentals allows you to recognize what tradeoffs even exist »* — der unerfahrene Entwickler scheitert *« because they don't know what context to give their coding agent »*, daher das Ziel, *« steering coding agents using the precise language of software engineering »*. **(3) Einsatz von Coding-Agenten**, in operativer Formulierung: *« help the agent autonomously close loops by providing verifiers or evals »*, sowie *« knowing how much to intervene and how much to leave them alone »*. **(4) *Den Build gestalten***: *« Given a clear spec, coding agents are rapidly improving at delivering to it. Thus, our work as engineers is shifting toward deciding what should be in the spec »*, ergänzt durch *« Engineers should no longer expect to be given a pixel-perfect design and asked only to implement it. »* Ein **Hinweis zur Terminologie** trägt den größten Teil der Rahmung: Ng spricht von **Skills** im AI Engineering und **nicht von der Rolle** "AI Engineer", mit einer expliziten Analogie — *« All developers today should know how to work with the cloud, and only a smaller number have a "Cloud engineer" title. »* Das Ganze stützt sich auf *« an analysis of more than 10,000 job postings, dozens of structured interviews with experts, hiring managers, and recruiters, surveys, and other online data »*, wovon **keine numerischen Ergebnisse veröffentlicht werden**: Ng beschreibt sein Vorgehen als *« informally… akin to running clustering »* und kündigt eine detaillierte Map in künftigen Beiträgen an. Sein Eigeninteresse benennt er im vorletzten Satz: *« DeepLearning.AI's principal focus is to help developers gain these AI engineering skills. »*

## Titre Article

The AI Engineering Skills Map

## Date

2026-08-14

## URL

https://x.com/AndrewYNg/status/2088302050706686198

## Keywords

AI Engineering Skills Map, Skills-Map, Andrew Ng, DeepLearning.AI, The Batch #366, Skills vs. Rolle, AI Engineer, Skills-Grundausstattung, Requalifizierung, Reskilling, Cloud-Analogie, Full-Stack, Data Engineer, DevOps, Machine Learning Engineer, KI-Anwendungen, unvorhersehbare Ausgaben, unvorhersehbare Ausgaben, LLM, context engineering, RAG, agentische Workflows, evals, Fehleranalyse, Grundlagen der Softwareentwicklung, Trade-offs, Trade-offs, Kosten, Skalierbarkeit, Zuverlässigkeit, Sicherheit, Datenschutz, vibe coding, welchen Kontext man dem Agenten gibt, Coding-Agenten, agentisches Coding, wann eingreifen, Verifier, Verifier, autonomes Schließen von Loops, klare Spec, den Build gestalten, Product Sense, Business-Kontext, Ownership, MVP, kontinuierliches Lernen, Routinen zum Ausprobieren neuer Tools, 10.000 Stellenausschreibungen, strukturierte Interviews, informelles Clustering, detaillierte Map folgt, Beschäftigungsfähigkeit, Upskilling, Trainingsanbieter, offengelegter Interessenkonflikt

## Authors

**Andrew Ng** — fondateur de **DeepLearning.AI**, general partner d'**AI Fund**, cofondateur de **Coursera** et de **Google Brain**, ancien chief scientist de Baidu. Texte signé, à la première personne, écrit *« with my team »* sans qu'aucun collaborateur soit nommé. Publié le **14 août 2026** sur X et dans ***The Batch* n°366** — même texte aux deux endroits ; préférer *The Batch* pour toute citation durable. Quatrième fiche Ng du corpus, après les lettres n°350 (24 avril), n°352 (8 mai) et n°359 (26 juin).

## Ton

**Profil**: ein Brief im Ton eines Gründer-Pädagogen, magistrales und wohlwollendes Register — ca. 900 Wörter, vier Blöcke werden angekündigt und dann entwickelt, ein Synthesesatz pro Block. Publikum: Entwickler **und** Arbeitgeber, ab dem ersten Absatz explizit und getrennt angesprochen (*« (i) developers prioritize what to learn, and (ii) employers hire skilled developers »*). Ein Studienprogramm, präsentiert als Lagebericht.

**Stil**: Der Einstieg ist eine Deliverable-Präsentation (*« I am delighted to present »*) — die Map wird ausgebreitet, bevor sie begründet wird; die empirische Untermauerung folgt im nächsten Absatz als ein einziger Vier-Punkte-Satz. Die Rahmung wird gegen das Umgebungsrauschen gesetzt, ohne jemanden zu nennen: *« But with the noisy, hype-filled, information environment around AI, what are the most valuable skills for you to learn? »* — die erbrachte Leistung ist Kuratierung, und die Autorität stützt sich auf die Autorenzeile, ohne dass ein Wettbewerber oder eine Gegenquelle zitiert wird. Der **Hinweis zur Terminologie** (*« A note on terminology »*) wird als Vokabelklärung präsentiert, obwohl er tatsächlich die zentrale Rahmung des Beitrags trägt. Es gibt im gesamten Text ein einziges Zugeständnis, und es ist der nuancierteste Satz: *« knowing how to work with a clear spec **(and when not to bother doing so)** »*. Die Prosa ist sauber, aber sichtlich schnell geschrieben — *« avoid pitfalls like risk an agent messing up your production database »* ist im Original grammatikalisch fehlerhaft, und die Methodenbeschreibung passt in einen einzigen Satz mit vier Semikola. Es ist ein wöchentlicher Brief, kein lektorierter Bericht.

**Signalphrasen**:
- ***« I talk about AI Engineering skills rather than the "AI Engineer" role »***
- ***« All developers today should know how to work with the cloud, and only a smaller number have a "Cloud engineer" title. »***
- ***« The key difference between AI and non-AI applications is that the former has unpredictable outputs »***
- ***« knowing how to drive disciplined evals and error analysis loops »***
- ***« Understanding software fundamentals allows you to recognize what tradeoffs even exist »***
- ***« they don't know what context to give their coding agent »***
- ***« steering coding agents using the precise language of software engineering »***
- ***« help the agent autonomously close loops by providing verifiers or evals »***
- ***« knowing how to work with a clear spec (and when not to bother doing so) »***
- ***« our work as engineers is shifting toward deciding what should be in the spec »***
- ***« Engineers should no longer expect to be given a pixel-perfect design and asked only to implement it »***
- ***« Underlying all these skills is a mindset of continuous learning »***

**Epistemische Haltung**: eine Autoritätssynthese, gestützt auf unveröffentlichte Daten. Die vier Kategorien werden argumentativ hergeleitet, und ein Praktiker wird sie wiedererkennen, aber nichts im Text erlaubt es, zu unterscheiden, was aus den 10.000 Stellenausschreibungen stammt und was aus der Erfahrung des Autors. Die vier Skills als **Andrew Ngs These** zitieren; nicht als **Studienergebnis** zitieren. Der Autor stellt selbst fest, dass DeepLearning.AI diese Skills lehrt.

## Pense-betes

- **Datum / Quelle**: **14. August 2026**, X-Post von **Andrew Ng** und "Dear friends"-Brief aus ***The Batch* #366** (DeepLearning.AI) — identischer Text. ca. 900 Wörter.
- **Zentrale Rahmung**: Der Beitrag spricht von **Skills**, nicht von der **Rolle** des AI Engineer. *« All developers today should know how to work with the cloud, and only a smaller number have a "Cloud engineer" title. Similarly, all developers — full-stack engineers, data engineers, DevOps engineers, machine learning engineers, and, yes, AI engineers — will need AI engineering skills. »* ### Die vier Skills | # | Skill | Zentrale Formulierung aus dem Beitrag | |---|-----------|---------------------------| | 1 | Aufbau und Bereitstellung von KI-Anwendungen | *« the former has unpredictable outputs »* → Evals und Fehleranalyse | | 2 | Grundlagen der Softwareentwicklung | *« allows you to recognize what tradeoffs even exist »* | | 3 | Einsatz von Coding-Agenten | *« help the agent autonomously close loops by providing verifiers or evals »* | | 4 | *Den Build gestalten* | *« deciding what should be in the spec »* | Ein fünfter, nicht nummerierter Skill: *« Underlying all these skills is a mindset of continuous learning »*, dessen operative Version präziser ist als das Schlagwort — *« having routines to keep trying new tools and evolve your workflows as best practices change »*. Das entscheidende Wort ist **Routinen**: eine geplante Praxis, die als Zeit einzuplanen ist. ### Was die Cloud-Analogie je nach Leser impliziert | Leser | Implikation | |---------|-------------| | Entwickler | der Skill kommt zum bestehenden Job hinzu, er ersetzt ihn nicht | | HR / Manager | der realistische Weg ist die **Requalifizierung der bestehenden Belegschaft**, nicht die Einstellung von "AI Engineers" | | Trainingsanbieter | der adressierbare Markt verschiebt sich von einer Nische zur gesamten Entwicklerpopulation | Derselbe Wandel von Rolle zu Skill wie in [[sfeir-ia-frontieres-metiers-skill-based-organisation-2026-08-01]] beschrieben, angewandt auf Engineering. ### Skill #2, ein dreistufiger Mechanismus 1. *« Understanding software fundamentals allows you to recognize what tradeoffs even exist »* — Kosten, Skalierbarkeit, Zuverlässigkeit, Geschwindigkeit, Sicherheit, Datenschutz. 2. Der unerfahrene Entwickler, der *vibe coding* betreibt, scheitert nicht, weil er schlecht codiert, sondern weil er die Abwägungen nicht kennt, die in seinem Namen getroffen werden: *« which will often be poor ones, because they don't know what context to give their coding agent »*. 3. Daher *« steering coding agents using the precise language of software engineering »* — Fachwissen wird wieder zur Schnittstelle. Management-Konsequenz: KI verschiebt den Wert des Senior Engineers von der Ausführung zur Abwägungsentscheidung. Konvergiert mit der Verständnisschuld aus [[osmani-cognitive-surrender-comprehension-debt-2026-05-05]]. ### Kontinuität über vier Briefe, April → August 2026 | Datum | Brief | Was er festschreibt | |------|--------|-----------------| | 24. Apr. | #350 | Agenten beschleunigen ungleichmäßig je nach Art der Arbeit | | 8. Mai | #352 | keine Jobs-Apokalypse, aber eine Requalifizierung "mit sich wandelnden Skills" — welche, wird nicht gesagt | | 26. Jun. | #359 | Engineers übernehmen eine partielle Produktmanagement-Rolle | | 14. Aug. | #366 | vier Skills, darunter *Den Build gestalten*, die die Rolle vom Juni benennt | Die Position ist über vier Monate kumulativ, nicht opportunistisch — das macht sie tragfähiger als ein isolierter Trend-Beitrag. Der für jede Zusammenfassung mitzunehmende Punkt: derselbe Autor erklärt, dass Jobs requalifiziert werden, veröffentlicht die Liste der Requalifizierungs-Skills und stellt fest, dass seine Organisation diese lehrt. Alles wird offengelegt. Gegenposition: [[ng-the-batch-352-no-ai-jobpocalypse-2026-05-08]]. ### Was die Map auslässt | Fehlt bei den vier Skills | Wo es auftaucht | |---|---| | Sicherheit | ein Nebensatz in §2 — *« Security and privacy add further complexity »* | | Kosten, Token-Budget | ein Nebensatz in §3 — *« without wasting excessive time or tokens »* | | Code Review, Testing | "testing" einmal in einer Aufzählung genannt | | Betrieb, Observability, Incidents | fehlt | | Teamarbeit, Übergabe | fehlt | | Compliance, Data Governance | fehlt | Wahrscheinlichste Lesart: Die Map beschreibt, was der **Arbeitsmarkt verlangt** (10.000 Stellenausschreibungen), nicht, was eine Organisation **verlangen sollte**. Die Lücke zwischen den beiden Listen ist selbst ein Ergebnis, das der Beitrag nicht vermerkt. Zur Sicherheit siehe [[valente-zalewski-beyond-zero-enterprise-security-ai-era-2026-07-20]]. ### Rezeption (Stand 16. August 2026) **3.074.365 Views**, **17.271 Likes**, **3.028 Reposts**, **311 Antworten**, **35.343 Bookmarks**. Das Verhältnis Bookmarks/Likes liegt bei ≈ **2,05**: Der Text wurde doppelt so oft archiviert wie beklatscht — ein Signal für dokumentarische Nutzung, passend zum "Liste-von-vier"-Format. Das Verhältnis Antworten/Views (311 bei 3 Mio.) deutet darauf hin, dass er eher gespeichert als diskutiert wurde. Nichts davon misst Zustimmung zu den vier Kategorien oder deren Validität. ### Zitierhygiene 1. Nicht schreiben "laut einer Analyse von 10.000 Stellenausschreibungen sind die vier wichtigsten Skills…": Der Beitrag benennt eine **Methode**, kein **Ergebnis** — keine Prozentzahl, keine Gewichtung, kein Zeitraum oder Geografie, und ein Clustering, das der Autor selbst als "informal" bezeichnet. Korrekte Formulierung: *« Andrew Ng, drawing on an unpublished analysis of more than 10,000 job postings and on interviews, identifies four skills… »* 2. Dieser Beitrag ist **die Ankündigung einer Map, nicht die Map selbst**. Den Eintrag erneut öffnen, sobald die detaillierte Version veröffentlicht wird. 3. Stets erwähnen, dass DeepLearning.AI diese Skills lehrt — der Autor stellt dies selbst fest. 4. *The Batch* #366 gegenüber dem X-Post für jede dauerhafte Zitierung bevorzugen; den X-Link für Rezeptionsdaten reservieren.

## RésuméDe400mots

X-Post von **Andrew Ng** vom **14. August 2026**, Wiederaufnahme des "Dear friends"-Briefs aus ***The Batch* #366** (DeepLearning.AI).

**Was angekündigt wird.** *The AI Engineering Skills Map*: **vier Skills**, die als die wichtigsten für einen Entwickler dargestellt werden, gestützt auf *« an analysis of more than 10,000 job postings »*, Dutzende strukturierte Interviews mit Experten, Hiring Managern und Recruitern, Umfragen und weitere Online-Daten. Explizit doppeltes Publikum: Entwicklern helfen, **zu priorisieren, was sie lernen**, und Arbeitgebern, **einzustellen**.

**Die vier Skills.** **(1) Aufbau und Bereitstellung von KI-Anwendungen** — ihr Unterschied liegt in der **Unvorhersehbarkeit der Ausgaben**; man muss die Bausteine kennen (LLM, context engineering, RAG, agentische Workflows, maschinelles Lernen, Deep Learning) und vor allem die **statistischen Techniken zum Messen, Steuern und Governance**, einschließlich *« disciplined evals and error-analysis loops »*. **(2) Grundlagen der Softwareentwicklung** — deren Verständnis erlaubt es, *« recognize what tradeoffs exist »* (Kosten, Skalierbarkeit, Zuverlässigkeit, Geschwindigkeit, Sicherheit, Datenschutz) und so den Agenten *« in the precise language of software engineering »* zu steuern; der unerfahrene Entwickler, der *vibe coding* betreibt, scheitert, weil *« they don't know what context to give their agent »*. **(3) Einsatz von Coding-Agenten** — ein mentales Modell ihrer Grenzen, Kontextmanagement, Abwägungen zwischen Planung und Ausführung, **Bereitstellung von Verifiern oder Evals, damit der Agent seine Loops selbstständig schließt**, Arbeiten mit einer klaren Spec *« and when not to bother doing so »*, Multi-Agent-Orchestrierung, Guardrails. **(4) *Den Build gestalten*** — da Agenten gegen eine klare Spec gut liefern, verschiebt sich die Arbeit hin zu **der Entscheidung, was die Spec enthalten soll**: Product Sense, Business-Kontext, Projekt-Ownership. **Allen vieren zugrunde liegt: eine Haltung des kontinuierlichen Lernens**, mit *« routines for trying new tools »*.

**Die eigentliche These, versteckt in einem Hinweis zur Terminologie.** Ng spricht von **Skills** im AI Engineering und nicht von der **Rolle** "AI Engineer": *« all developers should know how to work with the cloud, only a small number carry the "Cloud engineer" title »*. **AI Engineering wird zur Grundausstattung, nicht zur Spezialisierung** — man stellt nicht ein, man qualifiziert um.

**Zwei Vorbehalte.** **Es werden keine numerischen Ergebnisse veröffentlicht**: keine Gewichtung, keine Sub-Skills, ein Clustering, das als *« informal »*-Analogie beschrieben wird, und die detaillierte Map wird auf künftige Beiträge verschoben. **Dies ist die Ankündigung einer Map, nicht die Map selbst.** Und der Autor benennt sein Eigeninteresse: *« DeepLearning.AI's principal focus is to help developers gain these AI engineering skills. »*

## GrapheDeConnaissance

- Andrew Ng —publie→ AI Engineering Skills Map (DOCUMENT, 0.98)
- Andrew Ng —dirige→ DeepLearning.AI (ORGANISATION, 0.96)
- AI Engineering Skills Map —fait_partie_de→ The Batch (DOCUMENT, 0.94)
- AI Engineering Skills Map —affirme_que→ les quatre compétences d'AI engineering les plus importantes sont construire et déployer des applications IA, les fondamentaux du génie logiciel, l'utilisation des agents de codage et le fait de façonner la construction (AFFIRMATION, 0.97)
- AI Engineering Skills Map —est_basé_sur→ une analyse non publiée de plus de 10 000 offres d'emploi, des dizaines d'entretiens structurés avec experts, hiring managers et recruteurs, des sondages et d'autres données en ligne, le clustering étant qualifié par l'auteur d'analogie informelle (MESURE, 0.93)
- Andrew Ng —affirme_que→ il faut parler de compétences d'AI engineering plutôt que du rôle d'AI Engineer, parce que tous les développeurs devraient savoir travailler avec le cloud alors que seul un petit nombre porte le titre de Cloud engineer (CITATION, 0.96)
- compétences d'AI engineering —s_applique_à→ tous les développeurs — full-stack, data, DevOps, machine learning et AI engineers — et non à une spécialité identifiée par un titre de poste (AFFIRMATION, 0.95)
- compétences d'AI engineering —fait_partie_de→ AI Engineering Skills Map (DOCUMENT, 0.95)
- construction et déploiement d'applications IA —fait_partie_de→ AI Engineering Skills Map (DOCUMENT, 0.96)
- construction et déploiement d'applications IA —affirme_que→ la différence clé entre une application IA et une application classique est l'imprévisibilité de ses sorties, d'où le recours à des techniques statistiques pour mesurer, piloter et gouverner le système (AFFIRMATION, 0.95)
- construction et déploiement d'applications IA —utilise→ des boucles d'évaluations et d'analyse d'erreurs disciplinées, présentées comme la compétence centrale pour rendre un système IA plus prévisible (AFFIRMATION, 0.94)
- fondamentaux du génie logiciel —fait_partie_de→ AI Engineering Skills Map (DOCUMENT, 0.96)
- fondamentaux du génie logiciel —permet→ de reconnaître quels arbitrages existent entre coût, scalabilité, fiabilité, vitesse, sécurité et vie privée, et donc de mieux choisir sa stack, son architecture, son magasin de données et ses tests (AFFIRMATION, 0.95)
- fondamentaux du génie logiciel —permet→ de piloter un agent de codage dans le langage précis du génie logiciel (AFFIRMATION, 0.94)
- vibe coding —s_oppose_à→ la qualité du résultat lorsqu'il est pratiqué par un développeur inexpérimenté, qui ignore les arbitrages faits par son agent et ne sait donc pas quel contexte lui donner (AFFIRMATION, 0.93)
- utilisation des agents de codage —fait_partie_de→ AI Engineering Skills Map (DOCUMENT, 0.96)
- utilisation des agents de codage —recommande→ de fournir des vérificateurs ou des evals pour que l'agent ferme ses boucles de façon autonome, de gérer son contexte, d'arbitrer entre planification et exécution, de savoir travailler avec un spec clair et quand ne pas s'en donner la peine, et d'orchestrer plusieurs agents (AFFIRMATION, 0.95)
- utilisation des agents de codage —recommande→ de tenir des routines d'essai de nouveaux outils et de faire évoluer ses workflows, la pratique du codage agentique changeant trop vite pour que la connaissance des pratiques de pointe suffise (AFFIRMATION, 0.94)
- façonner la construction —fait_partie_de→ AI Engineering Skills Map (DOCUMENT, 0.96)
- façonner la construction —affirme_que→ les agents livrant de mieux en mieux un spec clair, le travail de l'ingénieur se déplace vers la décision de ce que le spec doit contenir, et un ingénieur ne doit plus s'attendre à recevoir un design pixel-perfect à seulement implémenter (CITATION, 0.95)
- façonner la construction —utilise→ le sens produit, la compréhension du contexte métier et des objectifs client, ainsi que la conduite de projet — savoir quand livrer vite un MVP à tester auprès d'utilisateurs et quand ralentir pour construire plus soigneusement (AFFIRMATION, 0.94)
- façonner la construction —converge_avec→ le rôle partiel de product management que Ng attribuait déjà aux ingénieurs dans sa lettre sur les trois boucles du développement produit (AFFIRMATION, 0.9)
- apprentissage continu —fait_partie_de→ AI Engineering Skills Map (DOCUMENT, 0.93)
- apprentissage continu —s_applique_à→ les quatre compétences comme socle commun, l'IA continuant de changer vite (AFFIRMATION, 0.92)
- DeepLearning.AI —affirme_que→ son objectif principal est d'aider les développeurs à acquérir ces compétences d'AI engineering (CITATION, 0.96)
- AI Engineering Skills Map —prédit→ la publication d'une carte plus détaillée et de billets développant chacune des quatre compétences, non parus à la date de la fiche (AFFIRMATION, 0.94)
- AI Engineering Skills Map —mesure→ 3 074 365 vues, 35 343 bookmarks, 17 271 likes, 3 028 reposts et 311 réponses sur X au 16 août 2026, soit un rapport bookmarks sur likes d'environ 2,05 (MESURE, 0.9)

---
Canonical: https://www.thekb.eu/de/fiches/ng-ai-engineering-skills-map-2026-08-14/