Softwarearchitekt Nicolai Wolko argumentiert, dass sowohl Menschen als auch KI-Modelle Schwierigkeiten haben, die Bedeutung hinter Code und Architektur zu verstehen, da das "Warum" hinter Entscheidungen oft unsichtbar bleibt. Dies führt zu logisch-semantischen Fehlern, da KI-Modelle Muster erkennen, aber keine Herleitung verstehen, ähnlich wie Menschen, die ohne Vorwissen in ein System einsteigen. Die Geschichte der Softwareentwicklung hat zwar die mentale Last durch Abstraktionen reduziert, aber auch die Interpretationsarbeit erhöht. Konzepte wie Domain-Driven Design (DDD) und Clean Code zielen darauf ab, die Verständlichkeit zu verbessern, indem sie fachliche Semantik in den Vordergrund stellen. Dennoch bleibt die Bedeutung im fertigen Code oft nur indirekt erkennbar, was zu kognitiver Belastung führt, wie fMRT-Studien zeigen. KI-Modelle spiegeln dieses Problem wider, indem sie bei obfuskiertem Code oder fehlenden Kontextinformationen Leistungseinbußen zeigen.