Eine mit Harvard verbundene Studie der Forschenden Fiona Chen und James Stratton, über die TechRadar Pro berichtet, hat untersucht, was KI in der Softwareentwicklung konkret verändert. Der Befund hat zwei Seiten: Mit KI produzieren Entwickler deutlich mehr Code, doch die Menge der tatsächlich fertiggestellten Software steigt nicht statistisch signifikant. Als Grund wird genannt: Die menschliche Prüfung des Codes wird zum neuen Engpass.

Was die Studie misst

Laut TechRadar Pro beobachten die Autoren einen Anstieg der produzierten Codemenge um rund 30 %, wenn Entwickler KI einsetzen. Im Einzelnen nehmen die Codezeilen um 30 % zu, die Commits um 20 % und die Pull Requests um 23 %. Mit anderen Worten: Alle vorgelagerten Aktivitätsmessgrössen steigen um 20 bis 30 %.

Das interessanteste Ergebnis liegt jedoch woanders: Die Forschenden stellen keinen statistisch signifikanten Anstieg der Menge an tatsächlich fertiggestellter Software fest. Genau diese Lücke zwischen dem, was geschrieben, und dem, was ausgeliefert wird, wollten sie erklären.

KI-Agenten und menschliche Prüfung: der neue Engpass

Die Erklärung liegt im Schritt, der auf das Schreiben des Codes folgt. Laut der Studie steigt die Zeit, die für die Prüfung und das Zusammenführen der Pull Requests nötig ist, um 49 %, die Zahl der Kommentare der Prüfenden um 35 % und der Anteil der an den Reviews beteiligten Mitarbeitenden um 14 %. Im Durchschnitt verlängert sich der Review-Prozess von 7,03 Tagen auf 10,48 Tage.

Der Mechanismus ist leicht zu verstehen: Jede vorgeschlagene Änderung muss von einem Menschen geprüft und freigegeben werden, bevor sie übernommen wird. Wenn die KI die Vorschläge vervielfacht, wird die Warteschlange der Prüfenden entsprechend länger. Das «Vibe Coding», also die Praxis, einen grossen Teil des Codes von der KI schreiben zu lassen, scheint den Engpass so weiter nach hinten in der Kette zu verschieben, statt ihn zu beseitigen. Das Fazit der Studie, wie es TechRadar Pro zusammenfasst, geht in diese Richtung: Die Produktivitätsgewinne werden von den nachgelagerten Einschränkungen aufgezehrt, bis die Codeprüfung zum neuen Blockadepunkt wird.

Ergebnisse, Hypothesen und offene Fragen

Man muss unterscheiden zwischen dem, was die Studie feststellt, und dem, was sie nahelegt. Die Zunahmen bei Code, Commits, Pull Requests und Prüfdauer sind Messungen. Die Annahme hingegen, dass KI-generierter Code deutlich mehr Korrekturen erfordert, wird als Behauptung der Forschenden dargestellt, die eine naheliegende Frage nach dem tatsächlichen Ausmass des Produktivitätsgewinns aufwirft.

Andere Punkte bleiben im Stadium der Frage. Die Forschenden fragen sich, ob diese Verlagerung der Last die Unternehmen dazu bringt, mehr Mitarbeitende für die Codeprüfung einzusetzen. Sie fragen sich auch, wie die nächste Phase der KI-Einführung aussieht: KI-Systeme werden bereits für bestimmte Prüfaufgaben eingesetzt, doch Menschen bleiben stark an der Freigabe beteiligt. Nichts in den Quellen deutet darauf hin, dass KI diesen Schritt heute an ihrer Stelle übernehmen könnte.

Zur Beschäftigung hält die Studie fest, dass die Einführung von KI in den untersuchten Daten offenbar nicht mit einem signifikanten Stellenabbau einhergeht. Dieser Befund gilt nur für diese Daten und erlaubt keine Schlussfolgerung für die gesamte Branche.

Die Grenzen, die man im Blick behalten sollte

Der Artikel von TechRadar Pro nennt weder den genauen Titel der Publikation noch die Stichprobengrösse, weder die untersuchten Unternehmen oder den Zeitraum noch die Art, wie die KI-Nutzung gemessen wurde. Er sagt auch nicht, ob die Studie einem Peer-Review unterzogen wurde. Diese Angaben sind jedoch entscheidend, um die Tragweite der Ergebnisse zu beurteilen. Zu beachten ist zudem, dass die von TechRadar Pro veröffentlichte Zusammenfassung einige Zahlen je nach Passage leicht unterschiedlich darstellt; wir übernehmen hier jene aus dem Haupttext, die mit dem Anstieg von 7,03 auf 10,48 Tage übereinstimmen.

Was sich für Entwicklungsteams ändert

Für ein Team, das KI-Agenten einführt, ist die Lehre vor allem organisatorischer Natur: Die Produktivität an der Zahl der Zeilen oder Commits zu messen, genügt nicht, da diese Kennzahlen steigen, ohne dass die Auslieferung nachzieht. Entscheidend ist die Zeit zwischen dem Schreiben einer Änderung und ihrer Inbetriebnahme sowie die verfügbare Prüfkapazität, um sie zu bewältigen.

Laut TechRadar Pro geht es deshalb weniger um den Ersatz von Entwicklern als um die beste Art, diese Werkzeuge zu nutzen, um Mitarbeitende zu unterstützen und unnötige Aufgaben zu beseitigen. Die Rolle des Menschen verschwindet nicht: Sie verlagert sich hin zur Prüfung und Freigabe.

Quellen

  • TechRadar Pro (Frankreich): «Les agents IA écrivent beaucoup plus de code, mais les humains ralentissent ensuite tout le processus»