Der nachfolgende Text wurden mit KI erstellt und kann Fehler enthalten. Fehler gefunden? Bei GitHub editieren
Die Frage, ob Künstliche Intelligenz Entwickler:innen wirklich produktiver macht, wird in der Tech-Community intensiv diskutiert. Oft dominieren dabei extreme Positionen: Die einen versprechen 10x Produktivitätssteigerungen, die anderen warnen vor Qualitätsverlust. Ingo Eichhorst hat sich wissenschaftliche Studien zum Thema angeschaut und spannende Erkenntnisse gewonnen.
Die Messung von Produktivität ist kompliziert
Ein zentrales Problem bei der Bewertung von KI-Produktivität liegt in der Definition selbst. Verschiedene Studien messen Produktivität völlig unterschiedlich – von Selbsteinschätzungen der Entwickler bis zu Video-Analysen mit Stoppuhr. Eine häufig zitierte METR-Studie zeigte ein interessantes Phänomen: Entwickler schätzten ihre Produktivitätssteigerung durch KI-Tools auf etwa 20 Prozent. Bei objektiven Messungen per Screen-Recording sank sie jedoch um 20 Prozent – bei erfahrenen Entwicklern, die mit der neuen Technologie noch nicht vertraut waren.
Erfahrung ist entscheidend
Ein wichtiger Befund: Ein Entwickler, der 50 Stunden Erfahrung mit dem KI-Tool Cursor hatte, war deutlich schneller als Kollegen mit nur 30 Minuten Training. Das zeigt, dass KI-Werkzeuge wie traditionelle Tools auch eine Lernkurve haben. Nach neun Monaten konnten die ursprünglich langsameren Entwickler tatsächlich 20 Prozent schneller arbeiten.
Die versteckten Kosten der KI-Nutzung
Eine weitere Studie enthüllte, dass Entwickler nur 35 Prozent ihrer Zeit aktiv am Programmieren verbringen. Der Rest der Zeit investieren sie in Recherche, Meetings und andere Aufgaben. KI beschleunigt zwar das Coden, bringt aber auch neue Zeitfresser mit sich: das Prompt-Engineering, das Review von KI-Output und das Warten auf Generierung. Diese neuen Aktivitäten kompensieren teilweise die Zeitersparnis.
Qualität vs. Geschwindigkeit
Die Forschung zeigt auch, dass Code-Qualität bei der KI-Entwicklung unter Druck geraten kann. Eine Analyse über sechs Monate nach KI-Einführung zeigte steigende Code-Komplexität trotz statischer Code-Analyse. Allerdings beruhigt eine Studie von Dave Farley: Wenn KI-generierter Code von Entwicklern später weiterbearbeitet wird, ist das nicht signifikant langsamer als bei menschlich geschriebenem Code.
Fazit
Die wissenschaftliche Evidenz widerlegt sowohl die euphorischen als auch die pessimistischen Szenarien. KI bietet in einigen Studien echte Produktivitätsgewinne – durchschnittlich etwa 10-20 Prozent – setzt aber Erfahrung mit den Tools und bewusstes Qualitätsmanagement voraus. Der Hype der „10x Produktivität” basiert eher auf Marketing als auf wissenschaftlichen Fakten. Wer KI sinnvoll einsetzen möchte, sollte auf Code-Qualitätsmetriken achten und seinen Entwicklern Zeit zum Lernen geben.