Der nachfolgende Text wurden mit KI erstellt und kann Fehler enthalten. Fehler gefunden? Bei GitHub editieren
Die Aussage, dass künstliche Intelligenz die Softwareentwicklung günstiger macht, klingt auf den ersten Blick verlockend. Doch eine aktuelle Diskussion zwischen Sebastian Kleinschmager (CEO von SparePartsNow) und Axel Schulz zeigt ein differenzierteres Bild: Ja, KI macht das Coden schneller – teilweise um den Faktor 90. Aber macht sie Softwareprojekte auch einfacher? Die Antwort lautet: nicht unbedingt.
Die Produktivitäts-Illusion
Die Geschwindigkeit beim Code-Schreiben steigt messbar. Tools wie GitHub Copilot und Claude beschleunigen Entwickler erheblich. Das Problem liegt jedoch in den versteckten Kosten: Wer mit KI-Systemen entwickelt – oft als „Vibe-Coding“ kritisiert – spart zwar Zeit beim Schreiben, muss dafür aber massiv mehr in Qualitätssicherung investieren. Security-Lücken, fehlende Tests, schlecht wartbarer Code – das sind typische Nebeneffekte. Die eingesparte Zeit beim Entwickeln wird schnell durch Fehlersuche und Nacharbeit aufgezehrt.
Wo KI tatsächlich helfen kann
Sebastian beobachtet in seiner Praxis, dass KI bei der Wartung und Refactoring bestehender Systeme erstaunlich gut funktioniert. Technische Schulden lassen sich schneller abbauen, Security-Updates können automatisiert werden. Hier zeigt sich: KI kann oft besser mit Legacy-Code umgehen als manche Entwickler.
Besonders wertvoll wird KI auch bei der Dokumentation und bei Spezifikationen. Sie ist eine ideale „Labertasche” für das, was Entwickler ungerne machen – und sie macht es zuverlässig.
Das größere Problem: Komplexität und Zusammenarbeit
Der kritische Punkt: KI macht Softwareentwicklung für Einzelne produktiver, nicht automatisch für Teams und große Projekte. Sobald mehrere Menschen an einem System arbeiten, tauchen neue Probleme auf. Versionskontrolle, Abstimmung, konsistente Architektur – hier wird KI zum Kostentreiber statt Kostensparer. Zudem entstehen neue Herausforderungen bei der Kreditzählung und dem Budgeting für KI-basierte Entwicklung.
Die unbeantwortete Frage nach der Verantwortung
Ein unterschätzter Aspekt: Haftung. Solange Menschen rechtlich verantwortlich für KI-generierten Code sind, werden Unternehmen zögerlich bleiben. Code-Reviews und Sicherheitsprüfungen lassen sich nicht einfach wegautomatisieren – zumindest nicht, ohne erhebliche Risiken einzugehen.
Ein neues Paradigma: Specification Engineering
Interessanterweise deutet sich ein Paradigmenwechsel an: Statt Code direkt zu schreiben, könnten Entwickler künftig vor allem Spezifikationen mit KI entwickeln. Nicht „wie wird es gebaut”, sondern „was soll gebaut werden” rückt in den Fokus. Das funktioniert besonders gut für gut verstandene Domänen, weniger gut für innovative, neue Anforderungen.
Der Rebound-Effekt
Ein ökonomisches Gesetz zeigt sich auch hier: Wenn etwas billiger wird, steigt die Nachfrage. Software könnte billiger werden – dafür braucht es einfach mehr davon. Unternehmen fordern nicht weniger, sondern mehr Features. Die Gesamtkosten sinken möglicherweise nicht, sie verschieben sich nur.
Fazit
KI macht Software nicht automatisch billiger – sie macht sie schneller schreibbar. Das ist ein wichtiger Unterschied. Die wirklichen Kosteneinsparungen entstehen dort, wo Menschen die Technologie bewusst und strukturiert einsetzen: bei Wartung, Dokumentation und Spezifikationen. Für komplexe Projekte mit Teams braucht es neue Methodiken und Governance-Modelle, die wir erst noch entwickeln müssen.
Die Realität ist: Die Rolle des Softwareentwicklers wird sich verändern. Weniger handwerkliches Coden, mehr strategisches Denken über Spezifikationen, Architektur und Qualitätssicherung. Das ist nicht zwangsläufig billiger – aber möglicherweise smarter.