Software & Apps
Teknosfera-Redaktion
Software & Apps

Code zu tippen war nie der Engpass – eine Harvard-Studie belegt das

KI-Agenten ließen Entwickler rund 30 % mehr Code schreiben, doch fertige Arbeit blieb konstant und Reviews dauerten länger. Wer Reviews nicht finanziert, liefert unsichtbares Risiko aus.

Veröffentlicht
18. November 2026
Lesezeit
3 min
Kategorien
Software & Apps

KI-generiertes Bild

Was, wenn KI-Coding-Agenten ausgerechnet das beschleunigen, was Ihr Team nie ausgebremst hat? Ein Arbeitspapier der Harvard University legt nahe, dass genau das in vielen Entwicklungsorganisationen der Fall sein könnte. Sie haben sich einen schnelleren Tipper gekauft, und die Arbeit stapelt sich am nächsten Schreibtisch.

Was die Studie tatsächlich herausfand

Laut der Zusammenfassung von ComplexDiscovery untersuchten die Harvard-Doktoranden Fiona Chen und James Stratton 718 Unternehmen. Bei Firmen, die KI-Coding-Agenten einführten, schrieben Entwickler etwa 30 Prozent mehr Code. Die Autoren weisen darauf hin, dass dies den zusätzlichen Effekt der Agenten in Unternehmen abbildet, die bereits KI-Coding-Assistenten nutzten. Fertige Arbeit, gemessen an in die Produktion ausgelieferten Jira-Tickets, stieg nicht messbar. Die Zeit von der Einreichung eines Pull Requests bis zum Merge nahm um 49 Prozent zu, ausgehend von einem Basiswert von 7,03 Tagen.

Zwei Einschränkungen sind wichtig. Es handelt sich um ein Arbeitspapier, und die geprüfte Fassung zeigt keine Anzeichen eines abgeschlossenen Peer-Reviews. Die Daten stammen zudem von Jellyfish, einem Anbieter von Engineering-Analysen. Die Autoren sagen, eine verborgene Verzerrung würde eher der KI schmeicheln als ihr schaden – was das Ergebnis des stagnierenden Outputs unserer Ansicht nach schwerer abtun lässt. Dennoch gilt: ein starkes Indiz, keine gesicherte Wissenschaft.

Code zu schreiben war der billige Teil

Wir meinen, die Schlagzeile ist nicht die 30 Prozent, sondern die Null daneben. Softwareauslieferung ist eine Pipeline, und die Beschleunigung einer Stufe verlagert die Warteschlange nur zur nächsten. Vermutlich hat das Entwerfen von Code nie bestimmt, wie schnell ein Team liefert. Entscheidend waren, die Änderung zu verstehen, zu beurteilen, ob sie richtig ist, und Verantwortung dafür zu übernehmen. Diese Aufgaben liegen bei Menschen, und Agenten haben sie nicht beseitigt. Indem sie mehr Änderungsvorschläge erzeugen, haben sie diese Aufgaben offenbar schwerer gemacht.

Die Forschenden prüften auch die beruhigende Erklärung, Entwickler seien einfach zu größeren Aufgaben übergegangen. Sie fanden keine Verschiebung der durchschnittlichen Ticketgröße, und auch die Pull Requests wurden nicht größer. Das zusätzliche Volumen verbarg also keinen echten Output. Es wurde zu mehr Dingen, die darauf warten, dass jemand sie liest.

Das Risiko ist das Review, das stillschweigend entfällt

Hier werden wir meinungsstark. Eine Verlangsamung um 49 Prozent erzeugt Druck, und Organisationen entlasten Druck gern an der billigsten Stelle. Reviewer überfliegen. Freigaben werden durchgewunken. Jemand schlägt vor, einen weiteren Agenten die Arbeit des ersten prüfen zu lassen. All das kann das Dashboard gesund aussehen lassen, während ungeprüftes Risiko in die Produktion gelangt. Die Geschwindigkeitskennzahl steht auf Grün, die Qualitätskennzahl ist unsichtbar.

Das ist die eigentliche Gefahr, wenn man KI an geschriebenen Zeilen oder Commits misst. Diese Zahlen stiegen in der Studie (Commits um 20 Prozent, Pull Requests um 23 Prozent), die gelieferte Arbeit dagegen nicht. Ein Team, das über Aktivität berichtet, wird schließen, dass die Werkzeuge funktionieren. Ein Team, das über ausgelieferte, geprüfte Arbeit berichtet, kommt womöglich zu einem weniger schmeichelhaften Schluss.

Was Teams jetzt tun sollten

Erstens: Ändern Sie, was Sie messen. Erfassen Sie Review-Dauer, Überarbeitungsquoten und das, was tatsächlich in der Produktion ankommt, nicht nur den erzeugten Code. ComplexDiscovery argumentiert ähnlich für Einkäufer im Rechtsbereich: genehmigte Arbeitsergebnisse und die Zeit der Prüfer neben dem Entwurfsvolumen betrachten.

Zweitens: Planen Sie Reviews als vollwertigen Kostenfaktor ein. Wenn Agenten die Entwürfe vervielfachen, müssen Reviewer, Werkzeuge und geschützte Zeit mitwachsen. Sonst verschieben Sie nur die Warteschlange.

Drittens: Benennen Sie für jeden Merge einen verantwortlichen Menschen. Wer die Änderung freigibt, trägt dafür die Verantwortung, gleichgültig, wie sie entstanden ist.

Unser Fazit: Agenten sind keine Fata Morgana, aber der versprochene Produktivitätsgewinn gehört auf die Review-Seite der Bilanz. Teams, die Reviewen als knappe Fähigkeit behandeln, machen aus zusätzlichem Code zusätzliches Produkt. Die übrigen haben viel mehr Code und gleich viel fertige Arbeit. Dazu tragen sie verborgene Risiken, die später zutage treten.

#Harvard#Jellyfish#KI-Coding-Agenten#künstliche Intelligenz
Diskussionsthemen

Noch keine Themen: Eröffne das erste.

Weitere Artikel