Zum Inhalt springen
token therapie

Sitzung 01

Wie viel produktiver macht KI Entwickler wirklich?

Worum es geht

Shownotes

Kurz gesagt: In Folge 1 von Token-Therapie fragen Jan Schulte (Betalyra) und Dr. Michael Köpf (Dr. Köpf IT Solutions), wie viel produktiver KI Entwickler wirklich macht. Michael Köpf hält Produktivitätsgewinne von 100 Prozent und mehr für möglich, abhängig von den Rahmenbedingungen. Studien zeigen mehr Code, aber auch mehr Bugs, mehr Incidents, kaum Gewinn in Altsystemen, stark subventionierte Token-Preise und ein höheres Burnout-Risiko.

Das Wichtigste in Kürze

  • In einer METR-Studie mit 16 Teilnehmenden fühlten sich Entwickler mit KI rund 20 Prozent schneller, waren gemessen aber rund 20 Prozent langsamer.
  • Die Faros-Studie mit 22.000 Entwicklern zeigt viel mehr Code, aber 54 Prozent mehr Bugs, 243 Prozent mehr Incidents pro Pull Request und 861 Prozent mehr Code Churn.
  • KI ist laut Google DORA ein Verstärker: Sie macht gute Prozesse besser und schlechte schlechter.
  • Bei neuen, einfachen Systemen liegt der Produktivitätsgewinn laut einer Studie bei 30 bis 40 Prozent, bei alten oder komplexen Systemen bei 0 bis 10 Prozent, unter Umständen sogar darunter.
  • Das 200-Dollar-Abo liefert laut SemiAnalysis Tokens im API-Wert von etwa 8.000 Dollar (Claude) bis 14.000 Dollar (ChatGPT), ist also etwa 40- bis 70-fach subventioniert.
  • Laut Upwork haben intensive KI-Nutzer ein 88 Prozent höheres Burnout-Risiko und eine doppelt so hohe Kündigungsabsicht.

Warum ist Produktivität mit KI so schwer zu messen?

Dr. Michael Köpf hält Produktivität in der Softwareentwicklung für kaum objektiv messbar. Er erinnert an den Beitrag von McKinsey aus dem Jahr 2023 („Yes, you can measure software developer productivity“), der damals viel Kritik auslöste. Pragmatisch fragt er: Wie viel Entwicklerzeit muss ein Unternehmen bezahlen, um ein bestimmtes Ergebnis zu bekommen?

Viele Studien kommen zu kleinen Zahlen. Gründe dafür sind laut Michael Köpf: Teams arbeiten mit KI weiter wie in den letzten 10 oder 20 Jahren und stoßen schnell an ein Limit. Außerdem sind Studien bei Erscheinen oft veraltet, weil sie mit Modellen arbeiten, die heute niemand mehr einsetzen würde.

Weil passende Metriken fehlen, kehrt nach Beobachtung der Hosts Lines of Code als Maßstab zurück, eine Metrik, die schon in den 80er- und 90er-Jahren als untauglich galt. Die DORA-Metriken (DevOps Research and Assessment von Google; sie messen Software Delivery und Operations Performance) sind gut untersucht, beantworten aber viele heutige Fragen nicht. Als brauchbarere Kennzahlen nennt Jan Schulte Incidents pro Pull Request, Zahl der Bugs und Reviewzeit.

Was zeigen Studien über Code-Qualität mit KI?

Die Faros-Studie von 2026 mit 22.000 Entwicklern zeigt einen hohen Durchsatz, also viel generierten Code. Gleichzeitig stieg die Zahl der Bugs um 54 Prozent und die Zahl der Incidents pro Pull Request um 243 Prozent gegenüber händisch geschriebenem Code. Der Code Churn, also Code, der kurz nach dem Schreiben wieder gelöscht wird, lag um 861 Prozent höher.

Für Dr. Michael Köpf ist das vor allem eine wirtschaftliche Frage: Wird Code billiger produziert, verursacht aber teure Incidents oder Reputationsschäden, ist die Ersparnis am Ende null oder sogar negativ. Kommen Incidents durch den Entwicklungsprozess, ist dort etwas schiefgegangen.

Google DORA beschreibt KI als Amplifier, als Verstärker für gute wie schlechte Prozesse. Je mehr Druck die generative KI auf die Pipeline bringt, desto wichtiger sind funktionierende Prozesse. Viele Organisationen haben laut Michael Köpf noch nicht einmal das Niveau von CI/CD und Continuous Delivery erreicht, das schon vor fünf Jahren möglich war.

Was ist Comprehension Debt und warum ist sie gefährlich?

Mit KI verschiebt sich die Arbeit vom Schreiben zum Review. Jan Schulte sieht in verschiedenen Firmen, dass auch das Review an KI-Werkzeuge wie CodeRabbit übergeht. Steckt dahinter dasselbe Modell, das den Code geschrieben hat, kann sich ein Fehler selbst verstärken.

Comprehension Debt (auch Cognitive Debt) heißt: Das Team versteht den Code nicht mehr, den die KI erzeugt. Die KI schreibt Code fünf- bis zehnmal so schnell, wie ein Mensch ihn verstehen kann. Tests sind grün, die Pipeline läuft, doch zwei Wochen später weiß niemand mehr, warum bestimmte Entscheidungen getroffen wurden. Das mentale Modell der Software ist verloren. Bei kleinen Programmen lässt sich neu schreiben, bei größeren Projekten ist das laut Dr. Michael Köpf fatal.

Er erwartet, dass das Verständnis künftig auf einer höheren Ebene gehalten werden muss, während KI-Agenten Code schreiben und im Detail reviewen. Welche Ebene das ist, hält er für offen. Viele Empfehlungen übertragen Workflows aus der Arbeit mit Menschen auf KI-Agenten. Brian Finster hat solche Workflows nachgemessen und gefunden, dass Test-first bei KI-Agenten nichts bringt, obwohl er selbst ein Verfechter der Methode ist.

Gleichzeitig kehrt Waterfall zurück: erst alles spezifizieren, im KI-Jargon „Planning“. Für Michael Köpf war Softwareentwicklung aber immer ein Lernprozess. Eine Spezifikation, die ohne Anpassung umgesetzt wurde, hat er noch nicht erlebt.

Ist Coding überhaupt der Engpass?

Softwareentwicklung ist mehr als Code schreiben: Architektur, Anforderungen mit den Fachbereichen klären, Testing, Usability Testing. Jan Schulte findet, dass das in der Produktivitätsdiskussion oft untergeht.

Dr. Michael Köpf bezweifelt, dass Coding je der Engpass war. Das echte Bottleneck sind meist Kommunikationsprobleme: ein Problem und vor allem Menschen verstehen. Nach Einschätzung der Hosts fällt das mit höherem Tempo jetzt nur stärker auf. Engineering Leader müssen deshalb Kommunikation und gemeinsames Lernen organisieren, etwa in Sitzungen, in denen das Team bespricht, was generiert wurde. Das kostet Tempo und muss als Führungskraft durchgesetzt werden, ähnlich wie früher beim Abbau technischer Schulden.

Was kostet KI-Coding wirklich?

Laut SemiAnalysis sind die Abos von Anthropic, OpenAI, Google und anderen stark subventioniert. Das 200-Dollar-Abo liefert Tokens, die über die API etwa 8.000 Dollar (Claude) bis 14.000 Dollar (ChatGPT) kosten würden, etwa 40- bis 70-fach subventioniert. Die Hosts erwarten, dass das nicht so bleibt, spätestens mit dem Börsengang der Anbieter.

Dr. Michael Köpf rechnet vor: 14.000 Dollar Tokens pro Monat und Mitarbeiter entsprechen mindestens einer weiteren Vollzeitstelle. Es bräuchte dann 100 Prozent Produktivitätssteigerung, damit sich das rechnet. Als Grenze für Preissteigerungen sehen die Hosts Open-Source- und selbst gehostete Modelle. Die Hosts erwarten außerdem, dass Teams künftig das beste Modell für Planning und kleinere oder Open-Source-Modelle für einfache Coding-Aufgaben nutzen.

Echte Preise wären aus Sicht der Hosts heilsam: Erst dann gingen die Leute ökonomisch mit KI um und arbeiteten so, wie es sich wirklich lohnt.

Macht KI-Coding Entwickler müde?

Wer kaum noch Code schreibt, sondern reviewt und fünf oder sechs Agenten gleichzeitig steuert, wechselt ständig den Kontext. Das erhöht das Risiko für Developer Fatigue und Burnout. Laut Upwork haben intensive KI-Nutzer ein 88 Prozent höheres Burnout-Risiko und eine doppelt so hohe Kündigungsabsicht; Jan Schulte hält die Datenlage noch nicht für eindeutig.

Dr. Michael Köpf verweist auf Steve Yegge, einen Fan von agentischem Coding, der von einem „Energy Vampire“ spricht: Wer intensiv so arbeitet, ist nach einem halben Arbeitstag erschöpft. Entwickler lesen, verarbeiten und entscheiden in einem Tempo wie nie zuvor. Das Flow-Gefühl, für viele der Reiz der Arbeit, geht verloren.

Hinzu kommt Arbeitsverdichtung: Jeder muss mehr produzieren oder zumindest verantworten, ohne dass das Gehalt im gleichen Maß steigt. Michael Köpf beobachtet, dass sich erste Betriebsräte mit dem Thema befassen.

Häufige Fragen

Wie viel produktiver macht KI Entwickler?

Das hängt stark von den Rahmenbedingungen ab. Dr. Michael Köpf hält 100 Prozent und mehr für möglich; Studien messen deutlich weniger, eine nennt 30 bis 40 Prozent bei neuen und 0 bis 10 Prozent bei alten oder komplexen Systemen.

Macht KI Entwickler langsamer?

In der METR-Studie mit 16 Teilnehmenden waren Entwickler mit KI rund 20 Prozent langsamer, fühlten sich aber rund 20 Prozent schneller. Die Studie ist klein und arbeitete mit einem älteren Modell.

Führt KI-generierter Code zu mehr Bugs?

Laut der Faros-Studie mit 22.000 Entwicklern stieg die Zahl der Bugs um 54 Prozent und die Zahl der Incidents pro Pull Request um 243 Prozent. Nach Google DORA verstärkt KI vor allem die Qualität der vorhandenen Prozesse.

Was ist Comprehension Debt?

Comprehension Debt entsteht, wenn KI Code schneller erzeugt, als ein Team ihn verstehen kann. Nach einiger Zeit weiß niemand mehr, warum Entscheidungen getroffen wurden, und das mentale Modell der Software geht verloren.

Sind KI-Coding-Abos subventioniert?

Laut SemiAnalysis liefert ein 200-Dollar-Abo Tokens im API-Wert von etwa 8.000 bis 14.000 Dollar, also etwa 40- bis 70-fach subventioniert. Zu echten Preisen bräuchte es rund 100 Prozent Produktivitätsgewinn, damit sich der Einsatz rechnet.

Erhöht KI-Coding das Burnout-Risiko?

Laut Upwork haben intensive KI-Nutzer ein 88 Prozent höheres Burnout-Risiko und eine doppelt so hohe Kündigungsabsicht. Gründe sind ständige Kontextwechsel, hohes Entscheidungstempo und Arbeitsverdichtung.

Links

Direkt zum Thema

Kapitel

  1. 00:00KI Produktivität Einstieg
  2. 00:58Produktivität messen
  3. 04:26Metriken und DORA
  4. 05:52Mehr Code mehr Bugs
  5. 08:55Prozesse als Verstärker
  6. 10:48Review Shift und Debt
  7. 14:28Workflows und Waterfall
  8. 16:40Greenfield vs Legacy
  9. 17:38Kommunikation als Bottleneck
  10. 21:31Token Ökonomie Kosten
  11. 26:21Developer Fatigue Burnout
  12. 29:32Fazit und Outro

Alle Folgen im Protokoll