Die KI-Falle: Wenn Entwickler ohne Coding-Assistenten aufgeben
Es ist ein offenes Geheimnis in der Branche: KI-Coding-Tools wie GitHub Copilot oder Cursor sind aus dem Arbeitsalltag von Entwicklern nicht mehr wegzudenken. Doch wie tief die Abhängigkeit bereits reicht, hat das renommierte Forschungslabor METR im Februar 2026 auf drastische Weise verdeutlicht. Das Team wollte eigentlich ein Update zu einer wegweisenden Studie von 2025 durchführen, die den Produktivitätsgewinn durch KI maß. Das Experiment pläpte jedoch, bevor es richtig begann. Die Entwickler weigerten sich schlicht, an der Kontrollgruppe teilzunehmen, die ohne KI arbeiten sollte. Der Grund: Sie wollten schlichtweg nicht mehr ohne KI arbeiten.
Produktivitätswahn und die Tokenmaxxing-Illusion
Dass Entwickler ihre KI-Assistenten nicht hergeben wollen, verwundert kaum. In einer im Mai veröffentlichten Selbstauswertung gaben technische Mitarbeiter an, durch KI doppelt so wertvoll für ihre Unternehmen zu sein. Doch diese Selbsteinschätzung trügt. Die Studie von 2025 hatte bereits gezeigt, dass KI Entwickler nicht zwingend schneller macht. Zwar wird Code schneller generiert, doch die eingesparte Zeit geht für das Finden und Beheben von Fehlern, das „Prompten“ und das Warten auf die KI wieder drauf.
Ein extremes Beispiel dieses verzerrten Bewusstseins ist der Trend des „Tokenmaxxing“ – das Maximieren der generierten KI-Tokens als fragwürdiger Proxy für Produktivität. Amazon musste beispielsweise seine interne Token-Tracking-Rangliste „Kirorank“ abschalten, nachdem Mitarbeiter das System manipulierten, indem sie KI-Agenten exzessiv nutzten und dabei Kosten verursachten, ohne echten Mehrwert zu schaffen. Auch Uber sprengte sein KI-Budget für 2026 bereits in den ersten vier Monaten. Der COO Andrew Macdonald räumte ein, dass diese Ausgaben zu keinem messbaren Anstieg bei Projekten oder Produktivität geführt haben.
Der Preis der Geschwindigkeit: Permanente Knechtschaft
Der wahre Clou liegt nicht in der Geschwindigkeit des Codes, sondern in dessen Wartbarkeit. Der Programmierer und Autor James Shore brachte das Problem in einem viral gegangenen Blogpost auf den Punkt: „Du schreibst Code jetzt doppelt so schnell? Dann hoffe besser, dass sich auch deine Wartungskosten halbiert haben. Ansonsten bist du geliefert. Du tauschst einen temporären Geschwindigkeitsschub gegen permanente Knechtschaft.“
Diese Einschätzung wird durch Daten gestützt. Aiswarya Sankar, CEO von Entelligence AI, veröffentlichte Zahlen, wonach Unternehmen 44 % ihrer Tokens für die Behebung von Bugs aufwenden, die von KI generiert wurden. Das Code-Review-Tool Code Rabbit fand in Open-Source-Pull-Requests 1,7-mal mehr Probleme in KI-generiertem Code als in menschlichem. Zwar sind diese Zahlen mit Vorsicht zu genießen – letztlich verkaufen diese Unternehmen Lösungen für genau diese Probleme –, doch unabhängige Forscher der Singapore Management University (SMU) bestätigten im April den Trend: KI-generierter Code kann langfristige Wartungskosten in realen Softwareprojekten massiv erhöhen.
Mehr KI für KI-Probleme?
Was also tun, wenn der Code-Generator zugleich Fehler-Generator ist? Die einfachste Antwort der KI-Industrie lautet: Noch mehr KI. Scott Wu, CEO von Cognition und Machter von KI-Agent Devin, schlägt vor, einfach KI-Agenten mit der lästigen Fehlerbehebung zu beauftragen. Doch selbst Wu muss einräumen, dass Devin aktuell eher auf dem Niveau eines Junior- bis Mid-Level-Entwicklers agiert. Es ist also keine „Fire-and-Forget“-Lösung. Wer Fehler von KI mit KI jagt, riskiert einen endlosen Reparaturloop.
Die Forscher der SMU schlagen einen bodenständigeren Ansatz vor. Programmierer müssen die Stärken und Schwächen ihrer KI-Tools genauso gut kennen wie ihre Programmiersprachen. KI-Arbeit erfordert robuste Quality-Assurance-Systeme. Der Output der Maschine muss mit der gleichen Skepsis geprüft werden wie der eines Praktikanten. Vor allem aber – und hier sind sich Forscher und KI-CEO einig – sollte die große Architektur, das Big-Picture-Design und die Sicherheitsarchitektur fest in menschlicher Hand bleiben.
Fazit: Vom Handwerker zum Aufseher
Die aktuelle Entwicklung zwingt uns zu einer Neubewertung des Entwicklerberufs. Wer KI als schnellen Code-Schreiber nutzt, ohne die Konsequenzen für die Wartbarkeit zu bedenken, baut sich selbst eine Falle. Die Abhängigkeit von KI ist bereits so groß, dass Entwickler die Kontrolle über ihren eigenen Arbeitsablauf aufgeben. Wenn wir nicht aufpassen, degenerieren Entwickler von kreativen Architekten und Handwerkern zu reinen Aufsehern und Bug-Fixern für eine Maschine, die schnell Code ausspuckt, aber deren Output wir auf Dauer teuer bezahlen.
Quelle: TechCrunch
