KI-gestützte Codierungsassistenten und -agenten können große Mengen funktionalen Codes generieren. Eine aktuelle Studie der Harvard University legt jedoch nahe, dass diese Effizienzgewinne bei der Code-Erstellung durch den nachgelagerten Prozess der menschlichen Code-Überprüfung weitgehend neutralisiert werden. Die Analyse von Praktiken in Hunderten von Unternehmen zeigt, dass es kaum Belege dafür gibt, dass Firmen ihre Software-Produktion steigern oder den Personalbestand reduzieren, indem sie diese Tools einsetzen.
Studienmethodik und Datenbasis
Die Forscher Fiona Chen und James Stratton von der Harvard University nutzten aggregierte Analysedaten von Jellyfish, einem Anbieter für die Messung der Leistung von Entwicklungsteams. Die Daten umfassen 300 Millionen individuelle „Arbeitsereignisse“ wie Commits (Änderungen am Code) und Pull Requests (Vorschläge zur Zusammenführung von Code) sowie Daten aus Issue-Management-Software von über 700.000 Mitarbeitern in mehr als 700 relevanten Softwareentwicklungsfirmen. Der Untersuchungszeitraum erstreckte sich von 2021 bis März 2026.
Um den Einfluss von KI-Tools zu bewerten, ermittelten die Forscher den Zeitpunkt der Einführung von KI-Codierungsassistenten (die primär von Menschen erstellten Code ergänzen) und/oder KI-Codierungsagenten (die autonom Code auf Basis von Prompts schreiben und einreichen) mittels direkter Messungen und Analysen von GitHub-Aktivitäten. Anschließend wendeten sie eine „Difference-of-Differences“-Regression an, um Veränderungen relevanter Variablen vor und nach der Einführung der Tools zu bestimmen.
Zunahme der Code-Generierung ohne erhöhten Software-Output
Die Ergebnisse bezüglich der produzierten Code-Menge sind eindeutig: Die Einführung von KI-Codierungsagenten führte in den Unternehmen durchschnittlich zu einer Steigerung der generierten Code-Zeilen um 30 Prozent, einer Zunahme der Commits um 20 Prozent und einer Erhöhung der Pull Requests um 23 Prozent. Trotz dieser deutlichen Zuwächse bei der Code-Erzeugung zeigte sich jedoch keine statistisch signifikante Änderung der Lösungsrate von „Issues“ und „Epics“ (umfassende Software-Features), die mit Tools wie Jira verfolgt werden. Die Forscher stellten auch keine Verschiebung in Größe oder Komplexität dieser Jira-Aufgaben nach der KI-Einführung fest.
Der Engpass der menschlichen Code-Überprüfung
Der Hauptgrund für diese Diskrepanz liegt im Code-Review-Prozess, der sich nach der Einführung von KI-Codierungsagenten merklich verlängert. Die durchschnittliche „Review-Prozess“-Zeit zwischen der Einreichung eines Pull Requests und dessen Zusammenführung in die Codebasis stieg durchschnittlich um 49 Prozent. Detailliertere Daten zeigen, dass der Anteil der Pull Requests, die Änderungen erforderten, sich nahezu verdoppelte und die Anzahl der Kommentare pro Pull Request um 35 Prozent zunahm.
Als Reaktion auf diese Entwicklung stellten die Forscher eine 14-prozentige Zunahme des Anteils der Mitarbeiter fest, die Code-Reviews durchführen. Sie konnten jedoch keine signifikanten Veränderungen der Gesamtbeschäftigung auf die KI zurückführen, basierend auf den Daten von Jellyfish und LinkedIn.
Begrenzte Rolle der KI bei der Überprüfung
Obwohl KI theoretisch auch den Überprüfungsprozess unterstützen könnte, fanden die Forscher bisher nur marginale Auswirkungen. Bis März 2026 nutzten 80 Prozent der untersuchten Firmen eine Form der KI-gestützten Code-Überprüfung. Allerdings waren KI-Agenten nur für 23,3 Prozent aller Review-Kommentare und 10,8 Prozent aller Pull Requests verantwortlich, was darauf hindeutet, dass der Großteil dieser Arbeit weiterhin von Menschen geleistet wird.
Ausblick und Fazit
KI-Agenten sind noch ein relativ junger Bestandteil der Softwareentwicklung. Seit dem Datenstichtag im März 2026 gab es bereits erhebliche Weiterentwicklungen. Obwohl 95 Prozent der Firmen in der Studie KI-Codierungsagenten implementiert haben, durchlaufen viele noch einen Lernprozess bezüglich des optimalen Einsatzes. Es ist möglich, dass sich diese Kompromisse zwischen Codierungs- und Überprüfungszeit verbessern, wenn Softwareentwicklungsteams mehr Erfahrung im Umgang mit KI-Agenten sammeln.
Vorerst erweist sich der Einsatz von KI zur Code-Erstellung als zweischneidiges Schwert: Die Zunahme der Codierungsgeschwindigkeit wird durch einen ähnlichen Anstieg des Zeit- und Arbeitsaufwands für die menschliche Code-Überprüfung konterkariert.
Thema: Technologie / KI allgemein. Quelle/Inspiration: Ars Technica.