KI verlangsamt erfahrene Entwickler: Überraschende Erkenntnis einer neuen Studie

Eine neue Studie, die Anfang 2025 durchgeführt wurde, brachte eine überraschende Erkenntnis: Künstliche Intelligenz verlangsamt erfahrene Entwickler von Open-Source-Projekten tatsächlich, anstatt sie zu beschleunigen. Die Untersuchung verfolgte 246 Aufgaben, die von erfahrenen Entwicklern in großen, beliebten Repositorys erledigt wurden, und ergab, dass sich die Implementierungszeit beim Einsatz von KI-Tools um 19 % verlängerte.

Erwartungen versus Realität

Vor Beginn des Experiments prognostizierten die Entwickler, dass KI ihnen helfen würde, die Implementierungszeit um 24 % zu verkürzen. Selbst nach Abschluss der Studie waren die Entwickler weiterhin der Ansicht, dass KI sie um 20 % beschleunigt habe, obwohl das Gegenteil der Fall war. Experten aus den Bereichen Wirtschaftswissenschaften und maschinelles Lernen lagen mit ihren Prognosen noch weiter daneben: Sie sagten eine Beschleunigung um 38–39 % voraus.

Wie Entwickler ihre Zeit mit KI verbringen

Die Analyse von 74 Bildschirmaufzeichnungen zeigte interessante Veränderungen darin, wie Entwickler ihre Zeit verbringen. Beim Einsatz von KI:

• Verbrachten sie weniger Zeit mit aktivem Programmieren und der Suche nach Informationen
• Widmeten sie mehr Zeit der Kommunikation mit KI-Systemen, dem Warten auf Antworten und der Überprüfung der Ergebnisse
• Verbrachten sie überraschenderweise auch mehr Zeit mit Nichtstun

Warum KI Entwickler verlangsamt

Die Forscher identifizierten mehrere Schlüsselfaktoren, die zur Verlangsamung beitragen:

Geringe Zuverlässigkeit der KI: Die Entwickler übernahmen weniger als 44 % der Vorschläge von KI-Systemen, und die meisten gaben an, den von der KI generierten Code erheblich überarbeiten zu müssen.

Umfassende Kenntnis der Repositorys: Erfahrene Entwickler mit durchschnittlich fünf Jahren Erfahrung und 1.500 Commits in den betreffenden Repositorys wussten häufig besser als die KI, wie Probleme zu lösen waren.

Komplexe Umgebung: Große Repositorys mit durchschnittlich mehr als 1.100.000 Codezeilen stellten eine Herausforderung für KI-Systeme dar, die Schwierigkeiten mit dem Kontext hatten.

Zukunftsperspektive

Die Studie zeigte außerdem, dass autonome KI-Agenten, die Claude 3.7 Sonnet verwenden, häufig in der Lage sind, die grundlegende Funktionalität von Aufgaben zu implementieren, auch wenn sie bei wichtigen Details wie Dokumentation oder Tests versagen. Dies deutet darauf hin, dass sich die Situation mit der weiteren Entwicklung der KI-Technologien in Zukunft ändern könnte.

Die Ergebnisse dieser Studie unterstreichen die Bedeutung realer Experimente, anstatt sich ausschließlich auf Expertenprognosen oder Umfragen unter Entwicklern zu verlassen. Sie zeigen außerdem, dass Kontext und Erfahrung eine entscheidende Rolle für die Effektivität von KI-Tools spielen.