Du schreibst einen Prompt, die KI generiert den Code, du pushst ihn und gehst Mittag essen. Doch die Realität sieht etwas anders aus. Und ist stellenweise ziemlich unangenehm.
Gergely Orosz, Autor des Newsletters The Pragmatic Engineer, bemerkte etwas, das ihn jeden Tag ärgerte: Auf der Website Claude.ai verschwand beim Schreiben eines Prompts regelmäßig sein Text. Die Seite wurde geladen, das Textfeld zurückgesetzt und die ersten Wörter verschwanden. Ein grundlegender Bug, der nicht einmal in einem Prototyp durchgehen würde. Und dennoch erleben ihn täglich Millionen zahlender Anthropic-Kunden. Niemand bemerkte es, bis Orosz in den sozialen Netzwerken darüber schrieb.
Das Paradoxe? Anthropic generiert über 80 % seines Produktionscodes mithilfe von Claude. Also mithilfe des eigenen Tools. Und trotzdem schaffte es ein solcher Bug bis in die Produktion.
Geschwindigkeit um jeden Preis
Anthropic ist keine Ausnahme. Amazon erlebte eine Reihe von Ausfällen, die direkt mit dem KI-Agenten Kiro zusammenhingen. Einer davon dauerte 13 Stunden und entstand, weil der Agent zu viel freie Hand bekommen hatte und beschloss, die gesamte Umgebung zu löschen und neu zu erstellen. Das Ergebnis? Der Ausfall eines weniger häufig genutzten AWS-Dienstes und ein internes Meeting, bei dem Vizepräsident Dave Treadwell den Mitarbeitern wörtlich sagte: „Die Verfügbarkeit der Website und der Infrastruktur war in letzter Zeit nicht gut.“
Daraufhin führte Amazon eine neue Regel ein: Berufseinsteiger und Entwickler mit mittlerer Erfahrung müssen KI-gestützte Änderungen von einem erfahrenen Entwickler genehmigen lassen. Ein Schritt zurück, um weitere Schäden zu verhindern.
Und Meta? Das Unternehmen berücksichtigt den Verbrauch von KI-Tokens bei der Leistungsbeurteilung seiner Mitarbeiter. Niedriger Token-Verbrauch bei einem Entwickler mit durchschnittlicher Leistung? Ein klares Signal dafür, dass er „offensichtlich leistungsschwach“ ist. Der Druck, KI zu nutzen, ist damit keine bloße Empfehlung mehr, sondern wird zu einer Frage des beruflichen Überlebens.
Erfahrene Entwickler sind mit KI langsamer. Wirklich.
Die Forschungsorganisation METR hat es gemessen: Erfahrene Entwickler, die an ihnen bestens vertrauten Codebasen arbeiteten, waren mit KI-Tools 19 % langsamer als ohne sie. Eine Zahl, die viele überraschte. Wie kann das sein? Schließlich soll KI doch beschleunigen.
Marco Martinez von Coder erklärt es einfach. Der Entwickler ist nicht mehr nur Ersteller, sondern auch Prüfer. Der Code kommt sofort, doch herauszufinden, ob er gut ist, dauert eine Weile. Und genau dabei geht Zeit verloren. Der Code sieht funktionsfähig aus, scheitert aber in der Produktion. Oder er funktioniert, ist jedoch so aufgebläht und schlecht wartbar, dass ihn nach einem halben Jahr niemand mehr öffnen möchte.
Dabei ist das nichts Neues. Versionsverwaltungssysteme, automatisierte Tests, CI/CD-Pipelines. All das hat Entwickler zunächst ausgebremst. Sie mussten innehalten, eine neue Arbeitsweise erlernen und die anfänglichen Reibungsverluste überwinden. KI ist nur eine weitere Runde im selben Karussell.
Die Vertrauenslücke
Eine Umfrage von Stack Overflow aus dem Jahr 2025 zeigte eine interessante Zahl: 84 % der Entwickler nutzen KI-Tools, aber nur 33 % vertrauen ihnen. Das ist eine enorme Kluft. Entwickler vertrauen Compilern, weil sie vorhersehbar sind. Ein KI-Modell arbeitet probabilistisch. Einmal schreibt es perfekten Code, ein anderes Mal baut es unbemerkt einen Fehler ein, der sich erst einen Monat später bemerkbar macht.
Dieses Vertrauen lässt sich nicht mit Marketing erkaufen. Es entsteht durch Wiederholung. Teams, die KI-Code denselben Review-Prozessen unterzogen wie jeden anderen Code, stellten nach und nach fest, dass kleine Änderungen ohne Sorgen durchgingen. Doch das dauerte. Und es erforderte Geduld, die nicht jedes Unternehmen hat.
Dax Raad, Gründer des Open-Source-KI-Agenten OpenCode, warnt davor, dass KI-Tools die Messlatte dafür senken, was überhaupt in die Produktion gelangt, vom Refactoring abhalten und das Team letztlich nicht beschleunigen. Der CTO von Sentry und weitere Startup-Gründer beobachten dasselbe: KI beseitigt die Einstiegshürde, produziert jedoch aufgeblähten, schwer wartbaren Code, der die langfristige Entwicklung ausbremst.
Wer durchhält, wird schneller sein. Aber man muss durchhalten.
Was also tun? Auf KI-Tools verzichten? Das wäre der falsche Schluss. Coder.com bringt es gut auf den Punkt: Teams, die sich Zeit für die richtigen Gewohnheiten nahmen und bereit waren, eine Weile langsamer zu sein, arbeiten heute schneller und mit weniger Fehlern. Ihre Dokumentation ist besser, Probleme werden schneller erkannt, die Testabdeckung hat sich verbessert. Doch das dauerte Monate, nicht Tage.
Entwickler mit einem soliden architektonischen Gesamtverständnis werden wertvoller als je zuvor. Nicht weil sie keine KI nutzen, sondern weil sie wissen, wann sie ihr vertrauen können und wann nicht. Sie erkennen, wann das Modell „selbstbewusst Unsinn erzählt“.
Orosz schlägt eine Rückkehr zu einigen alten Prinzipien vor: formale Validierung, stärkere QA-Prozesse und die Aufsicht erfahrener Entwickler über KI-gestützte Änderungen. Nichts Revolutionäres. Eher gesunder Menschenverstand, angewandt auf ein neues Werkzeug.
