Studie zeigt, dass KI-Codieragenten den Code-Ausstoß erhöhen, aber nicht die Gesamtproduktivität der Software

Image: Ars Technica · Source

Forschung zeigt, dass KI-Codierassistenten mehr Code generieren, aber längere menschliche Überprüfungen erfordern, wodurch Gewinne bei Softwarelieferung und Beschäftigungsänderungen begrenzt bleiben.

Moderne KI-Codierassistenten und Agenten haben sich als geschickt erwiesen, große Mengen funktionalen Codes schnell zu erzeugen. Eine aktuelle Studie weist jedoch darauf hin, dass dieser erhöhte Code-Ausstoß nicht direkt in eine höhere Gesamtssoftwareproduktion übersetzt wird. Die Forscher Fiona Chen und James Stratton von der Harvard University analysierten umfangreiche Daten von über 700 Softwareentwicklungsfirmen mit mehr als 700.000 Beschäftigten, um zu verstehen, wie KI-Codierwerkzeuge die Arbeitsabläufe in der Softwareentwicklung zwischen 2021 und Anfang 2026 beeinflussen.

Unter Verwendung von Daten der Plattform Jellyfish, die detaillierte Aktivitäten von Engineering-Teams verfolgt, beobachteten die Forscher, dass nach der Einführung von KI-Codieragenten — autonome Systeme, die Code basierend auf Eingaben schreiben und einreichen — ein bemerkenswerter Anstieg von 30 Prozent bei produzierten Codezeilen sowie Steigerungen von 20 Prozent bei Commits und 23 Prozent bei Pull Requests zu verzeichnen war. Trotz dieses Anstiegs blieben Kennzahlen zur Softwareproduktion, wie Problemlösungs- und Feature-Abschlussraten, statistisch unverändert.

Die Studie führt diese Diskrepanz auf einen erheblichen Engpass in der menschlichen Code-Review-Phase zurück. Nach der KI-Einführung verlängerte sich die Zeit vom Einreichen eines Pull Requests bis zum Merge um 49 Prozent. Zudem verdoppelten sich annähernd die Änderungsanforderungen, und die Kommentare pro Pull Request stiegen um 35 Prozent, was auf eine intensivere Prüfung des KI-generierten Codes hindeutet. Dieser erhöhte Prüfungsaufwand führte zu einem 14-prozentigen Anstieg des Personaleinsatzes bei Code-Reviews, ohne dass sich die Gesamtbeschäftigung sichtbar änderte.

Obwohl KI-Tools auch zur Unterstützung von Code-Reviews eingesetzt werden, bleibt deren Einfluss begrenzt; bis März 2026 trugen KI-Agenten ungefähr ein Viertel der Review-Kommentare und einen noch kleineren Anteil der Pull Requests bei. Menschliche Prüfer tragen weiterhin den Hauptteil der Validierungsverantwortung.

Diese Erkenntnisse heben ein aktuelles Dilemma hervor: KI-Codieragenten beschleunigen die Codeerstellung, erfordern jedoch deutlich mehr Zeit für menschliche Überprüfungen, wodurch die erwarteten Produktivitätssteigerungen aufgehoben werden. Da die Einführung von KI-Codierung noch relativ neu und im Wandel begriffen ist, könnten durch weiterentwickelte Integrationsstrategien Verbesserungen erzielt werden. Derzeit müssen Unternehmen jedoch abwägen, ob die Investition in KI-Codierungstools die zusätzliche Belastung durch den Prüfaufwand rechtfertigt.