Wie viel schneller schreibt die KI Code? Von minus 19 bis plus 55 Prozent

Wie viel schneller schreibt KI Code? Die ehrliche Antwort: Das kommt darauf an. Belegte Studien reichen von minus 19 Prozent (METR, erfahrene Entwickler in eigenen Codebases) bis plus 55 Prozent (GitHub-Lab-Studie) — in derselben Phase, mit ähnlichen Werkzeugen. Diese Spannweite ist keine Messungenauigkeit, sondern die eigentliche Botschaft: Der Effekt hängt vom Kontext ab.

Dafür, realistisch zu planen, sprechen die Field-Daten: Roh gemessen liegen die Werte aus produktiven Projekten bei plus 9 bis 26 Prozent mehr Pull Requests; nach Abzug des zusätzlichen Review-Aufwands bleiben effektiv plus 10 bis 15 Prozent — konsistent mit unabhängigen Erhebungen zur Team-Produktivität. Das ist der Erwartungswert, mit dem sich seriös planen lässt, nicht die zehnfache Schlagzeilen-Zahl. Zugleich trifft selbst ein dramatischer Coding-Speedup nur einen Teilbereich: Implementierung macht im klassischen Wasserfall 40 bis 55 Prozent des Aufwands aus, im engeren Coding-Sinn aber nur 30 bis 50 Prozent — wer den gesamten Lebenszyklus beschleunigen will, muss anderswo ansetzen.

Dagegen steht eine unbequeme Korrelation: Der DORA-Report 2024 misst, dass mit 25 Prozent mehr KI-Adoption die individuelle Produktivität steigt — aber der Auslieferungs-Durchsatz um 1,5 Prozent sinkt und die Stabilität um 7,2 Prozent. Mehr generierter Code ohne mitwachsende Review-Kapazität erzeugt einen Stau, keinen Speedup — GitClear-Daten zeigen entsprechend eine vervierfachte Code-Duplikation in unkontrollierten KI-Projekten.

Der eigentliche Hebel liegt deshalb nicht im Tippen, sondern in der Rollenverschiebung vom Typisten zum Reviewer.

→ Mehr zum Buch und zum Kapitel „Implementierung”