BitcoinWorld
Programmierer weigern sich, ohne KI zu arbeiten – aber die versteckten Kosten häufen sich
Im Jahr 2026 haben Entwickler ihre Haltung klar gemacht: Sie werden nicht ohne künstliche Intelligenz programmieren. Forscher des angesehenen KI‑Sicherheitslabors METR erlebten das aus erster Hand, als sie versuchten, eine Studie aus 2025 zu replizieren, die die Auswirkung von KI auf die Produktivität beim Programmieren messen sollte. Das Problem? Keine Entwickler wollten an der Kontrollgruppe teilnehmen – der Gruppe, die ohne KI‑Unterstützung arbeiten musste.
METRs gescheiterter Versuch und die Lücke in der Selbstwahrnehmung Die ursprüngliche Studie von METR aus 2025 hatte bereits ein kontraintuitives Ergebnis geliefert: Während Entwickler sich mit KI produktiver fühlten, dauerten ihre Arbeiten insgesamt länger, weil Zeit für das Korrigieren von KI‑generierten Fehlern, das Steuern des Werkzeugs und das Warten auf Antworten aufgewendet wurde. Als METR versuchte, das Experiment mit neueren KI‑Modellen zu wiederholen, konnten sie keine Teilnehmer rekrutieren. Wie die Forscher zugaben, „wollen Entwickler nicht ohne KI arbeiten“, selbst für eine begrenzte Zeit im Rahmen einer kontrollierten Studie.
Stattdessen veröffentlichte METR im Mai 2026 eine Umfrage, in der technische Mitarbeitende ihre Produktivitätsgewinne selbst melden konnten. Nicht überraschend schätzten die Befragten ihren Wert für das Unternehmen als doppelt so hoch ein. Doch aktuelle Entwicklungen deuten darauf hin, dass diese Selbsteinschätzungen nicht der Realität entsprechen.
Tokenmaxxing: Der Trend, der bereits nach hinten losging Die Praxis, den KI‑Token‑Verbrauch als Proxy für Produktivität zu nutzen – genannt „Tokenmaxxing“ – wurde zu einem prägenden Trend Anfang 2026. Sie könnte jedoch bereits unter ihrem eigenen Gewicht zusammenbrechen. Amazon schloss sein internes Token‑Tracking‑Leaderboard Kirorank, nachdem Mitarbeitende das System ausnutzten, indem sie KI‑Agenten übermäßig laufen ließen, was die Kosten in die Höhe trieb, ohne nennenswerte Ergebnisse zu liefern, wie die Financial Times berichtete. Uber verbrannte sein gesamtes KI‑Budget für 2026 in nur vier Monaten, und COO Andrew Macdonald räumte in einem Podcast ein, dass die Ausgaben keine messbaren Steigerungen bei Projekten oder Produktivität gebracht hatten.
Die Falle der Wartungskosten Über Kostenüberschreitungen hinaus häufen sich Hinweise darauf, dass KI‑generierter Code langfristige Verbindlichkeiten schafft. Programmierer und Autor James Shore formulierte das Problem in einem weit verbreiteten Blog‑Post: „Du schreibst jetzt doppelt so schnell Code? Hoffe besser, dass du deine Wartungskosten halbiert hast. Andernfalls bist du erledigt. Du tauschst einen temporären Geschwindigkeitsschub gegen permanente Knechtschaft ein.“
Unabhängige Forschung der Singapore Management University, veröffentlicht im April 2026, warnte, dass „KI‑generierter Code langfristige Wartungskosten in realen Softwareprojekten einführen kann.“ Die Code‑Review‑Plattform Code Rabbit analysierte Open‑Source‑Pull‑Requests und stellte fest, dass KI‑produzierter Code 1,7 mal mehr Probleme verursachte als von Menschen geschriebener Code. Zwar stammen diese Zahlen von Unternehmen mit kommerziellem Interesse an Code‑Review‑Tools, doch das Muster ist in mehreren Quellen konsistent.
Warum das Produktivitätsversprechen hohl sein könnte Die Diskrepanz zwischen wahrgenommener und tatsächlicher Produktivität ist nicht neu, aber das Ausmaß der KI‑Einführung verstärkt die Folgen. Entwickler lieben ihre KI‑Assistenten – sie berichten, dass sie sich schneller, fähiger und weniger frustriert fühlen. Objektive Kennzahlen erzählen jedoch eine andere Geschichte: mehr Bugs, höhere Token‑Kosten und Wartungsbelastungen, die sich im Laufe der Zeit summieren. Ein viraler Beitrag von Aiswarya Sankar, CEO des Reliability‑Engineering‑Startups Entelligence AI, behauptete, Unternehmen würden 44 % ihrer KI‑Tokens für die Behebung von Bugs ausgeben, die die KI selbst erzeugt hat.
Was die Experten empfehlen Die Lösungen variieren je nach Befragtem. Cognition‑CEO Scott Wu, dessen Unternehmen den KI‑Coding‑Agent Devin entwickelt, argumentiert, dass Entwickler einfach mehr KI einsetzen sollten, um die von KI geschaffenen Probleme zu beheben. Doch selbst Wu gibt zu, dass Devin derzeit zwischen einem Junior‑ und einem Mid‑Level‑Programmierer liegt, je nach Aufgabe – keine Hand‑off‑Lösung.
Die Forscher der Singapore Management University plädieren für einen stärker menschenzentrierten Ansatz: Entwickler müssen verstehen, welche Aufgaben KI gut erledigt und welche nicht, so tief wie sie ihre Programmiersprachen kennen. Sie empfehlen robuste Qualitätssicherungs‑Systeme, die speziell für KI‑generierten Code konzipiert sind, und eine sorgfältige menschliche Überprüfung der KI‑Ausgaben – als würde man die Arbeit eines Junior‑Entwicklers prüfen. Die Forscher und Wu stimmen in einem Punkt überein: Menschen sollten die Verantwortung für Entscheidungen auf hoher Ebene wie Software‑Architektur und Sicherheitsdesign behalten.
Fazit Der Beruf des Programmierers hat einen Wendepunkt erreicht. Entwickler haben KI so tief in ihre Arbeitsabläufe integriert, dass viele nicht mehr oder nicht wollen ohne sie arbeiten. Die Evidenz zeigt jedoch, dass diese Abhängigkeit reale Kosten mit sich bringt – aufgeblähte Budgets, versteckte Wartungsbelastungen und eine Lücke zwischen wahrgenommener und tatsächlicher Produktivität. Der Weg nach vorn wird wahrscheinlich nicht darin bestehen, KI ganz aufzugeben, sondern diszipliniertere Praktiken zu entwickeln, wann und wie sie eingesetzt wird, und zu akzeptieren, dass kein Werkzeug die Notwendigkeit menschlichen Urteils im Software‑Engineering eliminiert.
FAQs F1: Warum konnte METR seine 2025‑Studie zur KI‑Produktivität nicht replizieren? Entwickler weigerten sich, an der Kontrollgruppe teilzunehmen, die das Arbeiten ohne KI‑Unterstützung erforderte, selbst für eine begrenzte Zeit im Rahmen einer Forschungsstudie. METR veröffentlichte stattdessen einen berichtsbasierten Umfrage‑Report.
F2: Was ist Tokenmaxxing und warum ist es umstritten? Tokenmaxxing ist die Praxis, den KI‑Token‑Verbrauch als Maßstab für die Produktivität von Mitarbeitenden zu verwenden. Unternehmen wie Amazon und Uber stellten fest, dass Mitarbeitende das System ausspielt, die Kosten in die Höhe treibt, ohne entsprechende Output‑Steigerungen, was zum Einstellen von Token‑Tracking‑Programmen führte.
F3: Erhöht KI‑generierter Code die Wartungskosten? Mehrere Quellen – darunter akademische Forschung der Singapore Management University, unabhängige Analysen von Code Rabbit und Kommentare von Branchenexpert*innen – zeigen, dass KI‑generierter Code mehr Bugs und langfristige Wartungsbelastungen verursacht als von Menschen geschriebener Code.
Dieser Beitrag Programmierer weigern sich, ohne KI zu arbeiten – aber die versteckten Kosten häufen sich erschien zuerst auf BitcoinWorld.