AI-Coding-Tools beschleunigen Entwicklung – aber Qualität leidet messbar

Bis zu fünfmal schneller – aber der Preis zeigt sich im Review

AI-gestützte Coding-Assistenten können Entwicklungszyklen erheblich beschleunigen – in Einzelfällen um bis zu fünf Mal, wie Fachartikel berichten. Besonders bei Greenfield-Projekten und boilerplate-lastigen Aufgaben entfällt ein großer Teil der manuellen Schreibarbeit. Doch die Geschwindigkeit hat einen Preis: In Umgebungen mit hoher AI-Adoption sind die Pull-Request-Review-Zeiten um etwa 90 Prozent gestiegen. Der Grund liegt auf der Hand: Wenn Maschinen den initialen Code erzeugen, verschiebt sich die Arbeit der Entwickler vom Schreiben zum Prüfen. Nahezu drei Viertel der Entwickler berichten zudem von häufigen AI-Halluzinationen – also generiertem Code, der syntaktisch korrekt erscheint, aber fachlich falsch oder unvollständig ist. Dieses Misstrauen führt zu einem Verifikationsstau: Teams delegieren mehr Arbeit an automatisierte Systeme, haben aber gleichzeitig weniger Vertrauen in deren Output. Ein beobachtetes Verhaltensmuster ist, dass Entwickler zusätzliche Agenten-Sitzungen öffnen, um die neu gewonnene Zeit zu füllen – oft auf Kosten der architektonischen Kohärenz. Diese Beobachtungen stammen aus einer Analyse der frühen Einführung von AI-Coding-Agenten und verdeutlichen, dass die reine Schreibgeschwindigkeit nur ein Teil der Gleichung ist. Wer nur die Zeit bis zum ersten Commit misst, übersieht die anschließende Prüf- und Korrekturarbeit.

Was kontrollierte Studien wirklich messen: 20–30 Prozent statt 5x

Die hohen Beschleunigungswerte aus Beobachtungsstudien stehen im Kontrast zu Ergebnissen kontrollierter Experimente. Eine randomisierte kontrollierte Studie mit 96 Google-Softwareingenieuren, die eine komplexe, unternehmensnahe Aufgabe bearbeiteten, ergab eine signifikante Verkürzung der Bearbeitungszeit durch AI-Unterstützung. Die beste Schätzung des Effekts liegt bei etwa 21 Prozent – allerdings ist das Konfidenzintervall groß, sodass der wahre Wert deutlich höher oder niedriger liegen könnte. Eine systematische Übersichtsarbeit, die 181 Dokumente auswertete, darunter 116 empirische Studien, kommt zu einem ähnlich verhaltenen Bild: In kontrollierten Studien beträgt der Gewinn in der reinen Coding-Phase typischerweise 20 bis 30 Prozent. Das ist weit entfernt von den oft zitierten fünfmal schnelleren Zyklen. Allerdings zeigen sich Ausreißer: In agentenbasierten Fällen, bei denen KI-Agenten nicht nur Vorschläge machen, sondern eigenständig Code erstellen, testen und ausführen, berichten Studien einen Median von 4,5-facher Beschleunigung, in spezifischen Aufgaben sogar bis zu 18-fach. Diese Werte beruhen jedoch auf neu gestalteten Workflows und sind mit Vorsicht zu interpretieren. Der Unterschied zwischen den Messgrößen – Zeit bis zum Pull Request, reine Schreibzeit oder subjektive Produktivität – erklärt einen Teil der Diskrepanz. Die kontrollierten Studien legen nahe, dass die realistische Beschleunigung im Alltag eher im Bereich von einem Fünftel bis einem Drittel liegt, nicht beim Fünffachen.

Qualität unter Druck: Sicherheitslücken, Duplikate und technische Schuld

Die Qualität des generierten Codes gibt Anlass zur Sorge. In Tests des Sicherheitsanbieters Veracode aus dem Juli dieses Jahres erzeugten 44 Prozent der AI-Codegenerierungsaufgaben eine bekannte Sicherheitslücke. Die durchschnittliche Sicherheitspassrate über elf getestete Modelle lag bei nur 56 Prozent – das heißt, fast die Hälfte der Aufgaben produzierte unsicheren Code. Besonders schlecht schnitten die Modelle bei Cross-Site-Scripting und Log-Injection ab, wo die Passraten auf 12 beziehungsweise 15 Prozent fielen. Der Grund für diese systematischen Schwächen liegt in der Funktionsweise der Modelle: Sie erkennen wiederkehrende Muster wie SQL-Injection oder schwache Kryptographie gut, weil diese einem festen Schema folgen. Sobald die Sicherheit jedoch davon abhängt, wie Benutzereingaben durch eine Anwendung fließen – etwa bei Cross-Site-Scripting oder Log-Injection –, versagen die Modelle, weil sie den Datenfluss nicht wirklich nachvollziehen können. Genau diese kontextabhängigen Schwachstellen sind in realen Anwendungen besonders gefährlich. Der Code-Review-Dienst CodeRabbit fand in Pull Requests, die mit AI-Unterstützung verfasst wurden, 1,7-mal so viele Probleme wie in rein menschlich geschriebenen. Diese höhere Problemrate ist kein Zufall: AI-generierter Code enthält nachweislich mehr Sicherheitslücken, mehr duplizierte Blöcke und mehr technische Schuld – alles Faktoren, die automatisierte Review-Tools wie CodeRabbit gezielt erkennen. Die Analyseplattform GitClear zählte in 623 Millionen Codeänderungen 81 Prozent mehr duplizierte Codeblöcke als vor der Verbreitung von AI-Coding-Tools – ein Hinweis auf zunehmende Wartungslasten. Auch bei der funktionalen Korrektheit zeigen sich Schwächen: Im HumanEval-Benchmark erzielten die neuesten Versionen von ChatGPT, GitHub Copilot und Amazon CodeWhisperer Korrektheitsraten von 65,2, 46,3 beziehungsweise 31,1 Prozent. Die durchschnittliche technische Schuld, gemessen an Code Smells, betrug 8,9 Minuten für ChatGPT, 9,1 Minuten für Copilot und 5,6 Minuten für CodeWhisperer. Diese Zahlen zeichnen ein gemischtes Bild: Die Tools liefern oft funktionierenden Code, aber die Sicherheits- und Wartbarkeitsmängel sind systematisch und nicht zu vernachlässigen.

Der Flaschenhals verschiebt sich: Vom Schreiben zum Prüfen

Die eigentliche Herausforderung liegt nicht in der Geschwindigkeit, sondern in der Verifikation. Geschwindigkeit ohne skalierte Prüfprozesse verlagert die Arbeit lediglich in Review, Integration, Sicherheit und Wartung. Die Analyseplattform Opsera hat über 250.000 Entwickler untersucht und festgestellt: AI reduziert die Zeit bis zum Pull Request um bis zu 58 Prozent. Doch dieselben AI-erstellten Pull Requests warten 4,6-mal länger im Code-Review als menschlich geschriebene. Zudem weisen sie bis zu 2,74-mal häufiger Sicherheitslücken auf. Das bedeutet: Der Engpass verschiebt sich vom Schreiben zum Prüfen. Eine McKinsey-Studie mit 4.500 Entwicklern aus 150 Unternehmen zeigt, dass AI bei Routineaufgaben die Zeit um 46 Prozent reduziert, bei hochkomplexer Arbeit jedoch nur um weniger als 10 Prozent. Die Produktivitätsgewinne sind also stark aufgabenabhängig. Wer die Einführung von AI-Coding-Tools allein an der Geschwindigkeit der Code-Erstellung misst, übersieht die Kosten, die später in der Qualitätssicherung anfallen. Ohne eine parallele Skalierung der Review- und Testkapazitäten droht ein Verifikationsstau, der die anfänglichen Zeitgewinne wieder auffrisst.

Junior-Entwickler: Der übersprungene Lernprozess

Besonders riskant ist der Einsatz von AI-Coding-Tools für Junior-Entwickler. Die Tools erzeugen vom ersten Tag an Code auf mittlerem Niveau – nicht, weil sie die zugrunde liegenden Konzepte verstanden haben, sondern weil sie aus Millionen von Codebeispielen gelernt haben, wie typischer, funktionierender Code aussieht. Für einen Junior bedeutet das: Er erhält sofort eine Lösung, die kompiliert und grundlegende Tests besteht, ohne dass er selbst die typischen Fehler gemacht hat, die normalerweise den Lernprozess prägen. Der traditionelle Weg – einfachen Code schreiben, Fehler machen, debuggen, verstehen, warum etwas nicht funktioniert – baut ein tiefes Systemverständnis auf, das sich nicht durch das Lesen von AI-Vorschlägen ersetzen lässt. Wer nie selbst mit Nullpointer-Exceptions, Race Conditions oder fehlerhaften Annahmen über Datenflüsse gekämpft hat, entwickelt kein Gespür dafür, wo solche Probleme in fremdem Code lauern könnten. Die frühe Produktivität steigt zwar, doch das Risiko wächst, dass ungeprüfter Code in Produktion gelangt. Der Junior akzeptiert den AI-Vorschlag, weil er „vernünftig aussieht“, kann aber nicht beurteilen, ob er Randfälle abdeckt oder Sicherheitslücken enthält. Komplexe Fehler können erst Monate später auftreten, wenn der Junior-Entwickler längst nicht mehr mit dem Code vertraut ist – und dann fehlt ihm die Intuition, um die Ursache schnell zu finden. Die langfristigen Kosten dieser übersprungenen Lernkurve sind schwer zu quantifizieren, aber sie könnten die kurzfristigen Geschwindigkeitsgewinne übersteigen.

Widersprüche und offene Fragen: Warum die Zahlen auseinandergehen

Die Zahlen zur AI-Coding-Produktivität gehen weit auseinander – und das hat systematische Gründe. Das Ausmaß der Geschwindigkeitssteigerung variiert stark je nach Messgröße, Aufgabenkomplexität, Erfahrungsgrad der Entwickler, Zeitpunkt der Erhebung und Studiendesign. Ein Beispiel: Die Forschungsgruppe METR fand in einer eigenen randomisierten kontrollierten Studie Anfang 2025, dass erfahrene Entwickler mit AI-Coding-Tools 19 Prozent langsamer waren. Ein Jahr später schätzt dieselbe Gruppe eine Beschleunigung um 18 Prozent. Der Unterschied erklärt sich durch verbesserte Modelle, veränderte Workflows und Lerneffekte. Auch bei der Code-Qualität widersprechen sich die Befunde: Während Benchmarks wie HumanEval Korrektheitsraten von bis zu 65 Prozent ausweisen, zeigen reale Sicherheits- und Wartbarkeitsmetriken wie die von Veracode oder GitClear erhebliche Mängel. Benchmark-Korrektheit misst etwas anderes als Produktionssicherheit. Pauschale Aussagen wie „AI macht Entwickler fünfmal schneller“ oder „AI verschlechtert die Code-Qualität“ sind daher irreführend. Die Wahrheit liegt in der Differenzierung: AI-Coding-Tools können bei klar umrissenen, repetitiven Aufgaben erhebliche Zeitgewinne bringen, bei komplexer, sicherheitskritischer Arbeit jedoch kaum – und sie erzeugen neue Prüfaufwände, die oft unterschätzt werden.