KI-gestützte Code-Generatoren sind ein vielversprechendes Thema in der Softwareentwicklung, doch erste Langzeitbeobachtungen offenbaren unerwartete Nebenwirkungen. Forscher der Harvard-Universität haben sich systematisch angesehen, wie sich KI-Tools wie GitHub Copilot auf Entwicklungsprozesse auswirken.
Das Resultat überrascht: Die Tools produzieren tatsächlich mehr Code pro Entwickler. Allerdings kommt es damit nicht zu der erhofften Produktivitätssteigerung. Stattdessen zeigt sich ein paradoxes Phänomen: Zwar wird schneller programmiert, doch die anschliessende Überprüfung, Validierung und das Refactoring des generierten Codes erfordern erheblich längere Zeit.
Grund ist einfach erklärt. KI-generierter Code ist nicht automatisch fehlerfrei oder optimal. Er muss sorgfältig durchgesehen werden, um Sicherheitslücken, Performance-Probleme oder Designmängel zu erkennen. Dies kostet Zeit und muss von erfahrenen Entwicklern geleistet werden. Die Gesamtentwicklungszeit für ein Projekt kann also sogar länger ausfallen als ohne KI-Unterstützung.
Für KMUs mit kleinerem Entwicklungsteam hat diese Erkenntnis praktische Bedeutung. Investitionen in KI-Coding-Tools sollten nicht als reines Produktivitätsverzehnfachungs-Instrument verstanden werden. Stattdessen braucht es realistische Erwartungen: Die Tools helfen bei routine-ähnlichen Aufgaben und bei Boilerplate-Code, ersetzen aber nicht die sorgfältige Code-Review durch Menschen. Organisationen müssen ihre internen Prozesse entsprechend anpassen und nicht davon ausgehen, dass die Einführung solcher Tools automatisch zu schnelleren Releases führt.
Die Studie unterstreicht einen wichtigen Punkt: Neue Technologie muss in etablierte Workflows passen und darf nicht zu blinden Flecken in der Qualitätssicherung führen.