Studienlage: Wie viel spart KI beim Programmieren wirklich?

Kurz gesagt Eine einzelne Prozentzahl taugt nicht als Planungsgröße - entscheidend ist, was gemessen wurde.

Worum es geht

Auf einer einzelnen Aufgabe spart KI in Experimenten rund 21 bis 55,8% Zeit. Im ganzen Projekt bleibt deutlich weniger: Feldexperimente landen, auf Projektebene umgerechnet, bei rund 5 bis 14%.

Warum die Zahlen so weit auseinanderliegen

• Eine Aufgabe im Labor: Die 55,8% (Peng et al., 2023) stammen aus einem kontrollierten Experiment mit angeworbenen Entwicklern und einer einzigen, neu zu schreibenden Aufgabe (ein HTTP-Server in JavaScript). Autoren bei Microsoft Research und GitHub.
• Eine Aufgabe im Konzern-Code: Rund 21% weniger Zeit maßen Google-Forscher in einem randomisierten Experiment mit 96 Google-Ingenieuren (2024) - eine Aufgabe, ein Unternehmen, großes Konfidenzintervall. Eine Google-interne Studie.
• Echte Arbeit in drei Unternehmen: In drei Feldexperimenten mit 4.867 Entwicklern stieg die Zahl abgeschlossener Aufgaben um 26,08%, bei einem Standardfehler von 10,3% (Cui, Demirer et al., 2025). Gezählt wird Menge, nicht Ergebnis. Mitautoren bei Microsoft.
• Was danach kommt: In einem B2B-Softwareunternehmen mit dem Ziel „doppelter Output“ stieg der Durchsatz pro Entwickler auf das 2,09-Fache - die Review-Last pro Reviewer verdoppelte sich ungefähr ebenfalls. Längsschnitt über 802 Entwickler und 196.212 Pull Requests von Januar 2024 bis April 2026, ohne randomisierte Einführung (He, Denisov-Blanch et al., 2026, Preprint, ohne Herstellerbezug).

Drei der vier Studien entstanden mit Beteiligung der Hersteller. Es sind kontrollierte Experimente mit offen gelegter Methode, aber nicht unabhängig - deshalb steht der Bezug bei jeder Studie dabei.

Von der Aufgabe zum Projekt

Die Studien messen auf verschiedenen Ebenen. Laborwerte wie die 55,8% messen nur den Effizienzhebel auf einer isolierten Aufgabe. Feldexperimente enthalten schon den Kontext echter Codebasen, es fehlt nur der Anteil der Arbeitszeit, auf den der Hebel wirkt. Über dieselbe Formel normalisiert landen die Feldexperimente bei rund 5 bis 14% im Projekt. Die ganze Rechnung steht in 85% auf der Folie, 36% im Projekt.

Ein Sonderfall

Anfang 2025 bearbeiteten 16 erfahrene Open-Source-Entwickler 246 echte Aufgaben in ihren eigenen, großen Repositories, per Zufall mit oder ohne KI. Mit KI brauchten sie 19% länger - und schätzten sich hinterher trotzdem 20% schneller ein (METR, 2025). Als Wert für den Effekt taugt das nicht, dafür sind Stichprobe und Situation zu speziell. Es zeigt aber, wie weit Gefühl und Messung auseinanderliegen können.

Randnotiz: Die Wiederholung ab August 2025 lieferte laut METR kein verlässliches Ergebnis, weil viele Entwickler nicht mehr ohne KI arbeiten wollten - 30 bis 50% reichten manche Aufgaben gar nicht erst ein (METR, 2026).

Was wir daraus machen

Die Ersparnis auf einer Aufgabe ist real, aber sie ist nicht die Ersparnis im Projekt. Dazwischen liegen Kontextreife, Tätigkeitsanteil und der Aufwand für Prüfung. Für Angebote folgt daraus: eine Spanne mit Bedingungen statt einer Prozentzahl - und gemessen wird im eigenen Projekt.