KI-Produktivität: 98% mehr Code, aber 19% weniger Tempo
15.06.2026 - 16:47:04 | boerse-global.de
GitLab kündigt neue KI-Funktionen an, während Studien zeigen: Mehr Code bedeutet nicht automatisch bessere Software.
Die Softwarebranche erlebt einen grundlegenden Wandel. Künstliche Intelligenz beschleunigt die Entwicklung massiv – doch die Kehrseite der Medaille wird immer deutlicher. Während Unternehmen wie GitLab heute neue Plattformen für KI-gesteuerte Entwicklungsprozesse vorstellen, mehren sich die Anzeichen, dass die Code-Qualität und Wartbarkeit massiv leiden.
Neue Plattformen fĂĽr die KI-Ă„ra
Anzeige: Wer die Auswirkungen des KI-Produktivitätsparadoxons auf sein Team einordnen will, findet in diesem kostenlosen Report die wichtigsten Strategie-Hebel – von Code-Review-Prozessen bis Qualitätssicherung. Jetzt kostenlosen Strategie-Report anfordern
GitLab hat mit seiner heutigen Ankündigung gleich mehrere Neuerungen präsentiert. Im Zentrum steht die „Next Generation SCM" – eine serverseitige API, die speziell für KI-Agenten entwickelt wurde. Das Unternehmen verspricht damit eine bis zu 50-fache Beschleunigung bei gleichzeitiger Reduzierung des Netzwerkverkehrs um den Faktor 1.000.
Ebenfalls neu: „GitLab Orbit", ein Kontext-Graph für den gesamten Softwareentwicklungs-Lebenszyklus. Das Tool befindet sich in der öffentlichen Beta-Phase und soll KI-Agenten ein umfassendes Verständnis von Projekthistorie und Abhängigkeiten vermitteln. Interne Tests zeigen eine 11-fache Beschleunigung der Agenten bei einer 45-fachen Reduzierung von Halluzinationen.
Ergänzt wird das Paket durch ein Governance-Framework für KI-Auditing sowie „GitLab Flex" – ein einheitliches Abonnement-Modell für Arbeitsplätze und Recheneinheiten.
Das Produktivitätsparadoxon
Doch die Euphorie über die neuen Möglichkeiten bekommt erste Risse. Neue Forschungsergebnisse von Faros AI, die 10.000 Entwickler in über 1.200 Teams analysierten, offenbaren ein „Produktivitätsparadoxon".
Die Zahlen sind alarmierend: Teams mit hoher KI-Nutzung verzeichnen zwar einen Anstieg der Pull-Requests um 98 Prozent. Allerdings sind diese Änderungen im Schnitt 154 Prozent umfangreicher – mit fatalen Folgen. Die Zeit für Code-Reviews stieg um 91 Prozent. Besonders bedenklich: 31 Prozent mehr Pull-Requests werden mittlerweile ohne jegliche menschliche Überprüfung zusammengeführt.
Eine Studie von METR zeigt zudem eine gefährliche Selbstüberschätzung: Erfahrene Entwickler, die KI nutzten, glaubten, 20 Prozent schneller zu sein – tatsächlich waren sie 19 Prozent langsamer als Kollegen ohne KI-Unterstützung.
Schleichender Qualitätsverfall
Die langfristigen Auswirkungen auf die Code-Qualität sind dramatisch. GitClear analysierte 211 Millionen Codezeilen und stellte fest: Der Anteil der Refaktorisierung – also der Verbesserung bestehenden Codes – fiel von 25 Prozent im Jahr 2021 auf unter 10 Prozent im Jahr 2024. Gleichzeitig vervielfachte sich die Menge an doppeltem Code um das Achtfache.
Die Google DORA-Analysten bestätigten diesen Trend bereits 2025: KI korreliere zwar mit höherer Durchsatzrate, aber auch mit zunehmender Systeminstabilität. Die Folgen zeigen sich in den aktuellen Prognosen: FIRST hat seine jährliche Schwachstellen-Prognose für 2026 auf 66.000 Common Vulnerabilities and Exposures (CVEs) nach oben korrigiert. Grund dafür ist ein Anstieg der GitHub-Sicherheitshinweise um 449 Prozent im Jahresvergleich sowie eine Zunahme der Meldungen von Organisationen wie Mozilla um 164 Prozent im ersten Quartal dieses Jahres.
Neue Anforderungen an das Management
Die Rolle des Projektmanagers wandelt sich rasant. Stellenausschreibungen zeigen eine wachsende Nachfrage nach Führungskräften, die generative KI in Planung, Schätzung und Berichterstattung integrieren können.
In Large-Scale-Agile-Frameworks (SAFe) überwachen KI-Agenten bereits mehrere Breakout-Sessions während der Program-Increment-Planung. Sie analysieren die Teamstimmung und lenken menschliche Coaches zu Problembereichen. Ein einziger Coach kann so einen gesamten Agile Release Train (ART) betreuen – eine Aufgabe, die zuvor drei Personen erforderte.
Neue Open-Source-Tools wie „Cadence", das erst am vergangenen Freitag veröffentlicht wurde, sollen Teams helfen, realistischere Lieferprognosen zu erstellen. Sie nutzen Monte-Carlo-Simulationen und historische Durchsatzdaten.
Anzeige: Entwicklungsleiter, die bereits einen Anstieg ungeprüfter Pull-Requests beobachten, brauchen jetzt einen klaren Governance-Fahrplan – bevor Sicherheitslücken und Systeminstabilität eskalierten. Dieser Leitfaden liefert konkrete Auditing-Frameworks und Tool-Vergleiche. Governance-Fahrplan jetzt sichern
Strategische Risiken und Arbeitsmarkt
Die rasante Entwicklung hin zu „tokenbasiertem Kapital" hat führende Köpfe der Branche auf den Plan gerufen. Microsoft-CEO Satya Nadella warnte am Sonntag vor dem Risiko, dass KI das organisatorische Wissen absorbiert. Unternehmen müssten Humankapital und automatisierte Systeme in Balance halten, um Werte zu schaffen. Ähnliche Bedenken äußerten Anfang des Jahres die CEOs von Snowflake und Box: Softwarefirmen drohten, zu reinen Datenlieferanten zu werden, wenn sie keinen einzigartigen Geschäftskontext bewahren.
Die Auswirkungen auf den Arbeitsmarkt sind bereits spürbar. Rund 150.000 Tech-Angestellte wurden 2026 bislang entlassen – KI wird dabei häufig als Hauptgrund oder Rechtfertigung genannt. Die Investitionen in KI-Infrastruktur bleiben trotzdem aggressiv: Cerebras erreichte nach seinem Börsengang im Mai 2026 eine Marktkapitalisierung von 67 Milliarden Euro, SpaceX wird inzwischen mit über 2 Billionen Euro bewertet.
