Faktor zwei statt Faktor zehn – und warum niemand es genau weiß

Ende Juli stand ein Text mit dem Titel „2x, not 10x" auf Platz eins von Hacker News, dem meistgelesenen Diskussionsforum der Softwarebranche. Die These: Wer KI beim Programmieren einsetzt, wird ungefähr doppelt so schnell – nicht zehnmal so schnell, wie es in Anbieterpräsentationen und Investorenrunden gern heißt. Und: Weitere Zuwächse kämen künftig nicht mehr aus besseren Modellen, sondern daraus, dass Unternehmen ihre Arbeitsabläufe um die vorhandenen Fähigkeiten herum neu bauen.

Der Autor illustriert das mit einem Bild, das über die Softwareentwicklung hinaus trägt. Um eine Treppe hinaufzugehen, muss man groß genug für eine Stufe sein. Ist man so groß, dass man drei Stufen auf einmal nimmt, bringt das erstaunlich wenig. Übertragen: Der Sprung von „unbrauchbar" zu „zuverlässig genug, um in einem automatisierten Ablauf mitzulaufen" war der entscheidende. Alles danach sind kleinere Schritte.

Der Haken

Der Text belegt nichts davon. Es gibt keine Messung, keine Studie, keine Zahl – nur die Erfahrung des Autors aus einigen Monaten Arbeit. Das ist kein Vorwurf, der Beitrag gibt sich auch nicht als Untersuchung aus. Aber es erklärt, warum er so gut ankommt: Er formuliert ein Bauchgefühl, das viele teilen, und gegen ein Bauchgefühl lässt sich schwer argumentieren.

Interessanter wird es, wenn man den Zahlen nachgeht, die es tatsächlich gibt.

Was gemessen wurde

Die bislang sauberste Untersuchung stammt vom Forschungsinstitut METR. Es hat 2025 eine kontrollierte Studie durchgeführt: 16 erfahrene Entwickler bearbeiteten 246 echte Aufgaben aus ihren eigenen Projekten, per Zufall wurde jeder Aufgabe erlaubt oder verboten, KI einzusetzen. Bildschirmaufzeichnung, Zeiterfassung, ordentliches Studiendesign.

Das Ergebnis: Mit KI brauchten die Entwickler 19 Prozent länger.

Der eigentliche Befund steckt aber daneben. Vorher hatten die Teilnehmer erwartet, durch KI 24 Prozent schneller zu werden. Nachher – nachdem sie messbar langsamer gewesen waren – schätzten sie, KI habe sie um 20 Prozent beschleunigt. Die Lücke zwischen Gefühl und Messung betrug fast vierzig Prozentpunkte, und zwar bei Fachleuten, die ihre eigene Arbeit gut kennen.

Und die Gegenprobe

Ein Jahr später sieht es anders aus, aber nicht eindeutig. In der Nachfolgeuntersuchung von Februar 2026 lag die neu rekrutierte Gruppe von 47 Entwicklern bei minus vier Prozent – also praktisch bei null, mit einer Streuung von minus 15 bis plus neun Prozent. Die Verlangsamung ist weitgehend verschwunden, ein klarer Gewinn aber auch nicht nachweisbar.

Vor allem hat METR das Studiendesign aufgegeben. Der Grund ist bemerkenswert: Es fanden sich kaum noch Entwickler, die bereit waren, für eine Studie ohne KI zu arbeiten. Und 30 bis 50 Prozent der Teilnehmer gaben an, sie hätten gezielt Aufgaben gemieden, von denen sie annahmen, dass KI sie erledigen könnte – womit genau die Fälle aus der Messung fielen, in denen der Gewinn am größten gewesen wäre. Die Forscher selbst schreiben, ihre Zahl sei „nur sehr schwacher Beleg" und vermutlich eine Untergrenze.

Damit ist die ehrliche Antwort auf die Frage „Wie viel bringt es?": Niemand weiß es. Weder die Zehnfach-Behauptung noch die Zweifach-Behauptung ist belegt, und die einzige Gruppe, die es sauber messen wollte, hat es aufgegeben.

Was Entscheider daraus mitnehmen können

Der Umweg über die Softwareentwicklung lohnt, weil dort mit Abstand am meisten gemessen wurde. Drei Punkte lassen sich auf jedes KI-Vorhaben übertragen.

Befragungen taugen nicht zur Erfolgsmessung. Wenn Fachleute unter Laborbedingungen um vierzig Prozentpunkte danebenliegen, ist die Frage „Wie zufrieden sind Sie mit dem neuen Werkzeug?" am Ende eines Pilotprojekts wertlos. Brauchbar sind Größen, die unabhängig vom Empfinden anfallen: Durchlaufzeit vom Eingang eines Angebots bis zum Versand, Zahl der Nacharbeiten, Anteil der Fälle, die ohne Rückfrage durchlaufen. Solche Zahlen muss man vor dem Start erheben – hinterher lässt sich der Ausgangspunkt nicht mehr rekonstruieren.

Mit einem Einbruch am Anfang rechnen. Auch die DORA-Forschungsgruppe von Google, die seit Jahren die Leistungsfähigkeit von Entwicklungsorganisationen untersucht, widmet dem Produktivitätseinbruch bei der Einführung neuer KI-Werkzeuge einen eigenen Leitfaden – es ist ein bekanntes Muster, keine Ausnahme. Wer nach acht Wochen bilanziert, misst die Umstellung, nicht das Ergebnis.

Der Engpass wandert. Der Kern der Treppen-These ist eine Beobachtung, die man in Betrieben ständig sieht: Wird ein Arbeitsschritt schneller, verlagert sich der Stau auf den nächsten. Wenn Angebote doppelt so schnell entworfen werden, aber weiterhin dieselbe Person sie freigibt, ist der Gewinn dahin. Der Ertrag entsteht nicht dort, wo die KI arbeitet, sondern dort, wo der Ablauf drumherum angepasst wird – und das ist Organisationsarbeit, keine Softwarefrage.

Das ist die brauchbare Hälfte des Textes, der die Woche beschäftigt hat. Die Zahl darin sollte man nicht übernehmen. Die Blickrichtung schon.