Sechzehn erfahrene Entwickler. Zweihundertsechsundvierzig echte Aufgaben in ihren eigenen Projekten. Randomisiert, mit und ohne KI-Werkzeuge.
Vorher schätzten sie, mit KI vierundzwanzig Prozent schneller zu sein.
Gemessen wurden sie neunzehn Prozent langsamer.
Das Bemerkenswerteste: Auch hinterher glaubten sie, schneller gewesen zu sein.
Das ist keine Studie gegen KI. Es ist eine Studie darüber, wo die Zeit hingeht. Sie geht in die Verifikation. Der Vorschlag kommt in Sekunden, das Prüfen dauert. Bei vertrautem, komplexem Material lohnt sich der Tausch nicht — der Fachmann wusste die Antwort schon, er zahlt nur noch die Kontrollkosten.
Ich verkaufe KI-Readiness und zitiere trotzdem eine Studie, die zeigt, dass KI erfahrene Fachleute ausbremsen kann. Das hat einen Grund.
Wer KI im Engineering einführt, ohne zu wissen, welche Aufgaben sich lohnen, kauft diese Verifizierungssteuer für die ganze Abteilung ein. Und wundert sich nach drei Monaten, dass niemand das Tool mehr öffnet.
Der Ausweg ist nicht mehr Modell. Er ist Auswahl. Aufgaben, bei denen das Prüfen billiger ist als das Machen: Format, Struktur, Suche, Übertragung. Nicht die Aufgaben, bei denen dein bester Mann in zehn Minuten fertig ist.
Bei einem Ingenieur, der ein Tool ausprobiert, ist ein Fehlgriff ein verlorener Nachmittag. Bei einer Abteilung, die eine Plattform einführt, ist er ein verlorenes Jahr.
»KI macht schneller« ist kein Ergebnis.
Es ist eine Hypothese, die du pro Aufgabe prüfen musst.
Bei welcher Aufgabe in eurem Alltag wäre das Prüfen billiger als das Machen?
Quelle: METR, »Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity«, arXiv:2507.09089, 10.07.2025