KI-Coding steigert Tempo, aber auch technische Schulden
KI-Werkzeuge beschleunigen die Softwareentwicklung, doch der gemessene Effekt bleibt deutlich unter den verbreiteten Versprechen. Der Maintainability Gap Report von GitClear untersucht 623 Millionen Code-Änderungen aus dreieinhalb Jahren zwischen 2023 und 2026. Entwickler mit intensiver KI-Nutzung steigerten ihre Geschwindigkeit gegenüber der eigenen früheren Leistung um 25 %.
Das ist ein relevanter Zuwachs, aber keine Verzehnfachung der Produktivität. Teams, die vier- bis zehnmal mehr Code als Nicht-KI-Nutzer produzierten, waren bereits vor dem Einsatz der Werkzeuge überdurchschnittlich produktiv. Die hohe Leistung lässt sich deshalb nicht allein Cursor, Claude Code oder anderen Coding-Agenten zuschreiben.
| Kennzahl | Gemessene Veränderung |
|---|---|
| Geschwindigkeit intensiver KI-Nutzer | +25 % gegenüber der eigenen Historie |
| Block-Duplikationen | +81 % gegenüber 2023 |
| Duplikationen je Million geänderter Codezeilen | Anstieg von 40,3 auf 73,0 |
| Anteil verschobener Codezeilen | Rückgang von 21 % im Jahr 2022 auf 3,8 % im Jahr 2026 |
| Refactoring im Verhältnis zu Copy-and-Paste | Veränderung von 2:1 auf 1:5 |
Code-Duplikation steigt um 81 %
Problematischer als der begrenzte Geschwindigkeitsgewinn ist die Entwicklung der Codequalität. Die Block-Duplikation, also mehrfach vorhandene identische oder ähnliche Codeblöcke, stieg gegenüber 2023 um 81 %. Gemessen wurden 73,0 Vorkommnisse je Million geänderter Codezeilen, zuvor waren es 40,3.
Duplizierter Code erhöht den Pflegeaufwand. Wird dieselbe fachliche Logik an mehreren Stellen implementiert, müssen Fehlerbehebungen und Änderungen ebenfalls mehrfach vorgenommen werden. Mit der Zeit können die Kopien auseinanderlaufen und unterschiedliche Fehler produzieren.
Parallel dazu sank der Anteil verschobener Codezeilen von 21 % im Jahr 2022 auf 3,8 % im Jahr 2026. Verschobener Code gilt in der Analyse als wichtiger Hinweis auf Refactoring. Dabei wird bestehender Code strukturell verbessert, ohne seine fachliche Funktion zu verändern.
Copy-and-Paste verdrängt Refactoring
Vor der breiten Verfügbarkeit generativer KI wurde laut Analyse etwa doppelt so häufig refaktoriert wie kopiert. Inzwischen tritt Copy-and-Paste ungefähr fünfmal häufiger auf als Refactoring. Das deutet auf einen Wechsel von gezielter Modernisierung hin zur schnellen Ergänzung weiterer Codeblöcke.
Diese Entwicklung passt zum Risiko von Vibe Coding als neuer Schatten-IT. Schnell erzeugte Anwendungen können kurzfristig funktionieren, ohne dass Architektur, Tests und langfristige Wartbarkeit ausreichend berücksichtigt werden. Die Verantwortung für KI-generierten Code verschwindet dadurch nicht, wie auch die Debian-Regelung zu KI-Code deutlich macht.
Mehr Code ist keine belastbare ROI-Kennzahl
Für die wirtschaftliche Bewertung reicht es nicht, Codezeilen, Pull Requests oder ausgelieferte Funktionen zu zählen. Nicht jede Funktion hat denselben Wert für Kunden oder interne Prozesse. Zusätzlich können lokale Zeitgewinne in späteren Phasen durch zusätzliche Tests, Fehlerbehebungen und Abstimmungen wieder verloren gehen.
Der ROI sei keineswegs so hoch gewesen, wie viele möglicherweise annähmen.
Unternehmen beginnen deshalb, Ausgaben für KI-Entwicklungswerkzeuge genauer zu kontrollieren. Der HR-Softwareanbieter Rippling hat eine Ausgaben-Konsole eingeführt, die CTOs und CFOs Einblick in übermäßigen Tokenverbrauch geben soll. Auch andere Organisationen setzen bereits feste Grenzen, etwa das KI-Tokenbudget von Red Hat.
Wie hoch die Werkzeugkosten pro Entwickler im untersuchten Datensatz waren, ist nicht belegt. Ebenso lässt sich aus der Analyse kein konkreter Eurobetrag für die späteren Folgen technischer Schulden ableiten. Der Bericht nennt außerdem keine belastbare Aufteilung nach Programmiersprachen oder Projekttypen.
Was Unternehmen im DACH-Raum daraus ableiten können
Für Unternehmen mit langlebigen Fachanwendungen ist Wartbarkeit oft wichtiger als kurzfristig maximierter Output. Ein Geschwindigkeitsgewinn von 25 % kann wirtschaftlich sinnvoll sein, wenn Tests, Architekturregeln und Code-Reviews mitwachsen. Werden diese Kontrollen ausgelassen, können zusätzliche Fehler und spätere Umbauten die Einsparung aufzehren.
Eigene Software mit KI-Unterstützung bleibt dennoch eine realistische Alternative zu teuren SaaS-Abonnements. Entscheidend ist, KI nicht nur als Generator für neue Funktionen einzusetzen. Besonders wertvoll kann sie bei klar abgegrenzten Modernisierungen sein, etwa beim Austausch veralteter Bibliotheken oder bei konsistenten Änderungen über eine größere Codebasis.
Für die Steuerung sollten daher nicht nur Tokenverbrauch und Liefergeschwindigkeit erfasst werden. Aussagekräftiger sind unter anderem Duplikationsrate, Testabdeckung, Fehlerquote, Nacharbeit und die Zeit bis zur Behebung von Störungen. So lässt sich erkennen, ob KI tatsächlich die Gesamtkosten senkt oder lediglich Arbeit in spätere Projektphasen verschiebt.