Längsschnittstudie findet KI-Produktivitätssteigerungen bei 10 %, nicht 10-fach

Vorläufige Daten aus einer Längsschnittstudie zur KI-Wirkung zeigen, dass die Produktivitätsgewinne durch KI-Tools bescheidener ausfallen als oft behauptet. Die Studie analysierte Daten von 40 Unternehmen zwischen November 2024 und Februar 2026, um zu verfolgen, ob Teams mehr Pull Requests ausliefern, wenn die KI-Adaption zunimmt.
Wichtige Erkenntnisse
Während des Studienzeitraums nahm die KI-Nutzung deutlich zu – im Durchschnitt um 65 %. Der PR-Durchsatz stieg jedoch nur um 9,97 %. Dieser Wert ist besonders robust, da die Forscher potenzielle Gamification-Effekte herausfilterten, indem sie Teams ausschlossen, die PR-Durchsatzziele für einzelne Ingenieure festlegten, was eher zu einer Aufblähung der Metriken als zu echter Leistungssteigerung führen könnte.
Was das für Entwicklungsteams bedeutet
Der Gewinn von ~10 % entspricht dem, was Führungskräfte in der Entwicklung allgemein berichten: Die meisten Organisationen landen im Bereich von 8–12 %. Während dies eine echte Verbesserung darstellt, ist es weit entfernt von den 2–3-fachen Steigerungen, die viele Führungskräfte und Vorstände von der KI-Adaption erwarten.
Warum die Gewinne nicht höher sind
Entwickler aus mehreren Organisationen erklärten, dass das Schreiben von Code nie der Engpass war. Wie ein Senior-Entwickler anmerkte: "Die einfachen Aufgaben sind ein wenig einfacher. Die mühsamen Aufgaben sind ein wenig weniger nervig. Eine vier Tage dauernde Aufgabe könnte drei Tage dauern. Aber das bedeutet nicht, dass ich 3-mal mehr PRs ausliefere."
KI mag den Programmieranteil der Arbeit beschleunigen, aber das Programmieren macht einen relativ kleinen Teil davon aus, wie Ingenieure ihre Zeit tatsächlich verbringen. Planung, Abstimmung, Abgrenzung, Code-Review und Übergaben – die menschlichen Teile des SDLC – bleiben von aktuellen KI-Tools weitgehend unberührt.
Studienmethodik
Die Studie ist eine Längsschnittstudie, was bedeutet, dass sie Veränderungen über die Zeit verfolgt, anstatt eine Momentaufnahme zu liefern. Die vollständige Studie wird untersuchen, warum einige Teams mehr Nutzen ziehen als andere und was Führungskräfte tun können, um diese Lücke zu schließen.
📖 Read the full source: HN AI Agents
👀 Siehe auch

LLMs bevorzugen eigene Ergebnisse bei Einstellungen: 23–60 Prozent höhere Shortlist-Raten für KI-optimierte Lebensläufe
Ein großangelegtes Experiment zeigt, dass LLM-basierte Lebenslauf-Screener KI-generierte Lebensläufe in 67 % bis 82 % der Fälle bevorzugen, was zu 23 % bis 60 % höheren Shortlist-Raten für Kandidaten führt, die dasselbe Modell verwenden.

TranslateGemma-12b: Menschliche Überprüfung erkennt 71% der Fehler, die automatisierte Metriken übersehen
Die menschliche MQM-Überprüfung deckte bei 71 % der Übersetzungssegmente Mängel auf, die von automatisierten Metriken als einwandfrei bewertet wurden. Sämtliche 25 Genauigkeitsfehler befanden sich im metric-blinden Quadranten.

Fable 5 baut in 19 Minuten ein vollständiges Web-UI für ein 46K SLOC-Projekt
Ein Entwickler mit einem 46.000 SLOC Musik-Komponisten-Projekt nutzte Fable 5, um in nur 19 Minuten eine voll funktionsfähige Web-App-Oberfläche inklusive Tests und Dokumentation zu erstellen.

Anthropic-xAI Compute-Deal: Jenseits der Claude-Code-Grenzen
Anthropic schloss einen Compute-Deal über 300MW / 220k GPUs mit dem Konkurrenten xAI. Dies signalisiert eine angespanntere GPU-Verfügbarkeit und strukturelles labübergreifendes Compute-Sharing, mit Auswirkungen auf die Inferenzpreise und das Multi-Provider-Routing.