Eine Wharton-Studie zeigt, dass Review und Deployment die Produktivitätsgewinne durch KI ausbremsen.

Eine Untersuchung von über 100.000 Entwicklern auf GitHub zeigt: Autovervollständigung steigert Codieraktivität um 40 Prozent, autonome Agenten um 180 Prozent. Fertige Software-Releases wuchsen aber nur um 30 Prozent.

Eine Studie von Wharton-Professor Leon Musolff sowie den MIT-Forschern Mert Demirer und Liyuan Yang untersuchte mehr als 100.000 Entwickler auf GitHub zwischen 2022 und 2026. Autovervollständigung steigerte die Codieraktivität um 40 Prozent, synchrone KI-Agenten, die in Echtzeit mitschreiben, kumuliert um 140 Prozent, autonome asynchrone Agenten um 180 Prozent. Trotzdem stiegen Softwareprojekte nur um 50 Prozent und veröffentlichte Releases nur um 30 Prozent.

Die Autoren sehen den Engpass nicht mehr beim Schreiben von Code, sondern bei Review, Integration und Verteilung. Auf den vier größten App-Marktplätzen, darunter Apple App Store und Google Play, stiegen die monatlichen Neuveröffentlichungen im App Store von rund 30.000 Anfang 2025 auf rund 100.000 im April 2026, ohne dass die Gesamtnutzung zunahm. KI, die selbst geschriebenen Code auch bewertet, löst laut Musolff das Problem nicht, weil die Prüfqualität nicht der menschlicher Reviewer entspreche.

Für Unternehmen bedeutet das: Investitionen in KI-Codierwerkzeuge zahlen sich nur aus, wenn Review-, Test- und Freigabeprozesse sowie die Nutzergewinnung mitwachsen. Offen bleibt, ob künftige Modellgenerationen auch diese späteren Phasen automatisieren und ob mehr veröffentlichte Anwendungen tatsächlich mehr Nutzer finden.

Diese Meldung wurde automatisch aus der genannten Quelle erstellt und vor der Veröffentlichung maschinell geprüft. Das Bild ist ein Symbolbild und zeigt weder den Vorgang noch eine reale Person. Wie diese Zeitung entsteht