The Mad Ramblings of an AI Addict — Part 2

KI-gestütztes Coding: Warum die Forschung falsch liegt, die Wahrheit wehtut — und die Makroökonomie trotzdem nie wieder dieselbe sein wird

Bevor wir anfangen: Ich habe keine einzige Zeile Code gelesen. Nicht eine. Ich habe mehrere Enterprise-Grade-Applikationen gebaut, ohne jemals in den eigentlichen Code reinzuschauen. Was ich gelesen habe — obsessiv, wiederholt, bis zum Erbrechen — ist die README, die Collaboration-Datei, die Dokumentation und den System Prompt der KI.

Wenn ihr jetzt denkt, das sei Faulheit, habt ihr nicht verstanden, worum es geht.

Die Frage, die niemand stellt

Es gibt eine operative Entscheidung beim KI-gestützten Entwickeln, die über Erfolg und Scheitern entscheidet, und niemand redet darüber: Kompaktieren oder nicht kompaktieren?

Kontext: Jede KI-Session hat ein Kontextfenster¹. Irgendwann ist es voll. Dann hast du zwei Optionen. Entweder du startest eine neue Session und verlierst alles, was die KI über dein Projekt gelernt hat. Oder du kompaktierst — die KI fasst den bisherigen Kontext zusammen, komprimiert ihn, und arbeitet auf dieser Basis weiter.

Meine Antwort nach hunderten Sessions: Kompaktieren. Immer. Es ist die teuerste Option. Es kostet Token, es kostet Zeit, es kostet Geld. Aber es ist die einzige, die funktioniert, wenn du Qualität willst. Die Regel ist einfach: Commit to Git vor jedem Compact. Sicher den Stand. Dann komprimier. Zahl den Preis für Exzellenz.

Wer bei der Infrastruktur spart, zahlt bei den Ergebnissen drauf. Jedes einzelne Mal.

Was ich wirklich tue

Lasst mich euch beschreiben, was KI-gestütztes Entwickeln tatsächlich bedeutet. Nicht die LinkedIn-Version. Die echte.

Ich sitze vor dem Rechner. Ich sage der KI, was sie tun soll. Und dann lehne ich mich nicht zurück. Auch wenn die Piña Colada neben mir steht und das Eis schon schmilzt und das Ding in einer Stunde wahrscheinlich warm ist — ich sitze da und bin zu hundert Prozent aufmerksam.

Ich lese keinen Code. Aber ich lese alles, was die KI denkt. Jeden Reasoning-Schritt. Jede Entscheidung. Und wenn etwas schiefläuft — und es läuft ständig etwas schief — reagiere ich innerhalb von zwei Sekunden.

Die KI weiss, dass ich ein fähiger Entwickler bin. Dass ich alles verstehe. Aber um der Effizienz willen exekutiert sie für mich, basierend auf der Dokumentation, die ich bereitstelle. Und hier kommt die entscheidende Regel: Wenn etwas auftaucht, das nicht explizit durch die Dokumentation abgedeckt ist, muss die KI das Problem an mich eskalieren. Sie darf keine definierenden Entscheidungen alleine treffen.

Das bedeutet: Ich bin der Direktor. Nicht der Programmierer. Ich halte die Vision, den Scope, die Architektur im Kopf. Permanent. Ich denke mit der KI, durch die KI, als die KI — und steuere, korrigiere, lenke.

Das ist kein Autopilot. Das ist Formel 1 mit einem Motor, der manchmal tut, was er will.

88% Frust. 0.7% Freude.

Ich habe eine Sentiment-Analyse über all meine KI-Interaktionen laufen lassen. Die Zahlen sind ernüchternd:

88% meiner Interaktionen: Unzufrieden.
Ein Bruchteil davon: Wut.
Zufrieden: selten.
Tatsächlich glücklich: 0.7%.

Coding mit KI ist ein Kampf. Jeden verdammten Tag. Die KI halluziniert. Sie vergisst Kontext. Sie macht Entscheidungen, die du explizit verboten hast. Sie „verbessert" Dinge, die nicht verbessert werden mussten. Sie bricht funktionierende Features, während sie neue baut.

Und trotzdem — trotzdem — ist es eine Revolution.

Die Zahlen, die zählen

Ein Projekt, das mich früher 150 Tage gekostet hätte, liefere ich jetzt in 45. Ist es nach 45 Tagen hübsch? Nein. Aber es ist funktional. Und es ist wahnsinnig im Vergleich zu dem, was ich in 45 Tagen ohne KI geschafft hätte.

Gib mir 70 Tage für dasselbe Projekt — immer noch weniger als die Hälfte der ursprünglichen Zeit — und das Ergebnis ist 30 bis 40 Prozent besser als das, was ich in 150 Tagen manuell produziert hätte.

Das ist nicht inkrementell. Das ist ein Paradigmenwechsel.

Was die Forschung sagt — und warum sie gleichzeitig recht hat und den Punkt verfehlt

Jetzt wird es interessant. Denn die akademische Forschung zeichnet ein Bild, das meiner Erfahrung auf den ersten Blick komplett widerspricht — und auf den zweiten Blick exakt bestätigt, was ich sage.

Eine randomisierte kontrollierte Studie von Becker et al. hat 16 erfahrene Open-Source-Entwickler bei 246 Aufgaben untersucht. Die Entwickler selbst schätzten, dass KI-Tools ihre Arbeitszeit um 24% reduzieren würden. Experten aus Wirtschaft und ML prognostizierten sogar 38-39% Zeitersparnis. Das tatsächliche Ergebnis: KI-Tools verlangsamten die Entwickler um 19%. ([arxiv.org])

Lest das nochmal. Die KI hat erfahrene Entwickler langsamer gemacht. Nicht schneller. Langsamer.

Gleichzeitig zeigt eine gross angelegte Studie von Cui et al. über drei Feldexperimente bei Microsoft, Accenture und einem Fortune-100-Unternehmen mit insgesamt 4.867 Entwicklern das Gegenteil: ein Anstieg von 26% bei abgeschlossenen Tasks — wobei die grössten Produktivitätsgewinne bei weniger erfahrenen Entwicklern auftraten. ([papers.ssrn.com])

Und dann die Studie von Xu et al., die den Kreis schliesst: Ja, die Produktivität steigt — aber primär bei Junior-Entwicklern. Und der Code, der dabei entsteht, braucht signifikant mehr Nacharbeit. Die erfahrenen Entwickler, die Core Contributors, reviewen 6.5% mehr Code nach der Einführung von Copilot, während ihre eigene originäre Code-Produktivität um 19% sinkt. ([arxiv.org])

Was diese Studien beschreiben, ist genau das, was ich jeden Tag erlebe: KI macht dich nicht automatisch produktiver. Sie verschiebt, wo die Arbeit stattfindet. Weg vom Schreiben, hin zum Denken, Steuern, Reviewen, Korrigieren. Wenn du das nicht verstehst — wenn du denkst, du lehnst dich zurück und die KI codet für dich — wirst du langsamer. Garantiert.

Aber wenn du verstehst, dass sich deine Rolle fundamental verändert — vom Ausführenden zum Dirigenten — dann passiert etwas Aussergewöhnliches.

Die Exponentialkurve, die niemand ernst nimmt

Ende 2025 — der Zeitpunkt, zu dem ich das hier verfasse — ist der schlechteste Zustand, den KI-gestütztes Entwickeln jemals haben wird. Von hier an wird es nur besser. Und es wird nicht linear besser. Es wird exponentiell besser.

Die Nützlichkeit hat sich in den letzten sieben Monaten verdoppelt. Das ist kein Marketing. Das ist messbar. Heute ersetzt ein guter Prompt etwa zwei Tage menschlicher Arbeit. Rechnet das hoch.

Ende 2026, spätestens 2027: Ein Prompt erledigt 30 Tage menschlicher Arbeit.

Lasst das sacken.

Das bedeutet: Ein KI-Agent repliziert Software, die heute Millionen- oder Milliarden-Dollar-Industrien bedient, innerhalb von ein bis zwei Tagen. Ein Drittel aller Programmieraufträge, die Entwicklungsunternehmen heute anbieten, wird wegfallen. Weil buchstäblich jeder — mit dem richtigen Prompt und dem richtigen Verständnis — 60 bis 70 Prozent der automatisierbaren menschlichen Arbeit in weniger als einem Tag erledigen kann.

Die makroökonomische Detonation

Und hier hört es auf, eine Tech-Story zu sein. Hier wird es zur Gesellschaftsfrage.

Was passiert, wenn du die Arbeitskraft nicht nur zwei- oder dreifach augmentieren kannst, sondern sie 24/7 laufen lässt? Parallelisiert. Serialisiert. Unendlich skalierbar. Du duplizierst einen Worker zu tausend — und zahlst einen Bruchteil der Kosten.

Das ist manuelle, repetitive Arbeit, skaliert ins Unendliche.

Unsere gesamte Makroökonomie² basiert auf einer fundamentalen Annahme: Arbeit ist eine endliche Ressource. Deshalb hat sie Wert. Deshalb zahlen wir Löhne. Deshalb funktionieren Angebot und Nachfrage auf dem Arbeitsmarkt so, wie sie funktionieren.

Diese Annahme fällt gerade weg. Nicht irgendwann. Jetzt.

Was die Druckerpresse mit dem Wissen gemacht hat, was das Internet mit der Werbung gemacht hat — das passiert gerade mit der Arbeit selbst. Es verändert nicht nur unser Kaufverhalten oder unsere Industrie. Es verschiebt die Basis, auf der unsere Gesellschaft gebaut ist.

Und wir reden immer noch darüber, ob Copilot uns beim Autocomplete hilft.

Die unbequeme Wahrheit

Die Studien, die ich zitiert habe, messen das Falsche. Sie messen, ob ein Entwickler mit KI-Tool mehr Pull Requests pro Woche schafft. Das ist, als würdest du die Erfindung des Autos daran messen, ob Pferdekutscher damit schneller Heu transportieren.

Die eigentliche Revolution ist nicht, dass bestehende Entwickler etwas schneller werden. Die Revolution ist, dass die Rolle des Entwicklers sich auflöst und neu zusammensetzt. Dass Menschen wie ich — die keinen Code lesen, aber Systeme dirigieren — Ergebnisse produzieren, die vor zwei Jahren ein Team von zehn Leuten gebraucht hätten.

Die Forschung wird das in drei Jahren messen können. Bis dahin sind die Fakten schon geschaffen.

Drei Dinge, die bleiben

Erstens: KI-gestütztes Coding ist kein Komfort-Feature. Es ist eine neue Disziplin mit eigenen Regeln, eigenen Frustrationen und einem eigenen Skillset. Wer es als Abkürzung betrachtet, wird scheitern. Wer es als Instrument versteht, wird Dinge bauen, die vorher unmöglich waren.

Zweitens: Die Rolle verschiebt sich. Vom Coder zum Architekten. Vom Ausführenden zum Dirigenten. Die wertvollste Fähigkeit ist nicht mehr, Code zu schreiben. Es ist, Kontext zu halten, Vision zu steuern und Qualität zu erzwingen — gegen eine KI, die ständig versucht, den einfachsten Weg zu nehmen.

Drittens: Die makroökonomischen Implikationen sind nicht hypothetisch. Sie passieren. Jetzt. Und jede Organisation, die das nicht versteht, wird in fünf Jahren nicht mehr existieren. Nicht weil die Technologie sie ersetzt hat. Sondern weil jemand mit einem Laptop und einem System Prompt es getan hat.

Part 2 von „The Mad Ramblings of an AI Addict". Nächstes Mal: Warum LLMs in einem sensorischen Vakuum gefangen sind — und was passiert, wenn wir ihnen Augen, Ohren und Hände geben.

Und kompaktiert eure verdammten Sessions. Commit vor jedem Compact. Zahlt den Preis.

— Syncriix (← Part 1)