Das Problem ist, dass "KI-Einführung" je nach Sprecher sehr unterschiedliche Bedeutungen haben kann. Ein Entwickler, der KI zur automatischen Vervollständigung einer Funktion einsetzt, und ein Team, das vollständig autonome Software-Pipelines betreibt, werden beide als „KI-Nutzer” bezeichnet, doch beide haben fast nichts gemeinsam, was den Arbeitsablauf, das Risiko oder die organisatorischen Auswirkungen angeht.
Ohne eine klare Unterscheidung zwischen beiden enden die meisten Gespräche über KI in der Softwareentwicklung damit, dass man aneinander vorbeiredet.
Eine nützliche Perspektive ist die Frage, wo der Mensch in diesem Prozess steht und wie sich diese Position verändert, wenn KI zunehmend mehr Aufgaben übernimmt. Diese Frage lässt sich in fünf verschiedene Phasen unterteilen.
Die ersten drei bilden die sogenannte KI-gestützte Zone: KI erweitert die Fähigkeiten des Teams, aber menschliches Fachwissen und Verantwortlichkeit bleiben weiterhin maßgeblich. Die Stufen 4 und 5 stellen ein völlig anderes Modell dar, in dem sich die Rolle des Entwicklers weit über die Einführung von Tools hinaus verändert.
Das Verständnis des Unterschieds zwischen diesen beiden Welten ist der Ausgangspunkt für fundierte Entscheidungen darüber, wo investiert werden soll und wie schnell vorgegangen werden soll.
Die KI-gestützte Zone: Phasen 1, 2 und 3
In allen drei Phasen der KI-gestützten Zone gilt ein Grundsatz: Der Mensch leitet den Prozess.
Das Fachwissen der Entwickler, die architektonische Beurteilung und die Verantwortung für das Ergebnis bleiben in menschlicher Hand. Was sich von Phase zu Phase ändert, ist, wie viel der Implementierungsarbeit der Mensch direkt ausführt und wie viel eher geleitet und überprüft als von Grund auf neu geschrieben wird.
Phase 1: KI als intelligenter Assistent
In Phase 1 fungiert die KI als Informations- und Entwurfswerkzeug. Sie schlägt Code-Vervollständigungen vor, zeigt relevante Muster auf, hilft Ingenieuren bei der Navigation in großen oder schlecht dokumentierten Codebasen und generiert erste Entwürfe von Code und Tests. Jedes Ergebnis wird von einem Menschen überprüft und verfeinert, bevor es in die Produktion gelangt.
Der Mensch schreibt weiterhin die Software. KI reduziert dabei die Reibungsverluste, indem sie das Volumen bewältigt, Lücken in der Dokumentation füllt und den Kontext in großen Codebasen auf dem neuesten Stand hält. Stellen Sie sich das wie eine schnellere, intelligentere Tabulatortaste vor: Die Tastenanschläge werden reduziert, aber das Denken des Entwicklers bestimmt jede Entscheidung. Die Produktivitätssteigerungen in dieser Phase sind real, aber inkrementell. Wer allein durch grundlegende KI-Unterstützung dramatische Produktionssteigerungen verspricht, übertreibt.
Für Unternehmen in regulierten Branchen wie Finanzdienstleistungen, Versicherungen und Versorgungsunternehmen ist dies der natürliche Standard. Gemäß dem EU-KI-Gesetz, das für britische Unternehmen mit EU-Geschäften oder Datenflüssen von unmittelbarer Relevanz ist, wird in dieser Phase die menschliche Verantwortung genau dort angesiedelt, wo die Regulierungsbehörden sie erwarten. Das Risiko-Ertrags-Verhältnis ist hier das günstigste aller Phasen: Die Gewinne sind messbar und der Verwaltungsaufwand ist überschaubar.
Eines sollte klar sein: KI weiß Dinge nicht so, wie Menschen sie wissen. Sie generiert Ergebnisse auf der Grundlage statistischer Wahrscheinlichkeiten und nicht aufgrund von Verständnis. Eine Studie der BBC und der Europäischen Rundfunkunion unter 22 Medienunternehmen ergab, dass 45 % der von KI generierten Antworten erhebliche Probleme enthielten, darunter sachliche Fehler, Probleme bei der Quellenangabe und fehlender Kontext. Das Gleiche gilt für Code. Die menschliche Kuratierung ist in dieser Phase ein Kontrollmechanismus und keine Formalität.
Erhalten Sie Empfehlungen, wie KI in Ihrem Unternehmen eingesetzt werden kann.
Entdecken Sie datenbasierte Möglichkeiten, um sich einen Wettbewerbsvorteil zu verschaffen.
Phase 2: KI als Ausführendes Element
In Phase 2 beginnt der Entwickler damit, einzelne, klar umrissene Aufgaben an die KI zu übertragen: diese Funktion schreiben, dieses Modul umgestalten, diese Komponente erstellen. Die KI übernimmt die Ausführung. Der Mensch kümmert sich um die Architektur, die Integration und die Beurteilung, überprüft alles, was zurückkommt, schreibt aber nicht mehr jede Zeile selbst.
An dieser Stelle werden die Produktivitätssteigerungen wirtschaftlich relevant. Bei etablierten Codebasen erzielen Teams in der Regel eine Verbesserung von 15 bis 20 %. Schnellere Lieferzyklen, geringere Kosten pro Funktion und eine verkürzte Markteinführungszeit sind reale Ergebnisse, die jedoch vollständig von der Qualität der Spezifikationen abhängen.
Die Architektur-Governance ist hier von entscheidender Bedeutung. KI generiert Code innerhalb der vorgegebenen Grenzen. Vage Vorgaben führen zu Code, der heute funktioniert, aber in zwölf Monaten zu einem Wartungsproblem wird. Teams, die in dieser Phase konsequent Wert schöpfen, investieren in ein klares Architekturdesign und technische Leitplanken, bevor sie mit der Generierung beginnen.
Der DORA-Bericht 2025 ergab, dass eine 90-prozentige Zunahme der KI-Einführung mit einem Anstieg der Fehlerquote um 9 % und einer Verlängerung der Code-Überprüfungszeit um 91 % einherging. Das ist machbar, aber nur, wenn die Qualitätssicherung als parallele Investition und nicht als nachträglicher Gedanke behandelt wird.
Unternehmen, die dies richtig umsetzen, investieren neben ihren KI-Tools auch in automatisierte Tests und verhaltensorientierte Entwicklung (BDD). Diese Techniken überprüfen Software anhand von Geschäftsanforderungen und nicht nur anhand technischer Spezifikationen. Die Rolle der Qualitätssicherung wird strategischer und verliert nicht an Relevanz.
Phase 3: AI als Mitentwickler
In Phase 3 beginnt die KI mit der Verwaltung von Änderungen an mehreren Dateien: Sie navigiert durch eine Codebasis, versteht Abhängigkeiten und entwickelt Funktionen, die sich über mehrere Module erstrecken. Der Entwickler überprüft komplexere Ergebnisse, liest aber weiterhin den gesamten Code. Der Mensch bleibt die letzte Instanz für alles, was ausgeliefert wird.
Dies ist der äußerste Punkt auf dem Spektrum, an dem die Rolle des Entwicklers noch erkennbar die eines Entwicklers ist – jemand, der die Implementierung versteht, für die Architektur verantwortlich ist und für die Qualität des Erstellten verantwortlich ist. Die meisten Unternehmensteams, die sich selbst als “KI-nativ” bezeichnen, arbeiten hier. KI ist von zentraler Bedeutung für die Art und Weise, wie die Arbeit erledigt wird.
Der Produktivitätsschub ist in dieser Phase wesentlich größer als in Phase 2. Aber das Risiko ist ebenfalls größer. Der wichtigste verbleibende Beitrag des Entwicklers ist die Codeüberprüfung, und Codeüberprüfung ist eine anspruchsvolle Arbeit. Sie erfordert anhaltende Konzentration auf Output, den man nicht selbst geschrieben hat, und das in Mengen, die mit zunehmender Geschwindigkeit der KI-Generierung schnell wachsen. Wenn die Qualität der Überprüfung nachlässt, verschlechtert sich damit auch die Qualität der gesamten Codebasis.
Zwei Risiken müssen aktiv gemanagt werden. Das erste ist die Disziplin bei der Überprüfung. Die Codeüberprüfung wird zum entscheidenden Kontrollpunkt, und ihre Qualität sinkt, wenn das Volumen des KI-generierten Codes zunimmt, ohne dass sich die Struktur der Überprüfungen entsprechend ändert. Die Größe der Commits, die Gründlichkeit der Überprüfungen und die Trends bei den Bug-Tickets sind die wichtigsten Indikatoren, die es zu beobachten gilt. Das zweite ist die Talententwicklung. Junior-Entwickler, die hauptsächlich mit KI-generiertem Code arbeiten, entwickeln möglicherweise nicht die tiefe Intuition, die sich aus dem Schreiben und Debuggen nach ersten Prinzipien ergibt – eine Intuition, die zum Vorschein kommt, wenn Probleme schwierig werden. Entwicklungspraktiken müssen dies bewusst berücksichtigen.
KI-Modelle sind zudem nicht deterministisch. Dieselbe Eingabe kann zu unterschiedlichen Zeitpunkten zu unterschiedlichen Ergebnissen führen, und neuere Modelle sind nicht immer konsistenter als ältere. In regulierten Umgebungen muss diese Variabilität bei der Prozessgestaltung berücksichtigt werden. Auch die Wahl der Sprache spielt eine Rolle: KI-Tools arbeiten mit Java, C# und Python konsistenter als mit C++, was bei der Entscheidung, wo KI-Unterstützung zuerst eingeführt werden soll, berücksichtigt werden sollte.
Über KI-gestützt hinaus: ein grundlegend anderes Modell
Die Stufen 4 und 5 sind keine Fortsetzung des KI-gestützten Modells. Sie stellen einen strukturellen Wandel in der Art und Weise dar, wie Software entwickelt wird, wie Engineering-Teams aussehen und was die Rolle des Entwicklers bedeutet. Die Tools mögen vertraut sein, aber der Workflow, die organisatorische Logik und die erforderlichen Fähigkeiten sind grundlegend anders.
Im KI-gestützten Bereich erweitert der Mensch seine Fähigkeiten mit Hilfe der KI. Darüber hinaus weist der Mensch die KI an, in seinem Auftrag zu entwickeln. Diese Unterscheidung ist der klarste Weg, um zu verstehen, wo die Grenze liegt und warum es mehr als nur die Einführung eines neuen Tools erfordert, um sie zu überschreiten.
Es lohnt sich auch, ausdrücklich zu erklären, was Stufe 4 nicht ist. Es handelt sich nicht um “Programmieren in einfacher Sprache ohne technische Kenntnisse”. Bei diesem Ansatz, der manchmal als “Vibe Coding” bezeichnet wird, wird die KI in Form einer Unterhaltung angeregt und das Ergebnis wird akzeptiert. Stufe 4 ist das Gegenteil davon. Es handelt sich um ein diszipliniertes, unternehmensgerechtes Betriebsmodell mit Leitplanken, Qualitätsmetriken, Compliance-Kontrollen und Sicherheitsanforderungen, die in den Prozess integriert sind.
Die Spezifikation muss präzise genug sein, um das korrekte Verhalten eindeutig zu definieren. Der Unterschied zwischen den beiden ist der Unterschied zwischen einem Prototyp und einem Produktionssystem.
Lesen Sie mehr über KI in unserem Blog:
Phase 4: Entwickler als Product Owner
In Phase 4 schreibt der Entwickler eine Spezifikation, tritt zurück und kehrt einige Stunden später zurück, um zu bewerten, ob das Ergebnis die definierten Kriterien erfüllt. Der Code ist eine Black Box. Entscheidend ist, ob er funktioniert, nicht wie er geschrieben wurde. Der Agent übernimmt die Implementierung, der Mensch die Definition und Bewertung.
Dies erfordert eine Qualität der Spezifikationserstellung, die die meisten Unternehmen bisher nicht entwickeln mussten. Außerdem ist eine speziell für die autonome Generierung entwickelte Testarchitektur erforderlich, bei der die Bewertungskriterien außerhalb der Codebasis gespeichert sind, sodass der Agent nicht darauf optimieren kann, Tests zu bestehen, anstatt korrekte Software zu entwickeln.
Der Engpass verlagert sich von der Implementierungsgeschwindigkeit zur Spezifikationsqualität, und die Spezifikationsqualität hängt davon ab, wie gut das Team das System, den Kunden und das Problem versteht.
Governance ist hier nicht optional. Die Überwachung auf KI-Verzerrungen, die Erkennung von Halluzinationen und die Überprüfung der Richtigkeit der Ergebnisse müssen in die Fabrik selbst integriert werden. Es ist nicht möglich, jede Zeile Code zu überprüfen, da es keinen Menschen gibt, der die Codezeilen überprüft. Anstelle dieser Überprüfung gibt es ein rigoroses Bewertungsframework, architektonische Leitplanken und eine kontinuierliche Verpflichtung zur Messung, ob das System korrekte Ergebnisse liefert.
Entwicklung einer KI-Plattform, mit der Anwaltskanzleien bis zu 75 % der Zeit für die Dokumentenprüfung einsparen
Phase 5: Die autonome Softwarefabrik
In Stufe 5 schreibt kein Mensch Code und überprüft keinen Code. Eine Spezifikation wird eingegeben, und es kommt funktionierende Software heraus. Eine kleine Anzahl von Teams arbeitet heute tatsächlich auf diese Weise.
Dreiköpfige Teams liefern Zehntausende von Zeilen Produktionscode, der vollständig von Agenten erstellt, anhand von Verhaltensszenarien getestet wurde, die die Agenten nie zu Gesicht bekommen, und ohne menschliches Zutun in irgendeiner Zeile der Implementierung bereitgestellt wurde.
Die Produktivitätssteigerungen liegen hier bei mehreren hundert Prozent: real, dokumentiert und außergewöhnlich. Sie stehen jedoch nur Unternehmen zur Verfügung, die die Fabrik korrekt aufgebaut haben.
Wenn Sie eine Vielzahl von Agenten auf der Grundlage schwacher Spezifikationen und unzureichender Governance einsetzen, führt dies nicht zu einer Produktivitätssteigerung von 300 %. Es führt zu einer 300-prozentigen Steigerung der Rate, mit der Sie fehlerhafte Software produzieren. Die Fabrik verstärkt alles, was in sie hineinkommt: Gute Absichten führen zu guten Ergebnissen, aber schlechte Grundlagen führen zu schlechten Ergebnissen in großem Umfang und mit hoher Geschwindigkeit.
Die Rolle des Menschen in Stufe 5 wird nicht eliminiert – sie wird auf das reduziert, was nicht automatisiert werden kann: zu verstehen, was für wen und warum gebaut werden soll. Diejenigen, die hier erfolgreich sind, sind Produktdenker und Systemarchitekten, die zufällig Zugang zu unbegrenzten technischen Kapazitäten haben. Die Frage lautet nicht mehr “Können wir es bauen?”, sondern “Sollen wir es bauen?”, was schon immer die schwierigere und wertvollere Frage war.
Der Weg zu Stufe 5 führt über die früheren Stufen, nicht um sie herum. Unternehmen, die die Grundlagenarbeit überspringen – klare Spezifikationen, robuste Tests, ehrliche Messung der Qualität der KI-Ergebnisse – gelangen nicht zu einer autonomen Fabrik. Sie gelangen zu einem schnelleren Weg, technische Schulden anzuhäufen.
Zusammenfassung: Wählen Sie Ihre Stufe bewusst
Die fünf hier beschriebenen Stufen sind keine Reifeleiter, die es so schnell wie möglich zu erklimmen gilt, sondern eine Übersicht über Kompromisse, die jeweils unterschiedliches Produktivitätspotenzial, unterschiedliche Risikoprofile und unterschiedliche organisatorische Anforderungen mit sich bringen.
Wo Sie tätig sind, sollte eine bewusste Entscheidung sein und nicht zufällig davon abhängen, welche Tools Ihre Entwickler zu verwenden begonnen haben.
Stufe 1 ist risikoarm, sofort einsetzbar und für fast jedes Unternehmen geeignet. Stufe 2 bietet erhebliche wirtschaftliche Vorteile, erfordert jedoch parallele Investitionen in architektonische Klarheit und QA-Fähigkeiten. Stufe 3 ist die Stufe, auf der die fähigsten Unternehmensteams heute arbeiten – die höchsten Renditen innerhalb der KI-gestützten Zone, mit den entsprechend höchsten Governance-Anforderungen.
Die Phasen 4 und 5 sind das Ziel der Branche, und es ist wichtig, sie zu verstehen, selbst für Unternehmen, die fest in den Phasen 1 bis 3 verankert sind. Die Fähigkeiten, die Phase 3 erfolgreich machen, sind genau diejenigen, die den Übergang darüber hinaus ermöglichen: klare Spezifikationen, strenge Architektur und ein echtes Engagement dafür, zu messen, was KI produziert, und nicht nur, wie viel.
Die Unternehmen, die am meisten von diesem Wandel profitieren, sind nicht diejenigen, die am schnellsten voranschreiten. Es sind diejenigen, die ehrlich sind, in welcher Phase sie sich befinden, die sich darüber im Klaren sind, was die nächste Phase wirklich erfordert, und die diszipliniert genug sind, die Grundlagen zu schaffen, bevor sie benötigt werden. Geschwindigkeit und Strenge stehen hier nicht im Widerspruch zueinander, aber Strenge muss an erster Stelle stehen.
Erhalten Sie Empfehlungen, wie KI in Ihrem Unternehmen eingesetzt werden kann.
Entdecken Sie datenbasierte Möglichkeiten, um sich einen Wettbewerbsvorteil zu verschaffen.
