Thought Leadership
KI-gestützte Entwicklung verspricht mehr Tempo in der Softwareproduktion. In vielen IT-Abteilungen entsteht jedoch ein gegenteiliger Effekt: Der Aufwand verschiebt sich vom Schreiben hin zum Prüfen, Absichern und Korrigieren.
KI beschleunigt das Schreiben – nicht das Verstehen
KI-Systeme verändern die Softwareentwicklung derzeit grundlegend. Entwickler generieren Funktionen automatisiert, analysieren Fehler schneller und erstellen Anwendungen innerhalb weniger Minuten. Entsprechend hoch sind in vielen Unternehmen die Erwartungen. Die Hoffnung: kürzere Entwicklungszeiten, geringere Kosten und weniger Druck durch fehlende Fachkräfte.
Im Alltag vieler IT-Abteilungen zeigt sich jedoch zunehmend ein gegenteiliger Effekt. Zwar steigt die Menge erzeugter Software deutlich an, gleichzeitig wächst aber auch der Aufwand für Kontrolle, Abstimmung und Qualitätssicherung. Die Schwachstelle liegt dadurch immer seltener beim eigentlichen Entwickeln.
Gerade erfahrene Entwickler verbringen heute einen immer grösseren Teil ihrer Arbeitszeit damit, KI-generierten Quellcode zu prüfen, Risiken einzuordnen und technische Seiteneffekte nachzuvollziehen. Die Erstellung neuer Funktionen wird schneller, die organisatorische Verarbeitung innerhalb der IT-Abteilung dagegen häufig langsamer.
Geschwindigkeit ersetzt kein Verständnis
Der Grund dafür liegt weniger in der Technologie selbst als in den Rahmenbedingungen, unter denen Software entsteht. KI kann Muster erkennen und Programmcode generieren. Sie versteht jedoch weder Geschäftsprozesse noch interne Abhängigkeiten eines Unternehmens.
Genau hier entsteht ein strukturelles Problem. Fachbereiche formulieren Anforderungen häufig unvollständig oder aus rein fachlicher Perspektive. Die technische Einordnung erfolgt erst später innerhalb der IT. Solange Entwickler Software manuell erstellen mussten, wirkten diese Abstimmungslücken zumindest bremsend. KI hebt diese Bremse teilweise auf.
Wenn Anforderungen unklar bleiben, produziert KI deshalb nicht automatisch bessere Ergebnisse, sondern häufig lediglich schneller neue Fehlerquellen. Anforderungen über den Zaun werfen ist keine Kommunikation. Dieser Konflikt wird durch generative KI sichtbarer als zuvor.
Besonders kritisch ist dabei die Diskrepanz zwischen wahrgenommener und tatsächlicher Produktivität. Untersuchungen zeigen inzwischen, dass Entwickler KI-gestützte Arbeit häufig subjektiv als grosse Beschleunigung empfinden, obwohl sich auf Organisationsebene nicht automatisch stabilere Entwicklungsprozesse ergeben.
Der Aufwand verlagert sich in Richtung Review
Parallel dazu verändert sich die interne Arbeitsverteilung innerhalb von Entwicklungsteams. Während KI neue Funktionen in kurzer Zeit erzeugen kann, steigt gleichzeitig der Aufwand für technische Reviews erheblich an.
Code muss geprüft, Architekturentscheidungen bewertet und Sicherheitsrisiken analysiert werden. Hinzu kommt, dass KI-generierte Vorschläge oft plausibel wirken, obwohl sie technische Schwächen oder problematische Abhängigkeiten enthalten. Gerade weniger erfahrene Entwickler laufen dadurch Gefahr, fehlerhafte Lösungen zu übernehmen, weil diese auf den ersten Blick professionell erscheinen.
Für Senior-Entwickler entsteht daraus zusätzlicher Druck. Sie werden zunehmend zur Kontrollinstanz für grosse Mengen automatisch erzeugter Softwarebestandteile. Der eigentliche Engpass verschiebt sich dadurch vom Schreiben neuer Anwendungen hin zur fachlichen und technischen Bewertung.
Gleichzeitig wachsen vielerorts technische Schulden. Teams produzieren mehr Quellcode als früher, investieren jedoch weniger Zeit in strukturelle Überarbeitung und technische Konsolidierung. Die Folge sind redundante Komponenten, steigender Wartungsaufwand und zusätzliche Risiken für Stabilität und Sicherheit.
Die Rolle der IT-Leitung verändert sich
Für IT-Leiter verschiebt sich damit der Schwerpunkt ihrer Aufgaben. Nicht die Einführung einzelner KI-Werkzeuge entscheidet über den Erfolg, sondern die Fähigkeit, technische und fachliche Anforderungen sauber miteinander zu verbinden.
Gefragt ist deshalb weniger klassische Kontrolle als Übersetzungsarbeit zwischen Fachbereich und IT. Entscheidend wird die Fähigkeit, Kommunikationsreibung zu reduzieren, Verantwortlichkeiten klar festzulegen und technische Qualität langfristig abzusichern.
Reife Organisationen profitieren dabei häufig tatsächlich von KI-Unterstützung. Teams mit unklaren Prozessen oder schwacher Abstimmung verstärken dagegen bestehende Probleme zusätzlich. KI wirkt damit weniger als Problemlöser, sondern vor allem als Verstärker vorhandener Strukturen.
Was vor dem KI-Rollout geklärt werden sollte
Bevor Unternehmen KI-Tools breit in der Softwareentwicklung einsetzen, sollten zentrale Rahmenbedingungen definiert werden:
- klare Regeln für den Einsatz KI-generierter Software
- ausreichende Review-Kapazitäten durch erfahrene Entwickler
- verbindliche Architektur- und Sicherheitsprüfungen
- nachvollziehbares Tracking technischer Schulden
- frühe Abstimmung zwischen Fachbereich und IT
Denn KI kann Entwicklungsarbeit beschleunigen. Die Verantwortung für stabile Systeme, sichere Software und nachvollziehbare Entscheidungen verbleibt jedoch weiterhin bei den Menschen.
