- Die Behauptung, KI steigere die Produktivität von Ingenieuren um das 10- bis 100-Fache, ist nicht realistisch
- Wer KI-Coding-Tools tatsächlich intensiv nutzt, merkt, dass die Effizienzgewinne begrenzt sind und es nur bei wiederholenden, einfachen Aufgaben zeitweise zu einem Produktivitätsschub kommt
- Engpässe in der Softwareentwicklung (Code-Review, Zusammenarbeit, Planung usw.) lassen sich mit KI nicht überwinden; eine Verzehnfachung der Gesamtarbeit ist unmöglich
- Der Mythos vom 10x-Ingenieur entsteht aus unterschiedlichen Motiven wie verzerrten Kennzahlen, Interessen von Akteuren in der Branche oder dem Schüren von Unsicherheit in Organisationen
- Die eigene Art zu entwickeln und die Freude daran zu bewahren, führt langfristig zu besseren Ergebnissen und zu einer gesunden Organisationskultur
Skepsis gegenüber dem Mythos vom KI-10x-Ingenieur
Produktivitätsangst und praktische Erfahrungen mit KI-Tools
- Auf LinkedIn, Twitter usw. verbreitet sich die Erzählung, KI erhöhe die Produktivität von Ingenieuren um das 10- bis 100-Fache, wodurch viele Entwickler Angst haben, abgehängt zu werden
- Der Autor hat ebenfalls verschiedene KI-Agenten zur Codegenerierung (Claude Code, Cursor, Roo Code, Zed usw.) praktisch eingesetzt, doch bei einfachen, wiederholenden Aufgaben waren sie zwar bequem, in komplexer realer Arbeit gab es jedoch keine grundlegende Transformation
- In JavaScript (insbesondere React) lässt sich repetitiver Code (Boilerplate) schnell schreiben
- Bei eigenen Codebase-Standards oder ungewöhnlichen Bibliotheken kann die KI jedoch nicht richtig mithalten
- Bei Sprachen wie Terraform ist die Leistung schwächer, weil die KI damit weniger vertraut ist
- Durch Halluzinationen kann sie Bibliotheken erfinden, die es gar nicht gibt, und dadurch sogar Sicherheitslücken verursachen
- Das Kontextverständnis von KI ist noch begrenzt. Je komplexer die tatsächliche Codebase ist, desto häufiger kommt es zu wiederholten Prompts, Fehlern und Zeitverschwendung
- Letztlich nutzt der Autor KI für kleine Skripte oder nicht-kritische Aufgaben, während er komplexe oder wichtige Aufgaben weiterhin selbst erledigt
Das Problem, Produktivität in der Softwareentwicklung zu quantifizieren
- Die Behauptung, die Produktivität lasse sich mit KI um das 10- bis 100-Fache steigern, ist eine von der Realität losgelöste Zahl
- 10x- oder 100x-Produktivität bedeutet nicht einfach mehr Codezeilen, sondern, dass eine Aufgabe, die 3 Monate dauert (gesamte Entwicklung, Code-Review, QA usw.), in 1,5 Wochen abgeschlossen ist
- In der Softwareentwicklung gibt es viele Engpässe wie Planung, Schätzung von Story Points, Bugfixes, Code-Review, Warten auf Deployments, Tests und QA
- Damit das Ziel erreichbar wäre, müssten all diese Schritte im gleichen Verhältnis 10-mal schneller werden
- Tatsächlich nimmt das eigentliche Codieren nur wenig Zeit ein; viel Zeit fließt in Verstehen, Entwurf, Prüfung und Kommunikation
- Realistisch gesehen lassen sich Code-Review, Zusammenarbeit, Kommunikation und QA nicht mit KI verkürzen
- Die eigentlichen Engpässe in der technischen Arbeit liegen bei Menschen, Prozessen und Kommunikation
- LLMs (Large Language Models) sparen Tastaturzeit, aber Zeit für Codequalität, Tests und Reviews wird weiterhin benötigt
- Auch wenn KI die Geschwindigkeit beim Schreiben von Code vorübergehend erhöhen kann, hat sie wegen höherer Fehlerraten, unzureichender Code-Standards und erneuter Prompting-Schleifen keinen entscheidenden Einfluss auf die Gesamtproduktivität
- Eine 10-fache Produktivität ist praktisch ein nahezu unmögliches Ziel
Die Wirklichkeit und die Grenzen des 10x-Ingenieurs
- Hinsichtlich der Existenz eines „10x-Ingenieurs“ lautet die Einschätzung: vorübergehend und begrenzt ist so etwas möglich
- Der wichtigste Grund ist die Fähigkeit, unnötige Arbeit zu verhindern (unnötige Entwicklung bereits in der Planungsphase vermeiden, Developer Experience verbessern, Dokumentation usw.), die sich mit der Zeit aufbaut
- Aber nicht jeder Ingenieur begegnet solchen Situationen ständig
- Außergewöhnliche Ingenieure können unnötige Arbeit verhindern oder durch Systemverbesserungen die Effizienz der gesamten Organisation erhöhen, doch Fälle, in denen jemand dauerhaft das 10-Fache leistet, gibt es praktisch kaum
- KI-Coding-Tools tragen kaum dazu bei, unnötige Arbeit zu vermeiden
- Im Gegenteil können KI-Empfehlungen zu übermäßiger Implementierung führen oder eine falsche Architektur nahelegen
- Schnelles Codieren bedeutet nicht automatisch, ein guter Ingenieur zu sein
Hintergründe und Motive des 10x-KI-Mythos
Die meisten Behauptungen über „10-fache Produktivität“ gehen auf folgende Faktoren zurück
- Gutmeinende Ingenieure, die Messfehler machen
- Mit KI-Tools kann man für kurze Momente explosive Effizienzgewinne erleben (z. B. das automatische Schreiben einer benutzerdefinierten ESLint-Regel)
- Wiederholen sich solche Aufgaben jedoch, schrumpft der Produktivitätsunterschied am Ende stark
- Technische Neuheit und die Anpassung an eine neue Umgebung können anfangs die Illusion übermäßiger Effizienz erzeugen
- Anreize und Stakeholder
- Gründer von KI-Startups, Investoren usw. zitieren für den geschäftlichen Erfolg häufig übertriebene Zahlen
- Auch Ingenieure oder Führungskräfte können überhöhte Produktivität anführen, um Erwartungen in der Organisation zu erfüllen
- Böswillige Absichten
- Manche Führungskräfte verbreiten übertriebene Behauptungen mit der Absicht, Unsicherheit unter Ingenieuren zu erzeugen und Unruhe in der Organisation wie Jobwechsel oder Gehaltsforderungen zu verhindern
- Die Angst, dass durch KI jeder leicht ersetzbar werde, kehrt zyklisch wieder (ähnlich wie frühere Debatten über Coding Bootcamps)
KI-Ergebnisse in realen Open-Source- und Praxisprojekten
- In den meisten realen Beispiele für KI-bedingte Produktivitätssteigerungen besteht eine Distanz zwischen dem Verfasser und dem Ingenieur, dessen Produktivität angeblich gestiegen ist.
- Beispiele für den Einsatz von KI-Tools, die echte Ingenieure selbst belegt haben, zeigen ein realistisches Bild ohne Übertreibung
- Die Ergebnisse des KI-Einsatzes in Open-Source-Projekten liegen meist unter den Erwartungen oder enden als Fehlschläge
- In öffentlichen Demos oder realen Beispielen von Ingenieuren wirkt KI manchmal wie Magie, meistens unterscheidet sie sich jedoch nicht wesentlich von einem herkömmlichen „Textgenerator“
Wichtiger als „Produktivität“: die eigene Art zu entwickeln bewahren
- Mit KI lässt sich Code manchmal schneller schreiben, doch für den Autor steht weiterhin die Freude am Codieren selbst im Vordergrund
- Wenn man KI-Coding nicht bevorzugt oder keinen Spaß daran hat, ist es in Ordnung, auf einen Teil der Produktivität zu verzichten
- Selbst wenn man ein gewisses Maß an Ineffizienz in Kauf nimmt, führt das Arbeiten auf eine Weise, die zu einem selbst passt, langfristig zu gesünderen und besseren Ergebnissen
- Wer mit Freude arbeitet, kann besser Probleme lösen, entwerfen und mit Kollegen zusammenarbeiten
- Freude und Flow sind für langfristige Produktivität und Codequalität wichtiger; wer nur krampfhaft der Produktivität hinterherjagt, erhöht das Burnout-Risiko
- Umgekehrt gilt: Wenn KI-Coding wirklich Spaß macht und hilft, kann man es aktiv nutzen
Ratschläge für eine gesunde Organisationskultur
- Bei der Einführung von KI-Tools ist es schädlich für die Produktivität einer Organisation, bei allen Ingenieuren unrealistische Erwartungen und Unsicherheit auszulösen
- Die Besessenheit, Produktivität zu maximieren, führt zu Qualitätsverlust, einer schlechteren Codebase und langfristigen Schäden
- Es ist wünschenswert, Ingenieuren ausreichend Autonomie und Vertrauen zu geben und den Einsatz von KI je nach passender Arbeitsweise selbst wählen zu lassen
- In Organisationen ist es wichtig, Möglichkeiten zur KI-Nutzung bereitzustellen, dabei aber eine Atmosphäre zu schaffen, die Autonomie garantiert
- Wenn LLMs und KI-Innovationen beim Coding wirklich eine 10-fache Produktivität bringen, werden Entwickler das ganz natürlich selbst herausfinden
Fazit
- Die Revolution des 10x-Ingenieurs durch KI ist eher ein Mythos, und in Wirklichkeit gibt es kein verborgenes Geheimrezept, das man verpasst
- Das Wichtigste ist Vertrauen in die eigenen Fähigkeiten und die eigene Arbeitsweise
- Soziale Netzwerke (insbesondere LinkedIn und Twitter) verstärken übertriebene Mythen; man kann sie getrost ignorieren
Noch keine Kommentare.