Kernaussage in einem Satz
AI-Coding-Tools können je nach Nutzungsweise das Lernen fördern oder ruinieren. Aktive Fragen zum Konzeptverständnis sind entscheidend, vollständige Delegation kostet sowohl Tempo als auch Lernerfolg.
Studienüberblick
- Durchgeführt vom Forschungsteam von Anthropic
- Teilnehmer: 52 Softwareingenieure
- Versuchsaufbau: Nach dem Lernen einer neuen Python-Bibliothek (Trio) Durchführung einer Coding-Aufgabe
- AI-Gruppe: Nutzung eines auf GPT-4o basierenden AI-Coding-Tools
- Kontrollgruppe: Nutzung nur von Dokumentation + Websuche
- Dauer: etwa 1 Stunde Arbeit
Wichtigste Ergebnisse
- Gruppe mit AI-Nutzung → Quiz-Ergebnisse 17 % niedriger
- Trotz AI wurde die Arbeit nicht schneller erledigt
- Gruppe ohne AI → erlebte mehr als dreimal so viele Trio-bezogene Fehler → Debugging-Fähigkeiten verbesserten sich dadurch auf natürliche Weise
Unterschiede je nach AI-Nutzungsmuster (zentrale Erkenntnis)
- Schlechtes Muster (unter 40 % im Quiz)
- Alle Aufgaben an die AI delegiert (komplette Codegenerierung, komplettes Debugging überlassen)
- Die Abhängigkeit nahm schrittweise zu
- Am schnellsten fertig, aber sehr geringer Lerneffekt
- Gutes Muster (mindestens 65 % im Quiz)
- AI nur als Hilfsmittel zum besseren Verständnis genutzt
- Nach der Codegenerierung zusätzliche Fragen / Bitte um Konzept-Erklärungen / Rückfragen zum Verständnis
- Zweitschnellstes Tempo + hohe Lernergebnisse
Abschließende Einsichten
- Nicht die AI-Nutzung an sich ist das Problem → die Art der Nutzung entscheidet über das Lernen
- Die „schmerzhafte Erfahrung des Feststeckens“ ist wichtig für den Aufbau von Kompetenz
- Wenn AI Fehler stellvertretend behebt → zwar schneller, aber geringeres Verständnis dafür, warum der Fehler entstanden ist
- Es gibt einen Trade-off zwischen kurzfristiger Produktivität ↑ und langfristigem Skill-Aufbau ↓
Meinungen von Entwicklern aus der Praxis (Referenz)
- Positiv: Fälle von 10-facher Beschleunigung, etwa 1 Jahr Arbeit in 2 Wochen abgeschlossen
- Negativ: Einsatz nur bei bereits verstandenem Code empfohlen, für Juniors Risiko technischer Schulden
- Geteilte Meinungen: „Coding ist vorbei“ vs. „Der Wechsel von Schaffen zu Beaufsichtigen ist unangenehm“
Empfehlungen
- Beim Lernen neuer Technologien: vollständige AI-Abhängigkeit vermeiden und absichtlich Erfahrungen des „Feststeckens“ zulassen
- Bei produktivitätsgetriebenen Aufgaben: AI kann aktiv genutzt werden
- Unternehmen: Druck auf die Ergebnisse von Juniors + gleichzeitig Aufbau von Fähigkeiten zur Validierung und zum Debugging von AI-generiertem Code
- Ausblick: AI-Agenten übernehmen zentrale Aufgaben → Menschen nehmen sich separat Zeit, um Code und Konzepte zu lernen
Grenzen der Studie
- Kleine Stichprobe (52 Personen)
- Kurze Arbeitszeit (1 Stunde)
- Verwendung von GPT-4o (nach Stand 2025 ein älteres Modell)
- Unklar, wie gut Quiz-Ergebnisse langfristige Skills vorhersagen
12 Kommentare
Das ist, als würde man Matheaufgaben lernen, indem man die Lösungen aufschlägt und sie nur mit den Augen verfolgt. In dem Moment wirkt es, als hätte man es verstanden, aber sobald man das Buch zuklappt, bleibt nichts mehr hängen.
Stimme ich zu, zu 100 %.
Dem kann ich nur allzu sehr zustimmen.
Das sind wohl Forschungsergebnisse, die eine klare Antwort darauf geben, warum wir uns nicht vollständig auf KI verlassen, sondern sie nur als unterstützendes „Werkzeug“ verwenden sollten.
Wenn sie es mit Opus gemacht hätten, hätten sie vielleicht Wachstum verpasst, aber wohl nicht das Tempo.
Ich denke, der Umfang des Wissens, das man haben muss, hat sich verändert.
Der Bereich auf Low-Level-Ebene, den man zunehmend nicht mehr kennen muss, wird immer größer.
Wenn man heutzutage Modelle nutzt, wirkt es irgendwie so, als wäre das Anschauen von Code nur noch optional.
Aus einem Jahr Arbeit wurden zwei Wochen, aber warum dann nur das Zehnfache..
Die beiden Fälle sind voneinander unabhängig, aber der Haupttext ist so geschrieben, dass er verwirrend wirkt. Wenn man dem letzten Link im Haupttext folgt, sind es die folgenden zwei Fälle.
Ein Softwarearchitekt mit 30 Jahren Erfahrung lobte das überschwänglich und sagte: „Auf herkömmliche Weise hätte eine Funktion, die ein Jahr gedauert hätte, in nur zwei Wochen fertiggestellt.“ Der Linux-Kernel-Mitwirkende Roland Dreier sagte: „In den vergangenen sechs Monaten gab es einen gewaltigen Sprung“ und berichtete, bei komplexen Aufgaben eine 10-fache Geschwindigkeitssteigerung erlebt zu haben.
Damit ist wohl klar, warum Schüler oder Junior-Entwickler kein AI nutzen sollten.
Wenn man sie nicht benutzt, bekommt man doch keinen Job, oder?
Wäre es nicht die richtige Strategie, AI als Werkzeug so zu nutzen, dass man beim Lernen nur das Nötigste davon einsetzt, es bei der Jobsuche aber aktiv nutzt? Früher wie heute diskutieren Freunde untereinander selten kritisch über ein bestimmtes Thema, oder? Stattdessen schauen sie eher YouTube oder versuchen, etwas in Blogs zu finden. Wenn man aber etwas lernen will, ist es oft am schnellsten, wenn man es selbst erklärt.