Uber hat sein diesjähriges AI-Budget durch den sprunghaften Einsatz von AI-Coding-Tools bereits aufgebraucht

• Durch den sprunghaften Einsatz von AI-Coding-Tools war das für 2026 geplante AI-Budget bereits nach wenigen Monaten zu Beginn des Jahres ausgeschöpft; die gesamten Forschungsausgaben liegen bei 3,4 Mrd. US-Dollar (ca. 5 Billionen KRW, +9 % gegenüber dem Vorjahr)
• Interne Förderung und ein nutzungsbasierter Leaderboard-Betrieb führten zu einer schnellen Einführung; insbesondere die Nutzung von Claude Code übertraf interne Erwartungen und wurde seit Ende letzten Jahres zum dominierenden Tool
• Die Nutzung von Cursor stagniert, und zur Erweiterung des Tool-Stacks werden auch Tests mit OpenAI Codex vorbereitet
• Derzeit werden rund 11 % der Updates am produktiven Backend-Code von AI-Agenten geschrieben; dazu gehören Fahrzeugdisposition, Preisgestaltung und Bugfixes
• Langfristig ist ein Übergang zu agent engineers geplant, die über bloße Hilfstools hinaus Coding, Testing und Deployment übernehmen; damit wachsen neben der Produktivität auch der Wandel der Engineer-Rollen und der Kostendruck

---

Ausweitung der AI-Nutzung und Kostendruck

• Bei Uber ist die Nutzung von AI-Coding-Tools stark gestiegen, sodass das für 2026 vorgesehene AI-Budget bereits in den ersten Monaten des Jahres vollständig aufgebraucht wurde
  • Die Forschungsausgaben stiegen 2025 um 9 % auf 3,4 Milliarden US-Dollar
  • Es wird erwartet, dass dieser Wert weiter steigen wird
• Intern wurden Engineers aktiv dazu ermutigt, Tools wie Claude Code und Cursor zu verwenden; zudem wurde ein internes Leaderboard auf Basis der Nutzung betrieben
  • Diese Förderung führte zu einer schnellen Einführung, zugleich aber auch zu steigenden Kosten
• CTO Praveen Neppalli Naga erklärte, dass insbesondere die Nutzung von Anthropics Claude Code die internen Erwartungen übertroffen habe
  • Claude Code etablierte sich seit Ende letzten Jahres schnell als dominierendes Tool
  • Die Nutzung von Cursor stagniert dagegen
• Uber bereitet zudem Tests mit OpenAI Codex vor, während der AI-Tool-Stack weiter ausgebaut wird
• Die Ausweitung von AI ist zugleich ein Produktivitätshebel und ein Treiber steigender Kosten

AI übernimmt mehr Entwicklungsarbeit

• Derzeit werden etwa 11 % der Updates am produktiven Backend-Code von AI-Agenten geschrieben
  • Dieser Anteil ist innerhalb weniger Monate deutlich gestiegen
  • Die betreffenden Systeme werden für Fahrzeugdisposition, Preisgestaltung und Bugfixes eingesetzt
• Langfristig wird eine Neuausrichtung hin zu agent engineers vorangetrieben
  • Also eine Form, bei der AI-Systeme über den Status von Hilfstools hinaus Coding, Testing und Deployment vollständig übernehmen
  • Einschließlich einer Struktur, in der andere AI-Tools diesen Prozess überwachen
• Das Hiring hat sich bislang noch nicht verlangsamt
• Da AI jedoch mehr Aufgaben übernimmt, stellt sich zugleich die Frage, wie weit sich die Rolle von Engineers dadurch in den Hintergrund verschiebt

[GN⁺]

Hacker-News-Kommentare

• Bei Menü-Zusammenfassungen auf Plattformen wie Uber Eats habe ich oft das Gefühl, dass der Ton komplett danebenliegt. Schon in der App sehe ich Beispiele wie „Authentic Caribbean Flavours...“, und bei Five Guys steht dann so etwas Absurdes wie „250,000+ toppings“. Überall werden nur Wörter wie Authentic oder Rich wiederholt, alles wirkt seelenlos und ist manchmal sogar ungenau. Ich habe überhaupt keine Ahnung, ob es den Verkauf wirklich steigert, für solche KI-Texte Geld auszugeben. Sinnvoller wäre es wohl, eine klare Produktvision festzulegen und die Ingenieure KI jeweils auf die Art nutzen zu lassen, die für sie passt — das wäre vermutlich günstiger und erfolgreicher

  • Für mich sind echte Nutzerbewertungen gerade deshalb nützlich, weil sie auch negativ sein dürfen. Wenn die Plattform sie aber unter Zusammenfassungen begräbt, werden solche negativen Signale komplett verwässert, weil man Restaurants offenbar nicht verärgern will
  • Der Fehler mit „250,000+ toppings“ ist lustig, aber der Rest klingt ehrlich gesagt einfach nach ganz normalem Marketing-Text. Selbst wenn ein Mensch das geschrieben hätte, wäre ich nicht überrascht — das sind ziemlich geläufige Formulierungen
  • So wie ich den Originalartikel gelesen habe, ging es weniger um KI-Texte im Produkt als um Ausgaben für Coding-Tools wie Claude Code. Unabhängig davon, wie gut oder schlecht eine einzeilige API-Zusammenfassung ist, glaube ich kaum, dass ein Unternehmen wie Uber deswegen 3,4 Milliarden Dollar verbrannt hat
  • Ich finde nicht, dass in „den falschen Teil von KI“ investiert wurde, sondern einfach in den falschen Bereich. Selbst wenn man Milliarden ausgibt und noch mehr Features einbaut, heißt das nicht, dass Kunden deswegen öfter Essen bestellen. Das Geld wäre besser dafür eingesetzt, die überhöhten Gebühren zu senken und zu verhindern, dass Restaurants die Menüpreise um 25 % aufschlagen
  • Im verlinkten Artikel ging es nicht um Produktfunktionen mit KI, sondern um ein überschrittenes Budget für KI-Coding-Tools — und das ist eigentlich das interessantere Thema. Wenn die von KI-Anbietern versprochenen Effekte real wären, müsste Uber eher Personal abbauen statt die Tools zurückzufahren

• Laut dem Zitat im Artikel sagte der CTO, dass man wegen des starken Anstiegs bei der Nutzung von KI-Coding-Tools, insbesondere Claude Code, „zur Entwurfsphase zurückgekehrt“ sei. Mich würde zuerst interessieren, wie hoch die Nutzungskosten überhaupt waren. Außerdem wird „11 % der Live-Backend-Code-Updates werden von KI-Agenten geschrieben“ als Erfolg verkauft, aber das lässt sich nicht direkt als payoff bezeichnen. Es fehlen Angaben zur Codequalität, zu den langfristigen Auswirkungen auf die Wartbarkeit und zum Vergleich mit der Situation ohne KI. Am Ende fragte ich mich, ob der Artikel informieren oder nur Hype erzeugen soll, und bei den übertriebenen Werbeformulierungen von Yahoo Finance hatte ich die Antwort fast schon. Zur Erinnerung: Der uBlock-Origin-Filter lautet ||finance.yahoo.com^

  • Irgendwie denkt man auch: nur 11 %? Bei unserem Teamprojekt wurde auf Anweisung von oben inzwischen fast 100 % des Codes von Coding-Agenten erzeugt, und ich hoffe ehrlich gesagt nur, dass ich nicht mehr dort bin, wenn das Ganze irgendwann zusammenbricht
  • Ich finde auch, dass Yahoo-artiger Journalismus eine Katastrophe ist. Die Originalquelle steckt hinter einer Paywall, und mit solchen Zusammenfassungen, die wie KI wirken oder einfach schlampig sind, ist wirklich nichts anzufangen

• Formulierungen wie „3,4 Milliarden Dollar für KI ausgegeben“ passen meiner Meinung nach nicht zum tatsächlichen Inhalt des Artikels. Wenn man genau liest, scheinen die 3,4 Milliarden Dollar eher das gesamte F&E-Budget des Unternehmens zu sein, und die Aussage ist eher, dass der dafür vorgesehene KI-Anteil bereits aufgebraucht ist. Wie hoch die tatsächlichen KI-Ausgaben waren, steht nirgends. Das sind völlig verschiedene Dinge, und die Überschrift wirkt absichtlich irreführend

• Es überrascht mich, dass die interne Nutzung von Tools wie Claude Code oder Cursor offenbar aktiv gefördert wurde und man dafür sogar Leaderboards eingeführt hat. So etwas ermutigt Entwickler letztlich dazu, möglichst viele Tokens zu verbrauchen, was auch den starken Kostenanstieg erklären würde

  • Das wirkt wie ein typischer Fall von Messung bloßer Input-Metriken. Früher wurden auch die Zahl der Untergebenen oder die Größe des Team-Budgets als Leistung verkauft — insofern ist das nichts wirklich Neues

• Es hieß doch immer, KI steigere die Produktivität von Menschen — dann müssten die Kosten doch durch höhere Umsätze mehr als kompensiert werden, oder?

  • Mein Eindruck geht immer mehr dahin, dass das Ganze dem Kauf eines industriellen Yak-Rasierers ähnelt. Man produziert dann vielleicht viele glänzende Yaks, aber der Markt für solche Yaks ist in Wirklichkeit gar nicht besonders groß
  • Die Lehre daraus scheint mir zu sein, dass man nicht die Leute, die Spitzhacken und Schaufeln verkaufen, darüber entscheiden lassen sollte, ob man sie wirklich braucht
  • Die zentrale Frage ist am Ende wohl, wie hoch die Nachfrageelastizität bei Software ist. Wenn sie niedrig ist und die Nachfrage trotz sinkender Preise kaum steigt, werden Unternehmen bei höherer Produktivität durch KI eher Personal abbauen. Ist sie dagegen hoch, könnten sie mehr Ingenieure einstellen, den Output steigern, die Preise senken und trotzdem mehr verdienen

• Ich finde das Framing dieses Artikels ziemlich irreführend. Tatsächlich wurden nicht 3,2 Milliarden Dollar zusätzlich ausgegeben, sondern die Ausgaben stiegen um 9 %, also grob um 300 Millionen Dollar. Ehrlich gesagt ist das keine gewaltige Summe, und in früheren Cloud- oder Web-Umstellungszyklen haben Unternehmen deutlich mehr ausgegeben

• Wenn es in 4,5 Monaten 3,4 Milliarden Dollar sind, fragt man sich schon, ob das Geld fast komplett an Anthropic geht. So klingt die Formulierung jedenfalls, und weil es zugleich so aussieht, als würde man teilweise in Richtung Codex schwenken, wird es noch verwirrender

  • Diese 3,4 Milliarden Dollar sind eben nur das gesamte F&E-Budget, und genau solche entscheidenden Details zu den tatsächlichen KI-Ausgaben fehlen im Artikel
  • Andererseits halte ich es auch für möglich, dass damit die gesamten KI-Ausgaben gemeint sind, einschließlich KI-Entwicklung für Produktfunktionen
  • Als scherzhafte Umschreibung meines Eindrucks: Ein Lieferdienst-CEO sagt, KI würde ständig Tokens verschlingen, man fragt, wie viele Tokens das sind, und als Antwort geht er einfach zum Tokenladen und kauft neue. Am Ende wird KI immer weiter mit Tokens gefüttert, während nur die entlassenen Mitarbeiter weinen
  • Wenn es bei meiner Firma ähnlich läuft, schließt man zuerst große Verträge mit KI-Startups ab, die gerade einmal acht Monate alt sind, und nutzt dann effektiv mehrere Anbieter, die bloß Wrapper um fremde Modelle gebaut haben. Jede Business Unit holt sich gleich drei ähnliche Firmen ins Haus, um zu beweisen, wie KI-lastig sie ist, und ein paar interne Ingenieure mit wenig Ahnung bekommen sogar grünes Licht für den Aufbau einer B200-Serverfarm. Größere Aufgaben landen am Ende dann doch bei den White-Glove-Services von Amazon oder Azure — mit weniger Komplexität, aber astronomisch höheren Kosten

• Die scheinbare Originalquelle ist wohl der Applied-AI-Newsletter von The Information

• Nur von diesem Artikel her klingt es so, als wären die 3,4 Milliarden Dollar komplett für Tooling ausgegeben worden, aber in Wirklichkeit ist völlig unklar, ob darin Gehälter oder Hardware enthalten sind. Wenn die Abteilung zum Beispiel 5.000 bis 6.000 Leute hat und man mit 350.000 Dollar Kosten pro Person rechnet, kommt man auf ungefähr 2,1 Milliarden Dollar, und dann bleibt immer noch eine große Summe übrig. Dann fragt man sich schon, ob wirklich 1 Milliarde Dollar an Anthropic geht. Insgesamt wirkt der Artikel einfach sehr merkwürdig und informationsarm

• Insgesamt ist der Artikel so unklar, dass nach dem Lesen kaum etwas hängenblieb. Der Satz „3,4 Milliarden Dollar für F&E ausgegeben und das KI-Budget bereits aufgebraucht“ ist mehrdeutig: Bedeutet das ein 3,4-Milliarden-Budget für KI-Coding-Tools oder das gesamte Produktentwicklungsbudget von Uber? Später heißt es dann, die F&E-Kosten seien 2025 um 9 % auf 3,4 Milliarden Dollar gestiegen und würden noch weiter steigen — dann fragt man sich, worauf sich das Budget für 2026 bezieht. Außerdem sagt der CTO, man sei „zur Entwurfsphase zurückgekehrt“, gleichzeitig soll der Aufwand aber weiter steigen, sodass unklar bleibt, ob man zurückrudert oder ausbaut. Dazu kommt noch der Satz, dass „11 % der Backend-Code-Updates von KI geschrieben werden“, ohne dass erklärt wird, wie hoch das Budget tatsächlich war, ob es wirklich überschritten wurde und welche Folgen das hatte. Deshalb wirkt der Text auf mich insgesamt wie ein wirklich seltsamer Artikel