Harvard-Studie hinterfragt Produktivitätsgewinn durch KI in der Softwareentwicklung

Ausgangslage

Eine Studie der Harvard-Wirtschaftsforschenden Fiona Chen und James Stratton wirft ein kritisches Licht auf die erhofften Produktivitätsgewinne durch KI in der Softwareentwicklung. Die Untersuchung basiert auf Zahlen aus 718 Betrieben. Diese decken den Abschnitt von Januar 2021 bis März 2026.

Die Forschenden untersuchten rund 300 Millionen digitale Arbeitsvorgänge, darunter Codeänderungen, abgeschlossene Entwicklungsaufgaben und der Einsatz von KI-Werkzeugen. Die Daten stammen vom Softwareanbieter Jellyfish.

Die Untersuchung zeigt, dass die Einführung von KI nicht nur technische, sondern auch organisatorische Herausforderungen mit sich bringt.

Hintergrund

KI-Agenten steigern zwar die Codeproduktion, doch führt dies nicht zwangsläufig zu mehr fertiger Software. Die Studie zeigt, dass die Zahl der hinzugefügten Codezeilen pro Mitarbeiter um durchschnittlich 30 Prozent stieg. Auch die Anzahl der gespeicherten Codeänderungen und der zur Überprüfung eingereichten Änderungen erhöhte sich.

Die Wissenschaftlerinnen und Wissenschaftler fanden aber keinen statistisch relevanten Zuwachs bei den fertiggestellten Projekten. Dies deutet darauf hin, dass der zusätzliche Code nicht direkt zu mehr fertigen Produkten führt.

Die Forschenden verglichen Unternehmen, die KI-Werkzeuge zu unterschiedlichen Zeitpunkten eingeführt hatten. Dies ermöglichte es ihnen, die Auswirkungen der KI-Implementierung isoliert zu betrachten.

Was das bedeutet

Die Ergebnisse der Studie sind auch für die Schweizer Wirtschaft relevant, insbesondere für Unternehmen, die in die Digitalisierung und Automatisierung investieren. Die Studie zeigt, dass die Einführung von KI nicht automatisch zu höheren Produktivitätsgewinnen führt, sondern dass auch die nachfolgenden Arbeitsschritte angepasst werden müssen.

Für Unternehmen bedeutet dies, dass sie nicht nur in die Einführung von KI-Agenten investieren sollten, sondern auch in die Optimierung der Codeprüfung und Qualitätssicherung. Die Studie zeigt, dass die Prüfung von KI-generiertem Code mehr Zeit in Anspruch nimmt und mehr Nachbesserungen erfordert.

Die Studie zeigt, dass die Einführung von KI in der Softwareentwicklung komplexer ist als erwartet. Während KI-Agenten die Codeproduktion steigern, müssen Unternehmen sicherstellen, dass die nachfolgenden Arbeitsschritte ebenfalls effizient gestaltet sind.

Für Schweizer KMU bedeutet dies, dass sie bei der Einführung von KI nicht nur auf die Produktionssteigerung achten sollten, sondern auch auf die Qualitätssicherung und die Anpassung der Prozesse. Dies könnte zusätzliche Investitionen erfordern, langfristig aber zu höheren Produktivitätsgewinnen führen.

Chancen und Risiken der KI-Implementierung

Zu den Chancen gehört die deutliche Steigerung der Codeproduktion, die Unternehmen dabei unterstützen kann, Entwicklungsprojekte schneller voranzutreiben. Dies könnte insbesondere in Branchen von Vorteil sein, die auf schnelle Innovationszyklen angewiesen sind.

Allerdings birgt die Einführung von KI-Agenten auch Risiken. Die Studie zeigt, dass die Qualitätssicherung komplexer wird und mehr Ressourcen erfordert. Unternehmen müssen abwägen, ob die Produktivitätsgewinne durch die erhöhte Codeproduktion die zusätzlichen Kosten und den Aufwand für die Prüfung und Nachbesserung rechtfertigen.

Offene Fragen und Handlungsempfehlungen

Wie sich KI-Agenten auf die Softwareentwicklung auswirken, bleibt unklar, da die Daten nur bis März 2026 reichen. Unternehmen sollten daher die Entwicklung der Technologie weiterhin beobachten und sich auf mögliche Anpassungen vorbereiten.

Entscheider sollten prüfen, wie sie die Qualitätssicherung optimieren können, um die Produktivitätsgewinne durch KI voll auszuschöpfen. Dies könnte die Einführung automatisierter Prüfverfahren oder die Schulung von Mitarbeitern in der Arbeit mit KI-generiertem Code umfassen. Zudem sollten Unternehmen die menschliche Expertise in den Prüfprozess einbeziehen, um die Qualität der Software sicherzustellen.

Ausblick

Langfristig könnte dies dazu führen, dass Unternehmen mehr in automatisierte Prüfverfahren investieren oder die Zusammenarbeit zwischen menschlichen Entwicklern und KI-Agenten weiter optimieren.