Drissg Prozänt meh Code, glich vil fertig

Es gibt eine Zahl, die in den letzten Tagen durch die Branche ging: 30 Prozent mehr Code, null Prozent mehr fertige Software. Sie stammt aus einer Auswertung von zwei Harvard-Ökonomen und ist griffig genug, um geteilt zu werden.

Sie ist auch nicht ganz richtig. Das macht sie aber nicht weniger interessant, im Gegenteil.

Was gemessen wurde

Fiona Chen und James Stratton haben für ihr Arbeitspapier «Artificial Intelligence in the Firm: Bottlenecks in Software Production» die Betriebsdaten von 718 Firmen mit rund 726’000 Beschäftigten ausgewertet, von Januar 2021 bis März 2026. Die Daten stammen von Jellyfish, einem Anbieter von Analysewerkzeugen für Entwicklungsteams.

Der methodische Kniff: Firmen haben KI-Agenten zu unterschiedlichen Zeitpunkten eingeführt. Wer früh einführte, dient als Vergleich für die, die später einführten. Das Verfahren heisst gestaffelte Differenz-von-Differenzen und ist der Versuch, aus Beobachtungsdaten etwas Kausales herauszulesen.

Die Befunde

Nach der Einführung von KI-Agenten, jeweils pro Kopf und Monat:

Grösse	Veränderung	Basiswert
Geschriebene Codezeilen	plus 1’494	5’017
Gespeicherte Änderungen	plus 20 Prozent
Zur Prüfung eingereichte Änderungen	plus 23 Prozent
Abgeschlossene Aufgaben	plus 0,12	3,67
Zeit bis zur Übernahme	plus 3,45 Tage	7,03 Tage
Prüfkommentare pro Einreichung	plus 35 Prozent

Der Ausstoss steigt also deutlich. Die Zahl der tatsächlich fertiggestellten Aufgaben steigt um 0,12 bei einem Standardfehler von 0,17.

Warum «null» die falsche Vereinfachung ist

Hier muss ich genauer sein als die Schlagzeilen, weil der Unterschied für die eigene Entscheidung zählt.

Ein Schätzwert von 0,12 mit einem Standardfehler von 0,17 heisst nicht, dass der Effekt null ist. Er heisst, dass man ihn nicht nachweisen kann. Das Konfidenzintervall schliesst nach oben Anstiege von mehr als rund 12 Prozent aus. Alles darunter, auch ein ordentliches Plus von acht oder zehn Prozent, ist mit den Daten vereinbar.

Die korrekte Aussage lautet also: Der Ausstoss stieg um 30 Prozent, die Menge fertiger Arbeit höchstens um 12, und wahrscheinlich deutlich weniger. Das ist immer noch ein bemerkenswerter Befund, nur eben kein Nullbefund.

Wer die Studie als Beleg dafür nimmt, dass KI nichts bringt, liest sie falsch. Wer sie als Beleg dafür nimmt, dass die versprochene Verdoppelung der Produktivität nicht eintritt, liest sie richtig.

Wohin die Arbeit verschwindet

Die Studie liefert die Erklärung gleich mit. Die Zeit von der Einreichung bis zur Übernahme stieg um 49 Prozent, also um dreieinhalb Tage. Der Anteil der Änderungen, bei denen jemand Nachbesserung verlangte, stieg um zwölf Prozentpunkte von einer Basis von 13 Prozent, hat sich also fast verdoppelt. Die Prüfkommentare pro Einreichung stiegen um 35 Prozent.

Der Engpass ist nicht mehr das Schreiben. Er ist das Prüfen.

Das ist in der Rückschau naheliegend und wurde trotzdem von fast allen übersehen, auch von mir. Wenn ein Werkzeug den teuersten Teil eines Prozesses billig macht, wird der nächstteuerste Teil zum Problem. Vorher war Produzieren langsam und Prüfen schnell. Jetzt ist es umgekehrt.

Was das für ein KMU heisst, das keine Software baut

Der Mechanismus hat nichts mit Programmieren zu tun. Er tritt überall auf, wo eine KI den Ausstoss erhöht und ein Mensch danach prüfen muss.

Offerten. Wenn Ihre Verkaufsleute statt drei neu acht Offerten pro Woche schreiben können, stellt sich die Frage, wer die acht gegenliest. Wenn niemand, gehen Offerten mit falschen Preisen raus. Wenn die Geschäftsleitung, ist die Geschäftsleitung der neue Engpass.

Protokolle. Ein automatisch erstelltes Sitzungsprotokoll ist in zwei Minuten da. Die zwanzig Minuten, die vorher das Schreiben kostete, sind weg. Die zehn Minuten Durchlesen bleiben, und sie werden jetzt oft nicht gemacht, weil das Ergebnis flüssig aussieht. Genau darauf zielte unsere Warnung im Beitrag zum automatischen Protokoll.

Korrespondenz und Texte. Mehr Entwürfe sind nur dann mehr Wert, wenn jemand entscheidet, welcher rausgeht.

Der praktische Schluss ist unbequem: Ein KI-Projekt, das nur die Produktion beschleunigt und die Prüfung unverändert lässt, erzeugt Arbeit statt sie zu sparen. Bevor Sie ein Werkzeug einführen, lohnt die Frage, wer danach mehr zu tun hat, und ob diese Person das weiss.

Was an der Studie zu bedenken ist

Drei Dinge gehören dazu, und die Studie verschweigt keines davon.

Sie ist nicht begutachtet. Es handelt sich um ein Arbeitspapier, aktuelle Fassung vom 4. August 2026. Eine Fachprüfung hat nicht stattgefunden. Die Zahlen können sich in einer späteren Fassung ändern.

Der Datenpartner hat ein Interesse. Jellyfish verkauft Werkzeuge, mit denen Firmen genau solche Engpässe messen. Die Autoren haben zuvor auf dem Firmenblog publiziert, und Jellyfish hat eine frühere Fassung beworben, damals mit der Aussage, die Codequalität leide offenbar nicht. Die jetzige Fassung liest die gestiegenen Nachbesserungen als mögliches Qualitätssignal. Das ist kein Vorwurf, aber man sollte es wissen.

Die Stichprobe ist nicht die Schweizer Wirtschaft. Es sind Firmen, die Jellyfish einsetzen, also Betriebe mit eigener Softwareentwicklung und genug Grösse für Analysewerkzeuge. Ob der Effekt in einem Treuhandbüro mit vier Leuten gleich aussieht, sagt die Studie nicht.

Finanziert wurde die Arbeit unter anderem über ein Stipendienprogramm der Harvard Kennedy School und über Schmidt Sciences.

Der Satz zum Mitnehmen

Mehr Ausstoss ist nicht mehr Ergebnis. Die Frage, die vor jeder KI-Einführung gestellt gehört, lautet nicht «wie viel schneller produzieren wir», sondern «wer prüft das alles, und hat die Person dafür Zeit».

Quellen

• Fiona Chen und James Stratton, «Artificial Intelligence in the Firm: Bottlenecks in Software Production», Arbeitspapier, Fassung vom 4. August 2026: fion.ac
• ComplexDiscovery, «Harvard researchers find AI coding agents shifted the bottleneck to code review», 13. Oktober 2026: complexdiscovery.com
• Netzwoche, «Harvard-Studie stellt Produktivitätsversprechen von KI infrage», 12. Oktober 2026: netzwoche.ch