T-Bank hat eine frische Studie AI4SDLC für 2025 veröffentlicht. Das Bild, das sich abzeichnet, ist äußerst ironisch. Wir haben gelernt, Code mit Maschinengewehrgeschwindigkeit zu generieren, haben aber absolut keine Ahnung, was wir damit anfangen sollen.

1. Verify, don't trust
Die Zahlen sind der Hammer: 58% der Ingenieure nutzen KI ständig zur Codegenerierung. Gleichzeitig vertrauen 49% (fast die Hälfte!) diesem Code nicht. Nur 11% vertrauen bedingungslos.

2. Der Flaschenhals ist umgezogen
Programmieren ist nicht mehr der Engpass. Jetzt hängt alles in der Phase Code-Review und Testen fest. Der Anstieg der individuellen Produktivität (den 64% der Befragten angaben) zerschellt an den Klippen der Teamprozesse. Wenn du Features doppelt so schnell schreibst, aber dein Lead sie trotzdem eine Woche lang prüft, ändert sich die Gesamtzeit des Prozesses nicht. Eine Beschleunigung an einer Stelle erzeugt einfach einen Stau an der nächsten.

3. Legacy – Kryptonit für KI
Bei Aufgaben mit hohem Kontext und altem Code nutzen nur 18% KI. Warum? Weil die KI auf einer „leeren Seite“ gut ist, aber vor den Schichten jahrealter Workarounds kapituliert. Damit KI in Legacy wirklich hilft, müssen eure Dokumentation, ADRs und RFCs in einwandfreiem Zustand sein. Aber sie sind es nicht. 🤭

4. Erosion der Fähigkeiten und „ingenieurhaftes Denken“
37% haben bemerkt, dass sie mit KI besser Code schreiben, aber es gibt auch eine Kehrseite – das Risiko der Degradation grundlegender Fähigkeiten. Warum sich Syntax oder Algorithmen merken, wenn Tab alles selbst ergänzt?

Unterm Strich sieht es bisher so aus: Die KI funktioniert wie eine Turbo-Schreibmaschine, aber danach weinen die Tech-Leads und Reviewer Blut, wenn sie die Ergebnisse dieser „Produktivität“ auseinandernehmen.