Ich kenne eine Firma, in der der CIO von 54 gleichzeitigen Projekten spricht. Bearbeitet werden sie von fünf oder sechs Menschen. Die KI schafft das, die Menschen schaffen es aus meiner Sicht nicht lange.

In der Softwareentwicklung ist KI angekommen. Die Organisation drumherum ist in den meisten Firmen geblieben, wie sie war, und den Preis dafür zahlen die Menschen, die das Ergebnis abnehmen müssen. Ich habe nachgesehen, was die Studien dazu sagen.

Die Werkzeuge sind überall

Der DORA-Report 2025 hat knapp 5.000 Fachleute aus der Softwareentwicklung befragt, und 90 Prozent von ihnen arbeiten mit KI. Über die Frage, ob eine Firma KI einsetzt, muss ich also mit kaum jemandem mehr reden.

Derselbe Report zeigt, dass mit KI mehr ausgeliefert wird und dass die Auslieferung gleichzeitig instabiler wird. Die Autoren empfehlen deshalb, die Einführung von KI wie einen Umbau der Organisation zu behandeln statt wie einen Werkzeugkauf.

Der Engpass ist gewandert

Was passiert, wenn dieser Umbau ausbleibt, hat Faros gemessen. Die Firma hat zwei Jahre lang die Daten aus den Werkzeugen von 22.000 Entwicklerinnen und Entwicklern in mehr als 4.000 Teams ausgewertet, also gemessen statt gefragt.

In Teams, die viel mit KI arbeiten, werden 66 Prozent mehr Epics abgeschlossen. Gleichzeitig liegt ein Pull Request im Median fünfmal so lange im Review, die Bugs pro Person steigen um 54 Prozent, und pro Pull Request gibt es mehr als dreimal so viele Incidents. 31 Prozent mehr Pull Requests gehen ganz ohne Review durch. Faros nennt das „Acceleration Whiplash“ und hält fest, dass auch Teams mit guten Grundlagen davon nicht verschont bleiben.

Für mich bestätigt das ein altes Muster. Der Mensch war im Entwicklungsprozess schon immer die langsamste Stelle, die CI-Pipeline war immer schneller, als ein Team sie füttern konnte. Jetzt kommt der Druck von zwei Seiten. Hinten liegt ein Berg fertig implementierter Arbeit, die jemand abnehmen muss, und vorne werden Anforderungen schneller verbraucht, als ich sie sauber klären kann.

In meinem eigenen Prozess sehe ich das in Zahlen. Ein Arbeitspaket ist im Schnitt nach 8 Minuten implementiert, danach liegt es rund zwei Tage im Review.

Was das mit den Menschen macht

Zwei Forscherinnen aus Berkeley haben acht Monate lang eine Tech-Firma mit rund 200 Beschäftigten begleitet. Die Leute haben mit KI schneller gearbeitet, mehr Aufgaben übernommen und die Arbeit in mehr Stunden des Tages ausgedehnt, oft ohne dass es jemand verlangt hätte. Weniger Arbeit hatte am Ende niemand, sie war nur dichter gepackt.

BCG hat 1.488 Beschäftigte in den USA befragt und dem Effekt einen Namen gegeben: „AI Brain Fry“. Gemeint ist die mentale Erschöpfung, die entsteht, wenn jemand mehr KI beaufsichtigen muss, als der Kopf hergibt. 14 Prozent der Befragten, die mit KI arbeiten, kennen das, im Engineering sind es knapp 18 Prozent. Wer viel beaufsichtigen muss, berichtet von 12 Prozent mehr mentaler Ermüdung und 19 Prozent mehr Informationsüberlastung.

Der Fairness halber: BCG trennt Brain Fry ausdrücklich vom Burn-out, und DORA findet 2025 keinen Zusammenhang zwischen dem Einsatz von KI und Burn-out. Die Burn-out-Welle ist also bisher eine Befürchtung und keine gemessene Tatsache. Ich teile die Befürchtung trotzdem, weil Verdichtung ohne Pause aus meiner Erfahrung selten lange gut geht.

Was die Organisationen ändern

Hier wird es dünn. McKinsey befragt jedes Jahr Unternehmen aller Branchen, und 2026 sagen fast neun von zehn, dass sie KI regelmäßig einsetzen. Nur 6 Prozent schreiben der KI mindestens fünf Prozent ihres operativen Ergebnisses zu, genauso viele wie im Vorjahr. Von diesen 6 Prozent haben fast drei Viertel ihre Abläufe von Grund auf neu gebaut.

Wenn in der Softwareentwicklung über Organisation gesprochen wird, dann fast immer über Teamgröße und Stellen. Laut Gartner arbeiten heute 15 Prozent der Organisationen mit kleineren Entwicklungsteams, bis 2029 wollen es 60 Prozent tun. Bei Shopify müssen Teams zeigen, wie sie KI einsetzen, bevor sie eine neue Stelle beantragen.

Das sind Antworten auf die Frage, wie viele Menschen eine Firma noch braucht. Wie viel ein Mensch am Tag prüfen und entscheiden kann, fragt dabei kaum jemand. Empfehlungen dazu gibt es, etwa eine Obergrenze dafür, wie viele Agenten eine Person beaufsichtigt, oder feste Regeln, wann mit KI gearbeitet wird und wann nicht. Berichte von Firmen, die das umgesetzt haben, habe ich kaum gefunden.

Das passt zu dem, was ich höre. Viele Firmen arbeiten nach eigener Aussage KI-augmentiert und lassen am Ende alles, wie es war: derselbe Sprint, dieselben Meetings, dieselbe Teamgröße, nur mit einem Vielfachen an Code im Review.

Was ich für nötig halte

Den Takt bestimmt der langsamste menschliche Schritt, daran ändert auch das schnellste Werkzeug nichts. Eine Organisation, die das ernst nimmt, plant mit der Review-Kapazität ihrer Menschen. Sie startet nur so viel, wie diese Menschen auch abnehmen können.

Dazu gehört für mich Flow statt Sprint, mit kleinen fachlichen Einheiten, die einzeln durchlaufen. Dazu gehören Prüfungen im Build, die rot oder grün melden, damit im Review niemand suchen muss, was eine Maschine finden kann. Und dazu gehören Pausen und konzentriertes Arbeiten an einer Sache. In meiner Woche gibt es zwei Flow-Zyklen und einen Freitag nur für Reviews, und an jedem Tag mindestens zwei längere Pausen.

Eine einzelne Entwicklerin oder ein einzelner Entwickler kann das nicht gegen die eigene Firma durchsetzen. Die Zahl der parallelen Projekte legt die Führung fest, und die Führung muss sie begrenzen. Wer 54 Projekte auf sechs Menschen verteilt, hat diese Rechnung nicht gemacht.