Zurück zu Bigger Picture

BIGGER PICTURE Lernen & Arbeit

Ein funktionierender Webserver in 71 statt 161 Minuten

Die Aufgabe war konkret: einen HTTP-Server in JavaScript entwickeln. Eine zufällig ausgewählte Gruppe erhielt KI-Unterstützung. Automatische Tests prüften, ob das Ergebnis tatsächlich funktionierte.

KI-generierte Illustration: Ein Entwickler prüft abstrakt dargestellten Code am Laptop und setzt einen kleinen Stapel gläserner Bausteine zusammen.
Gläserne Bausteine symbolisieren Vorschläge, die ein menschlicher Entwickler auswählt und prüft. Szene und Oberfläche sind erfunden; sie zeigen weder einen tatsächlichen Studienteilnehmer noch einen Produkt-Screenshot.KI-generierte Illustration der Idee, keine Aufnahme der tatsächlichen Personen, Geräte oder Ereignisse.
Aufgabe
Ein HTTP-Server in JavaScript
Mittlere Bearbeitungszeit
71,17 gegenüber 160,89 Minuten
Gemessener Unterschied
55,8 % weniger Zeit bei abgeschlossenen Aufgaben

So funktioniert die Idee

  1. Funktionierenden Server definieren

    Anforderungen und automatische Tests definieren den Abschluss.

  2. Code im Kontext vorschlagen

    Die Assistenz schlägt beim Programmieren Code vor.

  3. Ausführen, prüfen, vergleichen

    Menschliche Prüfung und Tests bestimmen Erfolg und Zeitaufwand.

Die Ziellinie war ausführbarer Code

Im kontrollierten Versuch mussten Entwickler Code liefern, der eine festgelegte Testsammlung bestand. Damit erhielten die Forschenden ein klareres Ergebnis als die bloße Einschätzung, ob KI hilfreich wirke. Die Aufgabe ließ sich in einer Sitzung erledigen, verlangte aber die praktische Umsetzung einer Beschreibung in einen funktionierenden Server.

Belege: [1]

Vorschläge erschienen direkt beim Programmieren

GitHub Copilot schlug Code im Editor vor. Menschen mussten weiterhin entscheiden, welche Vorschläge sie übernehmen, die Teile zusammenführen und das Ergebnis ausführen. Microsoft beschreibt das Werkzeug als KI-Programmierpartner. Der mögliche Nutzen liegt darin, vertraute Codemuster schneller zu erstellen, während die Verantwortung für die Umsetzung beim Entwickler bleibt.

Belege: [3]

Bei dieser Aufgabe sank der Zeitaufwand deutlich

Unter den Teilnehmenden mit abgeschlossener Aufgabe benötigte die unterstützte Gruppe durchschnittlich 71,17 statt 160,89 Minuten: 55,8 % weniger Zeit. Eine statistisch gesicherte Steigerung der Abschlussquote zeigte die Studie nicht. Separate GitHub-Befragungen berichteten subjektive Vorteile; diese Einschätzungen sind nicht das Ergebnis dieses Experiments.

Belege: [1][2]

Das Versprechen genauso prüfbar machen wie den Code

Daraus folgt nicht, dass jedes Softwareprojekt doppelt so schnell wird. Die Wartung unbekannter Systeme, Sicherheitsprüfungen und Produktentscheidungen können den Alltag bestimmen. Übertragbar ist der Ansatz, mit begrenzten Aufgaben, messbaren Abnahmetests und menschlicher Prüfung zu beginnen. So lässt sich feststellen, wo Unterstützung tatsächlich Arbeit spart.

Belege: [1][3]

Die Originalquellen

  1. Peng and colleagues, arXivThe Impact of AI on Developer Productivity: Evidence from GitHub Copilot
  2. GitHubResearch: quantifying GitHub Copilot’s impact on developer productivity and happiness
  3. Microsoft ResearchThe Impact of AI on Developer Productivity

Was Sie als Nächstes entdecken können

25 Minuten weniger am Stapel der UnterrichtsvorbereitungEine Warnung vor dem Blutdruckabfall – mit einem Plan zum Handeln
Alle 99 Anwendungen entdecken