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.

- 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
Funktionierenden Server definieren
Anforderungen und automatische Tests definieren den Abschluss.
Code im Kontext vorschlagen
Die Assistenz schlägt beim Programmieren Code vor.
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.
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.
Die Originalquellen
- Peng and colleagues, arXivThe Impact of AI on Developer Productivity: Evidence from GitHub Copilot
- GitHubResearch: quantifying GitHub Copilot’s impact on developer productivity and happiness
- Microsoft ResearchThe Impact of AI on Developer Productivity