KI verändert die tägliche Entwicklungsarbeit
KI ist inzwischen auch im Werkzeugkasten von Softwareentwicklern angekommen. Coding-Assistenten unterstützen beim Schreiben und Verstehen von Code, können Vorschläge für Tests liefern, bei Dokumentationen helfen oder wiederkehrende Entwicklungsaufgaben beschleunigen.
Damit entsteht ein realer Produktivitätsgewinn: Bestimmte Aufgaben können in kürzerer Zeit erledigt werden.
Für Unternehmen, die Software entwickeln lassen, stellt sich damit eine interessante Frage:
Wenn Entwickler mit KI schneller arbeiten, wie wirkt sich das auf die Kosten eines Softwareprojekts aus?
Um diese Frage zu beantworten, muss man betrachten, wo KI innerhalb eines Projekts tatsächlich Zeit spart und welche zusätzlichen Kosten durch ihren Einsatz entstehen.
Wo KI Entwicklungszeit einsparen kann
Besonders wirkungsvoll ist KI bei Aufgaben, die klar beschrieben und deren Ergebnisse gut überprüft werden können.
Ein Entwicklungsassistent kann beispielsweise:
- Codevorschläge erstellen,
- wiederkehrende Strukturen vorbereiten,
- bestehenden Code analysieren,
- bei der Erstellung von Tests unterstützen,
- Dokumentationen vorbereiten,
- bei der Fehlersuche unterstützen.
Entwickler müssen dadurch bestimmte Arbeitsschritte nicht mehr vollständig von Grund auf erledigen. Die eingesparte Zeit kann den Entwicklungsaufwand reduzieren.
Allerdings besteht ein Softwareprojekt nicht nur aus der Erstellung von Programmcode. Anforderungen müssen geklärt, technische Lösungen konzipiert, Schnittstellen abgestimmt und Ergebnisse getestet werden. Hinzu kommen Architekturentscheidungen, Integration und die Abstimmung mit den Anwendern.
Je klarer und technisch eindeutiger eine Aufgabe ist, desto größer kann der direkte Produktivitätsgewinn durch KI sein. Je stärker fachliches Verständnis, Abwägung und Entscheidungen gefragt sind, desto wichtiger bleibt die Arbeit des Projektteams.
Schneller erzeugter Code muss trotzdem guter Code sein
Ein KI-Assistent kann innerhalb kurzer Zeit eine technisch plausibel wirkende Lösung vorschlagen. Damit ist die Entwicklungsaufgabe aber noch nicht abgeschlossen.
Der Entwickler muss beurteilen, ob der Vorschlag zur vorhandenen Anwendung passt, fachlich korrekt ist und langfristig wartbar bleibt. Auch Auswirkungen auf andere Komponenten, Sicherheitsanforderungen und mögliche Sonderfälle müssen berücksichtigt werden.
Ein Teil der Tätigkeit verschiebt sich dadurch vom reinen Erstellen hin zum Prüfen, Bewerten und Entscheiden.
Gerade hier spielt Erfahrung eine wichtige Rolle. Ein funktionierender Codevorschlag ist nicht zwangsläufig die richtige Lösung für eine über Jahre gewachsene Unternehmensanwendung.
Der wirtschaftliche Nutzen entsteht deshalb nicht durch möglichst viel KI-generierten Code, sondern dadurch, dass das gewünschte Ergebnis mit weniger Aufwand in der erforderlichen Qualität erreicht wird.
Zeitersparnis ist nicht gleich Kostenersparnis
Wenn ein Entwicklungsteam bestimmte Aufgaben schneller erledigen kann, entsteht zunächst ein Produktivitätsgewinn. Für die wirtschaftliche Betrachtung reicht es aber nicht, nur die eingesparten Entwicklerstunden zu zählen.
Denn auch der Einsatz von KI verursacht Kosten.
Dazu gehören insbesondere:
- Lizenzkosten für eingesetzte KI-Werkzeuge,
- nutzerbezogene Gebühren pro Entwickler,
- verbrauchsabhängige Kosten für KI-Modelle,
- Token- oder Credit-Verbrauch bei intensiver Nutzung,
- gegebenenfalls zusätzliche Kosten für leistungsfähigere Modelle oder Agentenfunktionen.
Bei modernen Entwicklungsassistenten hängen diese Kosten zunehmend vom gewählten Tarif und von der tatsächlichen Nutzung ab. Neben festen Lizenzpreisen gibt es häufig enthaltene Nutzungskontingente. Werden diese überschritten oder leistungsfähigere Modelle genutzt, können zusätzliche verbrauchsabhängige Kosten entstehen.
Für eine seriöse Wirtschaftlichkeitsbetrachtung gilt deshalb:
Eingesparte Entwicklungszeit minus zusätzliche KI-Kosten ergibt erst den tatsächlichen wirtschaftlichen Effekt.
Ein vereinfachtes Beispiel: Spart ein Entwicklungswerkzeug innerhalb eines Projekts mehrere Stunden Entwicklungszeit ein, stehen diesen Einsparungen zunächst Lizenz- und Nutzungskosten gegenüber. Solange der Wert der eingesparten Arbeitszeit deutlich über diesen Zusatzkosten liegt, kann sich der Einsatz wirtschaftlich rechnen.
Je intensiver KI eingesetzt wird, desto wichtiger wird jedoch auch die Frage, welches Modell für welche Aufgabe tatsächlich erforderlich ist. Nicht jede Entwicklungsaufgabe benötigt das leistungsfähigste und damit möglicherweise teuerste Modell.
Genau deshalb gehört neben der technischen Leistungsfähigkeit auch die laufende Nutzung in die Bewertung eines KI-Werkzeugs.
Was passiert mit der gewonnenen Entwicklungszeit?
Bleibt nach Berücksichtigung der KI-Kosten ein Produktivitätsgewinn, kann dieser unterschiedlich genutzt werden.
Projektkosten reduzieren: Benötigt das Team insgesamt weniger Arbeitszeit für den vereinbarten Umfang und übersteigt die Zeitersparnis die zusätzlichen KI-Kosten, kann der Gesamtaufwand sinken.
Projektlaufzeit verkürzen: Aufgaben werden früher abgeschlossen und Funktionen können schneller bereitgestellt werden.
Mehr innerhalb des Budgets umsetzen: Die gewonnene Zeit kann für weitere Anforderungen oder Funktionen genutzt werden.
Mehr Zeit in Qualität investieren: Zusätzliche Tests, technische Verbesserungen oder eine nachhaltigere Umsetzung können innerhalb des vorhandenen Rahmens möglich werden.
Damit ist die entscheidende wirtschaftliche Größe nicht, wie viel schneller KI Programmcode erzeugt, sondern wie sich Produktivitätsgewinn und zusätzliche KI-Kosten gemeinsam auf das Projektergebnis auswirken.
Bei bestehenden Systemen zählt der Kontext
Wie groß dieser Effekt ist, hängt auch von der jeweiligen Software ab.
Bei einer neuen, klar abgegrenzten Funktion kann ein KI-Assistent auf einer überschaubaren Grundlage arbeiten. Bei einer über viele Jahre gewachsenen Anwendung bestehen dagegen häufig zahlreiche Abhängigkeiten zu anderen Funktionen, Datenbanken oder Schnittstellen.
Dann reicht es nicht, lokal funktionierenden Code zu erzeugen. Eine Änderung muss sich zuverlässig in das Gesamtsystem einfügen.
Gerade bei solchen Anwendungen kann KI Entwickler unterstützen, beispielsweise beim Verstehen vorhandener Codebereiche oder bei der Analyse. Die Bewertung der Zusammenhänge und die Verantwortung für die technische Lösung bleiben jedoch beim Entwicklungsteam.
Der eigentliche Gewinn: Entwicklungszeit sinnvoller einsetzen
Der Nutzen von KI in der Softwareentwicklung lässt sich deshalb nicht nur in eingesparten Stunden betrachten.
Wenn Entwickler weniger Zeit für wiederkehrende Aufgaben benötigen, können sie sich stärker auf Tätigkeiten konzentrieren, bei denen ihre Erfahrung besonders wertvoll ist: komplexe Integrationen, Architekturentscheidungen, anspruchsvolle fachliche Anforderungen oder die Weiterentwicklung bestehender Systeme.
Für den Kunden kann genau darin der größere Vorteil liegen.
Denn der Erfolg eines Softwareprojekts bemisst sich nicht daran, wie viele Zeilen Code innerhalb einer Stunde entstehen. Entscheidend ist, wie effizient aus einer fachlichen Anforderung eine zuverlässige, wartbare und nutzbare Softwarelösung entsteht.
Wie wir KI in der Softwareentwicklung bewerten
Auch bei SoftSolutions setzen wir uns damit auseinander, wie KI-Werkzeuge unsere Entwicklungsarbeit sinnvoll unterstützen können.
Bei unserer Entscheidung für GitHub Copilot haben wir deshalb nicht nur die technischen Möglichkeiten betrachtet. Kriterien waren unter anderem Qualität, Integration und Wirtschaftlichkeit.
Zur Wirtschaftlichkeit gehören dabei nicht nur mögliche Zeitgewinne. Auch Lizenzkosten, tatsächliche Nutzung und mögliche zusätzliche Verbrauchskosten müssen berücksichtigt werden.
Gerade weil sich Modelle, Tarife und Abrechnungsmodelle schnell verändern, ist eine solche Entscheidung für uns nicht dauerhaft abgeschlossen. Wir überprüfen regelmäßig, ob der tatsächliche Nutzen weiterhin zu den entstehenden Kosten und unseren Anforderungen passt.
Weiterführend: Warum wir uns für GitHub Copilot entschieden haben – und diese Entscheidung regelmäßig überprüfen. https://www.softsolutions.de/blog/warum-wir-uns-fuer-github-copilot-entschieden-haben-und-diese-entscheidung-regelmaessig-ueberpruefen
Fazit: Entscheidend ist der Netto-Nutzen
KI kann Entwicklungsaufgaben beschleunigen und damit den Aufwand eines Softwareprojekts beeinflussen. Gleichzeitig entstehen durch Lizenzen und Nutzung zusätzliche Kosten.
Für die wirtschaftliche Bewertung zählt deshalb nicht nur die eingesparte Entwicklungszeit, sondern der Netto-Nutzen nach Berücksichtigung der KI-Kosten.
Bleibt ein Produktivitätsgewinn, kann dieser ein Projekt günstiger oder schneller machen, zusätzlichen Funktionsumfang ermöglichen oder Raum für mehr Qualität schaffen.
Für Unternehmen ist deshalb nicht entscheidend, wie schnell eine KI Code erzeugt. Entscheidend ist, welchen zusätzlichen Wert sie nach Abzug ihrer eigenen Kosten für das Softwareprojekt schafft.