Im Februar 2026 kam eine unerwartete Erkenntnis der AI-Forschungslabors METR zu Tage: Die Mehrheit der Entwickler ist heute nicht mehr in der Lage, Aufgaben auch nur eingeschränkt ohne KI-Tools zu erledigen. Dies markiert einen Wendepunkt, der in einer früheren Studie aus dem Jahr 2025 bereits andeutete, dass künstliche Intelligenz zwar die Code-Generierung beschleunigt, aber die Gesamtproduktivität nicht zwangsläufig steigert. Damals stellten Forscher fest, dass Entwickler zwar schneller Code generieren konnten, aber deutlich mehr Zeit für das Auffinden und Korrigieren von Fehlern sowie für die Steuerung der KI-Systeme aufwenden mussten. Die Wiederholung dieses Experiments war in 2026 nicht mehr möglich, da Entwickler sich weigerten, ihre Arbeit ohne KI-Unterstützung zu verrichten. Um die Produktivität dennoch zu messen, veröffentlichte METR im Mai eine Umfrage. Diese ergab, dass technische Mitarbeiter ihre eigene Wertschätzung für Unternehmen als verdoppelt wahrnahmen. Doch diese Selbsteinschätzung wird zunehmend von kritischen Beobachtungen infrage gestellt. Das Phänomen des sogenannten Tokenmaxing, bei dem die genutzte Anzahl von Daten-Token als Maßstab für Produktivität missverstanden wird, hat in 2026 für erhebliche Kostenprobleme gesorgt. Amazon musste beispielsweise seine interne Rangliste für KI-Nutzung, den Kirorank, schließen, nachdem Mitarbeiter durch exzessiven Einsatz von KI-Agenten die Kosten in die Höhe trieben. Ähnlich verhielt es sich bei Uber, das sein KI-Budget noch in den ersten vier Monaten des Jahres verpulvert hatte, ohne einen messbaren Anstieg bei Projekten oder der Produktivität zu verzeichnen. Die Sorge, dass schneller geschriebener Code langfristig mehr Wartungsbedarf verursacht, wird von Experten wie dem Programmierer und Autor James Shore geteilt. Er warnt davor, dass eine Verdopplung der Schreibgeschwindigkeit nur dann wirtschaftlich sinnvoll ist, wenn die Wartungskosten halbiert werden, andernfalls entstehe eine dauerhafte finanzielle Belastung. Tatsächlich zeigen Daten von Aiswarya Sankar von Entelligence AI, dass Unternehmen 44 Prozent ihrer Tokens bereits für das Beheben von Fehlern aufwenden, die selbst von der KI generiert wurden. Auch das Tool Code Rabbit meldete, dass KI-generierter Code 1,7-mal mehr Probleme aufweise als menschlicher Code. Unabhängige Studien der Singapore Management University bestätigten diesen Trend und warnten vor langfristigen Wartungskosten in Softwareprojekten. Als Lösungsansätze stehen verschiedene Strategien zur Verfügung. Während Hersteller von KI-Agenten wie Devin von Cognition befürworten, Entwickler diese Systeme für monotonere Aufgaben wie das Beheben von Code einzusetzen, räumen sie ein, dass die aktuellen Systeme eher einem Junior- bis Mid-Level-Entwickler entsprechen und keine vollständige Unabhängigkeit bieten. Die Forscher der Singapore Management University plädieren für einen menschlicheren Ansatz: Entwickler sollten die Stärken und Schwächen der KI so genau kennen wie ihre eigenen Programmiersprachen. Zudem sind robuste Qualitätssicherungssysteme erforderlich, die eine sorgfältige Prüfung der KI-Ergebnisse ähnlich wie bei Junior-Entwicklern gewährleisten. Schließlich sollten Menschen weiterhin die strategische Arbeit wie die Softwarearchitektur und das Sicherheitsdesign übernehmen, anstatt sich blind auf die Automatisierung zu verlassen.