Zum Inhalt springen
Synnous Consulting
KI-Reife & Strategie8 Min Lesezeit
Porträt von Niklas Greczak
Niklas Greczak

METR-Studie: Entwickler*innen waren mit KI 19 Prozent langsamer

Sechzehn erfahrene Programmierer*innen sollten vorab schätzen, wie viel schneller sie mit KI-Unterstützung arbeiten würden. Sie rechneten im Schnitt mit einem Viertel weniger Zeit. Gemessen wurde das Gegenteil: Sie brauchten 19 Prozent länger.

Die Kurzfassung
  • Die METR-Studie von 2025: 16 erfahrene Open-Source-Entwickler*innen, 246 echte Aufgaben, per Zufall mit oder ohne KI bearbeitet. Mit KI dauerten die Aufgaben 19 % länger.
  • Erwartet hatten sie 24 % Zeitgewinn, und nach der Messung schätzten sie sich noch immer 20 % schneller ein. Diese Lücke zwischen Gefühl und Messung ist der eigentliche Befund.
  • Die Folgestudie von Februar 2026 (57 Entwickler*innen, über 800 Aufgaben) deutet auf einen Zeitgewinn hin. METR selbst nennt dieses Signal aber unzuverlässig, weil viele nicht mehr ohne KI arbeiten wollten.
  • Die 19 % sind damit eine Momentaufnahme mit Werkzeugen von Anfang 2025, keine Aussage über heute.
  • Was bleibt: Selbstauskunft misst Zufriedenheit, nicht Produktivität. Wer wissen will, ob KI etwas bringt, misst vorher und nachher.

Hängen geblieben ist bei mir aber vor allem, was danach passierte. Die Aufgaben waren erledigt, die Zeiten lagen vor, und dieselben Entwickler*innen blieben trotzdem dabei, die KI habe sie um rund ein Fünftel beschleunigt. An ihrer Einschätzung hat die Messung nichts geändert.

24 % schneller
erwartet, vor der Studie
19 % langsamer
gemessen, Aufgaben dauerten mit KI länger
20 % schneller
gefühlt, nach der Studie

Der Aufbau, der die Aussage trägt

Bevor daraus jemand eine Schlagzeile macht, hier der Aufbau, denn der entscheidet über die Tragweite.

Wer16 erfahrene Entwickler*innen aus großen Open-Source-Projekten, im Schnitt über 22.000 Sterne
Was246 echte Aufgaben aus den eigenen Projekten, keine Testszenarien
Wie langeim Mittel rund zwei Stunden pro Aufgabe
Methoderandomisiert kontrolliert, jede Aufgabe wurde per Zufall der Gruppe mit oder ohne KI zugewiesen
Werkzeugvor allem Cursor Pro mit Claude 3.5 und 3.7 Sonnet, also der Stand von Anfang 2025
ZeitraumFebruar bis Juni 2025
VeröffentlichtJuli 2025 durch das Forschungsinstitut METR

Zwei Dinge daran sind ungewöhnlich. Erstens die Randomisierung: Damit fällt die häufigste Fehlerquelle weg, dass sich Menschen die einfachen Aufgaben für die KI aussuchen. Zweitens die echten Aufgaben in vertrauten Codebasen. Die meisten Produktivitätsstudien messen konstruierte Aufgaben in fremdem Material, und dort sieht KI regelmäßig besser aus.

Warum man mit KI langsamer wird, ohne es zu merken

In der Gastronomie gibt es diesen Moment mitten im Service, in dem alle das Gefühl haben, es laufe hervorragend. Es ist laut, alle sind in Bewegung, jeder Handgriff sitzt.

Der Bon-Drucker weiß es besser. Am Ende des Abends steht dort, wie lange jeder Tisch tatsächlich gewartet hat, und diese Zahl deckt sich erstaunlich oft nicht mit dem Gefühl im Raum.

Genau diese Lücke hat die Studie gemessen. Nicht ob KI hilft, sondern ob unsere Wahrnehmung davon zuverlässig ist. Zwischen erwartetem Gewinn und gemessenem Verlust liegen mehr als vierzig Prozentpunkte.

Der Mechanismus dahinter ist gut nachvollziehbar. Beim Arbeiten mit einem Modell entstehen ständig sichtbare Zwischenergebnisse. Man sitzt selten vor einem leeren Feld, es passiert immer etwas. Was dabei verschwindet, ist die Erinnerung an die Anläufe: den Vorschlag, den man dreimal gelesen und dann verworfen hat, die Korrektur, die eine zweite Korrektur nötig machte, die Minuten, in denen man einen Ansatz verstanden hat, der am Ende nicht taugte.

Diese Anläufe kosten Zeit und fühlen sich nicht wie Arbeit an, weil sie leichter sind als Nachdenken vor leerem Blatt. Am Ende erinnert man sich an die Leichtigkeit und nicht an die Dauer.

Die Arbeit fühlt sich leichter an. Leichter ist aber nicht dasselbe wie schneller.

Die Grenzen, auf die die Autoren selbst hinweisen

Hier trennt sich seriöse von interessierter Lektüre, und die Autoren sind an dieser Stelle selbst sehr deutlich.

Sie sagt nicht, dass KI Entwickler*innen generell verlangsamt. Das schreiben die Forschenden ausdrücklich. Untersucht wurde eine bestimmte Gruppe in einer bestimmten Situation.

Sie sagt nichts über Einsteiger*innen. Erfahrene Menschen in ihrem eigenen, seit Jahren vertrauten Code sind der denkbar schwierigste Fall für ein Werkzeug, das Kontext erst erschließen muss.

Sie sagt nichts über andere Aufgaben. Getestet wurden Programmieraufgaben, keine Korrespondenz, keine Recherche, keine Zusammenfassungen. Genau dort liegen die Gewinne, die viele im Alltag erleben.

Die Autoren nennen selbst mögliche Erklärungen, unter anderem Lerneffekte, die sich erst nach mehr als fünfzig Stunden Werkzeugerfahrung einstellen könnten, unterschiedliche Qualitätsansprüche zwischen den Gruppen und eine mögliche Verzerrung bei der Auswahl der Teilnehmenden.

Was die Folgestudie 2026 zeigt

Eine Studie mit Werkzeugen von Anfang 2025 sagt wenig über die Werkzeuge von heute. Das sieht METR genauso und hat ab August 2025 eine zweite, größere Runde gestartet: 57 erfahrene Entwickler*innen, 143 Projekte, über 800 Aufgaben, wieder per Zufall mit oder ohne KI. Die Ergebnisse stehen seit dem 24. Februar 2026 im Netz.

Das Bild hat sich gedreht, aber nur unscharf. Bei den zehn Entwickler*innen, die schon 2025 dabei waren, sank die Bearbeitungszeit mit KI geschätzt um 18 Prozent, bei den neu Hinzugekommenen um 4 Prozent. Beide Spannweiten schließen null ein. Die Daten passen also zu einem deutlichen Zeitgewinn, zu gar keinem Effekt und zu einer leichten Verlangsamung.

Bemerkenswerter als die Zahlen ist, warum METR ihnen selbst nicht traut. 30 bis 50 Prozent der Befragten gaben an, bestimmte Aufgaben gar nicht erst eingereicht zu haben, weil sie sie nicht ohne KI erledigen wollten. Schon die Anwerbung wurde schwieriger, weil viele nicht die Hälfte ihrer Zeit ohne KI arbeiten wollten. Wer mehrere KI-Agenten parallel laufen ließ, konnte die Zeit je Aufgabe kaum noch sauber erfassen. METR schreibt deshalb, die neuen Daten seien ein „unzuverlässiges Signal“. Die Forschenden halten es für wahrscheinlich, dass Entwickler*innen Anfang 2026 mit KI schneller sind als Anfang 2025. Die eigenen Daten seien dafür aber nur „sehr schwache Belege“, und weil gerade die Aufgaben mit dem größten KI-Nutzen fehlten, liege der wahre Effekt eher über dem gemessenen.

Und die Selbsteinschätzung?

Im Mai 2026 hat METR zusätzlich 349 technische Fachkräfte befragt, darunter Softwareentwicklerinnen, Forschende und Gründerinnen. Im Mittel gaben sie an, mit KI etwa dreimal so schnell zu arbeiten und Arbeit von etwa 1,4- bis 2-fachem Wert zu erzeugen. METR selbst schreibt dazu, solche Antworten seien „nicht notwendigerweise in der Realität verankert“, und begründet die Skepsis ausgerechnet mit der eigenen Studie von 2025 und ihrer Lücke von vierzig Prozentpunkten zwischen Gefühl und Messung.

Für diesen Beitrag heißt das: Die Zahl 19 beschreibt heute nicht mehr den Stand der Werkzeuge. Was weiter trägt, ist der zweite Befund, und der ist durch die Folgearbeiten eher stärker geworden. Gefühlter und gemessener Nutzen fallen auseinander, und je verbreiteter KI wird, desto schwerer lässt sich überhaupt noch ein sauberer Vergleich ohne sie anstellen.

Vier Folgerungen für den Betrieb

Die Zahl 19 ist nicht der interessante Teil. Interessant ist die Lücke zwischen Messung und Selbstbild, denn die gilt mit hoher Wahrscheinlichkeit auch für Euch.

Erstens: Selbstauskunft misst Zufriedenheit, nicht Produktivität. Wenn Ihr nach einer KI-Einführung fragt „seid Ihr schneller geworden“, bekommt Ihr ein Stimmungsbild. Das ist wertvoll, aber es ist keine Zahl.

Zweitens: Ohne Vorher-Wert gibt es kein Nachher. Diese Studie konnte nur deshalb etwas feststellen, weil beide Fälle gemessen wurden. Wer das im Unternehmen nicht tut, diskutiert dauerhaft über Eindrücke. Die Folgestudie zeigt nebenbei, dass dieses Fenster sich schließt: Wenn erst alle mit KI arbeiten, gibt es keinen Vergleichswert mehr. Genau deshalb ist die Frage, ob KI auf messbare Ziele einzahlt, eine der sechs Dimensionen der KI-Reife.

Drittens: Erfahrung schützt nicht. Untersucht wurden ausschließlich sehr erfahrene Leute, und gerade sie lagen mit ihrer Einschätzung deutlich daneben. Wer eine Aufgabe seit Jahren beherrscht, verlässt sich auf sein Gefühl, und das Gefühl war hier der unzuverlässigste Teil.

Viertens: Der Aufwand liegt im Prüfen. Wer ein KI-Ergebnis übernimmt, muss es lesen, verstehen und verantworten. Bei vertrautem Code ist das oft langsamer als selbst zu schreiben. Und diese Prüfung bleibt unverzichtbar, weil Sprachmodelle plausibel klingende Fehler erzeugen.

Aus diesen vier Punkten folgt eine Faustregel, die sich in vielen Gesprächen bewährt hat: Je besser jemand eine Aufgabe beherrscht, desto geringer ist der Gewinn durch KI, und desto größer die Gefahr, ihn zu überschätzen. Umgekehrt gilt dasselbe. Der größte messbare Nutzen entsteht dort, wo jemand eine Aufgabe zwar verantworten kann, aber nicht routiniert erledigt. Genau diese mittlere Zone wird bei Einführungsprojekten am häufigsten übersehen, weil dort weder die lautesten Fürsprecherinnen noch die lautesten Skeptikerinnen sitzen.

Die Synnous-Meinung

Wir verdienen Geld damit, dass Menschen mit KI produktiver werden. Diese Studie ist für uns unbequem, und genau deshalb steht sie hier.

Was ich daraus mitnehme, ist nicht Skepsis gegenüber den Werkzeugen. Es ist Skepsis gegenüber Zahlen, die aus Selbstauskunft entstehen. In fast jedem Gespräch über KI-Nutzen fällt irgendwann ein Satz wie „wir sparen bestimmt zwanzig Prozent“. Diese Studie zeigt, wie eine solche Schätzung zustande kommt: Man erinnert sich an die Momente, in denen es flutschte, und nicht an die, in denen man einen generierten Vorschlag dreimal gelesen und dann verworfen hat.

Und ein Punkt, den ich für den eigentlichen Gewinn dieser Untersuchung halte: Sie erklärt, warum Begeisterung und Ergebnis so oft auseinanderfallen. Die Arbeit fühlt sich besser an. Weniger leeres Blatt, weniger Anlauf, mehr Bewegung. Dass sie dabei länger dauern kann, merkt man nicht, weil sich die Anstrengung reduziert hat und nicht die Zeit.

Dass METR heute selbst von einem wahrscheinlichen Zeitgewinn ausgeht, ändert an dieser Lektion nichts. Es zeigt nur, wie schnell eine einzelne Zahl veraltet und wie lange die Frage dahinter bleibt.

Wer aus der Studie von 2025 schließt, KI bringe nichts, hat sie genauso überdehnt wie die, die sie ignorieren.

Zwei Nachmittage, die jede Diskussion ersetzen

Wie man Messen und Lernen dauerhaft verbindet, ist Inhalt der KI Business School. Fang trotzdem hiermit an: Nimm eine Aufgabe, die Ihr regelmäßig macht, und stopp einmal die Zeit. Einmal mit KI, einmal ohne, beides ehrlich. Das dauert zwei Nachmittage und ersetzt jede Diskussion über gefühlte Effizienz.

Wo steht Ihr insgesamt?

Der KI-Reife-Check gibt Euch eine Einschätzung über sechs Dimensionen, unter anderem dazu, ob Ihr den Nutzen Eurer KI-Nutzung überhaupt messt. 18 Fragen, rund sieben Minuten, mit Auswertung als PDF. Zum KI-Reife-Check

Häufige Fragen

Heißt das, wir sollten KI wieder abschaffen? Nein, und das wäre auch nicht durch diese Studie gedeckt. Sie zeigt, dass der Nutzen aufgabenabhängig ist und dass Selbsteinschätzungen dabei unzuverlässig sind. Beides spricht für genaueres Hinschauen, nicht für Verzicht.

Ist eine Studie mit 16 Personen aussagekräftig? Für sich genommen ist das eine kleine Basis, und sie erlaubt keine allgemeinen Aussagen. Was sie stark macht, ist das Design: randomisiert, echte Aufgaben, gemessene statt berichteter Zeiten. Ein Hinweis, kein Beweis.

Gilt das auch für unsere Büroarbeit? Unbekannt. Die Aufgabenart unterscheidet sich deutlich. Was übertragbar ist, ist die Warnung vor Selbstauskunft als Messgröße.

Warum wurde ausgerechnet mit erfahrenen Leuten getestet? Weil bei ihnen die Vergleichsgröße stimmt. Wer eine Codebasis seit Jahren kennt, hat einen belastbaren Erwartungswert dafür, wie lange eine Aufgabe dauert. Bei Einsteiger*innen fehlt dieser Maßstab, und dann misst man vor allem, wie schnell jemand lernt. Der Preis dieser Sauberkeit ist, dass die Gruppe nicht repräsentativ ist.

Gibt es Gegenstudien? Ja, und sie kommen zu anderen Ergebnissen, vor allem bei standardisierten Aufgaben und weniger erfahrenen Teilnehmenden. Auch METR selbst kommt in der Folgestudie von 2026 zu einem anderen, wenn auch unsicheren Bild. Das ist kein Widerspruch, sondern der übliche Zustand einer jungen Forschungslage. Wer nur die Studie zitiert, die zur eigenen Haltung passt, macht denselben Fehler in die andere Richtung.

Gilt die 19-Prozent-Zahl noch? Als Messung ja: So war es mit den Werkzeugen von Anfang 2025 in dieser Gruppe. Als Aussage über heutige Werkzeuge nein. METR geht inzwischen davon aus, dass Entwickler*innen mit KI eher schneller geworden sind, kann das mit den eigenen Daten aber nicht verlässlich beziffern.

Quellen: METR, „Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity“, 10.07.2025, metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study; METR, „We are Changing our Developer Productivity Experiment Design“, 24.02.2026, metr.org/blog/2026-02-24-uplift-update; METR, „Measuring the Self-Reported Impact of Early-2026 AI on Technical Worker Productivity“, 11.05.2026, metr.org/blog/2026-05-11-ai-usage-survey. Alle abgerufen am 28.10.2026.

TeilenLinkedInPer Mail
Porträt von Niklas Greczak
Geschrieben von
Niklas Greczak

Co-Speaker der KI Business School. Zeigt Prompting und KI-Werkzeuge live am Bildschirm und baut mit Teams ihre ersten eigenen Assistenten.

Wo steht Ihr bei KI?

18 Fragen, 7 Minuten, sofort ein PDF-Report mit Reifegrad-Index und EU-AI-Act-Status. Kostenlos.

Weiterlesen

Zum Nachschlagen:KI-GlossarPrompts zum KopierenEigenen Prompt prüfen

Nächstes Event · Di., 08.12.2026 · 12:00–13:00 Uhr
Der KI-Jahresrückblick 2026: 4 Jahre ChatGPT, mit Martha Giannakoudi

Online, kostenlos · Zwölf KI-Schlagzeilen aus 2026, Du stimmst live ab, wir checken die Fakten. Eine Stunde, online, mit Martha Giannakoudi.

Kostenloses Ticket →