Eine beeindruckende Zahl
Laut einer JetBrains-Umfrage von Januar 2026 setzen 74 Prozent der Entwickelnden weltweit spezialisierte KI-Coding-Tools ein. Der Markt erreichte 12,8 Milliarden US-Dollar, drei Anbieter überschritten die Marke von 1 Milliarde US-Dollar Jahresumsatz. Claude Code wuchs dabei am schnellsten: von rund 3 Prozent beruflicher Nutzung im Frühjahr 2025 auf 18 Prozent weltweit im Januar 2026 – mit den höchsten Zufriedenheitswerten aller gemessenen Tools.
Der Blick hinter die Zahl: die METR-Studie
Eine unabhängige, randomisierte Kontrollstudie von METR zeichnet ein deutlich komplexeres Bild. 16 erfahrene Open-Source-Entwickelnde bearbeiteten 246 reale Aufgaben in Codebasen mit durchschnittlich rund einer Million Codezeilen – mit und ohne KI-Coding-Tools. Ergebnis: Mit KI-Tools brauchten sie 19 Prozent länger für dieselben Aufgaben. Gleichzeitig glaubten dieselben Entwickelnden, mit den Tools 20 Prozent schneller gewesen zu sein.
Warum sich schneller nicht wie schneller anfühlt
Die Studie identifiziert eine konkrete Ursache: kleine Kontextfenster zwingen zu ständigem manuellem Nachformulieren und Nachprompten, was wiederholte Kontext-Wechsel erzeugt. Diese Wechsel unterbrechen den Flow-Zustand, in dem erfahrene Entwickelnde bei komplexer Arbeit normalerweise am produktivsten sind – und genau dieser Verlust bleibt subjektiv unbemerkt, weil das schnelle erste Code-Ergebnis pro Anfrage wie Fortschritt wirkt.
Praxis-Teil: keine pauschale Absage an KI-Coding-Tools
Die Studie ist kein Beleg dafür, dass KI-Coding-Tools generell nichts bringen – ihr Ergebnis gilt spezifisch für erfahrene Entwickelnde bei komplexer Arbeit in großen, gewachsenen Codebasen. Ob sich das auf euer Team überträgt, hängt stark vom Kontext ab: Erfahrungsstand, Größe und Struktur der Codebasis, Art der Aufgaben. Statt Branchenversprechen oder einzelnen Studien blind zu vertrauen, lohnt sich eine eigene, einfache Messung im Team – dazu mehr im späteren Modul dieses Kurses zur realistischen Werkzeugwahl.