Wieso dich KI nicht produktiver macht

JavaScript & Angular Days Berlin, 12. Oktober 2026. „Mit KI sind wir jetzt doppelt so schnell!“ Die sauberste Studie zum Thema misst das Gegenteil — und die Beteiligten waren felsenfest überzeugt, schneller zu sein. Das Tempo-Gefühl lügt. Aber das ist kein Grund, das Tool wegzuwerfen, sondern der Startpunkt, endlich die richtigen Fragen zu stellen. In dieser Night Session räume ich mit dem Produktivitäts-Hype auf: mit Zahlen aus METR und DORA und mit Geschichten aus echten Kundenprojekten. Denn das eigentliche Problem ist nie das Tool, es sind fehlende KPIs, gewachsene Altlasten, brüchige Architekturen und Bottlenecks wie endlose Reviews und wachsende Batch-Sizes.

Transcript

1. Wieso dich KI nicht produktiver macht gemessen gefühlt Warum das Tempo-Gefühl lügt und wo der Hebel liegt langsamer Daniel Sogl AI Engineering & Developer Productivity · SHI GmbH schneller JavaScript & Angular Days Berlin 2026
2. „Das müsst ihr doch genauso schnell können.“ Ein CEO, nachdem er am Wochenende einen Prototyp gebaut hatte
3. Daniel Sogl AI Engineering & Developer Productivity · SHI GmbH Entwickle seit 2015 beruflich Enterprise-Web- und Mobile-Apps Seit drei Jahren fast nur noch KI-gestützt Berate Teams dabei, KI-Werkzeuge in echte Lieferketten zu bringen Angular TypeScript AI-Assisted Coding daniel.sogl@shi-gmbh.com Wieso dich KI nicht produktiver macht JavaScript & Angular Days Berlin · 2026 daniel-sogl Testautomatisierung danielsogl 3 / 41
4. Agenda 01 Das Gefühl lügt 02 Warum das so ist 03 Sechs Bremsen 04 Messen statt fühlen Wieso dich KI nicht produktiver macht Studien und Selbsteinschätzung Der Engpass liegt nicht beim Tippen Prototyp, Tests, Doku, Architektur, Requirements, Review JavaScript & Angular Days Berlin · 2026 Erste Schritte für dein Team 4 / 41
5. 01 Das Gefühl lügt Zwei Studien. Das Ergebnis passt nicht zum Gefühl.
6. Mit KI langsamer, im Gefühl schneller ← schneller langsamer → Erwartet 24 % schneller Geglaubt 20 % schneller Gemessen 19 % langsamer Prognose vor der Studie Einschätzung danach 246 echte Issues 16 246 Issues ≈2h erfahren, Open Source zufällig mit oder ohne KI im Schnitt Entwickler pro Issue 1 Mio.+ Zeilen pro Repo 22k+ GitHub-Sterne Tools: Cursor Pro mit Claude 3.5/3.7, frühes 2025. Quelle: METR, Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity (10.07.2025), metr.org Wieso dich KI nicht produktiver macht JavaScript & Angular Days Berlin · 2026 6 / 41
7. Auch METR misst 2026 keinen klaren Effekt ← weniger Zeit mit KI mehr Zeit mit KI → 2025 +19 % 2026, Rückkehrer −18 % 2026, Neue −4 % 16 Entwickler 10 Entwickler 47 Entwickler Punkt: Schätzung. Balken: Konfidenzintervall. Beide 2026er Intervalle schließen die Null ein. Warum METR den Daten misstraut Viele Entwickler wollen nicht ohne KI arbeiten und machen nicht mehr mit. METR nennt die Daten selbst „nur sehr schwache Evidenz“. Quelle: METR, We are Changing our Developer Productivity Experiment Design (24.02.2026), metr.org Wieso dich KI nicht produktiver macht JavaScript & Angular Days Berlin · 2026 7 / 41
8. Was das nicht heißt KI ist nutzlos Die Studien gelten für alle Nein. 2025 ging es um frühe Tools Nein. Kleine Stichprobe, erfahrene in sehr vertrauten Codebases. Die 2026-Daten deuten eher auf einen Leute, die ihre Repos seit Jahren kennen. METR sagt das selbst. Gewinn hin, belegen ihn aber nicht. Gefühl und Messung sind zwei verschiedene Dinge, und gemessen wird selten. Quelle: METR (10.07.2025, Abschnitt Limitations) und METR (24.02.2026), metr.org Wieso dich KI nicht produktiver macht JavaScript & Angular Days Berlin · 2026 8 / 41
9. Fast alle fühlen sich mit KI schneller 90 % 85 % 30 % knapp 5.000 Befragte Selbsteinschätzung 23 % „wenig“, 7 % „gar nicht“ nutzen KI bei der Arbeit fühlen sich produktiver vertrauen dem Code kaum So schätzen die Befragten ihre eigene Produktivität ein 13 % extrem gestiegen 31 % 41 % moderat gestiegen leicht gestiegen keine Wirkung 9% 5% gesunken Alle Werte: Selbsteinschätzung der Befragten. Quelle: DORA, State of AI-assisted Software Development 2025 (v. 2025.2), Executive Summary und Kap. AI adoption and use Wieso dich KI nicht produktiver macht JavaScript & Angular Days Berlin · 2026 9 / 41
10. Mehr Tempo, aber weniger Stabilität 2025 2024, je +25 % KI-Adoption Throughput ← weniger Erstmals ein positiver Zusammenhang mit KI-Nutzung. mehr → Throughput −1,5 % Instabilität +7,2 % Stabilität Weiterhin ein negativer Zusammenhang. Zusammenhang aus Umfragedaten. Ob KI die Ursache ist, zeigt er nicht. Quelle: DORA 2025, Kap. Exploring AI’s relationship to key outcomes (2024-Werte dort als Rückblick) Wieso dich KI nicht produktiver macht JavaScript & Angular Days Berlin · 2026 10 / 41
11. 02 Warum das so ist Coding war nie der Engpass.
12. Wo die Zeit hingeht Idee Klären Coding Review Requirements hier hilft KI warten, prüfen Test Deploy Schneller Unverändert Mehr Coding: Boilerplate, Entwürfe, Vorschläge. Klären, Priorisieren, Freigaben, Deployment-Fenster. Review-Last, Testaufwand, Rückfragen. Quelle: Eigene Darstellung Wieso dich KI nicht produktiver macht JavaScript & Angular Days Berlin · 2026 12 / 41
13. Wer den Nicht-Engpass beschleunigt, beschleunigt nichts Coding mit KI: drei Spuren Produktion: eine Spur Review · Test · Deploy Quelle: Eigene Darstellung; Theory of Constraints Wieso dich KI nicht produktiver macht JavaScript & Angular Days Berlin · 2026 13 / 41
14. Ein Rechenbeispiel Vorher: 100 Stunden pro Feature 20 h Coding 80 h Klären, Review, Test, Deploy KI halbiert das Coding: 90 Stunden 10 h Coding 80 h Klären, Review, Test, Deploy Die Durchlaufzeit sinkt um 10 %, nicht um 50 %. Quelle: Angenommene Zahlen, keine Messung Wieso dich KI nicht produktiver macht JavaScript & Angular Days Berlin · 2026 14 / 41
15. KI-Code kommt in größeren Paketen Ohne KI 157 Zeilen KI-unterstützt 408 Zeilen Agent 293 Zeilen P75-PR P75-PR P75-PR KI-unterstützte PRs sind 2,6x größer als unassistierte (408 gegen 157 Zeilen im P75). Größere Batches bedeuten längere Wartezeit, mehr Fehler und flüchtigere Reviews. Quelle: LinearB, 2026 Software Engineering Benchmarks Report, Insight 01 (8,1 Mio. PRs, 4.813 Teams) Wieso dich KI nicht produktiver macht JavaScript & Angular Days Berlin · 2026 15 / 41
16. Der Review wird zum Nadelöhr Wartezeit bis zum ersten Blick (P75, Minuten) Dauer des Reviews (P75, Minuten) Ohne KI 201 Ohne KI 252 KI-unterstützt 496 KI-unterstützt 194 Agent 1.055 Agent 382 Lesart von LinearB Stimme aus der Umfrage Langsamer Start, schneller Abschluss: „A larger amount of code slips KI-unterstützte Änderungen werden into production without proper zügiger geprüft, obwohl sie größer sind. review (rubber stamping).“ Quelle: LinearB, 2026 Software Engineering Benchmarks Report, Insight 02 und Leiterumfrage (P75) Wieso dich KI nicht produktiver macht JavaScript & Angular Days Berlin · 2026 16 / 41
17. Bei 22.000 Entwicklern dasselbe Muster Zeit bis zum ersten Review +157 % Zeit im Review +442 % PR-Größe +51 % PRs ohne jedes Review mehr als zuvor +31 % Bugs pro Entwickler +54 % Abgeschlossene Epics +66 % Tasks pro Entwickler +34 % Median Median Zeilen pro PR pro Entwickler alle Task-Typen Telemetrie über etwa zwei Jahre aus 4.000 Teams. Verglichen wird je Team die Veränderung zwischen den zwei Quartalen mit niedrigster und den zwei mit höchster KI-Nutzung. Auch das ist nur ein Zusammenhang, keine Ursache. Quelle: Faros AI, AI Engineering Report 2026: The Acceleration Whiplash (Stand März 2026), S. 10–20, pages.faros.ai; Anbieter von Engineering-Analytics Wieso dich KI nicht produktiver macht JavaScript & Angular Days Berlin · 2026 17 / 41
18. 03 Sechs Bremsen aus der Praxis Aus meiner Praxis. Das Problem liegt unter dem Tool.
19. Der Prototyp ist nicht das Produkt BREMSE 1 VON 6 Sichtbar Happy Path, Demo-Daten Darunter Fehlerfälle, Auth & Rollen Accessibility, Security Danach Betrieb, Updates, Wartung, Support Quelle: Eigene Darstellung, Kundenprojekt anonymisiert Wieso dich KI nicht produktiver macht JavaScript & Angular Days Berlin · 2026 19 / 41
20. Was man aus dem Wochenende mitnimmt Prototyp Spezifikation Entwicklung KI, Stunden was er zeigt mit Tests und Review Produkt Der Prototyp ist ein Werkzeug fürs Requirements Engineering Der Prototyp beantwortet die Frage „Meinst du das so?“. Als Produktionscode taugt er nicht. Dafür spart er Wochen an Abstimmung. Quelle: Eigene Darstellung Wieso dich KI nicht produktiver macht JavaScript & Angular Days Berlin · 2026 20 / 41
21. Keine Tests, kein Sicherheitsnetz BREMSE 2 VON 6 Ein Kunde wehrt sich seit Jahren gegen automatisierte Tests: zu teuer. Heute entsteht KI-Code. Ob er etwas kaputt macht, weiß niemand. Mit Tests Änderung Test Feedback Sekunden Ohne Tests Änderung Prüfen von Hand Release Bug beim Kunden Quelle: Kundenprojekt, anonymisiert Wieso dich KI nicht produktiver macht JavaScript & Angular Days Berlin · 2026 21 / 41
22. Erst fixieren, dann ändern import { test, expect } from '@playwright/test'; test('Checkout: Warenkorb bis Bestätigung', async ({ page }) => { await page.goto('/shop'); await page.getByRole('button', { name: 'In den Warenkorb' }).first().click(); await page.getByRole('link', { name: 'Zur Kasse' }).click(); await page.getByLabel('E-Mail').fill('test@example.com'); await page.getByRole('button', { name: 'Kostenpflichtig bestellen' }).click(); await expect(page.getByRole('heading', { name: 'Danke für deine Bestellung' })).toBeVisible(); }); Die fünf Flows, die Geld verdienen, zuerst. Die KI schreibt die Tests gegen das Ist-Verhalten, du prüfst sie. Danach darf sie ändern. Quelle: Beispiel mit Playwright (playwright.dev) Wieso dich KI nicht produktiver macht JavaScript & Angular Days Berlin · 2026 22 / 41
23. Veraltete Doku BREMSE 3 VON 6 Ein Mensch erkennt eine veraltete Doku am Bauchgefühl. Ein Agent befolgt sie, konsequent und in jeder Datei. README veraltet Agent liest sie # AGENTS.md ## Angular - Standalone Components, kein NgModule - State mit Signals, kein RxJS-Store - Tests: Vitest + Testing Library ## Vor dem PR - npm run lint && npm test Baut danach Fehler im PR Quelle: Eigene Darstellung Wieso dich KI nicht produktiver macht JavaScript & Angular Days Berlin · 2026 23 / 41
24. Keine Architektur BREMSE 4 VON 6 KI kopiert, was sie findet: halb NgModules, halb Standalone, drei Wege für State. Regeln, die ein Linter prüft, kopiert sie nicht weg. // eslint.config.mjs '@nx/enforce-module-boundaries': ['error', { depConstraints: [ { sourceTag: 'type:feature', onlyDependOnLibsWithTags: [ 'type:ui', 'type:data-access', 'type:util', ] }, feature ✕ ui data-access erlaubt util Lint-Fehler { sourceTag: 'type:ui', onlyDependOnLibsWithTags: ['type:ui', 'type:util'] }, ], }], Quelle: Beispiel mit Nx, Regel @nx/enforce-module-boundaries (nx.dev) Wieso dich KI nicht produktiver macht JavaScript & Angular Days Berlin · 2026 24 / 41
25. Kein Requirements Engineering BREMSE 5 VON 6 Vorher Nachher Filter verbessern Gegeben eine Liste mit 200 Aufträgen Jede Lesart ist richtig. Der Agent nimmt eine, und nimmt Wenn ich nach Status "offen" filtere Dann sehe ich nur offene Aufträge Und die Anzahl steht in der Überschrift sie sehr schnell. Akzeptanzkriterium Prompt Code Test dasselbe Kriterium KI baut das Falsche schneller. Eine gute Spezifikation ist zugleich der beste Prompt und der beste Test. Quelle: Eigene Darstellung Wieso dich KI nicht produktiver macht JavaScript & Angular Days Berlin · 2026 25 / 41
26. Der Review hält nicht mit BREMSE 6 VON 6 Warten aufs Review Gemergt Viele kleine PRs Review Wenige große PRs Review fließen durch stauen sich vor dem Review noch nichts PRs klein KI-Review Messen Kapazität Trunk-based, Feature-Flags, ein Gedanke pro Änderung. Vorfilter für Routine. Ersetzt nie den Menschen. Wartezeit und Dauer als Kennzahlen. Mehr Code braucht mehr Review-Zeit. „AI does not necessarily make friction vanish; rather, the friction moves.“ (DORA 2026) Quelle: Eigene Darstellung; Hintergrund LinearB 2026, Faros AI 2026; Zitat: DORA, The ROI of AI-assisted Software Development (v. 2026.1), S. 20 Wieso dich KI nicht produktiver macht JavaScript & Angular Days Berlin · 2026 26 / 41
27. Wer prüft was? Automatisch, immer Typen Lint & Architektur Tests Security-Scan jede Änderung KI-Review Vorfilter Mensch nach Risiko Muster & Duplikate Offensichtliche Fehler Absicht & Anforderung Architektur Geld, Sicherheit, Daten Migrationen, öffentliche APIs Wer eine Änderung freigibt, muss sie erklären können. Das lässt sich nicht an eine Maschine delegieren. Quelle: Eigene Einschätzung; Hintergrund arXiv 2604.03196, arXiv 2603.15911, LinearB 2026 (Leiterumfrage) Wieso dich KI nicht produktiver macht JavaScript & Angular Days Berlin · 2026 27 / 41
28. DORA findet dieselben Hebel Klare KI-Haltung Gesunde Daten KI-zugängliche Daten Versionskontrolle Erlaubte Tools, Qualität interner Daten. Interne Daten, die KI- Häufig committen, Werkzeuge nutzen können. sicher zurückrollen. Erwartung, Spielraum zum Ausprobieren. Kleine Batches Nutzerzentrierung Interne Plattform Blau markiert Kleine Änderungen, schnell getestet und geprüft. Ohne Nutzerfokus schadet KI der Teamleistung. Gemeinsame Fähigkeiten für Passt zu den sechs Bremsen von eben. mehrere Anwendungen. DORA 2025: sieben Fähigkeiten, die den Nutzen von KI verstärken. Hervorgehoben: die, die zu den sechs Bremsen passen. Quelle: DORA 2025, Kap. DORA AI Capabilities Model Wieso dich KI nicht produktiver macht JavaScript & Angular Days Berlin · 2026 28 / 41
29. 04 Messen statt fühlen Und was das für dein Team heißt.
30. Lizenzen sind keine Strategie Lizenzen verteilt Tool wird genutzt Prozess angepasst Wirkung gemessen fehlte fehlte Ein Kunde verteilt Copilot-Lizenzen an alle Entwickler. Die Hoffnung: Allein dadurch werde es schneller. Nach drei Monaten weiß niemand, ob es hilft. DORA 2025 Eine klare, kommunizierte KI-Haltung gehört zu den sieben Fähigkeiten, die den Nutzen verstärken. Quelle: Kundenprojekt, anonymisiert; DORA 2025, Kap. DORA AI Capabilities Model Wieso dich KI nicht produktiver macht JavaScript & Angular Days Berlin · 2026 30 / 41
31. Was du messen kannst Liefern Stabilität Fluss Lead Time, Change Fail Rate, Rework PR-Größe, Review- Deployment Frequency Rate, Wiederherstellungszeit Wartezeit, Review-Dauer Anti-Metriken Zeilen, PR-Anzahl und Akzeptanzrate von Vorschlägen sagen, wie viel KI benutzt wird. Nicht, ob etwas besser wird. Quelle: DORA 2025 (Durchsatz, Instabilität), LinearB 2026 (Fluss) Wieso dich KI nicht produktiver macht JavaScript & Angular Days Berlin · 2026 31 / 41
32. Dein Mini-Experiment Zwei Aufgaben Schätzen Mit und ohne KI Vergleichen vergleichbar vorher aufschreiben gleiche Woche Uhr und Review Das ist METR im Kleinen, ohne Studiendesign. Es reicht, um dein Gefühl einmal an der Uhr zu prüfen. Nur nicht in den ersten Wochen: DORA erwartet nach der Einführung erst einen Einbruch (J-Kurve). Quelle: Eigene Darstellung, angelehnt an das METR-Studiendesign; J-Kurve: DORA ROI 2026, S. 4 Wieso dich KI nicht produktiver macht JavaScript & Angular Days Berlin · 2026 32 / 41
33. Tests Wissen Implizites Klare Vorgaben, Wo KI schon heute wirkt Hier hilft sie Mit Tests und Kontext Boilerplate, Migrationen, Entwürfe. Tests für Altcode, Einarbeitung in fremden Code. Mit Vorsicht Hier eher nicht Neue Features ohne Spezifikation. Architekturentscheidungen, Altcode ohne Doku. Neuer, überschaubarer Code Gewachsener Code Stanford, zitiert von DORA 2026: 35–40 % Gewinn bei einfachen Greenfield-Aufgaben, bei komplexem Altcode oft 10 % oder weniger. Quelle: Einordnung aus Praxis; LinearB 2026 (Insight 06); Stanford-Zahlen zitiert nach DORA ROI 2026, S. 36 Wieso dich KI nicht produktiver macht JavaScript & Angular Days Berlin · 2026 33 / 41
34. KI verstärkt, was schon da ist. Auch die Lücken. DORA 2025 und DORA ROI 2026
35. Drei Spuren davor, eine Spur dahinter Coding mit KI: drei Spuren Produktion: eine Spur Review · Test · Deploy Quelle: Eigene Darstellung Wieso dich KI nicht produktiver macht JavaScript & Angular Days Berlin · 2026 35 / 41
36. Drei erste Schritte Messen, bevor Erst das Fundament Auf den du glaubst Tests, Doku, Engpass schauen Ausgangswert erheben, Architektur als Regeln, Requirements. Review, Test, Deploy: Mini-Experiment fahren, Review- Dann beschleunigen. Dort entscheidet sich die Durchlaufzeit. Wartezeit tracken. Wieso dich KI nicht produktiver macht JavaScript & Angular Days Berlin · 2026 36 / 41
37. Quellen Aussage Quelle METR 2025 metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study METR 2026 metr.org/blog/2026-02-24-uplift-update DORA 2025 services.google.com/fh/files/misc/2025_state_of_ai_assisted_software_development.pdf DORA ROI 2026 services.google.com/fh/files/misc/dora-roi-of-ai-assisted-software-development-2026.pdf LinearB 2026 assets.linearb.io/…/LinearB_2026_Software_Engineering_Benchmarks_Report.pdf Faros 2026 (Anbieter) pages.faros.ai/hubfs/AI_Engineering_Report_2026_The_Acceleration_Whiplash_Faros.pdf 2x-Mandat arxiv.org/abs/2607.01904 Review-Agenten arxiv.org/abs/2604.03196 Human-AI Synergy arxiv.org/abs/2603.15911 Wieso dich KI nicht produktiver macht JavaScript & Angular Days Berlin · 2026 37 / 41
38. Fragen? Zu den Zahlen, den Geschichten oder deinem Team. Daniel Sogl AI Engineering & Developer Productivity · SHI GmbH daniel.sogl@shi-gmbh.com linkedin.com/in/daniel-sogl linktr.ee/daniel_sogl SHI GmbH Konrad-Adenauer-Allee 15 86150 Augsburg shi-gmbh.com
39. Backup Für Fragen aus dem Publikum.
40. Fast jedes zweite Team fixt ständig nach ≈ 47 % 6,9 5,8 13,7 26,1 24,7 15,4 7,3 0–2 % 2–4 % 4–8 % 8–16 % 16–32 % 32–64 % > 64 % melden 16 % oder mehr ungeplante Fix-Deployments DORA 2025, Befragung „Welcher Anteil eurer Deployments der letzten sechs Monate war ungeplant und diente dazu, einen Nutzerfehler zu beheben?“ Anteil der Befragten in Prozent, nach Anteil ungeplanter Fix-Deployments Quelle: DORA 2025, Figure 15: Distribution of rework rate responses (Selbstauskunft der Befragten) Wieso dich KI nicht produktiver macht JavaScript & Angular Days Berlin · 2026 40 / 41
41. Braucht es noch menschliches Review? Merge-Rate nach Art des Reviews Nur Menschen Nur Review-Agenten Von 13 untersuchten Review-Agenten haben 12 68 % 45 % Nur beobachtet: Komplexere PRs könnten den Unterschied erklären. im Schnitt einen Signalanteil unter 60 % Menschen geben mehr Feedback zu Verständnis, Tests und Wissenstransfer Über die Hälfte der nicht übernommenen KIVorschläge war falsch oder wurde anders gelöst Gegenbeispiel: Unternehmen mit „2x-Mandat“ Menschliches Review sank von 89 % auf 68 % der PRs, KI-Review stieg von 19 % auf 84 %. Merge-Rate flach, Revert-Rate leicht gesunken. Review mit menschlichem Kommentar halbierte sich aber (39 % auf 21 %). Quelle: arXiv 2604.03196 (Chowdhury et al., MSR 2026, AIDev-Datensatz, 3.109 PRs), arXiv 2603.15911 (Zhong et al., 278.790 Review-Konversationen), arXiv 2607.01904 Wieso dich KI nicht produktiver macht JavaScript & Angular Days Berlin · 2026 41 / 41