KI-Assistenten gehören für viele Entwicklerinnen und Entwickler inzwischen zum Arbeitsalltag. Sie schreiben Code, erklären Fehlermeldungen, schlagen Lösungen vor und übernehmen Aufgaben, für die früher viel Zeit und Erfahrung notwendig waren. Das verspricht schnellere Entwicklungsprozesse und mehr Effizienz.
Doch eine Frage gerät dabei leicht aus dem Blick: Was passiert mit dem Wissen und den Fähigkeiten der Menschen, wenn die KI immer mehr Arbeit übernimmt?
Eine in diesem Jahr veröffentlichte Studie des KI-Unternehmens Anthropic liefert dazu einen interessanten Denkanstoß. Entwickler, die beim Erlernen einer neuen Technologie KI-Unterstützung nutzten, schnitten in einem anschließenden Wissenstest deutlich schlechter ab als diejenigen, die ohne KI gearbeitet hatten. Der Zeitgewinn durch die Unterstützung war dagegen statistisch nicht signifikant.
Die Untersuchung wirft damit eine Frage auf, die weit über die Softwareentwicklung hinausgeht: Wie können Unternehmen die Vorteile künstlicher Intelligenz nutzen, ohne den Aufbau eigener Kompetenzen zu vernachlässigen?
Unterschiede im Wissenstest
Für die randomisierte Untersuchung von Judy Hanwen Shen und Alex Tamkin rekrutierte Anthropic 52 überwiegend jüngere Softwareentwickler. Alle verfügten über mindestens ein Jahr regelmäßige Python-Erfahrung, kannten jedoch die verwendete Bibliothek Trio noch nicht.
Die Teilnehmer sollten zwei Programmieraufgaben mit der neuen Bibliothek lösen. Eine Gruppe arbeitete mit einem KI-Assistenten, die andere ohne KI-Unterstützung. Anschließend überprüften die Forscher das Verständnis mit einem Wissenstest. Dabei ging es unter anderem um das Lesen von Code, das Erkennen und Beheben von Fehlern sowie um grundlegende Konzepte.
Das Ergebnis fiel deutlich aus: Die KI-Gruppe erreichte durchschnittlich 50 Prozent, die Gruppe ohne KI-Unterstützung 67 Prozent. Das entspricht einem Abstand von 17 Prozentpunkten. Besonders groß war die Differenz bei den Fragen zur Fehlerbehebung.
Gleichzeitig benötigte die KI-Gruppe im Durchschnitt etwa zwei Minuten weniger für die Programmieraufgaben. Dieser Zeitvorteil war allerdings statistisch nicht signifikant.
Die Forscher betonen, dass KI-Unterstützung nicht zwangsläufig zu schlechteren Lernergebnissen führt. Entscheidend war vielmehr, wie die Teilnehmer und Teilnehmerinnen mit dem Werkzeug arbeiteten.
Nicht die KI ist das Problem, sondern die Art ihrer Nutzung
Die Auswertung zeigte unterschiedliche Verhaltensmuster. Teilnehmer, die den KI-Assistenten vor allem dazu nutzten, fertigen Code erzeugen oder Fehler vollständig beheben zu lassen, erzielten tendenziell schwächere Ergebnisse.
Besser schnitten diejenigen ab, die sich die Funktionsweise erklären ließen, gezielt nachfragten und die Vorschläge der KI mit eigenen Überlegungen verbanden. Sie nutzten das Werkzeug nicht nur zur Erledigung einer Aufgabe, sondern auch, um Zusammenhänge zu verstehen.
Der Unterschied lässt sich als Gegensatz zwischen aktivem Lernen und kognitivem Auslagern beschreiben. Wer die gesamte Problemlösung an die KI delegiert, spart möglicherweise eigene Denkarbeit.
Wer dagegen Erklärungen einfordert, Ergebnisse überprüft und alternative Lösungswege diskutiert, bleibt stärker in den Lernprozess eingebunden.
Steef-Jan Wiggers greift diesen Konflikt in seinem Beitrag für Anthropic auf. Er verweist dabei auch auf eine Diskussion auf Hacker News. Ein Kommentator beschreibt die Gefahr, dass Lernprozesse und fachliche Kompetenz zugunsten eines Produktivitätsgewinns verloren gehen, der nicht immer tatsächlich eintritt. Das ist zugespitzt formuliert, trifft aber einen wichtigen Punkt der Untersuchung.
Die Anthropic-Ergebnisse stehen nicht allein. Eine 2024 in der Fachzeitschrift Applied Sciences veröffentlichte Studie der Universität Maribor untersuchte den Einsatz großer Sprachmodelle beim Erlernen des JavaScript-Frameworks React.
Das Forscherteam analysierte die Lernergebnisse von 32 Studenten. Dabei zeigte sich ein negativer Zusammenhang zwischen der Nutzung von KI zur Codegenerierung und Fehlerbehebung und den späteren Prüfungsergebnissen.
Wurde KI dagegen vor allem für Erklärungen eingesetzt, ließ sich ein vergleichbarer negativer Zusammenhang nicht feststellen.
Was Unternehmen daraus lernen können
Für Unternehmen, die KI in ihre Entwicklungsprozesse integrieren, steckt darin eine wichtige Managementaufgabe. Die Einführung neuer Werkzeuge allein macht Teams weder kompetenter noch automatisch produktiver.
Gerade bei weniger erfahrenen Mitarbeitern und Mitarbeiterinnen ist es wichtig, Lernmöglichkeiten zu erhalten. Wer Aufgaben dauerhaft an KI delegiert, erhält möglicherweise schneller ein Ergebnis, entwickelt aber nicht zwangsläufig das Verständnis, das notwendig ist, um dieses Ergebnis zu beurteilen.
Das kann spätestens dann zum Problem werden, wenn generierter Code Fehler enthält, Sicherheitsanforderungen nicht erfüllt oder in einer bestehenden Systemarchitektur unerwartete Folgen auslöst.
Fachkräfte müssen nachvollziehen können, was die KI produziert hat, welche Annahmen dahinterstehen und ob die Lösung tatsächlich zum Problem passt.
Daraus ergeben sich konkrete Ansatzpunkte für die betriebliche Praxis:
- KI bewusst einsetzen: Nicht jede Aufgabe sollte vollständig an einen KI-Assistenten delegiert werden. Gerade beim Erlernen neuer Technologien lohnt es sich, Lösungswege zunächst selbst zu durchdenken.
- Erklärungen einfordern: KI kann als Lernpartner dienen. Mitarbeiter sollten sich Code, Zusammenhänge und alternative Lösungsansätze erläutern lassen.
- Ergebnisse kritisch prüfen: Codegenerierung ersetzt weder Tests noch Reviews oder die fachliche Bewertung durch erfahrene Entwickler.
- Weiterbildung mitdenken: Unternehmen sollten nicht nur vermitteln, wie KI-Werkzeuge bedient werden, sondern auch, wie Mitarbeiter ihre fachlichen Fähigkeiten im Zusammenspiel mit KI weiterentwickeln.