Über kaum ein Thema wird derzeit so laut geredet wie über KI in der Softwareentwicklung — und kaum eines lädt so sehr zu Übertreibung ein, in beide Richtungen. Wir arbeiten täglich mit diesen Werkzeugen. Hier eine nüchterne Bestandsaufnahme, Mitte 2026: was sich wirklich verändert hat, was die Zahlen hergeben, und wo die Grenzen liegen.
Vom Vorschlag zum Agenten
Bis vor kurzem half KI beim Programmieren vor allem beim Tippen — Zeile für Zeile vervollständigen. Das ist vorbei. Die heutige Generation arbeitet agentisch: Die Werkzeuge lesen ein ganzes Code-Projekt, planen Änderungen über mehrere Dateien hinweg, führen Befehle aus, lassen Tests laufen, sehen Fehler, korrigieren sich und liefern am Ende fertige, eingecheckte Änderungen.
Wie schnell das ging, zeigt ein einzelner Maßstab: Im verbreiteten Benchmark SWE-bench Verified — echte Programmieraufgaben aus Open-Source-Projekten — stieg die Erfolgsquote von rund 2 % im Oktober 2023 auf über 78 % im Frühjahr 2026. Werkzeuge wie Claude Code, Codex oder Cursor erledigen heute Aufgaben, die vor zwei Jahren noch außer Reichweite lagen.
Der Markt ist erwachsen geworden
Diese technische Reife schlägt sich in harten Zahlen nieder. Der Markt für KI-Coding-Agenten im Unternehmensumfeld wird Mitte 2026 auf rund 10 Milliarden Dollar Jahresumsatz geschätzt. Der KI-Editor Cursor erreichte im Februar 2026 nach eigenen Angaben 2 Milliarden Dollar wiederkehrenden Jahresumsatz — eine Verdopplung binnen drei Monaten. Die Abrechnung verschiebt sich dabei spürbar von festen Nutzerlizenzen hin zu nutzungsbasierten Modellen, weil agentische Abläufe echte Rechenleistung verbrauchen.
Für uns als Anwender ist weniger die Bewertung interessant als das, was dahinter steht: Die Werkzeuge sind keine Spielerei mehr, sondern Teil der täglichen Produktion — bei uns wie bei vielen anderen.
Die unbequeme Studie
Und doch wäre es unredlich, hier aufzuhören. Die vielleicht wichtigste Veröffentlichung zum Thema ist eine Studie der Forschungsorganisation METR aus dem Sommer 2025 — ein sauber aufgesetztes, randomisiertes Experiment. Das Ergebnis war für viele unbequem: Erfahrene Open-Source-Entwickler, die in ihrem eigenen, vertrauten Code arbeiteten, waren mit KI-Werkzeugen im Schnitt 19 % langsamer — nicht schneller.
Noch aufschlussreicher als die Zahl ist die Lücke zur Wahrnehmung: Dieselben Entwickler glaubten, rund 20 % schneller gewesen zu sein. Zwischen gefühlter und gemessener Produktivität klafften fast 40 Prozentpunkte.
Die Studie ist klein (16 Entwickler) und nicht ohne Weiteres verallgemeinerbar — METR selbst weist darauf hin und hat das Studiendesign 2026 weiterentwickelt. Aber die Erklärung der Verlangsamung ist lehrreich: zu simple Prompts, ungewohnte Bedienung, sehr hohe Qualitätsansprüche im vertrauten Projekt und die Ablenkung durch das Ausprobieren selbst.
Was man daraus lernen kann
Wenn man beide Befunde zusammennimmt — dramatische Benchmark-Sprünge auf der einen, gemessene Verlangsamung erfahrener Profis auf der anderen Seite — ergibt sich ein erstaunlich klares Bild:
- KI hilft am meisten dort, wo Sie nicht schon Experte sind. Eine unbekannte Sprache, ein neues Projekt von der grünen Wiese, Standard-Bausteine, Tests, Routinearbeit — hier ist der Gewinn riesig.
- In tief vertrautem Code mit hohen Qualitätsansprüchen kann der Mensch noch immer schneller sein als die Schleife aus Prompt, Prüfen und Korrigieren.
- Werkzeug-Kompetenz ist kein Selbstläufer. Die Produktivität hängt stark davon ab, wie gut jemand das Werkzeug bedient — nicht nur davon, dass er es hat.
- Gefühl ist ein schlechter Messwert. Wer KI einführt, sollte den Nutzen an konkreten Ergebnissen festmachen, nicht am Eindruck.
Was das für den Mittelstand heißt
Für mittelständische Unternehmen ist die Lage damit eigentlich günstig — vorausgesetzt, man bleibt nüchtern. Die größten Gewinne liegen genau dort, wo der Mittelstand oft Bedarf hat: gewachsene Alt-Anwendungen ablösen, Insellösungen zusammenführen, Routineaufgaben automatisieren. Das ist „neues Terrain” im obigen Sinne — und damit der Bereich, in dem die Werkzeuge ihre Stärke ausspielen.
Genau das ist auch unsere Erfahrung beim Modernisierungssprint: Eine Access- oder Excel-Anwendung in eine moderne Web-App zu überführen, ist überwiegend gut strukturierte, gegen ein Original prüfbare Arbeit — der ideale Einsatzfall für KI-gestützte Entwicklung. Was sie nicht ersetzt, ist das Verständnis dafür, was gebaut werden soll und warum. Diese Entscheidung bleibt beim Menschen.
Unsere Empfehlung bleibt deshalb unaufgeregt: KI verstärkt kompetente Leute und gute Prozesse. Sie ersetzt sie nicht. Wer das beherzigt, bekommt 2026 sehr viel für erstaunlich wenig Geld — wer Wunder erwartet, wird enttäuscht.