Wie viel Arbeit übernehmen KI-Agenten in der Softwareentwicklung tatsächlich? Bisher beruhte die Antwort meist auf Anekdoten. OpenAI hat nun erstmals Zahlen zum eigenen Einsatz veröffentlicht – und die sind in beide Richtungen aufschlussreich: Sie zeigen eine sehr intensive Nutzung, benennen aber ebenso klar, wo die Werkzeuge an ihre Grenzen stoßen.
Was die Zahlen sagen
Laut der Auswertung verbrauchte der Median-Forscher im Oktober Token im theoretischen Gegenwert von 2.400 US-Dollar pro Tag. Token sind die kleinsten Verarbeitungseinheiten von Sprachmodellen; der Verbrauch wird üblicherweise darüber abgerechnet. Der Wert ist rechnerisch zu verstehen – intern fallen die Listenpreise so nicht an –, er zeigt aber die Größenordnung: Agenten laufen dort nicht gelegentlich, sondern dauerhaft mit.
Noch aussagekräftiger als der Verbrauch ist die Einschätzung der Beteiligten selbst. Die Forscherinnen und Forscher gaben an, eher auf 40 Prozent ihrer Kolleginnen und Kollegen verzichten zu wollen als auf ihre Coding-Agenten. Das ist eine subjektive Präferenz und keine Produktivitätsmessung – aber eine bemerkenswerte, weil sie aus einem Umfeld stammt, das über sehr gute menschliche Fachkräfte verfügt.
Wo die Agenten scheitern
Die gleiche Auswertung nennt die Gegenseite ohne Beschönigung. Bei komplexer Infrastruktur und bei neuen Ideen versagen die Agenten regelmäßig. Und die wichtigsten Konzepte für die kommenden Modellgenerationen GPT-6 und GPT-6.2 stammten ausschließlich von Menschen.
Damit zeichnet sich ein recht klares Bild ab: Agenten sind stark dort, wo ein Problem beschreibbar, überprüfbar und in bekannten Mustern lösbar ist. Sie sind schwach dort, wo ein System in seiner Gesamtheit verstanden werden muss, wo implizites Wissen über gewachsene Abhängigkeiten nötig ist oder wo ein Lösungsweg erst erfunden werden muss.
Übertragbarkeit auf den Agenturalltag
OpenAI ist kein typischer Mittelstandsbetrieb und auch keine Webagentur. Die Rahmenbedingungen unterscheiden sich in mehreren Punkten, die man mitdenken sollte:
- Kostenrahmen: Ein Token-Verbrauch in dieser Größenordnung pro Kopf und Tag ist in den meisten Organisationen schlicht nicht budgetierbar. Wer Agenten produktiv einsetzt, arbeitet mit deutlich engeren Grenzen – und muss entsprechend gezielter auswählen, welche Aufgaben sich lohnen.
- Aufgabenprofil: Forschungsnahe Arbeit an Modellen erzeugt viele gut isolierbare Experimente. Projektgeschäft mit Kundensystemen, Legacy-Code und Schnittstellen zu Drittsystemen sieht anders aus – und fällt damit tendenziell in die Kategorie, in der die Agenten laut OpenAI schwächeln.
- Verantwortung: Wer Software für Kundinnen und Kunden ausliefert, trägt Haftung für das Ergebnis. Ein Agentenvorschlag ist ein Entwurf, kein Abnahmestand.
Welche Aufgaben sich heute sinnvoll delegieren lassen
Aus dem beschriebenen Muster lässt sich eine pragmatische Aufteilung ableiten. Gut geeignet sind in der Regel Aufgaben mit klarer Zielbeschreibung und schneller Prüfbarkeit:
- Tests schreiben und bestehende Testabdeckung erweitern
- Routinemäßige Refactorings innerhalb abgegrenzter Module
- Migrationen nach bekanntem Schema, etwa Anpassungen an neue Framework-Versionen
- Erstentwürfe für Dokumentation, Changelogs und Code-Kommentare
- Fehlersuche in reproduzierbaren, eng eingegrenzten Fällen
- Wiederkehrende Boilerplate-Arbeit, also strukturell gleichartiger Standardcode
Zurückhaltender sollte man dort sein, wo Architekturentscheidungen fallen, wo sicherheitsrelevante Logik entsteht, wo Berechtigungs- und Datenschutzkonzepte berührt werden oder wo ein System über mehrere Ebenen hinweg verändert wird. Genau das sind die Bereiche, die in der OpenAI-Auswertung als Schwachstelle auftauchen – und dort ist der Prüfaufwand oft höher als der Zeitgewinn.
Was Teams organisatorisch brauchen
Der Nutzen von Agenten hängt weniger am Modell als an der Umgebung, in der es arbeitet. Je besser ein Projekt automatisiert prüfbar ist, desto mehr lässt sich delegieren. Praktisch heißt das: belastbare Tests, eine funktionierende Continuous-Integration-Strecke, also automatisierte Bau- und Prüfläufe bei jeder Änderung, sowie saubere Code-Reviews mit menschlicher Freigabe.
Ebenso wichtig ist eine nüchterne Kostenkontrolle. Wenn ein Agent über Stunden hinweg Varianten durchprobiert, entstehen Kosten, die sich nur rechnen, wenn das Ergebnis tatsächlich eingesetzt wird. Es lohnt sich, Verbrauch und Nutzen pro Aufgabenart zu beobachten, statt Agenten pauschal überall zuzuschalten.
Und schließlich: Fachliche Konzeptarbeit bleibt vorerst menschliche Arbeit. Dass selbst bei OpenAI die zentralen Ideen für die nächsten Modellgenerationen von Menschen kamen, ist ein deutliches Signal gegen die Erwartung, Agenten könnten die konzeptionelle Phase eines Projekts übernehmen. Anforderungsklärung, Architekturentwurf und die Abwägung zwischen fachlichen Zielen und technischer Machbarkeit bleiben am Team.
Einordnung für Web- und Softwareprojekte
Für Web- und Softwareprojekte heißt das: Coding-Agenten sind ein ernstzunehmendes Werkzeug für die gut beschreibbare Fleißarbeit, aber kein Ersatz für Konzeption, Architektur und Verantwortung. Den größten Hebel haben sie in Projekten, die ohnehin gut strukturiert, getestet und automatisiert geprüft sind – wer hier investiert, verbessert gleichzeitig die Ausgangslage für den Agenteneinsatz. Realistisch kalkuliert wird der Gewinn also nicht als pauschale Beschleunigung, sondern als Entlastung bei klar abgegrenzten Aufgaben, während die komplexen Entscheidungen weiterhin im Team getroffen werden.