Auf einen Blick
- Quelle
- Daniotti, Wachs, Feng and Neffke (2026). Who is using AI to code? Global diffusion and impact of generative AI. Science, 391(6787), 831–835. doi:10.1126/science.adz9311
- Wie sie durchgeführt wurde
- Die Autoren trainierten ein Programm, das von KI geschriebenen Python-Code erkennt. Sie ließen es über öffentlichen Code auf GitHub laufen, um zu verfolgen, wie schnell sich KI beim Programmieren verbreitete, und schätzten, wie sich die Leistung der Entwickler veränderte, als sie KI aufnahmen. Datenanalyse. Sie bildet ein Maß aus vorhandenen Daten, etwa aus Angaben zu Berufen und Aufgaben.
- Wer teilnahm
- Mehr als 30 Millionen Commits auf GitHub von 160.097 Softwareentwicklern.
- Wo
- Öffentlicher Python-Code auf GitHub, weltweit, mit Vergleichen zwischen Ländern.
“By contrast, early-career developers showed no significant benefits from AI adoption.” [Berufseinsteiger hingegen zeigten keinen signifikanten Nutzen durch die Einführung von KI.]
Was sie fand
- Wie viel KI schreibt. KI schrieb schätzungsweise 29 % der Python-Funktionen in den Vereinigten Staaten. Der Vorsprung der USA gegenüber anderen Ländern schrumpft.
- Leistung. Die vierteljährliche Leistung, gemessen an Code-Beiträgen, stieg wegen KI schätzungsweise um 3,6 %.
- Wer gewann. Erfahrene, ältere Entwickler, die KI nutzten, leisteten mehr. Sie wagten sich auch bereitwilliger an neue Bereiche der Software.
- Wer nicht. Berufseinsteiger, die KI nutzten, zeigten keinen klaren Nutzen.
Eine frühere Fassung der Arbeit auf arXiv vom November 2025 nannte eine Stichprobe von etwa 170.000 Entwicklern (arXiv 2506.08945). Die Zahlen auf dieser Seite stammen aus der Fassung in der Zeitschrift.
Wann das Ergebnis gilt
Die Studie verfolgt die öffentliche Arbeit von Entwicklern über die Zeit, außerhalb eines einzelnen Unternehmens. Studien in Unternehmen weisen in die andere Richtung. Im Kundenservice etwa gewannen weniger erfahrene Servicekräfte am meisten durch einen KI-Assistenten (Brynjolfsson, Li und Raymond, 2025). Diese Studien messen die Leistung bei festgelegten Aufgaben mit dem Werkzeug. Diese hier misst, was Entwickler aus eigenem Antrieb öffentlich bauten. Die Evidenz dazu, wer am meisten gewinnt, weist in beide Richtungen.
Grenzen
- Die Studie beobachtet Entwickler; sie teilt KI nicht per Zufall zu.
- Sie stützt sich auf ein Programm, das von KI geschriebenen Code erkennt, und das kann sich irren.
- Leistung bedeutet Code-Beiträge, nicht den Wert des Codes.
- Sie betrifft nur öffentlichen Python-Code.
Praktiken, die sich auf diese Studie stützen
Diese Studie schränkt ein oder widerspricht: