Zum Inhalt

Cookie-Einstellungen

Sie entscheiden je Kategorie, welche Dienste wir nutzen dürfen; vorausgewählt ist nichts. Ihre Wahl gilt für alle Seiten unter fh‑wedel.de, wird 12 Monate in einem Cookie gespeichert und lässt sich jederzeit im Footer unter „Cookie-Einstellungen“ ändern oder widerrufen. Datenschutz

Notwendig

Immer aktiv

Speichert Ihre Wahl, damit die Einwilligung funktioniert. Immer aktiv.

  • EinwilligungsverwaltungFachhochschule Wedel gGmbH
    Anbieter
    Fachhochschule Wedel gGmbH, Feldstraße 143, 22880 Wedel
    Zweck
    Speichert Ihre Entscheidung über Cookies und Dienste, damit wir Sie nicht bei jedem Aufruf erneut fragen.
    Cookies
    • fhw_einwilligung12 Monate
    • fhw_widerspruch12 Monate
    Drittland
    keins (EU)

Statistik

Wir messen, wie viele Menschen unsere Seiten besuchen und welche Beiträge sie lesen, um das Angebot zu verbessern.

  • Google Tag ManagerGoogle Ireland Limited
    Anbieter
    Google Ireland Limited, Gordon House, Barrow Street, Dublin 4, Irland
    Zweck
    Lädt die Dienste der Kategorien, in die Sie eingewilligt haben.
    Cookies
    keine eigenen
    Drittland
    USA (Data Privacy Framework)
  • Google Analytics 4Google Ireland Limited
    Anbieter
    Google Ireland Limited, Gordon House, Barrow Street, Dublin 4, Irland
    Zweck
    Misst, wie unsere Seiten genutzt werden, etwa welche Seiten aufgerufen werden und woher die Besuche kommen.
    Cookies
    • _ga2 Jahre
    • _ga_*2 Jahre
    Drittland
    USA (Data Privacy Framework)
  • MatomoFachhochschule Wedel gGmbH (eigener Server)
    Anbieter
    Fachhochschule Wedel gGmbH (eigener Server), Feldstraße 143, 22880 Wedel
    Zweck
    Misst auf unserem eigenen Server, welche Seiten und Beiträge aufgerufen und gelesen werden und woher die Besuche kommen.
    Cookies
    • _pk_id*13 Monate
    • _pk_ses*30 Minuten
    • _pk_ref*6 Monate
    Drittland
    keins (EU)

Marketing

Wir zeigen Werbung für die FH Wedel bei Google, Facebook, Instagram und TikTok (auch Menschen, die unsere Seiten besucht haben) und messen, ob sie wirkt. Dabei gelangen Daten in die USA und nach China.

  • Google Tag ManagerGoogle Ireland Limited
    Anbieter
    Google Ireland Limited, Gordon House, Barrow Street, Dublin 4, Irland
    Zweck
    Lädt die Dienste der Kategorien, in die Sie eingewilligt haben.
    Cookies
    keine eigenen
    Drittland
    USA (Data Privacy Framework)
  • Google AdsGoogle Ireland Limited
    Anbieter
    Google Ireland Limited, Gordon House, Barrow Street, Dublin 4, Irland
    Zweck
    Misst, ob Besuche auf unsere Anzeigen zurückgehen, und zeigt unsere Anzeigen Besucherinnen und Besuchern erneut (Remarketing).
    Cookies
    • _gcl_*3 Monate
    Drittland
    USA (Data Privacy Framework)
  • Meta-PixelMeta Platforms Ireland Limited
    Anbieter
    Meta Platforms Ireland Limited, Merrion Road, Dublin 4, D04 X2K5, Irland
    Zweck
    Misst den Erfolg unserer Anzeigen auf Facebook und Instagram und zeigt sie passenden Zielgruppen.
    Cookies
    • _fbp3 Monate
    • _fbc3 Monate
    Drittland
    USA (Data Privacy Framework)
  • TikTok-PixelTikTok Technology Limited
    Anbieter
    TikTok Technology Limited, 10 Earlsfort Terrace, Dublin, D02 T380, Irland
    Zweck
    Misst den Erfolg unserer Anzeigen auf TikTok und zeigt sie passenden Zielgruppen.
    Cookies
    • _ttp13 Monate
    • _tt_enable_cookie13 Monate
    • ttcsid*siehe Anbieter
    Drittland
    Drittländer einschließlich China (Standardvertragsklauseln)

Externe Medien

Wir zeigen eingebettete Videos und andere Inhalte fremder Anbieter direkt auf unseren Seiten; dabei erhält der Anbieter Daten wie Ihre IP-Adresse.

  • YouTubeGoogle Ireland Limited
    Anbieter
    Google Ireland Limited, Gordon House, Barrow Street, Dublin 4, Irland
    Zweck
    Spielt eingebettete Videos von YouTube ab, nachdem Sie ein Video geladen haben.
    Cookies
    keine eigenen
    Drittland
    USA (Data Privacy Framework)
Alle Artikel

Thesis

Einfluss von GenAI auf die Produktivität in der Softwareentwicklung – Eine Mixed-Methods-Untersuchung zentraler Einflussfaktoren

Generative KI verspricht schnellere Softwareentwicklung. Eine Befragung von 196 Entwicklern und fünf Experteninterviews zeigen, dass das erste brauchbare Ergebnis zwar schneller entsteht, der Nettogewinn aber von Prüfung und Korrektur abhängt.

  • Veröffentlicht am
  • Verfasst von Marcel Krepski, M. Sc. Wirtschaftsinformatik / IT-Management
  • Betreut von Prof. Dennis Proppe und Prof. Gerrit Remané
  • Teilen

Generative Künstliche Intelligenz hat den Arbeitsalltag vieler Softwareentwickler in kurzer Zeit verändert. Werkzeuge wie ChatGPT oder GitHub Copilot erzeugen auf einfache Anweisungen hin Texte und Programmcode. Laut DORA-Report 2025 nutzen rund 90 Prozent der befragten Technologieexperten KI bei ihrer Arbeit. Über den tatsächlichen Produktivitätsgewinn herrscht jedoch Uneinigkeit. Während ein kontrolliertes Experiment 55 Prozent kürzere Bearbeitungszeiten ermittelte (Peng et al., 2023), kam eine Untersuchung mit erfahrenen Entwicklern in realen Projekten auf eine Verlangsamung um 19 Prozent (Becker et al., 2025). Wie lassen sich diese Unterschiede erklären?

Was nach der Prüfung übrig bleibt

Die Masterthesis untersucht, welche Faktoren den Einfluss von GenAI auf die Produktivität in der Softwareentwicklung bestimmen. Ein KI-Vorschlag kann innerhalb weniger Sekunden entstehen, muss anschließend jedoch geprüft, angepasst und in den jeweiligen Projektkontext eingeordnet werden. Entscheidend ist daher nicht nur die eingesparte Zeit, sondern welcher Vorteil nach diesen zusätzlichen Aufwänden tatsächlich verbleibt. Untersucht wurde dies mit einer Befragung von 196 Softwareentwicklern, die sich jeweils auf eine konkrete, mit GenAI bearbeitete Aufgabe bezogen. Erfasst wurden unter anderem Aufgabenkomplexität, Ergebnisqualität sowie der Aufwand für Prüfung und Korrektur. Fünf anschließende Experteninterviews dienten dazu, die statistischen Zusammenhänge anhand praktischer Erfahrungen näher zu erklären.

Schneller zum ersten Ergebnis, nicht unbedingt schneller fertig

Ein besonders deutlicher Befund zeigt sich beim Vergleich zwischen dem ersten brauchbaren Ergebnis und der gesamten Bearbeitungszeit. Fast vier von fünf Befragten gelangten mit GenAI schneller zu einem ersten nutzbaren Ergebnis. Bei der Gesamtbearbeitungszeit fiel der Vorteil jedoch deutlich geringer aus.

Mehr als ein Viertel der Befragten benötigte insgesamt sogar mehr Zeit. Eine Entwicklungsaufgabe endet schließlich nicht mit der Generierung eines Vorschlags. Tests, Reviews und die Integration in bestehende Systeme bleiben erforderlich. Schneller fertig zu sein und insgesamt mehr zu schaffen sind daher zwei unterschiedliche Formen von Produktivität. Wie groß der Nutzen ausfällt, hängt außerdem stark von der Tätigkeit ab. Besonders positiv wurden das Schreiben von Tests, Dokumentationsaufgaben sowie Datenverarbeitung und kleinere Skripte bewertet, deren Ergebnisse sich meist schnell überprüfen lassen. Neue Funktionen und die Überarbeitung bestehenden Codes lagen im Mittelfeld. Bei der Fehlersuche wurde dagegen im Durchschnitt kein eindeutiger Produktivitätsgewinn wahrgenommen.

Qualität und Prüfaufwand als Schlüsselfaktoren

Eine Schlüsselrolle spielt die Qualität der KI-generierten Ergebnisse. Mit zunehmender Aufgabenkomplexität wurde sie tendenziell schlechter bewertet, zugleich ging eine höhere Ergebnisqualität mit einer höheren wahrgenommenen Nettoproduktivität einher. Dieser Vorteil kann jedoch durch zusätzlichen Prüfaufwand wieder reduziert werden. Je mehr Zeit für die Kontrolle eines KI-generierten Ergebnisses erforderlich war, desto geringer fiel der wahrgenommene Produktivitätsgewinn aus.

Fazit

Das zentrale Ergebnis der Arbeit lässt sich daher einfach zusammenfassen: Der Produktivitätsgewinn durch GenAI entsteht nicht bereits durch die schnelle Erzeugung von Code. Entscheidend ist, wie effizient aus einem KI-generierten Vorschlag eine verlässliche und im jeweiligen Projekt tatsächlich einsetzbare Lösung wird.