KI-Code ist billig erzeugt und teuer im Unterhalt

Steve Yegges KI-Agenten schreiben für ein einziges Spiel rund 175 Commits am Tag und verbrennen etwa 76.000 Euro an Token im Monat. Simon Green benennt in einem Essay den wunden Punkt: KI senkt die Kosten fürs Herstellen, nicht die fürs Unterhalten. Für Agenturen und Entwicklungsteams kommt die eigentliche Rechnung erst später.

drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen

KI-Code entsteht heute schneller, als ein Team ihn lesen kann. Die neue Kostenfalle liegt hinter der Produktion: Ein Sprachmodell wirft Code, Tests, Dokumentation und Governance-Regeln fast zum Nulltarif aus, doch prüfen, warten und irgendwann abschalten muss jede Zeile ein Mensch.

• Billig erzeugt, teuer im Unterhalt: KI drückt die Herstellungskosten für Code, Tests und Doku, nicht die Wartungskosten.
• Steve Yegges Agentenschwarm produziert für ein einziges Spiel rund 175 Commits am Tag und 69 Milliarden Token im Monat.
• Ein Report von Faros AI zeigt: 98 Prozent mehr zusammengeführte Pull Requests, aber keine bessere Auslieferung.
• Für DACH-Teams zählt künftig die Frage „Darf das überhaupt entstehen?“ mehr als „Was bauen wir noch?“.

Warum entsteht mit KI zu viel Code?

Ein Sprachmodell kennt keinen Grenzaufwand. Jede zusätzliche Regel, jeder weitere Test, jede dokumentierte Ausnahme kostet in der Erzeugung fast nichts und wird darum gebaut. Green beschreibt den Mechanismus als stille Anhäufung: Ein schlechtes Urteil führt zu einer Regel, die Regel zu einem Test, der Test zu einem Kontrollmechanismus, bis am Ende Governance über der Governance steht.^[1] Die Grenzkosten der Produktion sind gefallen, die des Besitzes nicht.

Was kostet der Unterhalt wirklich?

Steve Yegge betreibt für sein Spiel Wyvern einen Schwarm aus 18 benannten KI-Agenten samt Flottenarbeitern. Der Schwarm hält rund 300.000 Zeilen Code am Leben, die Hälfte davon Testcode, bei etwa 175 Commits am Tag.^[2] Allein im Juli verarbeitete das System 69 Milliarden Token, zu Kosten von rund 76.000 Euro im Monat.^[2] Diese Maschinerie läuft, produziert und muss von Menschen geordnet werden.

Der Aufwand verschiebt sich, statt zu verschwinden. Ein Report von Faros AI über mehr als 22.000 Entwickler zeigt dasselbe Muster: Teams mit hohem KI-Einsatz führten 98 Prozent mehr Pull Requests zusammen, ohne dass die Auslieferung nach den DORA-Kennzahlen besser wurde.^[3] Die reine Prüfzeit im Review stieg im Schnitt um rund 200 Prozent. Wie stark KI-Ausgabe die künstliche Intelligenz im Alltag verändert, dokumentiert Dr. Web laufend im KI-Ressort.

Was heißt das für Entscheider im DACH-Raum?

Für Agenturen, Inhouse-Teams und Mittelständler dreht sich die Leitfrage um. Nicht „Was können wir noch bauen?“ entscheidet, sondern „Was davon muss existieren?“. Ein Manifest für den Umgang mit KI-Code fordert genau diese engere Führung. Andere Redaktionen berichten längst von einer Aufräum-Ära der UX, in der Menschen hinter den Modellen herräumen.

• Ein festes Budget dafür, wie viel Kapazität interne Maschinerie fressen darf.
• Pro Regel ein Pflicht-Nachweis, welchen konkreten Fehler sie verhindert.
• Ein einfacher Weg, Tests, Rollen und Richtlinien wieder abzuschaffen.

Die härteste Frage ist zugleich die billigste: Verdient dieser Code, dieser Test, diese Regel es zu existieren? Diese Frage vor jedem KI-Auftrag zu stellen, senkt später die Unterhaltskosten spürbar.

Quellen

[1] Simon Green: „AI Is Making Us Build Too Much“

[2] Steve Yegge: „The Shape of Things to Come“

[3] Faros AI: „The AI Engineering Report 2026: The Acceleration Whiplash“

Mehr Newshunger?

• Critical Design Engineering: Ein Manifest für den Umgang mit KI-Code
• Die Aufräum-Ära der UX: Wenn Teams hinter der KI aufräumen
• Microsoft macht Rust zur Tier-1-Sprache
• Open Design System Bench: Wie KI-tauglich ist Ihr Design-System?
• Tailwind Labs geht zu Shopify: Wie die KI das Geschäftsmodell aushöhlte