Wohin die Zeit verschwindet

Fiktive Figuren in dieser Folge: Jonas (Junior-Entwickler), Daniel (erfahrener Entwickler; in Folge 1 Stellvertreter für die Studienteilnehmer, ab jetzt Teil des Teams), Miriam (Teamleiterin von Daniel und Jonas), Hanna (Hochzeitsfotografin, das Bild dieser Folge).

Kleines Glossar

• Pull Request: ein Änderungsvorschlag, den jemand prüft, bevor er in den gemeinsamen Code kommt.
• Diff: die Gegenüberstellung von altem und neuem Code.
• Mergen: Änderungen in den gemeinsamen Code zusammenführen; in vielen Teams erst nach einer Prüfung.
• Commit: ein gespeicherter Zwischenstand in der Versionsverwaltung.

Werkzeug-Tipp: Durchlaufzeiten ablesen statt schätzen

Ein Coding Agent (z. B. Claude Code) kann Git und die GitHub-CLI selbst aufrufen. Beispiel-Prompt: "Zeig mir für meine letzten zehn Pull Requests die Zeitabstände zwischen erstem Commit, Eröffnung, erstem eingereichten Review und Merge." Das sind Durchlaufzeiten, keine reinen Wartezeiten: Nächte, Rückfragen und Überarbeitung stecken mit drin. Aktive Arbeit und tatsächliche Liegezeit müsst ihr zusätzlich erfassen.

Was dahinter steckt:

• gh pr list --author @me --state merged --limit 10 --json number,title,createdAt,mergedAt,reviews,commits liefert pro Pull Request Erstellungs- und Merge-Zeitpunkt, Reviews und Commits. https://cli.github.com/manual/gh_pr_list
• git log --format='%h %aI %s' zeigt Commits mit Autorendatum (ISO 8601); ein erster Commit ist nicht unbedingt der Arbeitsbeginn. https://git-scm.com/docs/git-log
• Claude Code arbeitet mit gh (z. B. gh pr create) und lässt sich mit git log | claude -p "..." in Skripten nutzen. https://code.claude.com/docs/en/common-workflows

Gegen doppelte Funktionen: den Agenten vor der Arbeit nach vorhandenen Funktionen suchen lassen und die wichtigsten Bausteine des Projekts in die Notizdatei schreiben, die er bei jedem Start liest (Claude Code: CLAUDE.md, wird in jeder Sitzung geladen und kann auch AGENTS.md lesen; AGENTS.md wird u. a. von Codex, Cursor und dem Coding Agent von GitHub Copilot unterstützt). https://code.claude.com/docs/en/memory · https://agents.md

Bürofassung: Der Versionsverlauf eines Dokuments zeigt, wer wann geändert hat (z. B. Google Docs). https://support.google.com/docs/answer/190843

Quellen

Im Text genannt

• Atlassian (2025): State of Developer Experience Report 2025. Befragung von 3.500 Entwicklern und Führungskräften in sechs Ländern; 16 % der Zeit fürs Programmieren, 68 % sparen mehr als 10 Stunden pro Woche mit KI, 50 % verlieren mehr als 10 Stunden pro Woche durch organisatorische Ineffizienz. Herstellerbefragung, Selbstauskunft. https://www.atlassian.com/blog/developer/developer-experience-report-2025
• Lee, Sarkar, Tankelevitch, Drosos, Rintel, Banks, Wilson (Microsoft Research und Carnegie Mellon, CHI 2025): The Impact of Generative AI on Critical Thinking. 319 Wissensarbeiter, 936 Beispiele. Selbstauskunft. https://doi.org/10.1145/3706598.3713778 (PDF: https://advait.org/files/lee_2025_ai_critical_thinking_survey.pdf)
• Anthropic (2. Dezember 2025): How AI is transforming work at Anthropic. Befragung von 132 Engineers und Forschenden, 53 Interviews, Claude-Code-Nutzungsdaten (August 2025). Selbst geschätzter Nutzungsanteil von 28 % auf 59 %; mehr als die Hälfte kann nur 0-20 % ihrer Arbeit vollständig delegieren; ein Engineer schätzt über 70 % seiner Arbeit als Code Review. Selektive Umgebung, kein Kontrollvergleich. https://www.anthropic.com/research/how-ai-is-transforming-work-at-anthropic
• Faros AI (23. Juli 2025): The AI Productivity Paradox Report 2025. Telemetrie von über 10.000 Entwicklern in 1.255 Teams; bei hoher KI-Nutzung 98 % mehr gemergte PRs, 91 % längere Reviewzeit, 154 % größere PRs, kein signifikanter Zusammenhang auf Unternehmensebene. Herstellerdaten, Korrelation. https://www.faros.ai/blog/ai-software-engineering

Im Text ohne Namen erwähnt

• Alphabet (29. Oktober 2024): Q3 earnings call, Remarks von CEO Sundar Pichai ("more than a quarter of all new code at Google is generated by AI, then reviewed and accepted by engineers"). https://blog.google/inside-google/message-ceo/alphabet-earnings-q3-2024/
• GitClear (2025): AI Copilot Code Quality: 2025 Data Suggests 4x Growth in Code Clones. 211 Mio. geänderte Zeilen 2020-2024; 2024 erstmals mehr kopierte als verschobene Zeilen. Herstellerdaten, Korrelation. https://www.gitclear.com/ai_assistant_code_quality_2025_research
• Goodharts Gesetz (Goodhart 1975; die zitierte Formulierung stammt von Marilyn Strathern 1997). Ausführlich in Folge 8. https://en.wikipedia.org/wiki/Goodhart%27s_law
• Goldratt, E. M., Cox, J. (1984): The Goal. Theorie der Engpässe (Theory of Constraints). https://en.wikipedia.org/wiki/Theory_of_constraints
• Stack Overflow (2025): Developer Survey 2025, Abschnitt KI. 66 % der Antwortenden auf die Frage nach Frustrationen nennen "AI solutions that are almost right, but not quite". https://survey.stackoverflow.co/2025/ai
• Ebert, Castor, Novielli, Serebrenik (SANER 2019): Confusion in Code Reviews: Reasons, Impacts, and Coping Strategies. https://doi.org/10.1109/SANER.2019.8668024
• Warm, Parasuraman, Matthews (2008): Vigilance Requires Hard Mental Work and Is Stressful. Human Factors 50(3). https://doi.org/10.1518/001872008X312152
• DORA: Software delivery performance metrics (u. a. change lead time). https://dora.dev/guides/dora-metrics-four-keys/

Mehr dazu (nicht im Text)

• Baolin, Harvey (DORA, 10. März 2026): Balancing AI tensions. Thematische Analyse von 1.110 offenen Antworten von Google Software Engineers; gesparte Zeit wird in Prüf- und Prompt-Aufwand umverteilt; Empfehlung "Measure impact, not output". Qualitativ, ein Unternehmen. https://dora.dev/insights/balancing-ai-tensions/
• DORA / Google Cloud (2024): Highlights from the 10th DORA report. Je 25 % mehr KI-Nutzung geschätzt 1,5 % weniger Liefergeschwindigkeit und 7,2 % weniger Stabilität. Befragung, Korrelation. https://cloud.google.com/blog/products/devops-sre/announcing-the-2024-dora-report
• Dijkstra, E. W. (1988): EWD 1036 ("lines spent" statt "lines produced"). https://www.cs.utexas.edu/~EWD/transcriptions/EWD10xx/EWD1036.html

Rückblick Folge 1

• Becker, Rush, Barnes, Rein (METR, 2025): Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. https://arxiv.org/abs/2507.09089

Grundlage der Serie

• Healthy AI First Software Development, Fassung 2 (01.10.2026), Kapitel 3 "Was KI an der Arbeit verändert".