25 Jahre später
Warum das Agile Manifest ausgerechnet durch KI wieder modern wird
Im Februar 2001 trafen sich 17 Softwareentwickler in den Bergen von Utah und formulierten einen Text, der erstaunlich wenig Platz benötigte, um eine ganze Branche zu beeinflussen. Vier Werte und zwölf Prinzipien sollten eine Alternative zu einer Form der Softwareentwicklung beschreiben, bei der Prozesse, Spezifikationen und langfristige Pläne mitunter wichtiger geworden waren als das tatsächlich funktionierende Produkt. Ein Vierteljahrhundert später hat sich die technische Welt radikal verändert. Generative KI schreibt Code, erstellt Tests, analysiert bestehende Anwendungen und übernimmt in agentischen Entwicklungsumgebungen zunehmend komplexere Arbeitsschritte. Man könnte deshalb erwarten, dass ein Manifest aus dem Jahr 2001 heute vor allem von historischem Interesse ist. Doch ausgerechnet der Aufstieg künstlicher Intelligenz lässt einige seiner zentralen Gedanken erstaunlich gegenwärtig erscheinen.
Das liegt nicht daran, dass die Autoren des Agilen Manifests generative KI vorausgesehen hätten. Dafür gibt es keinen Beleg, und eine solche Interpretation würde dem historischen Text eine Voraussicht zuschreiben, die er weder beansprucht noch benötigt. Interessant ist etwas anderes: Die Autoren beschrieben einen Konflikt, der durch KI nicht verschwindet, sondern neue Schärfe bekommt. Was geschieht, wenn Prozesse und Werkzeuge immer leistungsfähiger werden, während Wert, Verantwortung und menschliche Urteilskraft nicht im gleichen Maße automatisierbar sind? Genau an dieser Stelle bekommt das alte Manifest eine bemerkenswerte Aktualität.
Vier alte Werte treffen auf eine völlig neue Arbeitswelt
Das Agile Manifest ist bemerkenswert knapp.
Individuen und Interaktionen sollten höher gewichtet werden als Prozesse und Werkzeuge,
funktionierende Software höher als umfassende Dokumentation,
Zusammenarbeit mit dem Kunden höher als Vertragsverhandlung
und das Reagieren auf Veränderung höher als das Befolgen eines Plans.
Entscheidend ist dabei eine Feinheit, die in vereinfachten Darstellungen häufig verloren geht: Die Autoren erklärten Prozesse, Werkzeuge, Dokumentation, Verträge und Pläne ausdrücklich nicht für wertlos. Im Original heißt es vielmehr, dass auch die Punkte auf der rechten Seite einen Wert besitzen, die auf der linken jedoch höher geschätzt werden. Genau diese Priorisierung gehört zum Kern des Manifests.
Gerade deshalb ist der Text heute interessanter, als es die oft ritualisierte Berufung auf „agil“ vermuten lässt. Softwareentwicklung leidet 2026 sicher nicht unter einem Mangel an Werkzeugen. Sie erlebt vielmehr deren Explosion. KI kann Quellcode erzeugen, vorhandene Systeme erklären, Tests vorschlagen, Dokumentationen vorbereiten und Entwicklungsaufgaben teilweise über mehrere Schritte hinweg bearbeiten. Daraus ließe sich eine einfache Zukunftserzählung ableiten: Je mächtiger die Werkzeuge werden, desto weniger wichtig werden die Menschen, die bisher mit ihnen gearbeitet haben. Die aktuelle Evidenz ist jedoch erheblich widersprüchlicher.
Je leistungsfähiger die Werkzeuge werden, desto wichtiger wird die Frage nach dem Urteil
Die Stack Overflow Developer Survey 2025 zeigt diese Spannung besonders deutlich. 84 Prozent der Befragten nutzen KI-Werkzeuge bereits oder planen deren Einsatz. Gleichzeitig misstrauen 46 Prozent der Genauigkeit der KI-Ausgaben, während nur 33 Prozent Vertrauen äußern. 66 Prozent nennen Lösungen, die beinahe richtig, aber eben nicht vollständig korrekt sind, als ihre größte Frustration; 45 Prozent beklagen, dass das Debugging KI-generierten Codes mehr Zeit kostet.
Das ist kein wissenschaftlicher Beweis für die Überlegenheit agiler Prinzipien. Eine Entwicklerbefragung misst Einstellungen und Erfahrungen, keine allgemeingültige Wirkung einer Managementphilosophie. Sie legt aber einen Konflikt offen, der erstaunlich gut zur ersten Priorität des Manifests passt. Ein Werkzeug kann leistungsfähiger werden, ohne dass die Beurteilung seiner Ergebnisse einfacher wird. Je mehr die Maschine erzeugen kann, desto weniger besteht menschliche Arbeit ausschließlich darin, selbst etwas zu produzieren. Gleichzeitig steigt die Bedeutung der Fähigkeit, Ergebnisse einzuordnen, fachlichen Kontext herzustellen, Fehler zu erkennen und Verantwortung für Entscheidungen zu übernehmen.
Damit verschwindet der Entwickler nicht automatisch aus dem Prozess. Seine Rolle kann sich verschieben. Wer nicht mehr jede Zeile selbst schreiben muss, muss umso besser beurteilen können, welche Zeilen überhaupt geschrieben werden sollten, ob ein KI-Vorschlag zur vorhandenen Architektur passt und welche Risiken er möglicherweise in das System trägt. In dieser Lesart bedeutet „Individuen und Interaktionen mehr als Prozesse und Werkzeuge“ nicht, moderne Werkzeuge kleinzureden. Es bedeutet, ihre Leistungsfähigkeit nicht mit selbstständiger Urteilskraft zu verwechseln.
Der Produktivitätshype bekommt Gegenwind
Wie vorsichtig Unternehmen bei pauschalen Produktivitätsversprechen sein sollten, zeigt eine Studie der Forschungsorganisation METR aus dem Jahr 2025. In einem randomisierten Experiment bearbeiteten 16 erfahrene Open-Source-Entwickler insgesamt 246 reale Aufgaben in Projekten, mit denen sie sehr vertraut waren. In diesem konkreten Setting benötigten sie mit damaligen KI-Werkzeugen im Mittel 19 Prozent länger als ohne KI-Unterstützung. Bemerkenswert war dabei, dass die Entwickler selbst vor dem Experiment eine Beschleunigung erwartet hatten.
Der Befund eignet sich allerdings gerade nicht für die Behauptung, KI mache Softwareentwickler generell langsamer. METR grenzt die Aussage selbst ausdrücklich ein. Die untersuchten Entwickler waren erfahrene Open-Source-Spezialisten, arbeiteten an vertrauten, reifen Codebasen und nutzten Werkzeuge aus dem frühen Jahr 2025. Daraus lässt sich keine allgemeingültige Aussage über alle Entwickler, Aufgaben oder Entwicklungsumgebungen ableiten.
Noch wichtiger ist deshalb der zeitliche Gegencheck. METR versuchte später, die Entwicklung mit neueren Werkzeugen weiterzuverfolgen. Im Februar 2026 berichtete die Organisation, dass veränderte Arbeitsweisen und Auswahlverzerrungen eine zuverlässige Messung inzwischen erschweren. Die Daten deuteten bei einem Teil der Teilnehmer auf Produktivitätsgewinne hin, doch METR stufte die genaue Größenordnung ausdrücklich als unsicher ein. Die Forscher halten es für wahrscheinlich, dass neuere KI-Werkzeuge Entwickler stärker beschleunigen als die Systeme aus dem frühen Jahr 2025, sehen ihre eigenen Daten aber nicht als ausreichenden Beleg für eine präzise allgemeine Effektgröße.
Gerade dieser Widerspruch ist journalistisch wertvoll. Die seriöse Schlussfolgerung lautet weder „KI macht Entwickler langsamer“ noch „KI macht Entwickler automatisch schneller“. Die Wirkung hängt vom Werkzeug, der Aufgabe, dem Erfahrungshintergrund, der Codebasis und der Arbeitsorganisation ab. Genau damit gerät eine rein werkzeugzentrierte Sichtweise ins Wanken.
Wenn Code leichter entsteht, wird funktionierende Software nicht weniger wichtig
Damit wird auch der zweite Wert des Agilen Manifests interessant: funktionierende Software mehr als umfassende Dokumentation. Im Jahr 2001 richtete sich dieser Gedanke gegen Entwicklungswelten, in denen umfangreiche Spezifikationen den Eindruck von Fortschritt erzeugen konnten, obwohl noch kaum etwas tatsächlich funktionierte. Heute entsteht eine andere Form desselben Problems. Generative KI kann innerhalb kurzer Zeit große Mengen von Code produzieren, und dieser Code kann auf den ersten Blick ausgesprochen überzeugend wirken. Er kann sauber strukturiert sein, plausibel erklärt werden und trotzdem an einer entscheidenden Stelle falsch liegen.
Die Stack-Overflow-Daten passen in diese Lücke zwischen plausibel und korrekt. Wenn zwei Drittel der Befragten ausgerechnet „fast richtige“ KI-Lösungen als zentrale Frustration nennen, zeigt das, warum Output allein kein belastbares Fortschrittsmaß ist. Auch das ursprüngliche Agile Manifest formuliert diesen Gedanken klar: Funktionierende Software sei das wichtigste Maß für Fortschritt; zugleich solle kontinuierlich auf technische Exzellenz und gutes Design geachtet werden.
Für KI-gestützte Entwicklung lässt sich daraus eine aktuelle Konsequenz ableiten. Je billiger das Erzeugen von Code wird, desto wertvoller kann die Fähigkeit werden, seine tatsächliche Qualität zu überprüfen. Der Engpass verschiebt sich damit zumindest teilweise von der Produktion zur Verifikation. Hundert automatisch erzeugte Funktionen schaffen nicht automatisch mehr Wert als zehn Funktionen, deren Verhalten verstanden, getestet und in den Systemkontext eingeordnet wurde.
DORA liefert die stärkste Gegenwartsbrücke
Noch belastbarer wird diese Argumentation durch die DORA-Forschung von Google Cloud. Für den „State of AI-assisted Software Development 2025“ wurden nahezu 5.000 Technologieprofis befragt und zusätzlich qualitative Daten ausgewertet. Die zentrale Schlussfolgerung lautet nicht, dass KI Softwareentwicklung automatisch verbessert. DORA beschreibt KI vielmehr als Verstärker vorhandener organisatorischer Stärken und Schwächen. Leistungsfähige Organisationen können zusätzliche Vorteile realisieren, während schwache Prozesse und technische Defizite durch höhere Geschwindigkeit sichtbarer oder problematischer werden können.
Besonders interessant ist der Zusammenhang zwischen Geschwindigkeit und Stabilität. DORA berichtet für 2025 von einem positiven Zusammenhang zwischen KI-Nutzung und Software-Durchsatz sowie Produktperformance, zugleich aber von einer negativen Beziehung zur Stabilität der Softwareauslieferung. Die Forscher interpretieren dies unter anderem so, dass höhere Entwicklungsgeschwindigkeit Schwächen in nachgelagerten Systemen sichtbar machen kann. Ohne belastbare Tests, funktionierende Versionskontrolle und schnelle Feedbackschleifen kann mehr Veränderung auch mehr Instabilität erzeugen.
Damit entsteht eine bemerkenswerte Verbindung zum Agilen Manifest, die stärker ist als die bloße Behauptung, alte Werte seien irgendwie zeitlos. DORA argumentiert empirisch, dass der Nutzen von KI nicht allein aus dem Werkzeug entsteht. Entscheidend ist das technische und organisatorische System, in dem dieses Werkzeug eingesetzt wird. Nutzerorientierung, klare Arbeitsabläufe, interne Plattformen und schnelle Rückkopplung beeinflussen mit, ob individuelle Produktivitätsgewinne tatsächlich in bessere Produkte übersetzt werden.
Man sollte daraus keine nachträgliche wissenschaftliche Bestätigung des Agilen Manifests konstruieren. DORA untersucht nicht, ob die vier Werte von 2001 „richtig“ sind. Die Forschung stützt aber eine verwandte Grundidee: Werkzeuge allein lösen organisatorische Probleme nicht.
Die wichtigste Frage kann auch die beste KI nicht wegautomatisieren
Das zeigt sich besonders beim dritten Wert: Zusammenarbeit mit dem Kunden mehr als Vertragsverhandlung. Generative KI kann Anforderungen strukturieren, User Stories formulieren, Varianten entwickeln und innerhalb kürzester Zeit Prototypen erzeugen. Die schwierigste Frage eines Produktes beantwortet sie damit noch nicht: Braucht jemand diese Lösung überhaupt?
Das ursprüngliche Agile Manifest spricht in seinen Prinzipien nicht einfach von früher Softwarelieferung, sondern von der frühen und kontinuierlichen Auslieferung wertvoller Software. Fachexperten und Entwickler sollen während eines Projektes eng zusammenarbeiten. Gerade dieser Unterschied zwischen Software und wertvoller Software könnte mit KI wichtiger werden. Wenn das Erzeugen von Lösungen günstiger wird, sagt die bloße technische Machbarkeit immer weniger darüber aus, ob ein Produkt tatsächlich gebraucht wird.
Auch DORA kommt aus einer anderen Forschungsperspektive zu einem verwandten Ergebnis und hebt Nutzerorientierung als wichtigen Faktor für einen produktiven KI-Einsatz hervor. Damit verliert die Frage „Können wir das bauen?“ etwas von ihrer bisherigen Exklusivität. Umso entscheidender wird die Frage „Sollten wir das bauen?“.
Ausgerechnet der Umgang mit Veränderung wirkt heute kaum gealtert
Ähnlich gegenwärtig erscheint der vierte Wert: Reagieren auf Veränderung mehr als das Befolgen eines Plans. Das Manifest fordert ausdrücklich, veränderte Anforderungen selbst spät in der Entwicklung willkommen zu heißen, wenn sie dem Kunden einen Wettbewerbsvorteil verschaffen. Im Jahr 2001 war das eine Absage an die Vorstellung, komplexe Softwareprojekte könnten vollständig im Voraus beschrieben und anschließend lediglich abgearbeitet werden.
2026 hat diese Idee eine zusätzliche Dimension. Nicht nur Anforderungen verändern sich, sondern auch die technischen Möglichkeiten selbst. Entwicklungsmodelle, Coding Agents und Entwicklungsumgebungen entwickeln sich schnell weiter. Gerade der Vergleich der METR-Untersuchungen zeigt, wie vorsichtig zeitgebundene Aussagen über KI-Produktivität behandelt werden müssen. Ein Ergebnis mit Werkzeugen aus dem frühen Jahr 2025 lässt sich nicht ohne Weiteres auf neuere Systeme übertragen.
Das macht Planung nicht überflüssig. Unternehmen brauchen Zielbilder, Budgets, Architekturentscheidungen und klare Verantwortlichkeiten. Aber Planung muss mit technischer Unsicherheit umgehen können. Ein Plan soll Orientierung schaffen, nicht verhindern, dass neue Evidenz zu einer Kurskorrektur führt. In diesem Sinne wirkt der vierte Wert weniger wie eine Aufforderung zur Planlosigkeit als wie eine Warnung davor, den einmal beschlossenen Plan mit der Realität zu verwechseln.
Der stärkste Einwand kommt ausgerechnet von der rechten Seite des Manifests
Bis hierhin ließe sich leicht eine zu harmonische Geschichte erzählen: Ein 25 Jahre altes Manifest wird durch KI plötzlich bestätigt. Doch gerade die aktuelle Entwicklung liefert einen gewichtigen Einwand. Vielleicht macht KI nicht nur die linke Seite des Manifests wichtiger. Vielleicht wertet sie gleichzeitig die rechte Seite auf.
Wenn generative Systeme immer mehr Software erzeugen, kann nachvollziehbare Dokumentation wichtiger werden. Wenn agentische Systeme eigenständig Werkzeuge verwenden oder Änderungen an Codebasen vornehmen, gewinnen definierte Prozesse, Zugriffsrechte, Tests und Kontrollmechanismen an Bedeutung. Wenn höhere Entwicklungsgeschwindigkeit die Stabilität gefährden kann, wie DORA in seinen Daten beobachtet, werden technische Schutzsysteme und Feedbackschleifen gerade nicht überflüssig.
Diese Gegenposition verhindert eine sentimentale Überhöhung des Agilen Manifests. Das Original selbst liefert allerdings bereits einen wichtigen Teil der Antwort, weil es die rechte Seite nie verworfen hat. Prozesse, Werkzeuge, Dokumentation und Pläne besitzen ausdrücklich einen Wert. Die Frage lautet, welchem Zweck sie dienen.
Eine KI-Anwendung kann umfangreiche Dokumentation brauchen, doch Dokumentation macht ein fehlerhaftes System nicht richtig. Ein Agent kann streng definierte Regeln benötigen, doch Regeln beantworten nicht automatisch, ob das verfolgte Ziel sinnvoll ist. Ein Unternehmen braucht leistungsfähige Tools, doch ein Tool entscheidet nicht, ob sein Ergebnis für den Kunden wertvoll ist. Und ein Projekt braucht Planung, ohne deshalb neue Erkenntnisse ignorieren zu dürfen. Vielleicht ist genau diese Balance der Grund, warum der Text heute besser gealtert ist als manche agile Praxis, die später aus ihm abgeleitet wurde.
Die Agile-Welt beginnt selbst, ihre alten Grundsätze neu zu lesen
Dass diese Neuinterpretation nicht nur von außen an das Manifest herangetragen wird, zeigt die aktuelle Diskussion. Publicis Sapient veröffentlichte 2025 ein „AI-Assisted Agile Manifesto“. Der Text versteht sich als Weiterentwicklung agiler Prinzipien unter den Bedingungen KI-gestützter Entwicklung. Als Unternehmenspublikation ist er keine unabhängige wissenschaftliche Evidenz für die Wirksamkeit seiner Forderungen. Er zeigt aber, dass die Frage nach einer Aktualisierung der agilen Grundsätze inzwischen ausdrücklich gestellt wird.
Noch weiter geht ein 2026 veröffentlichter wissenschaftlicher Preprint von Ricardo Britto, Fredrik Palmgren, Nishrith Saini und Marcus Ohlin. Ihr „AI-Native Large-Scale Agile Software Development Manifesto“ behandelt KI nicht nur als zusätzliches Werkzeug, sondern als möglichen aktiven Teilnehmer großskaliger Entwicklungsorganisationen. Die Autoren formulieren unter anderem „living knowledge“ und „verification-first assurance“ als Bestandteile ihres Ansatzes. Auch dieser Beitrag ist kein etablierter Branchenstandard, sondern ein Forschungsvorschlag. Gerade diese Einschränkung ist wichtig: Er beweist nicht, wohin sich agile Softwareentwicklung entwickeln wird. Er belegt aber, dass die Grundfrage nach Agilität unter KI-Bedingungen inzwischen explizit wissenschaftlich diskutiert wird.
Vielleicht haben wir das Agile Manifest all die Jahre zu klein gelesen
Das führt zu einer grundsätzlich interessanteren Interpretation. Das Agile Manifest wird heute häufig mit Scrum, Sprints, Boards und Stand-ups verbunden. Doch seine vier Werte schreiben keine dieser Methoden vor. Im Kern formulieren sie vielmehr eine Rangordnung. Menschen und Zusammenarbeit sollen nicht hinter Werkzeugen verschwinden, funktionierende Ergebnisse nicht hinter Artefakten, Kundennutzen nicht hinter formalen Vereinbarungen und Lernfähigkeit nicht hinter einem einmal verabschiedeten Plan.
Vielleicht altert der Text gerade deshalb langsamer als viele der Technologien, die seit 2001 gekommen und gegangen sind. KI verändert die Geschwindigkeit der Softwareentwicklung, sie verändert die Menge dessen, was automatisiert werden kann, und sie dürfte Rollen und Organisationsformen verändern. Was sie nicht automatisch beantwortet, sind Fragen nach Wert, Ziel und Verantwortung. Sie entscheidet nicht selbst, welchem Kundenproblem Priorität eingeräumt werden soll, welches Risiko akzeptabel ist oder wann ein Ergebnis gut genug ist, um tatsächlich eingesetzt zu werden.
Die aktuelle Evidenz spricht dabei gegen einfache Lagerbildung. Stack Overflow dokumentiert hohe Nutzung und gleichzeitig erhebliches Misstrauen. METR fand unter spezifischen Bedingungen mit Werkzeugen des frühen Jahres 2025 sogar eine messbare Verlangsamung, sieht in späteren Daten aber Hinweise darauf, dass neuere Systeme stärkere Produktivitätsgewinne ermöglichen könnten. DORA wiederum beobachtet positive Zusammenhänge mit Durchsatz und Produktperformance, warnt aber gleichzeitig vor Stabilitätsproblemen und betont den organisatorischen Kontext. Das ist keine Quellenlage, deren Widersprüche redaktionell geglättet werden sollten. Gerade der Widerspruch ist die eigentliche Nachricht: Die Wirkung von KI entsteht nicht unabhängig vom Kontext.
Für Geschäftsführer beginnt die eigentliche KI-Frage erst hier
Für Unternehmensleitungen ergibt sich daraus eine andere Perspektive auf die gegenwärtige KI-Debatte. Die strategische Frage sollte nicht nur lauten, wie viel menschliche Arbeit sich mit KI automatisieren lässt. Mindestens ebenso wichtig ist, unter welchen Bedingungen Automatisierung tatsächlich besseren Output, höhere Qualität oder größeren Kundennutzen erzeugt.
Ein Unternehmen kann mithilfe generativer KI mehr Code, mehr Analysen, mehr Dokumente und mehr Varianten produzieren. DORA liefert Hinweise darauf, dass daraus höhere Entwicklungsgeschwindigkeit und bessere Produktperformance entstehen können. Dieselbe Forschung zeigt aber auch, dass mehr Geschwindigkeit vorhandene Schwächen verstärken kann. Wird nicht gleichzeitig geklärt, wie Qualität überprüft, Feedback verarbeitet und Verantwortung organisiert wird, entsteht nicht zwangsläufig eine bessere Organisation. Zunächst entsteht eine schnellere.
Genau deshalb reicht die Aktualität des Agilen Manifests mittlerweile über klassische Softwareentwicklung hinaus. KI-Assistenten und agentische Systeme bringen dieselbe Grundfrage in weite Teile der Wissensarbeit. Prozesse können automatisiert, Dokumente generiert, Analysen vorbereitet und einzelne Aktionen an Systeme delegiert werden. Damit wird eine Frage, die 2001 vor allem Softwareteams beschäftigte, zunehmend zu einer Frage der Unternehmensführung:
Was soll die Maschine übernehmen – und an welchen Stellen wird menschliches Urteil dadurch wichtiger statt unwichtiger?
Nach 25 Jahren ist nicht die Technik die eigentliche Pointe
Man sollte den 17 Autoren des Agilen Manifests keine prophetischen Fähigkeiten zuschreiben. Sie haben generative KI nicht vorhergesagt, keine Regeln für KI-Agenten formuliert und Unternehmen des Jahres 2026 keine fertige Governance hinterlassen. Ihre Aktualität liegt an einer anderen Stelle. Sie beschrieben eine Spannung, die technologischer Fortschritt offenbar nicht beseitigt: Werkzeuge können immer leistungsfähiger werden, ohne uns die Verantwortung dafür abzunehmen, Ziele zu bestimmen, Ergebnisse zu beurteilen und auf eine veränderte Realität zu reagieren.
Die aktuellen Quellen bestätigen nicht das Agile Manifest. Das wäre journalistisch zu viel behauptet. Sie zeigen aber, dass genau die Konfliktlinien, um die sich das Manifest dreht, wieder hochaktuell sind. Werkzeuge erzeugen nicht automatisch Wert. Höhere Geschwindigkeit garantiert keine Stabilität. Mehr Output ersetzt keine Verifikation. Und technische Leistungsfähigkeit beantwortet nicht die Frage nach dem richtigen Ziel.
Vielleicht ist genau das die unerwartete Pointe nach 25 Jahren: Das Agile Manifest wirkt heute nicht modern, weil seine Autoren die KI vorausgesehen hätten. Es wirkt modern, weil die KI uns erneut mit der alten Frage konfrontiert, die hinter seinen vier Werten steckt.
Je mächtiger unsere Werkzeuge werden, desto wichtiger wird nicht nur, was sie können. Entscheidend wird, wer bestimmt, wofür wir sie einsetzen.
Quellen
**[1] Agile Manifesto:** „Manifesto for Agile Software Development“ sowie „Principles behind the Agile Manifesto“, 2001. Originalquellen der vier Werte und zwölf Prinzipien.
**[2] Stack Overflow:** „2025 Developer Survey – AI“, 2025. Entwicklerbefragung zur Nutzung von KI-Werkzeugen, Vertrauen, Frustrationen und Erfahrungen mit KI-generiertem Code.
**[3] METR:** „Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity“, 10. Juli 2025. Randomisiertes Experiment mit 16 erfahrenen Open-Source-Entwicklern und 246 realen Aufgaben; unter den untersuchten Bedingungen wurde eine Verlangsamung um durchschnittlich 19 Prozent gemessen.
**[4] METR:** „Uplift Update“, 24. Februar 2026. Aktualisierung zur Produktivitätsmessung mit neueren KI-Werkzeugen; Hinweise auf stärkere Produktivitätsgewinne, zugleich erhebliche methodische Unsicherheit bei der Quantifizierung.
**[5] Google Cloud / DORA:** „State of AI-assisted Software Development 2025“, 2025. Untersuchung von nahezu 5.000 Technologieprofis zur Wirkung von KI auf Softwareentwicklung, Produktperformance, Durchsatz, Stabilität und organisatorische Leistungsfähigkeit.
**[6] Google Cloud / DORA:** „DORA AI Capabilities Model“, 2025. Ergänzende DORA-Auswertung zu organisatorischen und technischen Fähigkeiten für den wirksamen Einsatz von KI in der Softwareentwicklung.
**[7] Publicis Sapient:** „The AI-Assisted Agile Manifesto“, 2025. Anbieterpublikation und Debattenbeitrag zur Weiterentwicklung agiler Werte unter Bedingungen KI-gestützter Entwicklung; nicht als unabhängiger Wirksamkeitsnachweis verwendet.
**[8] Ricardo Britto, Fredrik Palmgren, Nishrith Saini, Marcus Ohlin:** „AI-Native Large-Scale Agile Software Development Manifesto“, 2026, arXiv-Preprint. Forschungsvorschlag zu KI-nativer großskaliger agiler Softwareentwicklung; kein etablierter Branchenstandard.
Ein Fachbeitrag von Mike Winter | Gründer von Off Sence AI
Kommentare