TL;DR
Auf «Wie viel schneller sind wir mit KI?» gibt es keine Antwort, denn messen lässt sich nur eine bestimmte Art von Arbeit. Wer die ersten Versuche misst, misst Anfänger: Agentic Engineering lernt man über Monate und Jahre. Such dir also Arbeit aus, die sich für einen Agenten eignet, miss sie und miss sie immer wieder. Harte Zahlen gibt es nur dort, wo sich Arbeit wiederholt. Überall sonst zählen der Verlauf und die Einschätzung der Leute, die die Arbeit machen. Entscheide danach, worin du als Nächstes investierst: Schulung, ein besseres Setup oder Unterstützung.
«Wie viel schneller sind wir mit KI?» ist meist die erste Frage. Dahinter steht die Annahme, das Tempo komme mit dem Werkzeug.
Wer Excel zum ersten Mal öffnet, braucht für ein Budget länger als die Kollegin, die seit zehn Jahren damit arbeitet, und das Ergebnis ist schlechter. Niemand liest an dieser ersten Tabelle ab, was Excel einer Finanzabteilung bringt. verlangt mehr als ein neues Werkzeug. Damit ändert sich, wie Arbeit beschrieben, übergeben und geprüft wird.
Die erste Zahl misst die Lernkurve.
#Eine frühe Messung zeigt, wo die Leute diesen Monat stehen. Sie sagt wenig darüber, was dieselbe Arbeit bringt, sobald Agenten täglich im Einsatz sind, die Teams wissen, welche ihrer Aufgaben sich für einen Agenten eignen, und das Setup darauf zugeschnitten ist.
Der Weg dorthin dauert Monate und Jahre. Er endet auch nicht, denn die Werkzeuge ändern sich laufend.
- Das Werkzeug wird eingeführt
Die Messung, die alle zitieren, erhoben am tiefsten Punkt der Kurve.
- Es ist täglich im Einsatz
Die Leute übergeben dem Agenten täglich Arbeit und liegen oft genug daneben, um daraus zu lernen.
- Die passende Arbeit ist gefunden
Teams wissen, welche ihrer Aufgaben sich für einen Agenten eignen, und setzen ihn für den Rest nicht mehr ein.
- Das Werkzeug ist auf diese Arbeit zugeschnitten
Es ist für diese Aufgaben eingerichtet und wird nicht mehr im Auslieferungszustand benutzt.
Eine Zahl, die allein wenig sagt, sagt im Verlauf trotzdem etwas.
#Ein sauberes Vorher-Nachher gibt es nur, wo sich Arbeit wiederholt: bei einer Migration, die du schon einmal durchgeführt hast, einem Monatsbericht, einer bestimmten Art von Tickets. Die meiste Entwicklungsarbeit fällt genau einmal an, und niemand weiss, wie lange sie auf dem anderen Weg gedauert hätte. Auch Kennzahlen wie erledigte Tickets pro Monat sind nur bedingt aussagekräftig, denn kein Ticket macht gleich viel Arbeit wie das nächste.
Erfass solche Zahlen trotzdem, getrennt nach Art der Arbeit, und achte auf die Richtung. Dieselbe unvollkommene Zahl, jedes Quartal gleich erhoben, zeigt durchaus, ob ein Team vorankommt oder feststeckt. Voraussetzung ist, dass die Arbeit vergleichbar bleibt.
Was die Leute berichten, kann falsch sein und zeigt trotzdem, wer dazulernen wird.
#Frag die Leute, die die Arbeit machen, was es ihnen bringt, und zwar bei einer konkreten Art von Arbeit. In einer kontrollierten Studie von 2025 brauchten erfahrene Entwickler mit KI-Werkzeugen 19 Prozent länger und glaubten danach, sie seien 20 Prozent schneller gewesen. Die meisten hatten erst einige Dutzend Stunden mit dem Werkzeug gearbeitet, auch das war also eine erste Messung.
Die Antwort der Leute zeigt dir trotzdem etwas, das keine Kennzahl zeigt: ob sie diese Arbeitsweise annehmen. Nur wer dafür offen ist, übt weiter, und erst die Übung bewegt die Kurve. Sehen die Leute keinen Nutzen, dann find heraus, woran es liegt: Die Arbeit eignet sich nicht für einen Agenten, die Leute arbeiten nur gelegentlich damit, oder das Setup stimmt nicht.
Dass Agenten geeignete Arbeit übernehmen, ist entschieden. Die Zahlen sind zum Steuern da.
Weiter erkunden