KI-gestützte Entwicklung
KI macht das Anfangen fast kostenlos. Das Fertigstellen bleibt teuer.
Teams mit KI-Agenten beginnen mehr Arbeit als je zuvor und liefern etwa gleich viel aus. Der Einstieg ist billig geworden; Prüfung, Integration und Auslieferung sind so teuer wie eh und je. Der Ausweg ist eine alte Disziplin: die laufende Arbeit begrenzen und nur zählen, was fertig geworden ist.
Neue Arbeit anzufangen war noch nie so billig. Noch ein Agenten-Thread. Noch eine Idee. Noch ein Experiment, das im Hintergrund läuft. Die Kosten dafür, etwas zu beginnen, sind eingebrochen: Ein KI-Agent übernimmt jede Aufgabe, die Sie ihm geben, sofort und zu jeder Uhrzeit.
Was nicht eingebrochen ist: die Kosten des Fertigstellens. Prüfung, Integration, Review, Deployment, also alles, was Arbeit in einen Zustand bringt, in dem sie in Produktion läuft und sich bezahlt macht, kostet fast genau so viel wie früher.
Also beginnen Teams mehr als je zuvor und liefern etwa gleich viel aus. Die Boards füllen sich mit halbfertiger Arbeit. Agenten laufen den ganzen Tag, die Token-Rechnung wächst, und trotzdem sind die Release Notes irgendwie nicht länger als im letzten Quartal.
Dahinter steckt ein altes Flussproblem, verstärkt durch neue Tools, und weder ein anderes Tool noch bessere Prompts lösen es. Auch die Lösung ist alt: Begrenzen Sie die laufende Arbeit und optimieren Sie aufs Fertigstellen. Es gewinnt, wer am meisten fertigstellt. Der Rest dieses Artikels begründet diese These: zuerst in Geld, dann in der Mechanik.
Was Arbeit mit KI wirklich kostet und wie man es zählt
Jahrzehntelang waren die Kosten einer einzelnen Aufgabe unsichtbar, versteckt in festen Gehältern. Ein Entwicklermonat kostet gleich viel, ob ein Feature drei Anläufe gebraucht hat oder dreißig, also hat niemand die Anläufe gezählt. Bei KI-Agenten hat jede Aktion ein Preisschild, und die Rechnung wird sehr schnell sehr sichtbar.
So sieht das in der Praxis aus. Ein Agent hat 40 Anläufe gebraucht, 15 Dollar für Tokens ausgegeben und trotzdem kein funktionierendes Feature geliefert. Multiplizieren Sie das jetzt mit jeder Aufgabe, die Ihr Team in einem Monat bearbeitet. Die Schleife hinter dieser Rechnung kennt jeder, der Agenten an echter Arbeit einsetzt: ein Anlauf. Funktioniert fast. Noch ein Anlauf. Etwas besser. Dann geht etwas kaputt, der Kontext verrutscht, Sie fangen an zu reparieren, und es wird schlimmer. Irgendwo an dieser Stelle sehen Sie es klar: Eine „Aufgabe“ ist selten eine einzige Aktion. Es sind Dutzende Iterationen, Anläufe, Korrekturen, Sackgassen, und Sie bezahlen jede davon, auch die, die Sie wegwerfen.

Um zu wissen, was Ihre Delivery tatsächlich kostet, müssen Sie nur drei Dinge zählen:
- wie viele Aufgaben ein funktionierendes Ergebnis erreicht haben,
- wie viele Iterationen das gebraucht hat,
- und was diese Iterationen gekostet haben.
Teilen Sie die Gesamtausgaben durch die abgeschlossenen Aufgaben, und Sie haben die Zahl, auf die es ankommt: die Kosten pro erfolgreicher Aufgabe, also was Sie ein fertiges Stück Arbeit wirklich kostet.
Der Gewinn: Optimierung ist kein Rätselraten mehr. Hilft der neue Prompt wirklich? Bezahlen sich Tests rund um den Agenten selbst? Hat die Änderung am Arbeitsablauf etwas gebracht? Subjektiv „fühlt sich“ immer alles besser an. Der Zahl ist das Gefühl egal: Nach jeder Änderung sind die Kosten pro erfolgreicher Aufgabe entweder gesunken oder eben nicht.
Eine Warnung, bevor Sie loslegen. Beobachten Sie Teams bei der Arbeit an dieser Kennzahl, und Sie sehen, wie sie direkt auf Token-Preise und Modellstufen losgehen und das eigentliche Leck übersehen. Das Ziel sind möglichst viele erfolgreiche Ergebnisse pro ausgegebenem Dollar, und der Token-Verbrauch ist dabei Nebensache. Der größte Treiber der Kosten pro fertiger Aufgabe ist all die Arbeit, die Sie begonnen und nie abgeschlossen haben. Der Preis einer Iteration fällt dagegen kaum ins Gewicht.
Ihre Delivery-Metriken gelten auch für Arbeit mit KI
Wenn Sie gelesen haben, wie ich Entwicklungsprozesse diagnostiziere, kennen Sie den Rahmen schon. Jede Kennzahl, die ein menschliches Team beschrieben hat, gilt weiterhin. Nur eine Sache hat sich tatsächlich geändert:
| Kennzahl | Was sich mit KI-Agenten ändert |
|---|---|
| Durchsatz: ausgelieferte Aufgaben pro Zeitraum | Nichts. Es zählt, was in Produktion ankommt. |
| Time to Market: von der Idee bis zum funktionierenden Ergebnis | Nichts. Die Uhr läuft weiterhin bis zur Produktion. |
| Qualität: Arbeit, die ohne Nacharbeit nutzbar ist | Nichts. Nacharbeit frisst Sie weiterhin auf. |
| NPS: ob das Ergebnis Wert schafft | Nichts. Um den Wert geht es nach wie vor. |
| Kosten pro erfolgreicher Aufgabe: Gesamtausgaben ÷ abgeschlossene Aufgaben | Alles. Früher war sie unsichtbar, versteckt in den Gehältern. Heute hat jede Aufgabe eine Rechnung. |
Sie können schnell und teuer liefern, billig und mit Bergen von Nacharbeit oder in großer Menge am Bedarf der Nutzer vorbei, und die Wirtschaftlichkeit läuft still und leise aus dem Ruder.
Das Messsystem hat überlebt. Geändert hat sich, wo sich die Arbeit staut.
Warum Ihr KI-Agent mit jeder parallelen Aufgabe schlechter wird
Zwei Mechanismen fressen die Gewinne auf. Beide sind alt, beide wurden verstärkt.
Der erste ist das Warten. In den meisten Systemen wird an den meisten Aufgaben gerade gar nicht gearbeitet, sie warten. Schauen Sie sich nun einen Arbeitsablauf mit KI an: Sie warten auf den Agenten (Generierung, Tests, Deployment), dann wartet der Agent auf Sie (eine Antwort, eine Entscheidung, die nächste Anweisung). Während eine Aufgabe wartet, wechseln Sie zu einer anderen, denn sie anzufangen kostet ja fast nichts. Jede zusätzliche Aufgabe verlängert die Warteschlange für alle. Little's Law, nach dem die Lead Time gleich der laufenden Arbeit geteilt durch den Durchsatz ist, gilt unabhängig davon, ob Menschen oder Agenten arbeiten. Wer mehr beginnt, ohne mehr abzuschließen, verlängert einfach das Leben jeder einzelnen Aufgabe.
Der zweite ist der Kontext. Jedes System kann nur eine begrenzte Menge aktiver Arbeit halten. Beim Menschen sind es Aufmerksamkeit und Gedächtnis. Forschung zu unterbrochener Arbeit hat gezeigt, dass Menschen Wechsel tatsächlich ausgleichen, indem sie schneller arbeiten, dafür aber messbar mehr Belastung, Stress und Frust in Kauf nehmen (Mark, Gudith & Klocke, 2008). Die Kosten sind real, sie tragen nur die Menschen, und auf einer Rechnung erscheinen sie nie.
Beim Agenten ist die Grenze das Kontextfenster, und dort lässt sich der Abbau direkt am Ergebnis messen. Eine Studie zu Web-Agenten bei Aufgaben mit langem Kontext (Chung et al.) hat gezeigt, dass die Leistung einbricht, sobald sich irrelevante Historie im Kontext ansammelt, genau das, was ein Thread mit mehreren Aufgaben erzeugt. Bei Störinhalten von bis zu 150.000 Tokens fiel die Erfolgsquote bei einigen getesteten Modellen von 40–50 % auf einstellige Werte; GPT-4.1 sank von rund 45 % auf 2,7 %.
Menschen verlieren den Fokus, Agenten den Kontext, und es ist dasselbe Versagen. Zu viel laufende Arbeit verschlechtert die Arbeitskraft, ob sie aus Neuronen besteht oder aus Tokens.
Ein Thread, eine Aufgabe: WIP-Limits für die Arbeit mit KI
Die Disziplin, die das behebt, gibt es seit Jahrzehnten. KI hat sie zur Pflicht gemacht, denn noch nie war es so billig, der Versuchung nachzugeben und mehr anzufangen.

- Für Agenten: ein Thread, eine Aufgabe. Halten Sie einen Thread auf ein einziges Ergebnis fokussiert. Wenn Nebenthemen auftauchen, ein Bug, der Ihnen aufgefallen ist, ein lohnendes Refactoring, dann landen sie auf einer Liste oder bei einem anderen Agenten. Ein fokussierter Thread wird fertig; ein überladener dreht sich im Kreis.
- Für Sie: erst abschließen, dann anfangen. Bevor Sie eine neue Aufgabe öffnen, fragen Sie sich, was Sie abschließen können. Ein Agent, der auf Ihr Review wartet, ist laufende Arbeit. Drei Agenten, die auf Ihr Review warten, sind eine Warteschlange, und der Engpass darin sind Sie.
- Für das Team: dieselben WIP-Limits für beide Arten von Arbeitskräften. Entscheidend ist, wie viel unfertige Arbeit im System liegt. Begonnene Aufgaben und die Aktivität der Agenten sagen darüber wenig. Eine lange Liste aktiver Threads ist Lagerbestand.
Unbequem ist die Verschiebung dessen, was als Zeichen von Fortschritt gilt. Begonnene Arbeit war früher knapp, also bedeutete das Anfangen etwas. Jetzt, wo das Anfangen fast kostenlos ist, gewinnt, wer am meisten fertigstellt. Weniger gleichzeitig in Arbeit, mehr erledigt.
Der Engpass ist gewandert, und Sie sollten ihm folgen
Wenn Sie die These teilen, also Fertigstellen vor Anfangen, folgt daraus noch eine Konsequenz, und für Startups, die stark auf KI setzen, ist sie die wichtigste.
Für einen Gründer allein oder ein kleines Team, das KI diszipliniert einsetzt, ist das Schreiben von Code fast kein Engpass mehr. Iterationen sind billig im Vergleich zu den Kosten unfertiger Arbeit; die Generierung selbst geht schnell. Knapp ist jetzt die Fähigkeit zu entscheiden, was gebaut wird, warum und für wen, und die Fähigkeit, Arbeit bis zum Abschluss zu bringen. Für ein Produktteam mit 5–50 Entwicklern ist Programmieren noch nicht kostenlos, aber die Richtung ist dieselbe: Der Engpass wandert aus der Codeproduktion in die Entscheidungen und ins Fertigstellen.
Das ist Engpasstheorie für Einsteiger: Wenn der Engpass wandert, ist es verschwendete Mühe, den alten weiter zu optimieren. Noch einmal 10 % aus der Codegenerierung herauszuholen ändert nichts, wenn Arbeit stirbt, während sie auf Prüfung, Review und eine Entscheidung wartet.
KI macht Systemdenken umso wichtiger, denn Fehler im System werden teurer: Die Rechnung dafür kommt jetzt sofort, Posten für Posten, in Dollar. Wenn Ihr Entwicklungsprozess Arbeit zwischen „begonnen“ und „ausgeliefert“ verliert, skalieren Agenten diesen Verlust bereitwillig für Sie. (Wenn Sie mit einem KI-gebauten Produkt genau dort stehen: Über den Weg aus dieser Lage habe ich separat geschrieben.)
Häufige Fragen
Warum wird mein KI-Agent schlechter, wenn ich ihm mehrere Aufgaben auf einmal gebe?
Weil das Arbeitsgedächtnis eines Agenten, sein Kontextfenster, eine harte Grenze hat, und Studien zeigen, dass die Erfolgsquote einbricht, sobald sich in einem Thread irrelevanter Kontext ansammelt. Fünf Aufgaben in einer Unterhaltung bedeuten verschwommene Details und vergessene Entscheidungen. Arbeiten Sie mit einem Thread pro Aufgabe und lagern Sie Nebenarbeiten aus; mit demselben Agenten liefern Sie dann mehr aus.
Sollte ich vor allem die Token-Kosten optimieren?
Meistens nicht. Mit etwas Grunddisziplin sind Tokens ein kleiner Posten. Teuer ist unfertige Arbeit: Aufgaben, die Iterationen verbraucht haben und vor der Produktion gestorben sind, und Warteschlangen, in denen fast fertige Arbeit auf ein Review wartet. Optimieren Sie zuerst die Abschlussquote; die Token-Preise später, wenn überhaupt.
Macht KI WIP-Limits überflüssig?
Im Gegenteil. WIP-Limits gab es, weil das Anfangen verlockend und das Fertigstellen schwer war. KI hat das Anfangen fast kostenlos gemacht, und dadurch wird die Versuchung stärker und das Limit noch wertvoller. Außerdem gilt es jetzt für Ihre Agenten genauso wie für Ihr Team.