Früher war ich ziemlich gut darin, Entwicklungsaufwände zu schätzen. Nicht auf die Minute genau, aber so, dass ich aus dem Bauch heraus sagen konnte, wie lange eine Aufgabe wahrscheinlich dauern würde. Vor allem wusste ich, wie viel Unsicherheit und wie viel Overhead ich einplanen musste. Über die Jahre sammelt man einfach Erfahrungswerte. Man kennt die typischen Stolperfallen, weiß, welche Aufgaben gerne ausufern und welche meist schneller erledigt sind als gedacht.

Mit KI hat sich das für mich verändert.

Plötzlich stehe ich wieder an einem Punkt, an dem viele dieser Erfahrungswerte nur noch eingeschränkt funktionieren. Bei einer neuen Aufgabe frage ich mich oft nicht mehr nur, wie komplex die Umsetzung ist, sondern vor allem, wie gut die KI damit klarkommen wird. Ist das eine Aufgabe, die ein Agent praktisch alleine in wenigen Minuten erledigt? Oder ist es etwas, bei dem ich ständig eingreifen, nachschärfen und Entscheidungen treffen muss, weil Anforderungen unklar sind oder sich die KI irgendwo verrennt?

Interessanterweise habe ich dabei festgestellt, dass die Komplexität einer Aufgabe oft gar nicht der entscheidende Faktor ist. Manche auf den ersten Blick anspruchsvollen Features laufen erstaunlich reibungslos durch. Die KI versteht die Anforderungen, setzt alles sauber um und nach kurzer Zeit ist das Ergebnis fertig. Gleichzeitig gibt es scheinbar triviale Aufgaben, bei denen sich ein Agent komplett festfährt. Dann dreht er sich im Kreis, produziert immer neue Varianten desselben Fehlers und kommt keinen Schritt weiter. In solchen Fällen hilft oft nur: abbrechen, zurückrollen, einen anderen Agenten starten. Und plötzlich ist die gleiche Aufgabe zwei Minuten später erledigt.

Genau diese Unvorhersehbarkeit macht das Schätzen derzeit so schwierig. Das eigentliche Problem ist nicht die Geschwindigkeit der KI, sondern dass die großen Erfahrungswerte noch fehlen. Wir befinden uns in einer Phase, in der viele Entwickler erst lernen müssen, welche Aufgaben sich hervorragend automatisieren lassen und wo menschliche Unterstützung weiterhin entscheidend ist.

Dabei steht außer Frage, dass am Ende vieles deutlich schneller geht als früher. Gerade bei typischen Umsetzungsarbeiten, die früher aus viel Copy-and-Paste bestanden, spielt KI ihre Stärken voll aus. Große Formulare mit dutzenden ähnlichen Feldern sind ein gutes Beispiel. Früher bedeutete das oft stundenlanges Kopieren, Umbenennen und Anpassen von IDs, Labels und Validierungen. Heute erledigt die KI solche Aufgaben teilweise in einem Bruchteil der Zeit. An manchen Stellen fühlt es sich tatsächlich an, als wäre sie hundertmal schneller.

Trotzdem ist es in der Projektplanung nicht besonders hilfreich zu sagen: „Wir müssen erst einmal schauen, wie schnell die KI die Basisumsetzung schafft, danach kann ich den Rest sehr genau abschätzen.“ Viele Auftraggeber und Teams haben sich noch nicht an diese neue Arbeitsweise gewöhnt. Das gilt übrigens nicht nur für von KI erzeugten Code, sondern für die gesamte Entwicklungsgeschwindigkeit, die sich durch KI verändert.

Deshalb plane ich inzwischen eher pessimistisch. Ich strukturiere meine Woche so, als würden viele Aufgaben länger dauern als erhofft. Regelmäßig stelle ich dann am Ende eines Tages fest, dass deutlich mehr Zeit übrig geblieben ist als erwartet – vorausgesetzt natürlich, kein PC, Server oder irgendeine andere technische Überraschung beschließt spontan, Aufmerksamkeit zu verlangen.

Vielleicht ist genau das aber der richtige Weg. Lieber etwas mehr Zeit angeben und dafür sauber arbeiten, als sich durch zu optimistische Planungen wieder technische Schulden einzuhandeln. Tatsächlich gibt es inzwischen Projekte, die funktional weiter sind als ursprünglich geplant. Nicht weil die Anforderungen reduziert wurden, sondern weil sich unterwegs immer wieder Gelegenheiten ergeben haben, zusätzliche Features gleich mit umzusetzen. Wenn die KI gerade im richtigen Kontext arbeitet, kostet ein weiterer Baustein manchmal nur noch einen Bruchteil des Aufwands, den man früher einkalkulieren musste.

Ich bin gespannt, wann sich Auftraggeber an diese neue Realität gewöhnen werden. Vielleicht dauert es nicht mehr lange, bis Entwickler auf eine Aufwandsschätzung von vier Stunden die Antwort bekommen: „Vier Stunden? Ich dachte, die KI macht das in zehn Minuten.“

Bis dahin lerne ich weiter, Zeiten mit KI zu schätzen. Im Grunde fühlt es sich an wie damals zu Beginn meiner Laufbahn: Man weiß, dass man die Aufgabe lösen kann. Man weiß nur noch nicht immer, wie lange der Weg dorthin tatsächlich dauert.